INTERSEN, monitorizar la vegetación desde el espacio

Monitorizar desde el espacio, y con toda la precisión necesaria, la salud de los campos agrícolas y la de los bosques, en cualquier punto verde del planeta, ya no es ciencia-ficción.

El proyecto INTERSEN mejorará de manera espectacular la eficiencia en la vigilancia de zonas con vegetación de la Tierra a partir de observaciones hechas desde satélite.

INTERSEN es un proyecto enmarcado en el Plan Estatal de Investigación 2021 y liderado por el grupo de investigación en Ingeniería Visual (eViS) de la Universidad Jaume I de Castellón, en la Comunidad Valenciana, España, que apuesta por la combinación inteligente de datos espaciales para mejorar la forma en que entendemos y cuidamos nuestro entorno.

El programa europeo Copernicus es una iniciativa clave para la observación de la Tierra e incluye misiones como Sentinel y FLEX. Sentinel proporciona información detallada sobre el terreno y la atmósfera, mientras que FLEX estudia como las plantas utilizan la luz del Sol para crecer. La fusión de datos inter-sensor que desarrolla INTERSEN combina estas capacidades para generar imágenes más completas y precisas, maximizando las fortalezas de cada satélite. Por ejemplo, Sentinel-1 es capaz de captar datos en condiciones meteorológicas adversas, mientras que FLEX ofrece una resolución espectral única para analizar la fotosíntesis.

Para llevar a cabo esta fusión, el equipo de INTERSEN utiliza tecnologías avanzadas como el aprendizaje automático (una modalidad de inteligencia artificial) y un procesamiento más especializado de imágenes. Estas herramientas permiten a los ordenadores analizar grandes cantidades de información y producir mapas muy detallados de campos y bosques. Esto tiene aplicaciones directas en la planificación agrícola, la gestión de recursos hídricos y la predicción de cosechas, además de contribuir a modelos climáticos globales más precisos.

(Imágenes: INTERSEN / Universitat Jaume I)

El proyecto ya ha conseguido avances significativos, como el desarrollo de algoritmos que mejoran la precisión de la fusión de datos y permiten identificar zonas de agua continentales con alta fiabilidad. Por ejemplo, se han creado técnicas que combinan datos de diferentes sensores para mejorar la resolución espectral y espacial de las imágenes.

Aun así, todavía quedan retos pendientes, como el desarrollo de técnicas de clasificación semisupervisada para identificar con más precisión zonas de vegetación y otras clases de cobertura terrestre, así como la mejora de algoritmos para el cartografiado y la monitorización de índices de vegetación. Estas líneas de trabajo están planificadas para la segunda fase del proyecto y podrían establecer las bases para futuras investigaciones.

El grupo de investigación eViS - Ingeniería Visual, integrado en el Instituto Universitario de Nuevas Tecnologías de la Imagen (INIT), cuenta con más de 30 años de experiencia en el campo de la visión artificial y el aprendizaje automático, y ha participado en más de 40 proyectos competitivos nacionales y europeos. Sus líneas de trabajo incluyen el reconocimiento de formas, el análisis de imágenes en color, el análisis de texturas visuales, la estereoscopia y las técnicas de clasificación automática. (Fuente: Universitat Jaume I)