El uso más importante sobre datos de detección remota, ha sido la comparación de imágenes de una zona específica, tomada en diferentes momentos para identificar los cambios que aquí sucedieron. Con una gran cantidad de imágenes satelitales actualmente en uso abierto, en un período prolongado de tiempo, la detección manual de cambios llevaría mucho tiempo y muy probablemente sería imprecisa. EOS Data Analytics ha creado la herramienta automatizada de detección de cambios en su producto estrella, LandViewer, que se ubica entre las herramientas en la nube más capaces para la búsqueda y análisis de imágenes satelitales en el mercado actual.
A diferencia de los métodos que involucran redes neuronales que identifican cambios en las características previamente extraídas, el algoritmo de detección de cambios implementado por EOS usa una estrategia basada en píxeles, lo que significa que los cambios entre dos imágenes ráster multibanda, se calculan matemáticamente al restar los valores de píxeles de una fecha con los valores de píxeles de las mismas coordenadas para otra fecha. Esta nueva característica de la firma, está diseñada para automatizar la tarea de detección de cambios y ofrecer resultados precisos con menos pasos y en una fracción del tiempo necesario comparado con ArcGIS, QGIS u otro software GIS de procesamiento de imágenes.
La interfaz de detección de cambios. Imágenes de la costa de la ciudad de Beirut seleccionadas para identificar los desarrollos de los últimos años.
Detección de cambios en la ciudad de Beirut
Alcance ilimitado de aplicaciones: desde la agricultura hasta el monitoreo ambiental.
Uno de los objetivos principales establecidos por el equipo de EOS, fue hacer que un proceso complejo de detección de cambios para datos de detección remota sea accesible y fácil para usuarios sin experiencia, provenientes de industrias que no son SIG. Con la herramienta de detección de cambios de LandViewer, los agricultores pueden identificar rápidamente las áreas que sufrieron daños en sus campos por el granizo, la tormenta o las inundaciones. En el manejo forestal, la detección de cambios en la imagen satelital, será útil para la estimación de las áreas quemadas, luego de un incendio forestal y para detectar la tala ilegal o la invasión de tierras forestales. Observar la tasa y extensión de los cambios climáticos (como el derretimiento del hielo polar, contaminación del aire y el agua, pérdida de hábitat natural debido a la expansión urbana) es una tarea que realizan los científicos ambientales e forma continua, y ahora pueden hacerlo en cuestión de minutos. Al estudiar las diferencias entre el pasado y el presente utilizando años de datos satelitales con la herramienta de detección de cambios de LandViewer, todas estas industrias también pueden pronosticar cambios futuros.
Principales casos de uso de detección de cambios: daños por inundaciones y deforestación
Una imagen vale más que mil palabras, y las capacidades de detección de cambio con imágenes satelitales en LandViewer se pueden demostrar mejor con ejemplos de la vida real.
Los bosques que todavía cubren alrededor de un tercio del área mundial están desapareciendo a un ritmo alarmante, principalmente debido a actividades humanas como la agricultura, la minería, el pastoreo de ganado, la tala y también los factores naturales como los incendios forestales. En lugar de realizar estudios masivos, en terrenos de miles de acres de bosques, un técnico forestal puede supervisar regularmente la seguridad de los bosques con un par de imágenes satelitales y la detección automática de cambios basada en NDVI (Índice de Vegetación de Diferencia Normalizada).
¿Cómo funciona? NDVI es un medio conocido para determinar la salud de la vegetación. Al comparar la imagen satelital del bosque intacto, con la imagen que se adquirió justo después de que los árboles fueron talados, LandViewer detectará los cambios y generará una imagen de diferencia destacando los puntos de deforestación, los usuarios pueden descargar los resultados en .jpg, .png o formato .tiff. La cubierta de bosque que sobrevive tendrá valores positivos, mientras que las áreas despejadas tendrán negativos y se mostrarán en tonos rojos que indican que no hay vegetación presente.
Una imagen diferente que muestra el alcance de la deforestación en Madagascar entre 2016 y 2018; generado a partir de dos imágenes de satélite Sentinel-2
Otro caso de uso generalizado para la detección de cambios, sería la evaluación de daños por inundaciones agrícolas, que es de mucho interés para agricultores y compañías de seguros. Cada vez las inundaciones han cobrado un alto precio en su cosecha, el daño puede ser mapeado y medido rápidamente con la ayuda de algoritmos de detección de cambios basados en NDVI.
Resultados de la detección de cambio de escena de Sentinel-2: las áreas rojo y naranja representan la parte inundada del campo; los campos circundantes son verdes, lo que significa que evitaron el daño. Inundación de California, febrero de 2017.
Cómo ejecutar la detección de cambios en LandViewer
Hay dos formas de iniciar la herramienta y comenzar a encontrar diferencias en las imágenes satelitales multitemporales: haciendo clic en el ícono del menú derecho «Herramientas de análisis» o en el control deslizante de Comparación, lo que sea más conveniente. Actualmente, la detección de cambios se realiza solo en datos satelitales ópticos (pasivos); la adición de los algoritmos para datos activos de detección remota está programada para futuras actualizaciones.
Para obtener más detalles, lea esta guía de la herramienta de detección de cambios de LandViewer. O comience explorar las últimas capacidades de LandViewer por su cuenta.