Constelación EOS SAT Y La Agricultura: Resumen Técnico
Sesenta y cinco años después del lanzamiento del primer satélite artificial para la observación de la Tierra, la teledetección por satélite ha avanzado de forma espectacular. La omnipresente conectividad a Internet, el aumento de la potencia de cálculo, la capacidad de almacenamiento de datos y la velocidad de procesamiento influyeron en la capacidad de los satélites para captar, procesar y transferir datos. Cada día, los satélites monitorizan millones de kilómetros cuadrados de la superficie del planeta y generan decenas de terabytes de datos para investigación y necesidades comerciales de clientes de diversos sectores: minería, silvicultura, militar, meteorología, agricultura, etc.
EOS Data Analytics, proveedor mundial de análisis de imágenes de satélite impulsados mediante IA, está a punto de entrar en la industria de fabricación de satélites con el lanzamiento de una constelación centrada en la agricultura: EOS SAT.
Constelación De Satélites Agrícolas EOS SAT De EOS Data Analytics: ¿Qué Tiene De Especial?
La constelación constará de siete satélites pequeños (178 kg) que volarán sobre la parte de la Tierra iluminada por el sol el 50% del tiempo. Al seguir una órbita solar-síncrona baja con condiciones de iluminación constantes, los satélites pueden tomar imágenes de alta calidad.
Las tecnologías actuales permiten equipar un satélite pequeño con todo el hardware necesario para satisfacer las necesidades de generación de datos de alta resolución. La capacidad de cobertura de las constelaciones de satélites pequeños aumenta con el número de satélites. Hemos calculado que siete satélites es el número ideal para nuestros objetivos.
El primer satélite (EOS SAT-1), cuyo lanzamiento está previsto para 2023, cuenta con dos sensores electroópticos DragonEye instalados en un bus de satélite Dragonfly de 100 kg de peso.
El despliegue de los otros seis satélites está previsto para 2023-2025; en 2025, EOS SAT alcanzará su plena operatividad. El equipo de fabricación actualizará el hardware de los satélites en los próximos años. Por ejemplo, mejorarán la velocidad de la relación de una banda X para aumentar el volumen de datos transferidos a las estaciones terrestres.
La finalidad principal de la constelación condiciona la elección de las características técnicas. El EOS SAT se fabrica para obtener imágenes de tierras cultivadas y zonas forestales, analizar los datos generados para conocer el desarrollo de las plantas y el estado del suelo, y relacionar estos conocimientos con los datos meteorológicos y de gestión de cultivos y bosques.
Veamos las principales características de la constelación.
Bandas espectrales. Las cámaras de los satélites tienen sensores que detectan la energía luminosa dentro de regiones (rangos) específicas del espectro electromagnético, cada una de las cuales corresponde a una banda espectral. Los satélites EOS SAT captarán imágenes de la superficie del planeta utilizando las siguientes bandas espectrales:
- RGB
- 2 canales NIR (infrarrojo cercano)
- 3 canales RedEdge (del borde rojo)
- WaterVapor (vapor de agua)
- Aerosoles
- Pancromática
- SWIR (infrarroja de onda corta)
EOS SAT-1 tendrá 11 bandas espectrales, excluyendo SWIR. Los otros seis satélites estarán equipados con 13. A partir de EOS SAT-2, cada equipo dispondrá de dos bandas SWIR adicionales (Cirrus 1,360-1,390 y 1,565-1,655).
Las bandas espectrales se seleccionan en función de las propiedades de la luz que atraviesa nuestra atmósfera. Estas 13 bandas son sensibles a las longitudes de onda electromagnéticas con las que se obtiene la mínima distorsión y atenuación de las ondas luminosas que se reflejan en la superficie terrestre. De este modo, los usuarios pueden obtener imágenes que representan con precisión los objetos de interés en ellas.
Las bandas espectrales permiten obtener información específica sobre una característica concreta, por lo que cada banda tiene sus casos de uso. Por ejemplo, la banda NIR (infrarrojo cercano) se utiliza para detectar los niveles de clorofila: cuanto más sana está la planta, más clorofila tiene y más refleja las longitudes de onda del NIR. Además, el NIR es eficaz para controlar las plantas y contrastar las masas de agua con las características circundantes, y puede aplicarse para detectar la cantidad de humedad en el suelo.
Las imágenes captadas con la longitud de onda SWIR (infrarrojo de onda corta) presentan un fuerte contraste. Por lo tanto, puede utilizarse para distinguir los productos agrícolas de alto valor de los de calidad inferior y evaluar la maduración de la fruta y los cultivos.
El agua absorbe mucha luz en esta longitud de onda, por lo que parece casi negra en las imágenes. Si se aplica un filtro o una fuente de luz adecuados, se puede determinar el contenido de humedad en frutas magulladas, granos o cultivos bien regados. Por el contrario, SWIR hace que la evaporación y la sequedad extrema se vean en los objetos fotografiados, por lo que es posible predecir el estrés hídrico en los cultivos, implementar el riego de precisión y detectar la salinidad del suelo causada por la falta de agua, una alta tasa de evaporación y un drenaje deficiente. En resumen, mediante el uso de imágenes SWIR, los agricultores pueden hacer frente a tiempo a los problemas mencionados para evitar daños y pérdidas adicionales en los cultivos, estimar el rendimiento, comprobar la calidad de los productos agrícolas y evaluar su maduración.
En general, los satélites proporcionan imágenes pancromáticas y multiespectrales. Una imagen pancromática utiliza una sola banda que combina tres bandas visibles para el ojo humano: roja, verde y azul. Estas imágenes se ven en una escala de grises y no contienen información específica de la longitud de onda. Una imagen multiespectral representa la misma zona, pero se compone de varias capas captadas en una banda de longitud de onda específica.
Tiempo de revisita. Los satélites tomarán imágenes de las mismas zonas agrícolas y forestales cada cinco o seis días. Pero el intervalo de adquisición de imágenes puede reducirse a un día a petición del cliente (asignándonos una tarea concreta a nivel de campo). Las tareas personalizadas para territorios más extensos (a nivel de país) pueden llevar hasta cuatro días, dependiendo de su ubicación, de la longitud de la órbita del satélite sobre la superficie del área de interés y del tamaño del área. Las tareas de detección de anomalías pueden realizarse en un día.
Cobertura. EOS SAT-1 monitorizará diariamente entre 0,8 y 1 millón de kilómetros cuadrados, mientras que cada uno de los otros seis satélites cubrirá entre 1,3 y 1,4 millones de kilómetros cuadrados. Una vez en órbita, los siete satélites monitorizarán diariamente entre 8,6 y 9,4 millones de kilómetros cuadrados. Tenemos capacidad adicional para alcanzar los 12 millones de kilómetros cuadrados aumentando la velocidad media de transmisión de datos de los satélites.
Está previsto que en 2025 la constelación de siete satélites cubra el 100% de los países con mayor superficie de tierras agrícolas y forestales, lo que supone el 98,5% de dichas tierras en todo el mundo.
También monitorizará el 100% de las tierras agrícolas de los 20 países con mayor potencial en el sector agrícola; es decir, de los países líderes por superficie agrícola y forestal. Para realizar estas estimaciones, los especialistas de EOSDA se basaron en investigaciones de código abierto y en la clasificación de las tierras agrícolas mundiales basada en un análisis de datos de MODIS.
Ciclo de datos. El ciclo de datos (la secuencia de etapas de trabajo con datos) durará entre 16 a 24 horas, con la posibilidad de acortar el tiempo hasta tres horas para las tareas prioritarias. Estas etapas incluyen la generación de imágenes por parte de un satélite, la obtención de los datos de las imágenes por parte de cuatro estaciones terrestres repartidas por todo el planeta, el almacenamiento, la preparación y el procesamiento de los datos (utilizando métodos de aprendizaje automático para el análisis) y la presentación de información a los usuarios.
Una imagen pancromática puede combinarse (fusionarse) con otra multiespectral de menor resolución para aumentar su resolución espacial y resaltar las características de la superficie.
La resolución de la distancia de muestreo del suelo (GSD) de las imágenes pancromáticas y multiespectrales es de 1,4 y 2,8 m, respectivamente.
Datos De Satélite Exclusivos Para Contribuir A La Producción Sostenible De Cultivos
Aunque nuestros competidores también pueden ofrecer una cobertura diaria similar a la nuestra, disponer de una fuente de datos propia aporta ventajas.
Otras empresas suelen cooperar con proveedores de imágenes de satélite, que no siempre proporcionan datos de los rangos espectrales necesarios para los índices de vegetación. En cambio, EOSDA gestiona internamente el ciclo completo de los datos. Fijamos los requisitos de las imágenes, su resolución temporal y su procesamiento, por lo que estamos seguros de obtener regularmente datos de alta calidad con esos mismos parámetros. Esto también significa que las imágenes necesarias para un área de interés se incluirán en una lista de tareas y se procesarán específicamente para los índices especificados por el cliente.
Las frecuentes revisitas para el suministro continuo de datos actualizados, adecuados para resolver tareas relacionadas con la agricultura, garantizarán resultados analíticos aún más precisos para apoyar la toma de decisiones de los usuarios: productores de alimentos, proveedores de insumos, compañías de seguros o bancos.
Alcanzar una cobertura casi completa de las tierras agrícolas de todo el mundo en 2025 acercará a la EOSDA al cumplimiento de su compromiso: proporcionar imágenes de alta calidad y análisis de datos de satélite para fomentar y contribuir a la agricultura sostenible. Al fin y al cabo, producir alimentos más sanos utilizando menos recursos y minimizando los daños medioambientales beneficia a las empresas agrícolas, a los consumidores y al planeta.
Acerca del autor:
Natalia Ivanchuk tiene un máster en Matemáticas Aplicadas (2013) en la Universidad Nacional de Ingeniería del Agua y del Medio Ambiente. Es autora de más de 60 publicaciones científicas, monografías y otros trabajos científicos.
En 2019, defendió con éxito la tesis, "Modelización matemática de los procesos de filtración en entornos de suelo teniendo en cuenta la influencia de los elementos de las estructuras de ingeniería" y obtuvo el título de Candidata a las Ciencias Técnicas.
En la actualidad, Natalia es profesora asociada en el Departamento de Ciencias Informáticas y Matemáticas Aplicadas de la Universidad Nacional de Ingeniería del Agua y del Medio Ambiente en Rivne, Ucrania. Enseña diferentes lenguajes de programación (C++, C# y JavaScript, entre otros) en dicha universidad.
Natalia participa activamente en la investigación científica relacionada con la aplicación práctica de nuevos algoritmos de programación. La programación también es algo que le gusta hacer en su tiempo libre.
Su experiencia y constante deseo de aprender y perfeccionar sus habilidades de programación, especialmente trabajando con Python, ha sido muy beneficioso para EOS Data Analytics.
Artículos recientes
Salinidad Del Suelo: Cómo Prevenirla Y Reducirla
La salinización del suelo causa la degradación de la tierra, estropea los recursos hídricos y reduce la productividad agrícola. El software agrícola en línea ayuda a disminuirla y prevenirla.
Tecnología Satelital Para Las AgroFinanzas: Webinar
El 25 de mayo de 2023, EOS Data Analytics y el fondo de seguros FONCOSPA organizaron un seminario web gratuito dedicado a cómo las soluciones de teledetección pueden ser de utilidad para el sector de los seguros.
Estrés Térmico En Plantas: Causas Y Síntomas
A medida que aumenta la temperatura, el estrés térmico en las plantas se convierte en un problema cada vez mayor. Los expertos agrícolas deben crear unas condiciones en las que los cultivos prosperen.