
Máscara De Nubes: Cómo Funciona Y Se Implementa
Las imágenes de satélite son usadas en múltiples industrias, aunque esto no sería posible sin las técnicas de enmascaramiento de nubes. A diferencia de los SAR, los sensores ópticos de los satélites no pueden proporcionar una imagen nítida en un día nublado, por lo que la solución a este problema es la máscara de nubes. Gracias a los avances en computación, EOSDA aplica algoritmos específicos en los datos que se han visto afectados por la nubosidad para poder seguir realizando análisis útiles y prácticos.
¿Por Qué Es Necesario El Enmascaramiento De Nubes?
El enmascaramiento de nubes en teledetección prepara las imágenes para su procesamiento y mejora la generación de productos.
En el enmascaramiento de nubes previo al procesamiento, éste no es el único problema en las imágenes. La visibilidad también se ve reducida por las sombras que proyectan y que, por tanto, disminuyen la capacidad de reflectancia de los objetos a estudiar. Las nubes (y, en consecuencia, sus sombras) difieren en forma, tamaño y altitud, que dependen de la posición geográfica y de las peculiaridades climáticas de la región estudiada.
La información sobre las nubes está disponible en múltiples fuentes, a diferencia de la información sobre sus sombras, que definitivamente importa cuando se trata de la precisión de la imagen. Otra cosa es la escalabilidad de la máscara de nubes. Debe haber suficiente resolución para hacer zoom no sólo en todo el campo, sino también en sus zonas separadas. La falta de detalles en la imagen conduce a errores.

¿Dónde Se Usan Las Imágenes De Satélite Sin Imperfecciones?
Dado que las nubes no identificadas provocan errores en el análisis, este problema requiere un control adecuado. Una máscara de nubes adecuada es esencial en muchas esferas que dependen de la teledetección y la monitorización de cambios, tanto para necesidades gubernamentales como comerciales. La máscara de nubes rasterizada de las series de imágenes mejora el análisis para la agricultura, la silvicultura, el petróleo y el gas, la minería, la construcción, el transporte, las telecomunicaciones, la protección del medioambiente, las fuerzas armadas y policiales, la respuesta ante emergencias y desastres, etc. En concreto, los macrodatos se utilizan para generar capas adicionales que aportan información adicional a investigadores y empresas.
Por ejemplo, estas capas se incorporan en el software agrícola. Proporcionan a los agricultores la información más reciente y creíble para tomar decisiones sobre:
- dosis y momento de la siembra;
- cosecha;
- riego de precisión;
- fertilización;
- control de plagas;
- gestión de la maleza, etc.
EOSDA Crop Monitoring
Acceda a imágenes de satélite de alta resolución para conseguir una gestión eficaz de sus campos.
Hay muchos escenarios en los que aplicar la máscara de nubes, dependiendo del propósito y las tareas a realizar. Irrelevante cuando se realiza el análisis de series de imágenes, para obtener resultados más precisos es necesario:
- estudiar la parte de la imagen limpia, o
- sustituir las partes poco claras por partes claras siempre que sea posible.
En cualquier caso, el problema repercute negativamente en el análisis útil de los datos. Por eso es necesario eliminarlas del proceso de análisis, para reducir la posibilidad de error en los resultados estimados.
Cómo Funciona La Máscara De Nubes De EOSDA
La tecnología de EOSDA ayuda a identificar y diferenciar la densa cobertura de nubes, la bruma atmosférica y las sombras. La cubierta terrestre visible y no disponible (es decir, el territorio “invisible” en una imagen de satélite normal) constituyen categorías de clasificación adicionales.
¿Tiene Sentido Separar Las Nubes De La Bruma?
La diferencia esencial es que EOSDA ya no utiliza la clasificación en el momento de mostrar el resultado. La clasificación estándar distingue las nubes y la bruma como categorías separadas, aunque no está del todo justificado. Se trata de objetos similares, que se diferencian por la humedad relativa atmosférica. La concentración de vapor de agua es mayor en las nubes y menor en la bruma. Por este motivo, puede resultar difícil separar una de otra, ya que sus límites pueden ser difusos. Teniendo esto en cuenta, el equipo científico de EOSDA ha elaborado su propio enfoque de la función de activación de la red neuronal, que permite una diferenciación más precisa.
El entrenamiento realizado por los especialistas en etiquetado permitió realizar experimentos para averiguar el papel de las distintas bandas en la identificación. Así pues, la longitud de onda de teledetección en la máscara de nubes es realmente importante. Dado que EOSDA utiliza imágenes de Sentinel-2, los científicos basaron su trabajo en las directrices teóricas de la documentación del satélite. Al principio emplearon las bandas recomendadas para el enmascaramiento de nubes de Sentinel-2. Los experimentos modificaron parcialmente la elección de los canales para la detección. Para ser precisos, en la clasificación no hay bruma. En su lugar, hay nubes que pueden clasificarse en función de la densidad de la concentración de vapor atmosférico.

Concepto Patentado Para La Identificación Flexible De Sombras
Las sombras se detectan con la misma red neuronal y la base de trabajo es la misma. Sin embargo, EOSDA utiliza una función de activación ligeramente distinta en los resultados de la red neuronal y, en consecuencia, una función de error ligeramente diferente. Mientras los demás aplican la clasificación estándar y SoftmaxLoss, los especialistas de EOSDA emplean una regresión sofisticada que resulta más lógica para este concepto. Este enfoque permite ser flexible en lo que respecta a la bruma, las nubes y sus sombras. De este modo, el equipo científico de EOSDA obtiene los resultados de redes neuronales y aplica la máscara de nubes en los objetos objetivo con diferentes umbrales, en función de las especificidades de la tarea.
Así, la máscara de nubes en EOSDA va mucho más allá de la clasificación SoftmaxLoss utilizada habitualmente. El concepto patentado de la empresa ofrece resultados más flexibles y precisos.
La máscara de nubes de EOSDA también puede utilizarse a través de la API. Para obtener más información, póngase en contacto con nuestro departamento de ventas en sales@eosda.com.
Máscara De Nubes De EOSDA Vs Máscara De Nubes De Sentinel-2
La máscara de nubes de Sentinel-2 es bastante convencional y exacta. Es más adecuada para el filtrado aproximado en la búsqueda preliminar de las imágenes necesarias para el análisis posterior, por lo que una mayor precisión exige un procesamiento adicional. La máscara de nubes obtenidas con los algoritmos EOSDA es más precisa y ofrece una imagen más realista.
Las imágenes siguientes comparan las máscaras de ambos:


El departamento de ventas de EOSDA estará encantado de proporcionarle más información sobre el uso de la máscara de nubes a través de la API. Puede solicitar más información escribiendo a sales@eosda.com.
Implementación De La Máscara De Nubes En EOSDA Crop Monitoring
En la herramienta EOSDA Crop Monitoring, las máscaras permiten eliminar datos inútiles que podrían afectar negativamente a los resultados del análisis.
Sin embargo, sería un error considerar que la detección de nubes es lo mismo que el enmascaramiento de nubes. Se trata de dos procesos diferentes. La detección busca identificar las nubes en la imagen y obtener una máscara. El enmascaramiento es el paso siguiente. Utiliza la máscara de nubes recibida para “ocultar” datos inútiles, por ejemplo, al generar índices en el producto.
En concreto, en EOSDA Crop Monitoring se utiliza una máscara de nubes de 60 m. Aun así, si se solicita, se puede proporcionar con la precisión de una resolución espacial de 20 m. Estos datos también están disponibles en formato vectorial.
Con una máscara de nubes precisa, EOSDA permite a sus clientes analizar imágenes de satélite con mayor precisión gracias a la exclusión de imágenes con un 60% o más de nubosidad, ya que una cobertura demasiado densa en la imagen puede disminuir la calidad de los resultados obtenidos.
Además, existe un índice NDVI sin nubes en EOSDA Crop Monitoring que utiliza datos de satélite de radar.
Disfrute De La Diferencia
Los científicos de EOSDA calculan múltiples índices y las imágenes con nubes son poco deseables para todos. Por lo tanto, la mejor opción es eliminar las imágenes inadecuadas del análisis para obtener una mayor precisión.
Como se ha visto, también es importante diferenciar entre sombras profundas y nubes densas, así como entre sombras claras y bruma. Además, es posible ignorar la bruma en algunas tareas, mientras que en otras también se necesita eliminarla de la ecuación.
El objetivo es ser flexible y ajustar los resultados a las necesidades del cliente, y EOSDA lo consigue. Utilice la máscara de nubes de EOSDA: disfrute de una precisión adicional con un enfoque innovador y manténgase a la vanguardia.
Acerca del autor:
Kateryna Sergieieva se unió a EOS Data Analytics en 2016. Tiene un doctorado en Tecnologías de la información y 15 años de experiencia en teledetección.
Kateryna es científica senior en EOSDA. Su especialidad es el desarrollo de tecnologías para la monitorización por satélite de paisajes naturales y artificiales y la detección de cambios en la superficie. Kateryna es experta en el análisis del estado de las zonas mineras, las tierras agrícolas, las masas de agua y otras características basadas en datos espaciales multicapa.
Kateryna es profesora asociada que investiga en la Universidad Tecnológica de Dnipro. Es autora de más de 60 artículos científicos.
Artículos recientes

Secuestro De Carbono En El Suelo: Descubriendo Su Potencial
EOSDA explora las complejidades del carbono orgánico del suelo, sus beneficios, los desafíos en su gestión y cómo los análisis de datos satelitales impulsados mediante IA pueden ayudar con esta tarea.

Asocación De EOS Data Analytics Y Agro Gestión
Con un enfoque basado en la innovación y la sostenibilidad, la colaboración de EOSDA y Agro Gestión llevará tecnología satelital de vanguardia a más empresas agrícolas en Argentina, España y Paraguay.

Cultivo De Aguacate: Información Para Una Buena Cosecha
La paciencia es clave en el cultivo del aguacate, ya que estos árboles necesitan tiempo para desarrollarse y madurar. Sin embargo, la espera merece la pena, ya que puede dar fruto durante muchos años.