Clasificación de la cobertura del suelo con datos satelitales
Desarrollada por EOSDA para la monitorización medioambiental, la zonificación agrícola y la planificación estratégica, nuestra solución de clasificación de la cobertura del suelo está basada en la teledetección y el aprendizaje profundo.
- Hasta un 90% de precisión en siete clases clave de cobertura de la superficie a partir de imágenes de Sentinel-2
- Arquitectura de aprendizaje automático personalizada entrenada con imágenes espectrales de 10 bandas para una precisión muy elevada
- Resultados útiles, incluyendo mapas ráster de clasificación del uso del suelo, estadísticas de área e informes opcionales
Ventajas de la solución de clasificación de la cobertura del suelo de EOSDA
- Seguimiento y conservación del medioambiente (seguimiento de los cambios en los ecosistemas, la deforestación y la urbanización, y apoyo a la evaluación de la biodiversidad).
- Planificación urbana y regional (planificación de infraestructuras y asignación de recursos).
- Apoyo a la gestión de los recursos naturales (utilización de los recursos hídricos, exploración minera, etc.).
- Monitorización agrícola y seguridad alimentaria (identificación de la superficie de tierras de cultivo y sus cambios, análisis de las zonas en barbecho).
- Creación y cumplimiento de políticas específicas (apoyo a la presentación de informes nacionales e internacionales sobre la utilización del suelo y el agua, y los objetivos medioambientales).
Enfoque y metodología
Modelo: La arquitectura de aprendizaje automático (ML) consiste en un modelo de regresión totalmente conectado (FCRM) personalizado para cada clase.
Datos satelitales: El modelo para la clasificación de la cobertura del suelo utiliza imágenes satelitales de Sentinel-2 L2A, aplicando 10 bandas espectrales.
Clases admitidas: 7 clases clave de cobertura de la superficie; se puede entrenar para obtener clases adicionales.
Precisión: Hasta el 90%
Limitaciones: Regiones con elevada cobertura nubosa, objetos de menos de 30-50 metros de longitud/anchura.
Resultados y formatos previstos en el proyecto
- Máscara ráster de clasificación con clases objetivo recortadas según el área de interés (AOI) (formato GeoTIFF): terreno desnudo, construcciones, agua, bosque, pastizales, humedales, tierras de cultivo
- Estadísticas agregadas de la superficie por clase de uso del suelo según los límites administrativos de regiones, distritos, etc. (xlsx, csv), si se solicita
- Informe del análisis o nota de interpretación de resultados, si se solicita
Datos necesarios para un proyecto de clasificación del uso del suelo
Datos que debe proporcionar el cliente
- Área de interés (AOI) en formato tabla (XLSX/CSV) o vectorial (KML, ESRI Shapefile, GPKG, GeoJSON).
- Datos de referencia para el entrenamiento/validación del modelo (opcional, si están disponibles).
Datos preparados por EOSDA
- Imágenes satelitales.
- Otras capas de datos adicionales (ciudades, carreteras, masas de agua, etc.)
- Conjuntos de datos de validación.
Etapas estándar de un proyecto
Duración típica del proyecto: 2-4 semanas
Análisis de las características de la vegetación en el área de interés (AOI)
Etiquetado de clases en el AOI para el entrenamiento y la validación
Búsqueda y descarga de los datos satelitales necesarios
Puesta en marcha del modelo y soporte/control
Verificación de resultados y preparación del resultado final