Pregunta a Global Fishing Watch
imágenes satelitales ópticas
Zihan Wei, Científico de datos geoespaciales
¿Cómo ayudan las imágenes satelitales ópticas a nuestros esfuerzos por mapear la actividad humana en el mar?
Las imágenes satelitales ópticas se asemejan a lo que vemos con nuestros ojos, ya que capturan la luz solar reflejada en las partes visibles y casi visibles del espectro. Contiene información rica y diversa, como el color, la forma y la textura de los objetos observados, lo que la convierte en una fuente crucial de datos para mapear las actividades humanas en el mar.
En Global Fishing Watch analizamos imágenes satelitales ópticas de resolución media y alta con una cobertura constante de la actividad global de embarcaciones a lo largo del tiempo. Actualmente procesamos dos fuentes de imágenes poderosas y complementarias a escala global: imágenes Sentinel-2 de 10 metros de resolución, disponibles públicamente a través de la misión Sentinel-2 de la Agencia Espacial Europea, e imágenes PlanetScope de 3 metros de resolución adquiridas a Planet Labs.
Las imágenes Sentinel-2 ofrecen una cobertura regular y extensa de las aguas sobre la plataforma continental mundial, donde ocurre la mayoría de la actividad humana en el mar. Por su parte, las imágenes Planet permiten obtener una visión completa de las actividades cercanas a la costa que en gran medida pueden pasar desapercibidas para Sentinel-2, como la pesca a pequeña escala realizada por embarcaciones de menos de 12 metros de eslora.
La imagen satelital óptica está compuesta por múltiples bandas que representan diferentes longitudes de onda dentro del espectro electromagnético. Objetos como embarcaciones e instalaciones de acuicultura, así como elementos en el agua como la estela de barcos en movimiento, pueden destacarse de manera diferente en distintas bandas. Por ello, nuestros modelos de detección utilizan múltiples bandas de imágenes para aprovechar su información única y optimizar la detectabilidad. En el caso de Sentinel-2, usamos las bandas azul, verde, roja y de infrarrojo cercano (NIR) con resolución de 10 metros. Para Planet, utilizamos las ocho bandas disponibles: azul costera, azul, verde I, verde, amarilla, roja, borde rojo e infrarrojo cercano.
Nuestro marco de detección y clasificación de objetos con imágenes satelitales ópticas implica dos etapas. La primera etapa detecta embarcaciones, y potencialmente otras estructuras, mediante un modelo de aprendizaje profundo personalizado para cada fuente de imágenes. El resultado de esta etapa incluye la ubicación central de los objetos detectados y sus longitudes, velocidades y rumbos inferidos. También almacenamos una pequeña miniatura de imagen para cada detección, que contiene el objeto detectado en el centro de su entorno.
La etapa de detección constituye la base para mapear las actividades humanas en el mar. La segunda etapa se centra en clasificar las detecciones agregando información sobre los objetos detectados y su contexto. Hemos desarrollado una variedad de modelos de aprendizaje profundo especializados que incorporan miniaturas de imágenes, propiedades físicas inferidas de las embarcaciones detectadas e información ambiental alrededor de las detecciones. Usamos estos modelos para clasificar el tipo de objeto, como embarcaciones pesqueras o no pesqueras, aerogeneradores, plataformas petroleras e instalaciones de acuicultura, así como el tipo de actividades, como pesca de arrastre de fondo, dragado o encuentros entre embarcaciones. Creamos los datos de entrenamiento para estos modelos de clasificación secundaria utilizando detecciones vinculadas a embarcaciones del sistema de identificación automática (AIS), de las cuales se conoce el tipo de barco y sus actividades, así como mediante el etiquetado de imágenes de miles de detecciones.
La etapa de clasificación también es clave para eliminar el ruido en las detecciones. Para producir conjuntos de datos de detecciones de embarcaciones, necesitamos excluir estructuras que no son barcos, como aerogeneradores y plataformas petroleras. Además, muchos objetos no relacionados con actividades humanas pueden destacarse en las imágenes ópticas y ser capturados por el modelo de detección, como rocas, arrecifes de coral, crestas de olas, nubes y hielo marino. Por ello, entrenamos nuestros modelos de clasificación secundaria para identificar también estos objetos, a partir de las miniaturas de imágenes.
Podemos mapear la presencia y actividad de embarcaciones rastreadas públicamente a nivel mundial utilizando datos AIS, y revelar embarcaciones industriales “ocultas” e infraestructuras marinas mediante imágenes satelitales de radar de apertura sintética (SAR). Ahora, Global Fishing Watch está abriendo un nuevo camino al usar imágenes satelitales ópticas para identificar actividades humanas y embarcaciones más pequeñas que no son visibles en las imágenes SAR. Este trabajo de detección y clasificación de objetos ha representado un gran avance: pasar de mapear la presencia de embarcaciones a revelar actividades específicas, y constituye una pieza clave de nuestro esfuerzo por compilar una visión completa de todas las actividades humanas en el mar.