Pregunta al experto
Pete Davis
Científico de datos
¿Cuáles son los desafíos en la identificación de estructuras eólicas y petroleras marinas al desarrollar modelos de infraestructura fija?
Crear una imagen de lo que sucede más allá del horizonte no es nada fácil. Nuestro estudio más reciente analizó 2 millones de gigabytes de imágenes satelitales para detectar embarcaciones e infraestructura marina en aguas costeras de seis continentes. Esto llevó casi tres años. Una lección vital que aprendimos de todo esto fue que identificar y clasificar estructuras petroleras y eólicas en alta mar requiere un enfoque muy diferente al que utilizamos para los modelos de embarcaciones. Y este proceso es un desafío por varias razones.
Para desarrollar nuestro modelo de infraestructura fija, primero tuvimos que eliminar objetos no estacionarios, que eran en su mayoría embarcaciones, pero también pueden incluir otros objetos flotantes como témpanos de hielo. Hicimos esto utilizando una serie temporal de compuestos de medianas de radar de apertura sintética (SAR) de seis meses. Básicamente, utilizamos SAR (una poderosa tecnología de detección remota que funciona día y noche en todo tipo de clima) para eliminar el ruido de fondo y obtener una imagenclara de la infraestructura cambiante en el mar.
Mapa global de detecciones de infraestructura marina, 2017-2021
Se analizaron dos millones de gigabytes de imágenes satelitales para detectar infraestructura marina en aguas costeras de seis continentes, donde se concentra más de las tres cuartas partes de la actividad industrial. ⓒ 2023 Global Fishing Watch
A continuación, trabajamos en la clasificación de la infraestructura detectada, lo que planteó un nuevo conjunto de desafíos. A diferencia de los modelos de detección de embarcaciones que hemos desarrollado en el pasado, la clasificación de infraestructura incorpora imágenes ópticas de alta resolución del satélite Sentinel-2 además de las imágenes SAR de Sentinel-1. Esto proporciona otro tipo de imágenes satelitales para ayudar a clasificar las detecciones. Para garantizar que obtuvimos el conjunto de datos más preciso posible, también sometimos los resultados de la clasificación a muchas etapas de revisión manual exhaustiva por parte de expertos.
Finalmente, necesitábamos desarrollar un método para agrupar las detecciones a lo largo del tiempo para tener en cuenta la variación en la ubicación y la etiqueta de un objeto. Por ejemplo, la ubicación detectada de la misma plataforma petrolera puede diferir ligeramente o puede estar etiquetada de manera diferente entre detecciones. Para solucionar esto, utilizamos un método de agrupación para agrupar objetos cercanos y determinar qué hacer cuando las etiquetas no coincidían durante diferentes períodos de tiempo. Luego tomamos la etiqueta de clasificación promedio más grande para determinar la ubicación y el tipo de un objeto.
El conjunto de datos resultante, el primero de su tipo, nos está ayudando a construir una imagen de lo que está sucediendo en el mar, y estamos orgullosos de ponerlo a disposición del público para aquellos que buscan más información sobre nuestro océano y las actividades que tienen lugar en él.