Foto: Una vista sin nubes de los patrones de vegetación del planeta realizada a partir de datos procedentes de la NASA y otras fuentes gube amentales.
Así es la Tierra como ni los astronautas la ven: completamente libre de nubes.
Un software desarrollado por la start-up Descartes Labs combina imágenes diarias de satélite para crear un mapa en directo de la superficie del planeta que se edita automáticamente para eliminar las nubes. Esto proporciona una vista más bonita, y también ayuda a los algoritmos que rastrean automáticamente los cambios de la ocupación del suelo o la vegetación. La empresa asegura que su software puede realizar mejores predicciones de la cosecha estadounidense de maíz que las del Departamento de Agricultura de Estados Unidos.
Descartes Labs fue fundada para comercializar el software de reconocimiento de imágenes desarrollado para imágenes de satélite y aéreas del laboratorio Los Alamos National. Este sistema ha sido entrenado para identificar características de la superficie de la Tierra como la agricultura, las masas de agua y los tipos de bosques al comparar mapas anotados con otras fuentes como el Servicio Geológico de Estados Unidos con imágenes de satélite en color, infrarrojo y ultravioleta.
Foto: Combinar muchas imágenes de satélite posibilita observar cambios en la vegetación, las cosechas y el uso del suelo como se ve aquí en la frontera entre China e India.
La empresa también ha desarrollado un software que crea un mapa actualizado constantemente de la Tierra a a partir de las últimas imágenes de satélite de la NASA y otras fuentes gube amentales de otros países, algunas de ellas actualizadas incluso a diario.
El software de reconocimiento de imágenes de Descartes Labs puede emplear esa vista casi en directo para visualizar o medir cambios como inundaciones o la condición de las cosechas. La empresa emplea una técnica de aprendizaje de máquinas llamada aprendizaje profundo, que ha dado paso a unos importantes avances en el reconocimiento de imágenes en años recientes (ver Aprendizaje profundo).
Steven Brumby, cofundador y director de tecnología de Descartes Labs, considera que la técnica logra que las imágenes de satélite resulten mucho más útiles. "Nunca antes había sido posible aprovechar todos estos datos procedentes de la NASA y otras fuentes a escala", afirma.
Brumby explica que sus algoritmos pueden extraer señales valiosas de las fotos de los satélites. Por ejemplo, algunos han sido entrenados para predecir futuras cosechas de maíz basándose en el color y aspecto de las plantas de un campo. Según Brumby, el análisis de los datos de los últimos 11 años demuestra que sus predicciones son más precisas que las del Departamento de Agricultura de Estados Unidos, estimadas a partir de datos recopilados por agricultores. Espera vender estas informaciones a agricultores, proveedores de equipos agrícolas y comerciantes de materias primas.
Medir la salud de la vegetación o cambios en la distribución del agua también podría influir en la política exterior, según Brumby. El secretario de estado John Kerry sugirió el mes pasado que varios años de sequía y malas cosechas podrían haber ayudado a provocar la guerra civil en Siria.
Descartes Labs no es la única empresa que intenta sacar provecho económico de datos a partir de imágenes de satélite. La start-up Orbital Insight utiliza el aprendizaje profundo para analizar infraestructuras como aparcamientos y los contenedores de almacenamiento de petróleo, con la idea de que su nivel de ocupación revela importantes datos económicos (ver Inversiones guiadas por satélite). El año pasado, Google adquirió Skybox Imaging, que ofrece servicios similares y hasta opera sus propios satélites.
Brumby dice que su empresa y otras pronto podrán aumentar sus servicios debido al ascenso de pequeños "CubeSats" (satélites en miniatura utilizados para la exploración espacial) que deberían captar gran cantidad de imágenes de la Tierra. "Se va a producir una explosión de datos", remarca.