Impulsando la Observación de la Tierra con el Conjunto de Datos WorldStrat
El avance en la tecnología satelital y el aprendizaje automático está a punto de dar un gran salto con la presentación del conjunto de datos WorldStrat, una contribución novedosa para analizar el planeta en alta resolución. Esta base de datos, sin parangón en su diversidad y detalle, emplea imágenes de los satélites SPOT 6/7 de Airbus para capturar detalles a una resolución de 1.5 m/pixel en 10,000 km² de diversas ubicaciones globales.
Un singular esfuerzo de colaboración ha sido pivotal en la creación de esta base de datos. El desarrollo es parte del proyecto QueryPlanet, patrocinado por la Agencia Espacial Europea (ESA) a través de su Phi-Lab. La importancia recae en ofrecer imágenes de alta resolución para investigaciones que tradicionalmente se encuentran restringidas por el alto costo de acceso. Para complementar, este conjunto de datos empareja imágenes de baja resolución del satélite Sentinel-2, brindando un enfoque temporal innovador para aplicaciones de superresolución.
La audiencia beneficiaria de este avance es amplia, abarcando desde ecólogos hasta urbanistas y analistas de desastres, superando la limitada representación previamente disponible en conjuntos de datos de aprendizaje automático. La inclusión de áreas de interés humanitario, tales como sitios mineros ilegales y asentamientos vulnerables, dotan a este recurso de un alcance social y científico sin precedentes.
Para facilitar su acceso y utilidad, el conjunto de datos viene junto a un paquete de software de código abierto que permite reconstruir o ampliar el conjunto de datos, además de entrenar e inferir algoritmos básicos. Este paquete es completamente compatible con la popular caja de herramientas eo-learn, incentivando a investigadores y profesionales a explotar este recurso al máximo.
Uno de los objetivos más fascinantes es demostrar que las imágenes de baja resolución, como las de Sentinel-2 que están disponibles públicamente, pueden tener un potencial de análisis semejante a las imágenes de alta resolución, que suelen ser privadas y costosas.
El futuro de las aplicaciones de machine learning para observaciones satelitales parece prometedor con WorldStrat, un paso audaz hacia el seguimiento detallado de fenómenos a gran escala y al acceso inclusivo del conocimiento sobre la Tierra. La comunidad científica está invitada a explorar y expandir las aplicaciones posibles de esta innovadora base de datos.