L'equip del projecte «Intel·ligència artificial i semàntica de dades d'observació de la Terra per a l'establiment de la València Anchor Station com supersite del programa CEOS LPV» (ASOTVAS) ha publicat recentment un article en la revista científica International Journal of Applied Earth Observation and Geoinformation (Elsevier). La publicació demostra que és possible classificar amb alta precisió la coberta terrestre usant algorismes d’aprenentatge automàtic i aprenentatge profund, fins i tot quan es disposa d'un nombre limitat de mostres d'entrenament.
Durant els tres anys de duració del projecte ASOTVAS, des del seu inici el setembre de 2021 fins a agost de 2024, l'equip va recopilar dades relacionades amb la humitat del sòl, la temperatura de la superfície i paràmetres biofísics de la vegetació, amb la finalitat de millorar les observacions satel·litàries mitjançant intel·ligència artificial i tècniques semàntiques.
L'estudi s'ha centrat en la Valencia Anchor Station (VAS), situada a la comarca d'Utiel-Requena i on es va desenvolupar la iniciativa, un enclavament clau per a la validació de dades de teledetecció de programes com Copernicus, CEOS o NASA. En aquest sentit, ha analitzat una àrea de 10 × 10 quilòmetres quadrats i el seu entorn, fins a 30 × 30 quilòmetres quadrats, utilitzant imatges multitemporals del satèl·lit Sentinel-2 per a l'any 2021.
La investigació va comparar sis algorismes de machine learning i tres de deep learning en diferents configuracions, avaluant l'impacte de diferents nivells de resolució temporal, la selecció de característiques i la reducció del nombre de mostres d'entrenament. De forma destacada, el model basat en xarxes neuronals convolucionals residuals (ResCNN) va aconseguir una precisió global del 96% i un coeficient kappa del 95% al juliol, coincidint amb el màxim desenrotllament vegetatiu de les vinyes.
L'article conclou que, mitjançant una metodologia robusta i ben ajustada, és viable estendre la classificació de l'ús del sòl a àrees majors, d’1, 5 i 10 quilòmetres addicionals, sense necessitat d'afegir noves mostres d'entrenament. A més, el model desenvolupat va superar significativament a productes globals com ESA WorldCover i ESRI Land Use/Land Cover en totes les mètriques de precisió.
Els investigadors David García-Rodríguez, Ana Pérez-Hoyos, Beatriz Martínez, Pablo Catret, José Javier Samper, Ernesto López-Baeza i Juan José Martínez, tots ells vinculats a la Universitat de València, han participat en aquest treball pioner que reforça la utilitat de la intel·ligència artificial en teledetecció d'alta precisió.
Aquesta publicació és part del projecte PID2020-120438RB-I00, finançat per MCIN/ AEI/10.13039/501100011033.
També a:
Parc Científic de la Universitat de València
