En Satelligence, ayudamos a las empresas y ONG de todo el mundo a poner fin a la deforestación con información basada en los satélites. Confiable, en tiempo real y relevante. Cuando hablamos de la detección de la deforestación, siempre surgen 3 preguntas:
¿Cómo se utilizan los satélites para detectar la deforestación?
¿Cómo es capaz de monitorear el mundo entero?
¿Cómo convertir esos datos en información utilizable?
Básicamente, lo que preguntan es cómo pasamos de una imagen satelital a una alerta de deforestación que sea relevante para su negocio.
Creemos que es importante ser transparentes sobre cómo trabajamos. Este blog explica cómo se crean las alertas de deforestación a partir de imágenes satelitales. ¿Cómo ve el mundo un satélite? ¿Cómo la Actualización Bayesiana Iterativa detecta los cambios en la cubierta forestal y cómo estos cambios detectados se convierten en alertas de deforestación relevantes?
Cómo ve un satélite la deforestación
Digamos que te interesa detectar la deforestación en el Parque Nacional de Leuser, en la isla de Sumatra, Indonesia. La región es conocida por su biodiversidad y su habitante más famoso: el orangután. En las fotos de abajo puedes ver dos imágenes ópticas de satélite (Sentinel-2) tomadas en el borde del Parque Nacional de Leuser. La imagen muestra claramente que algunas áreas han cambiado entre enero y diciembre de 2019.
Imágenes de satélite (Sentinel-2) mostrando el bosque (verde) en la imagen de la izquierda, yendo a parches deforestados y caminos en la imagen de la derecha. Los parches deforestados se ven rojos/marrones (color típico del suelo tropical) y los caminos se ven blancos/amarillos.
Señales fotográficas
Veamos más de cerca cómo un satélite «ve» los cambios en el bosque. Los satélites «toman fotos» de la superficie terrestre y las transforman en señales. En la siguiente figura se ve la señal de un satélite radar llamado Sentinel-1 a través del tiempo. Este tipo de satélite es perfecto para trabajar en zonas tropicales, porque puede mirar a través de las nubes, a diferencia de los satélites con sensores ópticos como Sentinel 2 o Landsat.
La retrodispersión del radar de los bosques es más fuerte que la retrodispersión de las zonas deforestadas. Sabiendo esto, puedes ver cuándo fueron cortados los árboles de esta zona. La figura de abajo muestra una señal de radar para un píxel en el área mostrada arriba.
Análisis de probabilidad
Así como podemos ver el cambio en la señal, también lo puede hacer un algoritmo. El algoritmo que utilizamos se llama ‘Actualización Bayesiana Iterativa’; un método que se aplicó por primera vez a las imágenes de satélite de radar para la detección de la deforestación por la Universidad de Wageningen, en colaboración con Satelligence1.
En resumen, este método calcula la probabilidad de que una zona esté deforestada y «apila» estas probabilidades de manera iterativa para tener un mayor grado de certeza sobre el acontecimiento de la deforestación. El método primero «marca» los píxeles como posiblemente deforestados, lo que puede confirmarse o rechazarse con una medición posterior. Cuando aplicamos el método de Actualización Iterativa Bayesiana a la zona deforestada cerca del Parque Nacional de Leuser podemos verlo en acción.
La Actualización Iterativa Bayesiana en acción
En la siguiente animación vemos los valores medidos por el satélite para las fechas individuales. También podemos ver lo que significan estos valores en términos de probabilidad de deforestación (P Deforestación) y la probabilidad determinada por el método de actualización iterativo bayesiano (P Bayesiano IU).
En la tercera fila, el algoritmo marca el valor como un posible evento de deforestación, pero aún no es seguro. En la siguiente medición, parece que la señal ha vuelto a aumentar, por lo que podría no haber deforestación. En las dos mediciones siguientes, sin embargo, vemos que la señal vuelve a disminuir, y esta vez el algoritmo está seguro de que ha habido deforestación; confirma el evento de deforestación. Utilizamos la fecha de la bandera como la fecha de la deforestación, porque es la primera vez que vemos el cambio. En este caso, sabemos que el área fue deforestada antes del 29 de noviembre de 2018.
El ejemplo de este blog sólo utiliza los datos del satélite Sentinel-1 (radar). Sin embargo, el mismo método puede ser usado en otros datos de satélite también, como Landsat (5,7,8) y Sentinel-2. Como todos los resultados producen probabilidades, éstos pueden combinarse para tener aún más mediciones que den lugar a una detección de cambios aún más oportuna y segura.
Cómo monitorear el mundo entero
Imagine un solo pixel de un satélite con una superficie de 100 metros cuadrados (10x10m). La superficie total monitoreada para la deforestación relacionada con las mercancías blandas en los trópicos es de más de 3 millones de kilómetros cuadrados. Un rápido cálculo muestra que más de 3 mil millones de píxeles necesitan ser procesados en una base casi en tiempo real. Estos cálculos a gran escala no se pueden hacer en portátiles o en servidores de la empresa, así que tenemos que ir un paso más allá: La Nube.
Procesamiento de la nube
Para pasar de los datos satelitales en bruto a la detección de cambios a nivel de píxeles, se preprocesan cientos de miles de imágenes satelitales individuales, se alinean y luego se procesan con el algoritmo de detección de cambios. Esto implica el procesamiento de terabytes de datos en paralelo y requiere muchos recursos de computación. Hacemos esto, usando un sistema abierto llamado Kubernetes.
Kubernetes permite usar cualquier cosa, desde un solo ordenador hasta miles de ordenadores simultáneamente. Por ejemplo, antes de los Kubernetes se tardaba más de un mes en procesar la isla de Sumatra, Indonesia. Con los Kubernetes, toda Indonesia y Malasia, un área 10 veces más grande que Sumatra, se procesa en cuestión de horas.
¿Qué hace que un cambio detectado sea información procesable?
Al mirar todos los cambios detectados, también se recogen muchos cambios no interesantes: cambios en los campos agrícolas, en las masas de agua o en las ciudades. Pero incluso cuando sólo miramos la pérdida de árboles, eso podría ser la deforestación, pero también podría ser la cosecha de plantaciones de pulpa o la replantación de palmeras de aceite antiguas. Para poder tomar medidas significativas basadas en el cambio detectado, eso debe ser filtrado y ordenado en algo que se llama alertas prioritarias.
Priorizar las alertas
En Satelligence desarrollamos un marco de priorización de alertas para convertir los cambios confirmados de la cubierta forestal en alertas accionables. En primer lugar, definimos que el bosque tiene una cubierta arbórea natural continua de al menos 1 ha. Para asegurarnos de que no clasificamos falsamente una zona como deforestada, nos remontamos a 1984 utilizando el archivo del satélite Landsat y nos aseguramos de que la zona nunca ha sido deforestada antes.
Además, redactamos una lista de condiciones de alerta junto con los interesados. Ellos, no nosotros, definen qué tipo de alertas son las más importantes. Estas condiciones varían desde una superficie mínima deforestada hasta la deforestación filtrante que se encuentra dentro de concesiones o tal vez variando los umbrales de la zona, dependiendo de si la deforestación se produce dentro de zonas protegidas o en turberas.
De las alertas a la acción
Los resultados de la deforestación prioritaria por sí mismos son inútiles. Es necesario tomar medidas para dar a las alertas un poder real. Estas acciones de seguimiento implican el envío de equipos sobre el terreno para investigar una alerta y comprometerse con las partes involucradas. Esto conduce a una disminución de la probabilidad de que se repita la deforestación ilegal por esas partes.
Otra medida que podrían adoptar las empresas es dejar de abastecerse en determinadas zonas porque ya no se puede garantizar la sostenibilidad del cultivador de productos básicos.
Traducido desde: geoawesomeness
