Aplicación de Deep Learning al procesamiento de imágenes satelitales

Abstract

En el contexto actual, la aplicación de Deep Learning al procesamiento de imágenes satelitales se presenta como una oportunidad estratégica. Existe una gran cantidad de fuentes de libre acceso, como Sentinel, Landsat y MODIS, que generan un flujo constante de datos satelitales multiespectrales, creando una gran cantidad de información geoespacial en constante crecimiento. Sin embargo, estos datos están infrautilizados. La aplicación exitosa de técnicas de Deep Learning requiere extensos conjuntos de datos, y afortunadamente, en el contexto de las imágenes satelitales, contamos con un abundante suministro. Al aprovechar esta riqueza de información, no solo satisfacemos la necesidad esencial del Deep Learning, sino que también provocamos una transformación significativa. Automatizar el análisis de estas imágenes implica un ahorro sustancial en tiempo y recursos económicos, y sin duda justifica, de manera concluyente, su aplicación. Este artículo explora las técnicas de Deep Learning con mayor potencial para ser usadas en el desarrollo de proyectos, definiendo una clasificación de fuentes de información, métodos y aplicación. Desde el aumento de la resolución de imágenes geoespaciales, hasta la clasificación y el mapeo del terreno, se abarcan áreas clave que ofrecen un potencial revolucionario en la optimización de procesos.