Los datos satelitales incluyen varios tipos de informaci\u00f3n, como im\u00e1genes, radar y datos espectrales, que pueden analizarse para extraer informaci\u00f3n valiosa sobre el estado f\u00edsico y ambiental de la Tierra. Dependiendo de la naturaleza del instrumento de detecci\u00f3n (ya sea pasivo o activo) y de la longitud de onda del espectro electromagn\u00e9tico en la que se realiza la observaci\u00f3n, podemos categorizar los tipos de im\u00e1genes seg\u00fan si el instrumento necesita la capacidad de enviar y recibir una se\u00f1al electromagn\u00e9tica o solo recibirla.<\/p>\n
Im\u00e1genes pasivas<\/strong><\/h2>\nEn los sistemas de im\u00e1genes pasivas, los sensores est\u00e1n dise\u00f1ados para detectar emisiones electromagn\u00e9ticas de la superficie terrestre y los componentes de la atm\u00f3sfera. Estas emisiones pueden originarse localmente, como la radiaci\u00f3n de la vegetaci\u00f3n durante el proceso de fotos\u00edntesis, o ser el resultado de la luz solar reflejada en el espectro visible. Dado que las im\u00e1genes pasivas dependen de fuentes de luz natural, t\u00edpicamente dependen del ciclo d\u00eda-noche y pueden verse obstaculizadas por factores como la cobertura de nubes u otras perturbaciones atmosf\u00e9ricas que obstruyen la detecci\u00f3n de emisiones superficiales. En los sistemas de im\u00e1genes pasivas, se pueden generar varios tipos de im\u00e1genes basadas en los diferentes segmentos del espectro electromagn\u00e9tico, entre otros:<\/p>\n
\n- Im\u00e1genes pancrom\u00e1ticas:<\/strong> resultado de la medici\u00f3n de la intensidad de la luz en un amplio rango del espectro electromagn\u00e9tico. Recoger luz de una amplia gama de longitudes de onda permite captar m\u00e1s energ\u00eda y, por lo tanto, obtener im\u00e1genes de alta resoluci\u00f3n. De esta manera, podemos generar im\u00e1genes del espectro visible mostradas en escala de grises o, utilizando sensores infrarrojos t\u00e9rmicos, podemos medir regiones donde el suelo o el oc\u00e9ano est\u00e1n calientes, ya que emitir\u00e1n la radiaci\u00f3n m\u00e1s intensa. Proporciona mejor resoluci\u00f3n que las im\u00e1genes multiespectrales.<\/li>\n<\/ul>\n
![\"Sat\u00e9lite](\"https:\/\/stage.cactus-now.com\/wp-content\/uploads\/2024\/09\/Panchromatic-image-Gibraltar-Landsat-8.png\")
Imagen pancrom\u00e1tica – Gibraltar – Landsat 8<\/figcaption><\/figure>\nIm\u00e1genes multiespectrales: <\/strong> resultado de la teledetecci\u00f3n de una escena observada utilizando varias bandas estrechas del espectro electromagn\u00e9tico. Dado que el rango de longitudes de onda que contribuyen a la energ\u00eda de radiaci\u00f3n detectada por el sensor se reduce, las im\u00e1genes multiespectrales tendr\u00e1n una resoluci\u00f3n m\u00e1s baja que las im\u00e1genes pancrom\u00e1ticas. Un uso com\u00fan es la producci\u00f3n de \u00abcolor natural\u00bb combinando las mediciones en 3 bandas del espectro visible (bandas estrechas centradas alrededor de las longitudes de onda azul, verde y roja).<\/p>\n![\"Monitoreo](\"https:\/\/stage.cactus-now.com\/wp-content\/uploads\/2024\/09\/Multispectral-images-Dubai-Sentinel-2-1.png\")
Im\u00e1genes multiespectrales – Dub\u00e1i – Sentinel 2<\/figcaption><\/figure>\nIm\u00e1genes hiperespectrales:<\/strong> para cada p\u00edxel, un sensor hiperespectral adquiere la intensidad de la luz para un gran n\u00famero (generalmente de unas pocas decenas a algunos cientos) de bandas espectrales estrechas contiguas. Cada p\u00edxel en la imagen se adjunta entonces a un espectro casi continuo. La alta resoluci\u00f3n espectral de una imagen hiperespectral permite la detecci\u00f3n, identificaci\u00f3n y cuantificaci\u00f3n de materiales superficiales, as\u00ed como inferir procesos biol\u00f3gicos y qu\u00edmicos.<\/p>\n![\"](\"https:\/\/stage.cactus-now.com\/wp-content\/uploads\/2024\/09\/Hyperspectral-image-Mont-Vesubius-CHIME.png\")
Imagen hiperespectral – Monte Vesubio – CHIME<\/figcaption><\/figure>\nIm\u00e1genes activas<\/strong><\/h2>\nEn los sistemas de im\u00e1genes activas, los instrumentos se componen de un transmisor que env\u00eda una se\u00f1al electromagn\u00e9tica espec\u00edfica y un sensor que recibe la interacci\u00f3n de la se\u00f1al enviada con la superficie terrestre. Debido a esto, tales observaciones no dependen de la iluminaci\u00f3n solar.<\/p>\n
\n- SAR (Radar de apertura sint\u00e9tica):<\/strong> este instrumento transmite pulsos electromagn\u00e9ticos hacia la superficie terrestre, donde son reflejados o dispersados por las caracter\u00edsticas de la superficie. La antena puede detectar y registrar los pulsos devueltos; su intensidad y el tiempo que tardan en regresar a la antena se utilizan para generar im\u00e1genes SAR. La principal ventaja del SAR es que no es sensible al ciclo d\u00eda\/noche y a la mayor\u00eda de las condiciones meteorol\u00f3gicas (las c\u00e9lulas de lluvia intensa pueden perturbarlo). Las im\u00e1genes SAR pueden utilizarse, por ejemplo, para la detecci\u00f3n de barcos, infraestructuras cr\u00edticas o la detecci\u00f3n de vertidos de petr\u00f3leo.<\/li>\n<\/ul>\n
![\"](\"https:\/\/stage.cactus-now.com\/wp-content\/uploads\/2024\/09\/SAR-image-Antwerpen-port-Iceye.png\")
<\/figure>\n\n- Lidar (Detecci\u00f3n y Rango de Luz):<\/strong> utiliza el mismo principio que el SAR pero funciona en longitudes de onda infrarrojas, visibles o ultravioleta. Los lidars se utilizan para la medici\u00f3n precisa de caracter\u00edsticas topogr\u00e1ficas, perfilado de nubes y medici\u00f3n de vientos, entre otros.<\/li>\n
- Altimetr\u00eda radar:<\/strong> la altimetr\u00eda radar es un sensor activo que utiliza la capacidad de medici\u00f3n de distancia de los radares para medir el perfil de la topograf\u00eda superficial a lo largo de la trayectoria del sat\u00e9lite. Proporcionan mediciones precisas de la altura de un sat\u00e9lite sobre el oc\u00e9ano midiendo el intervalo de tiempo entre la transmisi\u00f3n y recepci\u00f3n de pulsos electromagn\u00e9ticos muy cortos. Esto puede ser \u00fatil para inferir la topograf\u00eda oce\u00e1nica y terrestre, la extensi\u00f3n lateral del hielo marino o la altitud de grandes icebergs sobre el nivel del mar.<\/li>\n
- GNSS-R (Reflectometr\u00eda GNSS):<\/strong> es una categor\u00eda relativamente nueva de aplicaciones de navegaci\u00f3n por sat\u00e9lite que consiste en un m\u00e9todo de teledetecci\u00f3n para recibir y procesar se\u00f1ales de microondas reflejadas desde diversas superficies para extraer informaci\u00f3n sobre ellas. En este proceso, el sat\u00e9lite GNSS act\u00faa como transmisor y un avi\u00f3n o sat\u00e9lite en \u00f3rbita baja terrestre (LEO) como plataforma receptora. Puede utilizarse, por ejemplo, para la obtenci\u00f3n de vientos marinos y la medici\u00f3n de la salinidad del agua de mar o la densidad de la capa de hielo.<\/li>\n
- Dispersometr\u00eda radar:<\/strong> sensor de radar de microondas utilizado para medir el efecto de reflexi\u00f3n o dispersi\u00f3n producido al escanear la superficie terrestre desde un avi\u00f3n o sat\u00e9lite, proporcionando una medida de la velocidad y direcci\u00f3n del viento cerca de la superficie del mar. El dispers\u00f3metro radar mide la retrodispersi\u00f3n de las peque\u00f1as olas en la superficie del mar en \u00e1ngulos de incidencia oblicuos. A partir de estas mediciones de rugosidad del mar se calcula el vector de viento a 10 m de altura; tambi\u00e9n puede utilizarse para proporcionar informaci\u00f3n sobre la capa de hielo marino.<\/li>\n<\/ul>\n
Constelaciones<\/strong><\/h2>\nAl hablar de Observaci\u00f3n de la Tierra, existe una variedad de constelaciones de sat\u00e9lites y plataformas de datos disponibles, cada una ofreciendo capacidades y servicios \u00fanicos. Constelaciones de sat\u00e9lites como Sentinel<\/strong>, Planet<\/strong>, Iceye<\/strong> y Satellogic<\/strong> operan y gestionan distintas constelaciones que proporcionan acceso a diferentes tipos de im\u00e1genes y datos.<\/p>\nPor otro lado, plataformas como UP42<\/strong>, el Cat\u00e1logo de Datos de la ESA<\/strong> y Google Earth Engine<\/strong> agregan y ofrecen acceso simplificado a datos de EO, facilitando la recopilaci\u00f3n y an\u00e1lisis de esta informaci\u00f3n.<\/p>\nCon tantas opciones, los usuarios pueden seleccionar la constelaci\u00f3n y plataforma que mejor se adapte a sus necesidades espec\u00edficas para extraer y analizar datos de EO. Aqu\u00ed hay una visi\u00f3n general de algunos operadores de sat\u00e9lites y constelaciones notables:<\/p>\n
Landsat<\/strong><\/h3>\nLandsat<\/strong> <\/a> es un programa de observaci\u00f3n de la Tierra de larga duraci\u00f3n, gestionado conjuntamente por NASA <\/strong><\/a> y el Servicio Geol\u00f3gico de EE. UU. (USGS)<\/strong><\/a>, que ha estado capturando im\u00e1genes satelitales de la superficie terrestre desde 1972. Los sat\u00e9lites del programa, equipados con sensores de imagen avanzados, monitorean y documentan continuamente los cambios en el uso del suelo, los ecosistemas y los recursos naturales.<\/p>\nEl programa Landsat ha lanzado un total de 9 sat\u00e9lites<\/strong> desde su inicio en 1972. De estos 9, Landsat 8 y Landsat 9 permanecen operativos en el momento de redactar este art\u00edculo. Esta fuente de datos consistente y de alta resoluci\u00f3n permite a los cient\u00edficos y responsables pol\u00edticos estudiar tendencias ambientales a largo plazo, como la deforestaci\u00f3n, la urbanizaci\u00f3n y el cambio clim\u00e1tico. Al hacer que estas im\u00e1genes sean de libre acceso, Landsat se ha convertido en una herramienta esencial para la investigaci\u00f3n ambiental global, la gesti\u00f3n de recursos y la respuesta a desastres.<\/p>\nSentinel<\/strong><\/h3>\nLos sat\u00e9lites Sentinel<\/strong> <\/a> forman parte del Programa de Observaci\u00f3n de la Tierra Copernicus de la Uni\u00f3n Europea, gestionado por la Agencia Espacial Europea (ESA)<\/strong><\/a>. Esta constelaci\u00f3n proporciona datos de alta calidad y de libre acceso a usuarios de todo el mundo, cubriendo una amplia gama de aplicaciones de EO.<\/p>\n\n- Sentinel-1<\/strong>: Este sat\u00e9lite utiliza tecnolog\u00eda de Radar de Apertura Sint\u00e9tica (SAR), lo que le permite capturar im\u00e1genes independientemente de las condiciones meteorol\u00f3gicas o la luz solar. Es esencial para monitorear movimientos del suelo, inundaciones y deforestaci\u00f3n, adem\u00e1s de proporcionar im\u00e1genes en cualquier condici\u00f3n meteorol\u00f3gica, de d\u00eda y de noche.<\/li>\n
- Sentinel-2<\/strong>: Centrado en im\u00e1genes \u00f3pticas de alta resoluci\u00f3n, Sentinel-2 es crucial para el monitoreo terrestre, incluyendo cambios en la cobertura vegetal, del suelo y del agua. Es ampliamente utilizado en agricultura, silvicultura y gesti\u00f3n de desastres. Est\u00e1 constituido por Sentinel-2A<\/strong> y Sentinel-2B<\/strong>, ambos en la misma \u00f3rbita pero separados por 180\u00ba para optimizar el tiempo de revisita y la cobertura. Sentinel-2C<\/strong> sustituir\u00e1 a Sentinel-2A<\/strong>, siendo lanzado el 4 de septiembre de 2024<\/a>, y Sentinel-2D <\/strong> sustituir\u00e1 a Sentinel-2B<\/strong> en 2028.<\/li>\n
- Sentinel-3<\/strong>: Este sat\u00e9lite proporciona datos para la monitorizaci\u00f3n oce\u00e1nica y atmosf\u00e9rica. Mide la temperatura de la superficie del mar, el color del oc\u00e9ano y las temperaturas de la superficie terrestre, desempe\u00f1ando un papel vital en la monitorizaci\u00f3n ambiental y clim\u00e1tica.<\/li>\n
- Sentinel-5P<\/strong>: Especializado en la composici\u00f3n atmosf\u00e9rica, Sentinel-5P monitorea la calidad del aire y rastrea gases como el ozono y el di\u00f3xido de nitr\u00f3geno, ayudando a los cient\u00edficos a comprender la contaminaci\u00f3n del aire y su impacto en la salud.<\/li>\n<\/ul>\n
Los sat\u00e9lites Sentinel son reconocidos por sus datos completos y de libre acceso, lo que los hace ampliamente utilizados en la investigaci\u00f3n cient\u00edfica y por agencias gubernamentales.<\/p>\n
Pleiades<\/strong><\/h3>\nLa constelaci\u00f3n Pleiades <\/strong><\/a> es un sistema satelital de observaci\u00f3n de la Tierra de alta resoluci\u00f3n operado por Airbus Defense and Space<\/strong><\/a>. Forma parte de la familia de sat\u00e9lites de imagen \u00f3ptica de Airbus y es reconocida por su capacidad para capturar im\u00e1genes muy detalladas con resoluci\u00f3n subm\u00e9trica. La constelaci\u00f3n Pleiades consta de 2 sat\u00e9lites id\u00e9nticos, Pleiades 1A <\/strong> y Pleiades 1B<\/strong>, que trabajan juntos para proporcionar im\u00e1genes muy precisas y frecuentes de la superficie terrestre.<\/p>\nSon conocidos por su alta resoluci\u00f3n espacial, capturando im\u00e1genes tanto pancrom\u00e1ticas como multiespectrales con una resoluci\u00f3n de 50 cm. Los sat\u00e9lites Pleiades tambi\u00e9n pueden capturar im\u00e1genes estereosc\u00f3picas, lo que significa que pueden tomar fotograf\u00edas de la misma \u00e1rea desde \u00e1ngulos ligeramente diferentes, permitiendo la creaci\u00f3n de modelos 3D e im\u00e1genes ortorrectificadas<\/a>.<\/p>\nTambi\u00e9n se encuentran en una \u00f3rbita heliosincr\u00f3nica<\/a>, lo que significa que pasan sobre la misma ubicaci\u00f3n a la misma hora solar, garantizando condiciones de iluminaci\u00f3n consistentes. Juntos, los 2 sat\u00e9lites ofrecen una capacidad de revisita diaria a cualquier punto de la Tierra; tambi\u00e9n son altamente \u00e1giles, capaces de reorientarse para capturar im\u00e1genes de ubicaciones espec\u00edficas.<\/p>\nIceye<\/strong><\/h3>\nIceye<\/strong> <\/a> es una empresa finlandesa que se centra en la tecnolog\u00eda de Radar de Apertura Sint\u00e9tica (SAR), similar a Sentinel-1, pero con un \u00e9nfasis distintivo en la adquisici\u00f3n r\u00e1pida de datos y altas tasas de revisita. Iceye opera una constelaci\u00f3n comercial de sat\u00e9lites SAR que proporciona im\u00e1genes frecuentes y de alta resoluci\u00f3n de la Tierra.<\/p>\nA partir de 2024, ICEYE opera la constelaci\u00f3n de sat\u00e9lites SAR m\u00e1s grande del mundo, con m\u00e1s de 34 sat\u00e9lites lanzados desde 2018. La empresa planea continuar expandiendo su constelaci\u00f3n lanzando hasta 13 nuevos sat\u00e9lites en 2024 y de 10 a 15 adicionales anualmente en los a\u00f1os siguientes.<\/p>\n
Los datos de Iceye son particularmente valiosos para industrias y gobiernos que requieren informaci\u00f3n casi en tiempo real en entornos desafiantes, como la vigilancia mar\u00edtima, los seguros y la seguridad.<\/p>\n
Planet<\/strong><\/h3>\nPlanet Labs<\/strong><\/a> es un proveedor privado l\u00edder de EO conocido por su constelaci\u00f3n \u00abDove\u00bb, que consiste en peque\u00f1os sat\u00e9lites de bajo costo dise\u00f1ados para capturar im\u00e1genes \u00f3pticas de alta resoluci\u00f3n de la Tierra a diario.<\/p>\nA partir de 2024, Planet Labs tiene aproximadamente 200 sat\u00e9lites activos en \u00f3rbita, incluyendo sus constelaciones Dove <\/strong><\/a> y SkySat <\/strong><\/a>. Esta flota captura m\u00e1s de 25 terabytes de im\u00e1genes diariamente\u200b.<\/p>\nLos sat\u00e9lites SkySat <\/strong> tienen aproximadamente el tama\u00f1o de un refrigerador peque\u00f1o, proporcionan im\u00e1genes con una resoluci\u00f3n subm\u00e9trica (alrededor de 50 cm por p\u00edxel). Se centran en capturar im\u00e1genes y videos de alta resoluci\u00f3n para aplicaciones que requieren im\u00e1genes detalladas, como cartograf\u00eda, monitoreo de infraestructuras y recopilaci\u00f3n de inteligencia.<\/p>\nLos sat\u00e9lites Dove <\/strong> son CubeSats, peque\u00f1os y ligeros (del tama\u00f1o de una caja de zapatos). Capturan im\u00e1genes con una resoluci\u00f3n de aproximadamente 3-5 metros por p\u00edxel, no tan alta como SkySat, pero permiten una observaci\u00f3n de la Tierra de alta frecuencia y se utilizan principalmente para monitorear cambios ambientales, aplicaciones agr\u00edcolas y respuesta a desastres.<\/p>\nLa capacidad de Planet para ofrecer un monitoreo continuo con una alta frecuencia de revisita lo convierte en una opci\u00f3n popular para aplicaciones comerciales donde los datos actualizados son cruciales.<\/p>\n
Satellogic<\/strong><\/h3>\nSatellogic <\/strong><\/a> es una empresa argentina que opera una constelaci\u00f3n de peque\u00f1os sat\u00e9lites de observaci\u00f3n de la Tierra de alta resoluci\u00f3n. Su modelo de negocio se centra en proporcionar datos de EO asequibles con alta resoluci\u00f3n espacial, atendiendo a una amplia gama de industrias.<\/p>\nSatellogic ha lanzado m\u00e1s de 40 sat\u00e9lites hasta mayo de 2024. Estos sat\u00e9lites forman parte de su constelaci\u00f3n NewSat <\/strong><\/a>(Aleph-1<\/strong>), cuyo objetivo es proporcionar im\u00e1genes de alta frecuencia y alta resoluci\u00f3n de la Tierra. La empresa est\u00e1 expandiendo activamente su constelaci\u00f3n y planea aumentar significativamente el n\u00famero de sat\u00e9lites en \u00f3rbita en los pr\u00f3ximos a\u00f1os\u200b.<\/p>\nLos sat\u00e9lites de Satellogic capturan im\u00e1genes multiespectrales e hiperespectrales, lo que permite un an\u00e1lisis detallado de la superficie terrestre. Estos datos se utilizan en agricultura, energ\u00eda, silvicultura y monitoreo urbano, entre otros campos.<\/p>\n
Satellogic tiene como objetivo democratizar el acceso a las im\u00e1genes satelitales, permitiendo a los usuarios en mercados en desarrollo aprovechar los datos de EO para la toma de decisiones y la resoluci\u00f3n de problemas.<\/p>\n
Plataformas de datos EO<\/strong><\/h2>\nLos agregadores de datos de Observaci\u00f3n de la Tierra desempe\u00f1an un papel fundamental al hacer que los datos de EO sean accesibles y utilizables para una amplia gama de aplicaciones. Agregadores de datos de EO como la Misi\u00f3n Contribuyente de Copernicus y plataformas como UP42 agregan, procesan y distribuyen datos de diversas fuentes satelitales, mientras que constelaciones como Copernicus y Pleiades proporcionan las im\u00e1genes satelitales en bruto.<\/p>\n
Cada uno de estos proveedores de EO aporta fortalezas distintas, atendiendo a diferentes necesidades seg\u00fan el tipo de datos, la frecuencia de actualizaciones y los desaf\u00edos espec\u00edficos que est\u00e1n dise\u00f1ados para abordar.<\/p>\n
UP42<\/strong><\/h3>\nUP42<\/strong> <\/a> es una plataforma de datos geoespaciales y an\u00e1lisis que permite a los usuarios acceder y analizar datos de EO de m\u00faltiples fuentes. Opera como un mercado y una plataforma como servicio (PaaS), permitiendo a empresas, investigadores y desarrolladores crear soluciones geoespaciales personalizadas combinando diferentes fuentes de datos y algoritmos.<\/p>\nPrograma de Misiones Contribuyentes de Copernicus<\/strong><\/h3>\nEl programa Copernicus<\/a> <\/strong> es una importante iniciativa de observaci\u00f3n de la Tierra liderada por la Uni\u00f3n Europea en asociaci\u00f3n con la Agencia Espacial Europea (ESA). Su objetivo principal es proporcionar informaci\u00f3n precisa, oportuna y f\u00e1cilmente accesible sobre el estado del medio ambiente.<\/p>\nProporciona varias plataformas y herramientas, algunas de las cuales son:<\/p>\n
Centro de Acceso Abierto de Copernicus<\/strong><\/a>: Este es el portal principal para acceder a los datos de Sentinel. Permite a los usuarios buscar y descargar conjuntos de datos, incluyendo im\u00e1genes y otros datos ambientales.<\/p>\nServicios de Copernicus<\/strong><\/a>: Estos servicios proporcionan informaci\u00f3n y an\u00e1lisis personalizados derivados de los datos de los sat\u00e9lites Sentinel, apoyando una amplia gama de aplicaciones. Por ejemplo, Copernicus ofrece datos detallados sobre variables y tendencias clim\u00e1ticas, permitiendo el monitoreo de cambios en la temperatura, la precipitaci\u00f3n y otros indicadores clim\u00e1ticos clave. Tambi\u00e9n proporciona informaci\u00f3n valiosa sobre el uso y la cobertura del suelo, ayudando a rastrear la deforestaci\u00f3n, la expansi\u00f3n urbana y las actividades agr\u00edcolas. Adem\u00e1s, Copernicus apoya servicios en la vigilancia marina, el an\u00e1lisis de la composici\u00f3n atmosf\u00e9rica y la respuesta a emergencias, ofreciendo informaci\u00f3n cr\u00edtica para la gesti\u00f3n de desastres, la protecci\u00f3n ambiental y la formulaci\u00f3n de pol\u00edticas en toda Europa y a nivel mundial.<\/p>\nServicios de Acceso a Datos e Informaci\u00f3n de Copernicus (DIAS)<\/strong><\/a>: Estas plataformas ofrecen acceso basado en la nube a los datos y herramientas de procesamiento de Copernicus. Facilitan la gesti\u00f3n y el an\u00e1lisis de datos proporcionando recursos de almacenamiento y computaci\u00f3n escalables.<\/p>\nHabilitando informaci\u00f3n procesable a partir de datos de Observaci\u00f3n de la Tierra<\/strong><\/h2>\nPrevemos un crecimiento importante en las capacidades satelitales y mayores posibilidades para acceder y explotar los datos de EO para convertirlos en informaci\u00f3n tangible y procesable<\/strong>. En consecuencia, la cantidad de casos de uso y opciones anima a los desarrolladores a crear soluciones de software para tareas que, sin datos de EO, pueden ser lentas, costosas o simplemente imposibles.<\/p>\nCon la llegada de la IA y la disponibilidad de datos de EO en plataformas como el Cat\u00e1logo de Datos de la ESA<\/strong><\/a>, cualquiera puede entrenar modelos de aprendizaje autom\u00e1tico, por ejemplo, una red neuronal, para monitorear, analizar, rastrear y varias otras tareas a\u00fan por descubrir sin ning\u00fan equipo especial. Considerando el Teorema universal de la aproximaci\u00f3n<\/em><\/a>,<\/strong> que describe c\u00f3mo la salida de una red neuronal espec\u00edfica es densa en el espacio de funciones (existe una red neuronal con las condiciones necesarias para describir cualquier rendimiento deseado), cualquier proceso puede ser automatizado.<\/p>\nActualmente se est\u00e1n desarrollando varios proyectos de observaci\u00f3n de la Tierra, algunos de ellos son Observatorio del Sistema Terrestre (ESO) de la NASA<\/strong><\/em><\/a>, que incluye m\u00faltiples misiones como el Sistema de Observaci\u00f3n de la Atm\u00f3sfera (AOS), Biolog\u00eda y Geolog\u00eda de la Superficie, y GRACE-Continuity (Cambio de Masa), para responder preguntas cient\u00edficas y sociales. Y tambi\u00e9n, el Programa FutureEO de la ESA<\/strong><\/em><\/a>, que incluye misiones dise\u00f1adas para estudiar oc\u00e9anos, hielo, tierra y atm\u00f3sfera.<\/p>\nComo en cualquier otro avance tecnol\u00f3gico, su utilidad potencial no est\u00e1 definida desde el principio. Tener acceso a informaci\u00f3n constante de todo el mundo permite el desarrollo de innumerables aplicaciones, te\u00f3ricamente, y si la tecnolog\u00eda satelital sigue avanzando, podr\u00eda permitirnos rastrear todos los veh\u00edculos a la vista si tuvieran un identificador sobre ellos; con enjambres de drones se podr\u00eda identificar a cada persona en una zona exterior en cuesti\u00f3n de minutos, y muchos m\u00e1s casos de uso potenciales.<\/p>\n
C\u00f3mo puede utilizarse la observaci\u00f3n de la Tierra para monitorear infraestructuras<\/strong><\/h2>\nEn el mundo interconectado de hoy, la integridad y resiliencia de las infraestructuras son primordiales para garantizar el buen funcionamiento de las sociedades y econom\u00edas. Hay activos cr\u00edticos crecientes que est\u00e1n constantemente expuestos a peligros naturales y provocados por el hombre, y debido a la importancia de las infraestructuras el\u00e9ctricas, energ\u00e9ticas y de transporte, su monitoreo es una alta prioridad.<\/p>\n
Con el r\u00e1pido crecimiento de la IA, las posibilidades que ofrece el uso de datos de EO son infinitas y cambian r\u00e1pidamente cada semana. Veamos casos de uso comunes:<\/p>\n
Aprendizaje autom\u00e1tico para identificar objetos y rastrear anomal\u00edas<\/strong><\/h3>\nLa red neuronal m\u00e1s frecuente utilizada al analizar datos de EO es una CNN (Red Neuronal Convolucional)<\/a> <\/strong> ya que los datos consisten usualmente en im\u00e1genes, por lo que al tratar con tareas como monitoreo o detecci\u00f3n, esta ser\u00e1 la red neuronal en la que tenderemos a centrarnos. Ahora, dependiendo de la tarea que estemos implementando, veremos diferentes modelos y algoritmos;<\/p>\n\n- Si queremos implementar un sistema de conteo de \u00e1rboles en una zona especificada<\/em>, podr\u00edamos estar interesados en YOLO<\/a>, un popular algoritmo de detecci\u00f3n de objetos que tambi\u00e9n es capaz de detectar cuerpos humanos y determinar si est\u00e1n dentro de \u00e1reas restringidas.<\/li>\n
- Si estuvi\u00e9ramos interesados en identificar las zonas construidas por humanos de un \u00e1rea extensa, implementar\u00edamos una ResNet, entre otras. Tambi\u00e9n podemos utilizar informaci\u00f3n adicional recopilada por datos satelitales, que no solo almacena informaci\u00f3n sobre el espectro visible, para identificar el tipo de vegetaci\u00f3n en una zona utilizando tanto el espectro VIS como el NIR (visible e infrarrojo cercano).<\/li>\n
- Otra red neuronal \u00fatil para detectar anomal\u00edas es el autoencoder, que se entrena para reconstruir los datos de entrada. Al entrenar un autoencoder en im\u00e1genes normales, tiene dificultades para reconstruir anomal\u00edas; de esta manera, nos permite detectarlas bas\u00e1ndonos en el error de reconstrucci\u00f3n. Esto es muy \u00fatil si queremos monitorear una zona y detectar anomal\u00edas dentro de ella.<\/li>\n
- Si estamos desarrollando un algoritmo de visi\u00f3n por computadora para rastrear veh\u00edculos en, por ejemplo, un tramo de autopista, en el que su direcci\u00f3n es casi constante, tambi\u00e9n podr\u00edamos implementar un SIFT (Transformada de caracter\u00edsticas invariantes a escala)<\/a>,<\/strong> un algoritmo para extraer caracter\u00edsticas importantes de una imagen dada. Despu\u00e9s de eso, tambi\u00e9n podr\u00edamos implementar un filtro de Kalman<\/a><\/strong> para evitar perder nuestro rastreo cuando la visi\u00f3n del objetivo est\u00e1 bloqueada.<\/li>\n<\/ul>\n
Modelos de aprendizaje autom\u00e1tico para predecir desastres naturales<\/strong><\/h3>\nLos modelos de aprendizaje autom\u00e1tico pueden utilizarse para predecir desastres naturales despu\u00e9s de recopilar informaci\u00f3n de diferentes fuentes. La combinaci\u00f3n de informaci\u00f3n de EO recibida de todas las fuentes puede ayudar a ajustar los modelos predictivos, desde simples regresiones log\u00edsticas hasta modelos de aprendizaje autom\u00e1tico como Pangu-Weather<\/em>, un modelo de IA de Huawei Cloud que puede predecir el clima con mayor precisi\u00f3n que los modelos de predicci\u00f3n meteorol\u00f3gica num\u00e9rica de \u00faltima generaci\u00f3n a una velocidad 10,000 veces m\u00e1s r\u00e1pida.<\/p>\n
Im\u00e1genes multiespectrales: <\/strong> resultado de la teledetecci\u00f3n de una escena observada utilizando varias bandas estrechas del espectro electromagn\u00e9tico. Dado que el rango de longitudes de onda que contribuyen a la energ\u00eda de radiaci\u00f3n detectada por el sensor se reduce, las im\u00e1genes multiespectrales tendr\u00e1n una resoluci\u00f3n m\u00e1s baja que las im\u00e1genes pancrom\u00e1ticas. Un uso com\u00fan es la producci\u00f3n de \u00abcolor natural\u00bb combinando las mediciones en 3 bandas del espectro visible (bandas estrechas centradas alrededor de las longitudes de onda azul, verde y roja).<\/p>\n Im\u00e1genes hiperespectrales:<\/strong> para cada p\u00edxel, un sensor hiperespectral adquiere la intensidad de la luz para un gran n\u00famero (generalmente de unas pocas decenas a algunos cientos) de bandas espectrales estrechas contiguas. Cada p\u00edxel en la imagen se adjunta entonces a un espectro casi continuo. La alta resoluci\u00f3n espectral de una imagen hiperespectral permite la detecci\u00f3n, identificaci\u00f3n y cuantificaci\u00f3n de materiales superficiales, as\u00ed como inferir procesos biol\u00f3gicos y qu\u00edmicos.<\/p>\n En los sistemas de im\u00e1genes activas, los instrumentos se componen de un transmisor que env\u00eda una se\u00f1al electromagn\u00e9tica espec\u00edfica y un sensor que recibe la interacci\u00f3n de la se\u00f1al enviada con la superficie terrestre. Debido a esto, tales observaciones no dependen de la iluminaci\u00f3n solar.<\/p>\n Al hablar de Observaci\u00f3n de la Tierra, existe una variedad de constelaciones de sat\u00e9lites y plataformas de datos disponibles, cada una ofreciendo capacidades y servicios \u00fanicos. Constelaciones de sat\u00e9lites como Sentinel<\/strong>, Planet<\/strong>, Iceye<\/strong> y Satellogic<\/strong> operan y gestionan distintas constelaciones que proporcionan acceso a diferentes tipos de im\u00e1genes y datos.<\/p>\n Por otro lado, plataformas como UP42<\/strong>, el Cat\u00e1logo de Datos de la ESA<\/strong> y Google Earth Engine<\/strong> agregan y ofrecen acceso simplificado a datos de EO, facilitando la recopilaci\u00f3n y an\u00e1lisis de esta informaci\u00f3n.<\/p>\n Con tantas opciones, los usuarios pueden seleccionar la constelaci\u00f3n y plataforma que mejor se adapte a sus necesidades espec\u00edficas para extraer y analizar datos de EO. Aqu\u00ed hay una visi\u00f3n general de algunos operadores de sat\u00e9lites y constelaciones notables:<\/p>\n Landsat<\/strong> <\/a> es un programa de observaci\u00f3n de la Tierra de larga duraci\u00f3n, gestionado conjuntamente por NASA <\/strong><\/a> y el Servicio Geol\u00f3gico de EE. UU. (USGS)<\/strong><\/a>, que ha estado capturando im\u00e1genes satelitales de la superficie terrestre desde 1972. Los sat\u00e9lites del programa, equipados con sensores de imagen avanzados, monitorean y documentan continuamente los cambios en el uso del suelo, los ecosistemas y los recursos naturales.<\/p>\n El programa Landsat ha lanzado un total de 9 sat\u00e9lites<\/strong> desde su inicio en 1972. De estos 9, Landsat 8 y Landsat 9 permanecen operativos en el momento de redactar este art\u00edculo. Esta fuente de datos consistente y de alta resoluci\u00f3n permite a los cient\u00edficos y responsables pol\u00edticos estudiar tendencias ambientales a largo plazo, como la deforestaci\u00f3n, la urbanizaci\u00f3n y el cambio clim\u00e1tico. Al hacer que estas im\u00e1genes sean de libre acceso, Landsat se ha convertido en una herramienta esencial para la investigaci\u00f3n ambiental global, la gesti\u00f3n de recursos y la respuesta a desastres.<\/p>\n Los sat\u00e9lites Sentinel<\/strong> <\/a> forman parte del Programa de Observaci\u00f3n de la Tierra Copernicus de la Uni\u00f3n Europea, gestionado por la Agencia Espacial Europea (ESA)<\/strong><\/a>. Esta constelaci\u00f3n proporciona datos de alta calidad y de libre acceso a usuarios de todo el mundo, cubriendo una amplia gama de aplicaciones de EO.<\/p>\n Los sat\u00e9lites Sentinel son reconocidos por sus datos completos y de libre acceso, lo que los hace ampliamente utilizados en la investigaci\u00f3n cient\u00edfica y por agencias gubernamentales.<\/p>\n La constelaci\u00f3n Pleiades <\/strong><\/a> es un sistema satelital de observaci\u00f3n de la Tierra de alta resoluci\u00f3n operado por Airbus Defense and Space<\/strong><\/a>. Forma parte de la familia de sat\u00e9lites de imagen \u00f3ptica de Airbus y es reconocida por su capacidad para capturar im\u00e1genes muy detalladas con resoluci\u00f3n subm\u00e9trica. La constelaci\u00f3n Pleiades consta de 2 sat\u00e9lites id\u00e9nticos, Pleiades 1A <\/strong> y Pleiades 1B<\/strong>, que trabajan juntos para proporcionar im\u00e1genes muy precisas y frecuentes de la superficie terrestre.<\/p>\n Son conocidos por su alta resoluci\u00f3n espacial, capturando im\u00e1genes tanto pancrom\u00e1ticas como multiespectrales con una resoluci\u00f3n de 50 cm. Los sat\u00e9lites Pleiades tambi\u00e9n pueden capturar im\u00e1genes estereosc\u00f3picas, lo que significa que pueden tomar fotograf\u00edas de la misma \u00e1rea desde \u00e1ngulos ligeramente diferentes, permitiendo la creaci\u00f3n de modelos 3D e im\u00e1genes ortorrectificadas<\/a>.<\/p>\n Tambi\u00e9n se encuentran en una \u00f3rbita heliosincr\u00f3nica<\/a>, lo que significa que pasan sobre la misma ubicaci\u00f3n a la misma hora solar, garantizando condiciones de iluminaci\u00f3n consistentes. Juntos, los 2 sat\u00e9lites ofrecen una capacidad de revisita diaria a cualquier punto de la Tierra; tambi\u00e9n son altamente \u00e1giles, capaces de reorientarse para capturar im\u00e1genes de ubicaciones espec\u00edficas.<\/p>\n Iceye<\/strong> <\/a> es una empresa finlandesa que se centra en la tecnolog\u00eda de Radar de Apertura Sint\u00e9tica (SAR), similar a Sentinel-1, pero con un \u00e9nfasis distintivo en la adquisici\u00f3n r\u00e1pida de datos y altas tasas de revisita. Iceye opera una constelaci\u00f3n comercial de sat\u00e9lites SAR que proporciona im\u00e1genes frecuentes y de alta resoluci\u00f3n de la Tierra.<\/p>\n A partir de 2024, ICEYE opera la constelaci\u00f3n de sat\u00e9lites SAR m\u00e1s grande del mundo, con m\u00e1s de 34 sat\u00e9lites lanzados desde 2018. La empresa planea continuar expandiendo su constelaci\u00f3n lanzando hasta 13 nuevos sat\u00e9lites en 2024 y de 10 a 15 adicionales anualmente en los a\u00f1os siguientes.<\/p>\n Los datos de Iceye son particularmente valiosos para industrias y gobiernos que requieren informaci\u00f3n casi en tiempo real en entornos desafiantes, como la vigilancia mar\u00edtima, los seguros y la seguridad.<\/p>\n Planet Labs<\/strong><\/a> es un proveedor privado l\u00edder de EO conocido por su constelaci\u00f3n \u00abDove\u00bb, que consiste en peque\u00f1os sat\u00e9lites de bajo costo dise\u00f1ados para capturar im\u00e1genes \u00f3pticas de alta resoluci\u00f3n de la Tierra a diario.<\/p>\n A partir de 2024, Planet Labs tiene aproximadamente 200 sat\u00e9lites activos en \u00f3rbita, incluyendo sus constelaciones Dove <\/strong><\/a> y SkySat <\/strong><\/a>. Esta flota captura m\u00e1s de 25 terabytes de im\u00e1genes diariamente\u200b.<\/p>\n Los sat\u00e9lites SkySat <\/strong> tienen aproximadamente el tama\u00f1o de un refrigerador peque\u00f1o, proporcionan im\u00e1genes con una resoluci\u00f3n subm\u00e9trica (alrededor de 50 cm por p\u00edxel). Se centran en capturar im\u00e1genes y videos de alta resoluci\u00f3n para aplicaciones que requieren im\u00e1genes detalladas, como cartograf\u00eda, monitoreo de infraestructuras y recopilaci\u00f3n de inteligencia.<\/p>\n Los sat\u00e9lites Dove <\/strong> son CubeSats, peque\u00f1os y ligeros (del tama\u00f1o de una caja de zapatos). Capturan im\u00e1genes con una resoluci\u00f3n de aproximadamente 3-5 metros por p\u00edxel, no tan alta como SkySat, pero permiten una observaci\u00f3n de la Tierra de alta frecuencia y se utilizan principalmente para monitorear cambios ambientales, aplicaciones agr\u00edcolas y respuesta a desastres.<\/p>\n La capacidad de Planet para ofrecer un monitoreo continuo con una alta frecuencia de revisita lo convierte en una opci\u00f3n popular para aplicaciones comerciales donde los datos actualizados son cruciales.<\/p>\n Satellogic <\/strong><\/a> es una empresa argentina que opera una constelaci\u00f3n de peque\u00f1os sat\u00e9lites de observaci\u00f3n de la Tierra de alta resoluci\u00f3n. Su modelo de negocio se centra en proporcionar datos de EO asequibles con alta resoluci\u00f3n espacial, atendiendo a una amplia gama de industrias.<\/p>\n Satellogic ha lanzado m\u00e1s de 40 sat\u00e9lites hasta mayo de 2024. Estos sat\u00e9lites forman parte de su constelaci\u00f3n NewSat <\/strong><\/a>(Aleph-1<\/strong>), cuyo objetivo es proporcionar im\u00e1genes de alta frecuencia y alta resoluci\u00f3n de la Tierra. La empresa est\u00e1 expandiendo activamente su constelaci\u00f3n y planea aumentar significativamente el n\u00famero de sat\u00e9lites en \u00f3rbita en los pr\u00f3ximos a\u00f1os\u200b.<\/p>\n Los sat\u00e9lites de Satellogic capturan im\u00e1genes multiespectrales e hiperespectrales, lo que permite un an\u00e1lisis detallado de la superficie terrestre. Estos datos se utilizan en agricultura, energ\u00eda, silvicultura y monitoreo urbano, entre otros campos.<\/p>\n Satellogic tiene como objetivo democratizar el acceso a las im\u00e1genes satelitales, permitiendo a los usuarios en mercados en desarrollo aprovechar los datos de EO para la toma de decisiones y la resoluci\u00f3n de problemas.<\/p>\n Los agregadores de datos de Observaci\u00f3n de la Tierra desempe\u00f1an un papel fundamental al hacer que los datos de EO sean accesibles y utilizables para una amplia gama de aplicaciones. Agregadores de datos de EO como la Misi\u00f3n Contribuyente de Copernicus y plataformas como UP42 agregan, procesan y distribuyen datos de diversas fuentes satelitales, mientras que constelaciones como Copernicus y Pleiades proporcionan las im\u00e1genes satelitales en bruto.<\/p>\n Cada uno de estos proveedores de EO aporta fortalezas distintas, atendiendo a diferentes necesidades seg\u00fan el tipo de datos, la frecuencia de actualizaciones y los desaf\u00edos espec\u00edficos que est\u00e1n dise\u00f1ados para abordar.<\/p>\n UP42<\/strong> <\/a> es una plataforma de datos geoespaciales y an\u00e1lisis que permite a los usuarios acceder y analizar datos de EO de m\u00faltiples fuentes. Opera como un mercado y una plataforma como servicio (PaaS), permitiendo a empresas, investigadores y desarrolladores crear soluciones geoespaciales personalizadas combinando diferentes fuentes de datos y algoritmos.<\/p>\n El programa Copernicus<\/a> <\/strong> es una importante iniciativa de observaci\u00f3n de la Tierra liderada por la Uni\u00f3n Europea en asociaci\u00f3n con la Agencia Espacial Europea (ESA). Su objetivo principal es proporcionar informaci\u00f3n precisa, oportuna y f\u00e1cilmente accesible sobre el estado del medio ambiente.<\/p>\n Proporciona varias plataformas y herramientas, algunas de las cuales son:<\/p>\n Centro de Acceso Abierto de Copernicus<\/strong><\/a>: Este es el portal principal para acceder a los datos de Sentinel. Permite a los usuarios buscar y descargar conjuntos de datos, incluyendo im\u00e1genes y otros datos ambientales.<\/p>\n Servicios de Copernicus<\/strong><\/a>: Estos servicios proporcionan informaci\u00f3n y an\u00e1lisis personalizados derivados de los datos de los sat\u00e9lites Sentinel, apoyando una amplia gama de aplicaciones. Por ejemplo, Copernicus ofrece datos detallados sobre variables y tendencias clim\u00e1ticas, permitiendo el monitoreo de cambios en la temperatura, la precipitaci\u00f3n y otros indicadores clim\u00e1ticos clave. Tambi\u00e9n proporciona informaci\u00f3n valiosa sobre el uso y la cobertura del suelo, ayudando a rastrear la deforestaci\u00f3n, la expansi\u00f3n urbana y las actividades agr\u00edcolas. Adem\u00e1s, Copernicus apoya servicios en la vigilancia marina, el an\u00e1lisis de la composici\u00f3n atmosf\u00e9rica y la respuesta a emergencias, ofreciendo informaci\u00f3n cr\u00edtica para la gesti\u00f3n de desastres, la protecci\u00f3n ambiental y la formulaci\u00f3n de pol\u00edticas en toda Europa y a nivel mundial.<\/p>\n Servicios de Acceso a Datos e Informaci\u00f3n de Copernicus (DIAS)<\/strong><\/a>: Estas plataformas ofrecen acceso basado en la nube a los datos y herramientas de procesamiento de Copernicus. Facilitan la gesti\u00f3n y el an\u00e1lisis de datos proporcionando recursos de almacenamiento y computaci\u00f3n escalables.<\/p>\n Prevemos un crecimiento importante en las capacidades satelitales y mayores posibilidades para acceder y explotar los datos de EO para convertirlos en informaci\u00f3n tangible y procesable<\/strong>. En consecuencia, la cantidad de casos de uso y opciones anima a los desarrolladores a crear soluciones de software para tareas que, sin datos de EO, pueden ser lentas, costosas o simplemente imposibles.<\/p>\n Con la llegada de la IA y la disponibilidad de datos de EO en plataformas como el Cat\u00e1logo de Datos de la ESA<\/strong><\/a>, cualquiera puede entrenar modelos de aprendizaje autom\u00e1tico, por ejemplo, una red neuronal, para monitorear, analizar, rastrear y varias otras tareas a\u00fan por descubrir sin ning\u00fan equipo especial. Considerando el Teorema universal de la aproximaci\u00f3n<\/em><\/a>,<\/strong> que describe c\u00f3mo la salida de una red neuronal espec\u00edfica es densa en el espacio de funciones (existe una red neuronal con las condiciones necesarias para describir cualquier rendimiento deseado), cualquier proceso puede ser automatizado.<\/p>\n Actualmente se est\u00e1n desarrollando varios proyectos de observaci\u00f3n de la Tierra, algunos de ellos son Observatorio del Sistema Terrestre (ESO) de la NASA<\/strong><\/em><\/a>, que incluye m\u00faltiples misiones como el Sistema de Observaci\u00f3n de la Atm\u00f3sfera (AOS), Biolog\u00eda y Geolog\u00eda de la Superficie, y GRACE-Continuity (Cambio de Masa), para responder preguntas cient\u00edficas y sociales. Y tambi\u00e9n, el Programa FutureEO de la ESA<\/strong><\/em><\/a>, que incluye misiones dise\u00f1adas para estudiar oc\u00e9anos, hielo, tierra y atm\u00f3sfera.<\/p>\n Como en cualquier otro avance tecnol\u00f3gico, su utilidad potencial no est\u00e1 definida desde el principio. Tener acceso a informaci\u00f3n constante de todo el mundo permite el desarrollo de innumerables aplicaciones, te\u00f3ricamente, y si la tecnolog\u00eda satelital sigue avanzando, podr\u00eda permitirnos rastrear todos los veh\u00edculos a la vista si tuvieran un identificador sobre ellos; con enjambres de drones se podr\u00eda identificar a cada persona en una zona exterior en cuesti\u00f3n de minutos, y muchos m\u00e1s casos de uso potenciales.<\/p>\n En el mundo interconectado de hoy, la integridad y resiliencia de las infraestructuras son primordiales para garantizar el buen funcionamiento de las sociedades y econom\u00edas. Hay activos cr\u00edticos crecientes que est\u00e1n constantemente expuestos a peligros naturales y provocados por el hombre, y debido a la importancia de las infraestructuras el\u00e9ctricas, energ\u00e9ticas y de transporte, su monitoreo es una alta prioridad.<\/p>\n Con el r\u00e1pido crecimiento de la IA, las posibilidades que ofrece el uso de datos de EO son infinitas y cambian r\u00e1pidamente cada semana. Veamos casos de uso comunes:<\/p>\n La red neuronal m\u00e1s frecuente utilizada al analizar datos de EO es una CNN (Red Neuronal Convolucional)<\/a> <\/strong> ya que los datos consisten usualmente en im\u00e1genes, por lo que al tratar con tareas como monitoreo o detecci\u00f3n, esta ser\u00e1 la red neuronal en la que tenderemos a centrarnos. Ahora, dependiendo de la tarea que estemos implementando, veremos diferentes modelos y algoritmos;<\/p>\n Los modelos de aprendizaje autom\u00e1tico pueden utilizarse para predecir desastres naturales despu\u00e9s de recopilar informaci\u00f3n de diferentes fuentes. La combinaci\u00f3n de informaci\u00f3n de EO recibida de todas las fuentes puede ayudar a ajustar los modelos predictivos, desde simples regresiones log\u00edsticas hasta modelos de aprendizaje autom\u00e1tico como Pangu-Weather<\/em>, un modelo de IA de Huawei Cloud que puede predecir el clima con mayor precisi\u00f3n que los modelos de predicci\u00f3n meteorol\u00f3gica num\u00e9rica de \u00faltima generaci\u00f3n a una velocidad 10,000 veces m\u00e1s r\u00e1pida.<\/p>\nIm\u00e1genes activas<\/strong><\/h2>\n
\n
<\/figure>\n\n
Constelaciones<\/strong><\/h2>\n
Landsat<\/strong><\/h3>\n
Sentinel<\/strong><\/h3>\n
\n
Pleiades<\/strong><\/h3>\n
Iceye<\/strong><\/h3>\n
Planet<\/strong><\/h3>\n
Satellogic<\/strong><\/h3>\n
Plataformas de datos EO<\/strong><\/h2>\n
UP42<\/strong><\/h3>\n
Programa de Misiones Contribuyentes de Copernicus<\/strong><\/h3>\n
Habilitando informaci\u00f3n procesable a partir de datos de Observaci\u00f3n de la Tierra<\/strong><\/h2>\n
C\u00f3mo puede utilizarse la observaci\u00f3n de la Tierra para monitorear infraestructuras<\/strong><\/h2>\n
Aprendizaje autom\u00e1tico para identificar objetos y rastrear anomal\u00edas<\/strong><\/h3>\n
\n
Modelos de aprendizaje autom\u00e1tico para predecir desastres naturales<\/strong><\/h3>\n