Machine Learning en la plataforma ArcGIS

El término Machine Learning (ML) se conoce como aprendizaje automático o aprendizaje de máquinas siendo una rama de la Inteligencia Artificial (IA), cuyo objetivo es el desarrollo de técnicas que permitan aprender a los ordenadores. Los campos de aplicación son múltiples, como el fraude de uso de tarjetas de crédito, reconocimiento del habla, teledetección, etc. y ya están empezando a ser parte de nuestras vidas.

Machine Learning y GIS

La conjunción de los Sistemas de Información Geográfica y el ML es el nuevo paso de integración de estas poderosas tecnologías para responder preguntas aparentemente incontestables. Este artículo es un claro ejemplo que permite predecir dónde están creciendo las algas marinas en el mundo en base a una serie de parámetros como la temperatura, la salinidad, los nutrientes, etc. y herramientas de análisis como Empirical Bayesian Kriging (EBK), combinado con clasificadores que modelan las relaciones entre las condiciones oceánicas y las del alga marina con precisiones por encima del 95%.

En la pasada Conferencia Esri España 2017, Ignacio Vázquez nos mostró en la sesión plenaria los resultados de este proyecto en ArcGIS Pro

Otro ejemplo de ML muy interesante relacionado con los Sistemas de Información Geográfica es la creación de modelos predictivos en base al seguimiento de cultivos vía imágenes de satélite con alta resolución temporal (imágenes capturadas cada pocos días sobre la misma zona). Esta técnica permite hacer seguimiento de los diferentes cultivos que pueden tener una firma espectral muy similar donde los ciclos de crecimiento estacional son diferentes, y nos ayudan no solamente a diferenciarlos, si no también a realizar estimaciones de producción.

Las imágenes como fuente de datos para ML pueden ser de diferentes tipos, lo que proporcionan características ideales para un tipo de escenario u otro:

  • Pancromáticas: son imágenes monobanda (normalmente se visualizan en escala de grises)
  • Multiespectrales: que contienen varias bandas o canales en diferentes zonas del espectro electromagnético (generalmente inferior a 50 bandas o canales)
  • Hiperespectrales: es el equivalente a una multiespectral donde el número de bandas es superior a 50. Un mayor número bandas permite discriminar con mucha más precisión los elementos en las imágenes
  • Radar: imágenes capturadas en la zona del espectro radar. Capaces de detectar movimientos de tierras de milímetros, e incluso calcular el deshielo en los polos, gracias a la capacidad de penetración en el hielo de determinados tipos de ondas radar.

Diferencia entre imagen multiespectral frente a hiperespectral. Fuente: Harris

Existen otras características en las imágenes que las hacen más idóneas para unos fines u otros como el tamaño de celda (resolución espacial) y la resolución espectral (número de valores posibles que puede discernir en una celda). No es viable identificar vehículos a motor en imágenes dónde el tamaño de pixel es de 10 m (10 m x 10 m = 100 m2), pero sí en imágenes con 1 m de resolución de pixel.

Puedes revivir la sesión técnica sobre imágenes que impartimos en la Conferencia Esri España 2017 donde Yansa Tejada e Isaac Medel mostraron las diferentes herramientas que la plataforma ArcGIS posee para su aplicación en teledetección.

Algoritmos de Machine Learning

Los algoritmos de ML usados en teledetección pueden agruparse en 2 categorías:

  • Supervisados: de los cuales se disponen de datos históricos de entrada y los resultados van mejorando según se va entrenando al sistema, buscando objetivos concretos. Los podemos englobar en clasificadores, regresiones y algoritmos de predicción
  • No supervisados: es de tipo exploratorio, se implementan a través de técnicas de agrupación (clustering) y asociaciones eficaces para el reconocimiento de patrones y obtener información no deducible sin conocer los datos.

¿Qué algoritmos se usan con más frecuencia?

Son muchos los algoritmos existentes y nuevos que se van creando con el tiempo. A continuación, nombramos los más conocidos.

  • Support Vector Machine Classifer (SVM) es un clasificador supervisado que normalmente requiere menos muestras de entrenamiento que la mayoría de los clasificadores, no requiere que las muestras estén distribuidas bajo ningún tipo de patrón, genera poco ruido y puede ser aplicado a cualquier tipo de imagen.
  • Arboles de Decisiones
  • Redes Neuronales
  • Bosques Aleatorios

¿Cómo se pueden mejorar los resultados con estos algoritmos?

Hay varias maneras de mejorarlos, pero una de las más conocidas y que más se usa es la segmentación de imágenes, que abre un abanico de posibilidades muy grandes, dado que permite “agrupar” en una imagen objetos con características parecidas de color, textura, área, etc. lo que ayuda a los algoritmos de ML a reconocer objetos y patrones de una manera más eficiente aumentando la calidad del resultado y abriendo otras posibilidades que con los algoritmos tradicionales sería más complejo.

¿Qué herramientas de ML encontramos en la plataforma ArcGIS?

Os presentamos este enlace que ofrece un listado completo de los diferentes clasificadores que se pueden encontrar en la plataforma, donde muchos de ellos pueden englobarse dentro de la categoría de ML.

En Esri estamos apostando por la creación de flujos de ML donde podemos ir mejorándolos, en base a las herramientas que nos ofrecen y así poder replicarlo en otras imágenes de características similares. Aquí podéis ver el flujo detallado de clasificación de imágenes en ArcGIS Pro.

La tecnología avanza permitiendo a la inteligencia artificial desarrollar modelos predictivos cada vez más certeros. De este paradigma se habló, entre otros, en la mesa de expertos sobre IA y Big Data en la pasada Conferencia Esri España.

¿Quieres conocer cómo sacar el máximo provecho a tu ArcGIS y sus capacidades en ML? Ponte en contacto con nosotros.

Nuevo libro de Esri Press para aprender más rápido sobre procesamiento de imágenes con ArcGIS

WorkbookMaking Spatial Decisions Using GIS and Remote Sensing: A Workbook es el primer libro centrado en las capacidades de procesamiento de imagen incluidas en nuestro software ArcGIS. Está  diseñado para complementar los libros de texto de teledetección, y enseña a los estudiantes habilidades de procesamiento y análisis de imágenes con ArcGIS for Desktop.

El libro requiere algunos conocimientos previos sobre Sistemas de Información Geográfica (SIG) y emplea instrucciones paso a paso a lo largo de sus 10 módulos con actividades que refuerzan los conceptos clave de la teledetección, incluyendo la mejora de imágenes, creación de imágenes compuestas de color,  y las firmas espectrales.  También hay en el libro proyectos independientes para animar a los estudiantes a resolver problemas utilizando datos.

Este nuevo libro trata de fomentar la creación de conocimiento sobre el análisis de imágenes que utilizan  los profesionales de los Sistemas de Información Geográfica (SIG) que estudian el cambio climático , las evaluaciones agrícolas, la degradación forestal,  etc. Las habilidades de teledetección son importantes cuando el área de estudio es demasiado grande para las mediciones basadas en tierra.

Además, el este Workbook incluye un DVD con datos de imágenes Landsat, así como una licencia de 180 días para utilizar ArcGIS for Desktop Advanced .

Ya puedes comprar en la web de Esri Press el libro: Making Spatial Decisions Using GIS and Remote Sensing: A Workbook

¿Dudas sobre IDL y Envi? Apúntate a este Webinar…

Probablemente tengas decenas de dudas sobre cómo utilizar Envi e IDL en tu sector. O quizás necesites conocer las nuevas funcionalidades porque no tienes experiencia previa.  Si es así, te invitamos a participar en este webinar para ampliar tu conocimiento sobre esta herramienta sin moverte de tu sitio.

Durante este seminario vamos a ver…

  • Cómo la API de ENVI está diseñada para aprovechar nuevos y existentes algoritmos IDL para usar en ENVI 5
  • Pequeños trucos para mejorar la funcionalidad de la caja de herramientas de detección remota.
  • Técnicas para optimizar la capacidad de acceso e interacción con los datos, control de la visualización, análisis y  gestión de la producción, y almacenamiento de datos. Muy importante para quienes vayan estén haciendo una migración o comenzando un nuevo desarrollo.

¿Cuándo es? 14 de marzo

¿A qué hora? 15.00 h y 20.00 h

Duración: 60 minutos aproximadamente

 

Más información sobre éste y otros webinars

Más información sobre el nuevo Envi 5 para aprovechar mejor la sesión

 

banner_descarga_envi

IMIDA utiliza MAPABase para la gestión eficiente del agua en agricultura

Instituto Murciano de Investigación y Desarrollo Agrario y Alimentario (conocido generalmente por las siglas IMIDA) realiza un mejor seguimiento del riego de los cultivos del trasvase Tajo-Segura gracias a varias herramientas tecnológicas, entre ellas,  MAPABase de Esri España.

Con un mejor uso del agua, un recurso indispensable, en una zona donde es especialmente necesaria una gestión muy eficiente de la misma, como Murcia, permite reducir los impactos ambientales vinculados al regadío.

Captura del visor web de que dispone el proyecto Telerieg.

 

TELERIEG es el proyecto resultado de la Cooperación Territorial del Sudoeste de Europa (dentro del programa SUDOE), de hecho, ha sido seleccionado como ejemplo destacado del avance de esos proyectos, y es también resultado de este interés del IMIDA por garantizar ese mejor uso de los recursos hídricos para la agricultura.

MAPABase ha ayudado a la puesta en marcha del proyecto, ya que incorpora los componentes básicos para trabajar con un SIG: los datos base, un modelo de datos estandarizado que aporta valor al usuario final y un visualizador web con funciones de interés para las operaciones geográficas.

El IMIDA participó en la pasada Conferencia Europea Esri en Octubre de 2011, y gracias a ello podemos ofreceros hoy en EsriBlog la presentación que compartieron con nosotros para que podáis saber algo más del proyecto:

Si como IMIDA quieres poner en marcha un proyecto de forma muy ágil, cuenta con nuestros contenidos como base. Lee en nuestra web todo lo que necesitas saber sobre MAPABase o contacta con nosotros.

Otros enlaces de interés:

A %d blogueros les gusta esto: