Este programa computacional, que recibe e interpreta las fotos de Google Maps, muestra un plano detallado de la zona en estudio que permitiría predecir el clima, detectar cambios en cultivos agrícolas y monitorear el avance de la deforestación, entre otras variables.
La herramienta tecnológica fue diseñada por la ingeniera
electrónica Mónica Yolanda Moreno Revelo, de la Universidad Nacional de
Colombia (UNAL) Sede Manizales, quien asegura que el procesamiento de imágenes
satelitales a partir de técnicas computacionales es una herramienta útil para
monitorear de manera más detallada distintas zonas del país.
La aplicación, que inicialmente se hizo para computadores
por medio de los lenguajes Python y Mathlab, se probó en El Rosario (Nariño) y
Campo Verde (Brasil). Esta procesa el mapa de la zona analizada y con colores
muestra los tipos de coberturas y los cambios, por ejemplo si hubo
deforestación o si antes existieron árboles en esa zona.
La técnica propuesta permite analizar una imagen por pixeles
(unidades de color) y ver la presencia de una cobertura en un cultivo. “Se
trata de clasificar estas imágenes, ya que una inspección visual sería muy
ardua y costosa porque necesita trabajos de campo; además el análisis humano no
es tan preciso como la técnica computacional”, subraya.
Así mismo se pueden identificar los tipos de cultivos y
tener la información de la producción que habrá haciendo un análisis para
proyectar cómo van a variar los cultivos en el futuro, sabiendo si el terreno
es el adecuado o si se cultiva lo mismo en grandes cantidades, con el fin de
ayudar a disminuir el impacto ambiental.
“Analicé una zona sin tantas nubes y la idea es proporcionar
herramientas que le sirvan al Ideam o a organizaciones del medioambiente”,
asegura la ingeniera, quien busca aportar al desarrollo de su región.
Aplicación de las pruebas
Las pruebas se adelantaron sobre dos bases de datos. La
primera, sobre 11 cultivos diferentes (soya, maíz, algodón, sorgo, fríjol,
cultivos no comerciales, pasto, eucalipto, suelo, césped y cerrado) de regiones
de Brasil, y la segunda en coberturas boscosas nariñenses que representaron un
reto por estar cubiertas en su mayoría por nubes.
En Campo Verde se adquirieron las imágenes del satélite
Sentinel, se tomaron 16 imágenes entre 2015 y 2016, y con la ayuda de un
intérprete experto se etiquetó la base de datos en 11 clases diferentes para
513 zonas y un total de 679.355 pixeles.
Para El Rosario se recurrió al Landsat 8 y se trabajó con
datos adquiridos entre 2013 y 2019; se identificaron seis grupos: vegetación
herbácea, bosques, cultivos, zonas urbanizadas, pastos y zonas sin vegetación,
pero se analizaron solo bosque y suelo.
A estas bases les siguió un preprocesamiento, filtrado,
agrupación de imágenes, reconversión, recorte y conversión de niveles digitales.
Una vez aplicados los colores, se conocieron los mapas que expusieron el
proceso de transformación de cada territorio, como la aparición de la
deforestación o territorios regenerados.
Como apunte final, la investigadora planteó que aunque en el
municipio de El Rosario se notaron zonas deforestadas, la información es
limitada y se requiere de más etiquetas para corroborar los resultados
obtenidos. Su propuesta es realizar un nuevo trabajo aplicando estas técnicas
para conocer el índice de deforestación en todo el departamento de Nariño.
