El modelo de base de código abierto, Prithvi-EO-2.0, fue desarrollado conjuntamente con el Centro de Supercomputación Jülich de Alemania y muestra un rendimiento mejorado en una variedad de tareas de mapeo ambiental.
El último modelo básico de IBM y la NASA para analizar datos geoespaciales ya está disponible. La versión ampliada ha mejorado el rendimiento en tareas de mapeo que implican la transformación de datos satelitales sin procesar en imágenes del cambiante paisaje de la Tierra.
Con 600 millones de parámetros, Prithvi-EO-2.0 es seis veces más grande que su predecesor, que era el modelo de IA geoespacial más grande del mundo cuando se lanzó en agosto de 2023. Fue entrenado previamente en colaboración con el Centro de Supercomputación Jülich de Alemania en un conjunto de datos geográficamente más extenso e incluye incrustaciones que capturan relaciones ricas en los datos que se extienden a través del tiempo y el espacio.
“Prithvi 2.0 ahora puede capturar mejor los procesos a largo plazo temporada por temporada, y también asimilar información de alta resolución”, afirmó Paolo Fraccaro, investigador de IBM que dirigió el equipo que desarrolló Prithvi-EO-2.0. Estas innovaciones se detallan en un nuevo informe técnico en ArXiv.
Prithvi-EO-2.0 está disponible en Hugging Face y en el kit de herramientas TerraTorch de IBM como parte de la iniciativa de la Oficina del Director de Datos Científicos de la NASA para hacer que los datos satelitales sean más accesibles a través de nuevas tecnologías. Prithvi-EO-2.0, que se entrenó con 4,2 millones de puntos de datos del conjunto de datos Harmonized Landsat and Sentinel (HLS) de la NASA, superó a otros modelos geoespaciales en el marco GEO-bench , que evalúa qué tan bien los modelos de IA pueden clasificar y segmentar imágenes satelitales.
Los datos de HLS se capturan con una resolución de 30 metros por píxel, pero Prithvi 2.0 puede acercarse mucho más y detectar cultivos y especies de árboles en imágenes satelitales, y ganado y paneles solares en datos de drones. En general, Prithvi 2.0 logró una puntuación promedio de 75,6 % en GEO-bench, una mejora del 8 % con respecto al modelo anterior.
Los investigadores de IBM atribuyen la mejora a la participación temprana de los expertos de la NASA, que ayudaron a diseñar el modelo, recopilar sus datos de entrenamiento y medir su rendimiento. Los expertos de la NASA también introdujeron nuevas aplicaciones, entre ellas la estimación del flujo de carbono, la detección de deslizamientos de tierra y la clasificación de la cobertura terrestre, a diferentes escalas.
“Esperamos que este espíritu de colaboración abierta pueda ser un modelo para desarrollar otras herramientas destinadas a desbloquear conjuntos de datos muy grandes”, dijo Juan Bernabé-Moreno, director de IBM Research Europe, quien también lidera iniciativas de investigación en clima y sostenibilidad.
Para reconocer este último hito, los investigadores de IBM aplicaron Prithvi a tareas relacionadas con el clima en tres continentes: en la Amazonia boliviana, en la costa de España y en una ciudad del noreste de Estados Unidos. Estos son solo algunos ejemplos de cómo Prithvi puede ayudarnos a comprender mejor nuestro planeta en evolución.
Deforestación de la Amazonia
Los árboles tienen una enorme influencia en la salud de nuestro planeta. Absorben el exceso de dióxido de carbono de la atmósfera, ayudan a regular el clima y proporcionan hábitat al 80% de las especies terrestres. En sus hojas y raíces, y en el suelo que se encuentra debajo, se encuentran 860 gigatoneladas de carbono, el equivalente a un siglo de emisiones industriales de carbono.
A nivel mundial, los bosques están sometidos a una presión cada vez mayor debido a una población cada vez más urbanizada. En los trópicos, la demanda de madera y tierras agrícolas ha provocado una erosión constante de los bosques tropicales, que albergan millones de especies que no se encuentran en ningún otro lugar. Se ha propuesto un sistema de créditos de carbono que pague a la gente por proteger el bosque en lugar de talarlo como una forma de reducir la deforestación. Pero el sistema sólo puede funcionar realmente si existe una forma de verificar que el bosque se mantiene intacto.
Con este fin, IBM afinó Prithvi para estimar la altura de la cubierta vegetal a partir de imágenes satelitales de la NASA y la Agencia Espacial Europea (ESA). En esta animación que abarca el período 2016-2024, se puede ver cómo una franja de tierra en Bolivia pasa de una cubierta vegetal de color verde oscuro a áreas desarrolladas en blanco y verde claro que corresponden a caminos, edificios y cultivos. El modelo de altura de la cubierta vegetal ajustado ahora está disponible a través de IBM Granite.
Las catastróficas inundaciones repentinas de Valencia
Las lluvias torrenciales que cayeron en el este de España el 29 de octubre de 2024 provocaron inundaciones repentinas que se cobraron más de 200 vidas. En solo ocho horas, cayó más lluvia en la región de Valencia de lo que suele caer en un año. IBM trazó un mapa de la extensión de las inundaciones utilizando un modelo de base geoespacial creado con la NASA y ajustado con datos del satélite Sentinel de la NASA para España.
https://www.youtube.com/embed/5eZ0csoiduY?loop=0&enablejsapi=1&origin=https%3A%2F%2Fresearch.ibm.com&widgetid=3Al utilizar Prithvi 2.0 para combinar datos satelitales y de radar de Sentinel 1 y 2, los investigadores de IBM pudieron atravesar las nubes y medir la extensión de las inundaciones en Valencia. Imagen cortesía de Anne Jones/IBM Research, con el apoyo del Hartree National Centre for Digital Innovation, una colaboración entre IBM y el Science and Technology Facilities Council del Reino Unido.
El mal tiempo impidió parcialmente la visión de las inundaciones del Sentinel-2, pero las imágenes de radar del Sentinel-1 atravesaron las nubes para captar la magnitud total de los daños. Combinando los datos de ambos satélites, el modelo de inteligencia artificial de IBM y la NASA estimó que la extensión de las inundaciones era de unos 120 kilómetros cuadrados. Los investigadores de IBM estiman que la precisión de su mapa es aproximadamente un 30% mayor que la de un mapa tradicional dibujado únicamente con los datos del Sentinel-2. El nuevo modelo de detección de inundaciones ya está disponible a través de IBM Granite.
Islas de calor de Baltimore
El cambio climático está aumentando las temperaturas a nivel mundial, pero las ciudades en particular están sintiendo el calor. Los edificios y las superficies pavimentadas atrapan la energía del sol, creando » islas de calor » que pueden sentirse 20 °F más calientes que los lugares con más árboles y vegetación.
Según el centro de investigación sin fines de lucro Climate Central, Baltimore es una de las ciudades con mayor riesgo de sufrir calor extremo en Estados Unidos. El verano pasado, la ciudad sufrió varios episodios de calor prolongado que no solo pusieron en peligro la salud pública, sino que también sobrecargaron la red eléctrica, lo que contribuyó a los apagones.
A medida que el planeta continúa calentándose, el seguimiento del calor en lugares como Baltimore será vital para los esfuerzos de respuesta inmediata, así como para las medidas de mitigación del calor a largo plazo, como la plantación de árboles. Si bien el satélite Landsat de la NASA captura las temperaturas de la superficie terrestre a una escala de 30 metros por píxel, solo pasa sobre Baltimore dos veces al mes. Otros satélites de la NASA pasan diariamente, pero su resolución de grano grueso no capta detalles importantes.
Prithvi ofrece lo mejor de ambos mundos con mapas horarios a escala ampliada de imágenes Landsat. En la animación anterior, del 30 de julio al 1 de agosto de 2023, Baltimore sufrió una ola de calor de tres días, mientras que los suburbios más frondosos se mantuvieron relativamente frescos. El modelo de temperatura de la superficie terrestre ajustado ahora está disponible a través de IBM Granite. IBM Blog. Traducido al español
Contacto