Datos de satélite, incendios forestales y IA Protegiendo la industria vitivinícola ante los desafíos climáticos

Satellite data, forest fires, and AI protecting the wine industry from climate challenges.

Incendios forestales, humo, sequías… Mientras te preparas para disfrutar de un sorbo delicioso de tu copa de Sémillon australiano esta tarde, tómate un momento para reflexionar sobre el notable viaje de resiliencia que ha emprendido antes de embellecer tu mesa.

También puedes leer este artículo en el Blog de Ingeniería de Kablamo.

EL DESAFÍO DEL CLIMA: LA INTERSECCIÓN DEL CAMBIO CLIMÁTICO Y LA PRODUCCIÓN DE VINO

Clasificado como el quinto exportador mundial de vino, Australia ocupa un lugar destacado en el mundo del vino. El Valle de Hunter, la región vitivinícola más antigua de Australia situada a solo un par de horas al norte de Sídney, se enfrenta a un desafío considerable. Según el Atlas Climático de Wine Australia, se espera que esta región experimente un aumento promedio de temperatura de 2.3 grados Celsius en los próximos 50 años. Esto trae consigo patrones climáticos impredecibles y un riesgo creciente de incendios forestales impulsados por el calor cada vez más intenso. El Valle de Hunter ya se enfrenta a una mayor vulnerabilidad a los incendios forestales, una amenaza que se magnifica ante el cambio climático.

El riesgo no surge únicamente del impacto directo del fuego. Más allá de los viñedos que se ven directamente afectados por las llamas, el peligro también proviene del humo que emana de los incendios cercanos. “Tinte de humo”, un fenómeno que surge cuando las partículas de humo se adhieren a las pieles de las uvas, compromete la calidad del vino producido a partir de estas uvas, lo que conduce a importantes pérdidas en la cosecha.

• Cómo crear gráficos de mapas con Plotly
• Aprendizaje por Reforzamiento una Introducción Sencilla a la Iteración de Valor
• Crea un sistema de comentarios autogestionado con LangChain y OpenAI

A medida que se acerca el fenómeno de El Niño en el verano de 2023, existe una doble preocupación por el calor récord y la extrema aridez. La acumulación elevada de combustible, la sequedad, el clima propicio para los incendios y la actividad de los rayos aumentan colectivamente la probabilidad de incendios forestales frecuentes. En consecuencia, la convergencia de la sequía, la vegetación reseca y el calor sin precedentes podría poner en peligro la industria del vino. Mitigar tales riesgos requiere estrategias efectivas de prevención de incendios, una evaluación precisa de riesgos y esfuerzos estratégicos de reducción de peligros.

EL OJO VIGILANTE DE LA NATURALEZA: APROVECHANDO LOS DATOS DE SATELITE PARA LA EVALUACIÓN DE LA SALUD DE LA TIERRA

Los satélites desempeñan un papel fundamental en el conjunto de herramientas de los científicos, permitiéndoles monitorear la atmósfera, el terreno y los océanos de la Tierra. El Sentinel-2, un componente del Programa Copérnico Europeo nombrado en honor al astrónomo polaco Nicolás Copérnico, es una misión de observación de la Tierra que captura imágenes ópticas con una alta resolución espacial (que varía de 10 a 60 metros) tanto en tierra como en aguas costeras. Con una constelación de dos satélites en órbita polar, el Sentinel-2 proporciona datos cada 5 días.

El Sentinel-2 utiliza sensores de infrarrojo cercano, visible y de infrarrojo de onda corta en 13 bandas espectrales. Aquí, una composición de color combina algunas de las bandas espectrales: las bandas visibles de color rojo, verde y azul, con los correspondientes canales rojo, verde y azul, asemejando lo que verías con el ojo humano.

Estas 13 bandas facilitan el cálculo de índices que estiman la salud de la vegetación, detectan cambios en el paisaje e incluso estiman el riesgo de incendios forestales. Uno de los índices invaluables derivados de las bandas espectrales del Sentinel-2 es el Índice de Vegetación Mejorado (EVI). Diseñado para mejorar la visibilidad de la vegetación al tiempo que minimiza las interferencias atmosféricas, el EVI ofrece información sobre la salud de la vegetación. Una vegetación sana, verde e hidratada corresponde a valores más altos de EVI, mientras que una vegetación más seca y menos saludable, indicativa de un riesgo de incendio forestal, corresponde a valores más bajos de EVI.

Una divergencia ilustrativa es visible en la comparación entre una vegetación poco saludable y seca durante la temporada de incendios forestales de Australia 2019-20 (Verano Negro) y una vegetación floreciente en diciembre de 2021.

El color amarillo indica vegetación muy saludable, mientras que el verde oscuro indica vegetación poco saludable.

EVI proporciona una medida cuantitativa de la salud de la vegetación, permitiendo a las bodegas hacer un seguimiento de la condición general de sus viñedos en su totalidad, en lugar de viñas individuales. Esto puede ayudar a identificar signos tempranos que podrían no ser inmediatamente evidentes a simple vista. Al rastrear las tendencias de EVI a lo largo del tiempo y compararlas con datos históricos, podemos identificar condiciones de sequía temprano y alertar a los administradores de los viñedos para que tomen las medidas adecuadas. Al analizar EVI junto con datos de humedad del suelo, podemos desarrollar estrategias de riego que aseguren un uso eficiente del agua y eviten el riego excesivo o insuficiente. Los datos de EVI también pueden detectar signos tempranos de enfermedades potenciales que afectan a los viñedos: una vegetación poco saludable podría indicar la presencia de plagas o enfermedades.

DE PÍXELES A PRECISIÓN: REFINANDO EL ANÁLISIS: EXAMEN DE CAMPOS INDIVIDUALES CON IA

Superando las evaluaciones regionales, es posible realizar una evaluación más precisa de campos individuales. Dada la escasez de datos etiquetados, se adopta un enfoque no supervisado para categorizar campos agrícolas similares en función de su EVI y bandas espectrales básicas. Este enfoque se basa en la suposición de que los tipos de plantas similares exhiben respuestas análogas a los cambios ambientales.

Dado que no tenemos conocimiento de los límites exactos de los campos, podemos utilizar el algoritmo de aprendizaje automático no supervisado, K-means clustering, para dividir los puntos de datos no etiquetados en K grupos basados en su similitud. En el contexto de los datos de Sentinel-2, K-means facilita la agrupación de píxeles similares según sus características espectrales y valores de EVI.

El resultado de K-means clustering son etiquetas de grupo que asignan cada punto de datos a uno de los K grupos. K-means es básicamente como clasificar bolas de colores en grupos encontrando sus colores promedio. En el ámbito de los datos de Sentinel-2, estas etiquetas sirven para identificar áreas caracterizadas por atributos espectrales similares. Estas áreas luego pueden someterse a un examen más detallado para obtener información valiosa, como la clasificación del uso de la tierra y el monitoreo ambiental, y como entrada para el algoritmo de segmentación.

Con el fin de extraer campos individuales para una resolución aún mayor que facilite el análisis de campos individuales, podemos utilizar el algoritmo de Felzenszwalb, una técnica de segmentación ampliamente empleada en el procesamiento de imágenes y visión por computadora.

Este algoritmo funciona como una herramienta de segmentación ascendente, agregando píxeles con características similares y proximidad espacial en segmentos o regiones. Es como dibujar líneas alrededor de cuadrados de colores similares en una imagen para crear formas. Este método facilita la extracción y el análisis de campos individuales para investigaciones futuras, como la gestión de la agricultura de precisión, la predicción del rendimiento de los cultivos o la evaluación del riesgo de campos individuales.

ESTIMACIÓN DEL RIESGO DE INCENDIO FORESTAL: UNA APLICACIÓN AVANZADA DE DATOS DE SATÉLITE

Existe el potencial de utilizar datos de satélite en la gestión proactiva de incendios forestales. Las imágenes de satélite nos permiten evaluar tanto campos individuales como regiones enteras en cuanto a su susceptibilidad a incendios forestales y, con el poder de la IA, predecir la salud de la vegetación, las condiciones de sequía y los brotes de enfermedades.

La Estimación del Riesgo de Incendio Forestal se puede calcular utilizando el índice EVI mencionado anteriormente, junto con otros índices calculados a partir de bandas de satélite, como el Índice Normalizado de Agua (indicativo de la presencia de agua líquida), el Índice Normalizado de Quemaduras (utilizado para identificar áreas quemadas y cuantificar la gravedad de la quema) y la temperatura superficial actual.

Además, estos índices y datos satelitales desempeñan un papel crucial en ayudar a las agencias estatales y federales a mejorar la resiliencia de la industria, planificar la preparación para desastres y preposicionar la asignación de recursos para actividades de recuperación. Este enfoque colaborativo asegura la preservación no solo de la industria vitivinícola del Valle del Hunter, sino también de otros sectores vitales vulnerables a los desafíos planteados por nuestro clima cambiante rápidamente.

We will continue to update Zepes; if you have any questions or suggestions, please contact us!