Advancing Earth Observation Through Machine Learning: A TorchGeo Tutorial

Este artículo presenta una tutoría que demuestra cómo utilizar la biblioteca TorchGeo para implementar flujos de trabajo de aprendizaje automático en observación terrestre, ilustrando su aplicación práctica mediante un estudio de caso sobre la segmentación de aguas superficiales en imágenes Sentinel-2.

Lo esencial

Imagina que el aprendizaje automático (Machine Learning) es como un chef experto que sabe cocinar platos deliciosos con ingredientes estándar: tomates, huevos, harina. Este chef está acostumbrado a trabajar en una cocina pequeña y ordenada, donde todo está ya cortado, pesado y listo para usar.

Ahora, imagina que quieres que ese mismo chef cocine con ingredientes de la Tierra (imágenes satelitales). Aquí es donde las cosas se complican:

1. Los ingredientes son gigantes: En lugar de un tomate, tienes un mapa del tamaño de un país entero.
2. Los ingredientes vienen en diferentes idiomas: Un mapa está en "metros", otro en "grados", y las etiquetas (dónde está el agua) vienen en un formato de dibujo vectorial, no en una foto.
3. El chef no puede ver todo a la vez: Su cocina (la memoria de la computadora) es demasiado pequeña para guardar todo el mapa de una sola vez.

El problema: Si intentas usar las herramientas normales de cocina (las que usa el chef para fotos de gatos o perros) para cocinar con estos ingredientes gigantes, todo se desmorona. Necesitas un nuevo tipo de cocina.

La Solución: TorchGeo (El "Kit de Herramientas para Cocineros Satelitales")

Este artículo presenta TorchGeo, que es como un kit de herramientas mágico diseñado específicamente para chefs que quieren cocinar con datos de la Tierra. En lugar de obligar al chef a aprender a ser un ingeniero de mapas, TorchGeo le da las herramientas para que pueda trabajar de forma natural.

El artículo es básicamente un taller práctico (un tutorial) que enseña dos cosas:

1. Las Herramientas Básicas (El "Cómo")

El tutorial te enseña a usar tres trucos principales de este kit:

• El Superpoder de la "Intersección" (La Búsqueda de Coincidencias):
  Imagina que tienes dos capas de papel transparente. Una tiene fotos de la selva y la otra tiene un mapa de dónde hay árboles. A veces no se superponen perfectamente.

  • Sin TorchGeo: Tendrías que recortar manualmente cada pedazo para que coincidan.
  • Con TorchGeo: Solo usas un símbolo mágico (como un signo de "&") y el kit automáticamente busca solo las áreas donde ambas capas existen. Es como si el kit dijera: "Solo me importa donde tenemos foto Y mapa al mismo tiempo".

• El Cortador de Porciones (El "Slicer" Geográfico):
  Como no puedes cargar todo el mapa en la memoria, necesitas tomar "trozos" (como si cortaras una pizza).

  • Sin TorchGeo: Tendrías que cortar la pizza entera en mil pedazos antes de empezar a cocinar (lo cual tarda horas y ocupa mucho espacio).
  • Con TorchGeo: El kit tiene un cuchillo inteligente. Solo corta el trozo que necesitas justo en el momento en que el chef lo pide. Si el chef quiere un trozo de la selva amazónica, el kit va, corta ese pedazo específico y se lo entrega. ¡Nada de desperdicio!

• El Entrenador de la Cocina (El "Sampler"):
  Para entrenar al chef, necesitas darle muchos ejemplos.

  • Para entrenar: El kit le da trozos al azar de todo el mundo (como un sorteo) para que el chef aprenda de todo.
  • Para probar: El kit le da trozos ordenados, uno tras otro, para verificar si el chef realmente sabe cocinar sin trampas.

2. El Gran Proyecto: Encontrar Agua en Río de Janeiro (El "Qué")

La segunda parte del tutorial es una aventura real. Los autores usan estas herramientas para resolver un problema concreto: Encontrar agua en imágenes satelitales.

• El Reto: Tienen imágenes del satélite Sentinel-2 (que toma fotos de la Tierra con muchos colores, no solo rojo, verde y azul) y quieren saber dónde está el agua.
• El Truco: Como las imágenes tienen muchos colores (canales espectrales), el modelo de inteligencia artificial normal (que solo espera 3 colores) se confunde. El tutorial enseña cómo "adaptar" el cerebro del modelo para que acepte esos colores extra y, además, cómo añadirle "gafas especiales" (índices matemáticos) para que vea el agua más claramente.
• El Resultado: Entrenan al modelo y luego lo envían a Río de Janeiro.
  • Imagina que el modelo es un explorador que camina sobre la ciudad, trozo por trozo, mirando cada rincón.
  • Donde ve agua, pinta el mapa de azul.
  • Al final, guardan todo ese mapa pintado como un archivo digital (GeoTIFF) que los científicos pueden usar para ver inundaciones, ríos o cambios en el clima.

¿Por qué es importante esto?

Antes, hacer esto requería ser un experto en programación, matemáticas y geografía al mismo tiempo. Tenías que escribir cientos de líneas de código solo para alinear los mapas.

TorchGeo es como traducir un idioma complejo a uno simple. Permite que cualquier científico o estudiante pueda decir: "Quiero entrenar una IA para ver el agua en Brasil", y el kit hace todo el trabajo sucio de alinear mapas, cortar trozos y preparar los datos.

En resumen: Este artículo es un manual de instrucciones para convertir a un chef de cocina normal en un chef de la Tierra, usando un kit de herramientas que hace que cocinar con mapas gigantes sea tan fácil como hacer una tostada.

Resumen técnico

Aquí tienes un resumen técnico detallado del artículo en español, estructurado según los puntos solicitados:

Resumen Técnico: Avanzando en la Observación Terrestre mediante Aprendizaje Automático: Un Tutorial con TorchGeo

1. El Problema
El artículo identifica una brecha fundamental entre los flujos de trabajo estándar de visión por computadora y los pipelines de aprendizaje automático (ML) aplicados a la observación terrestre (EO). A diferencia de las imágenes naturales, los datos de EO presentan desafíos únicos:

• Estructura de datos: Las imágenes se entregan como escenas grandes y georreferenciadas (a menudo multibanda), mientras que las etiquetas pueden ser máscaras raster o geometrías vectoriales en sistemas de referencia de coordenadas (CRS) y resoluciones espaciales distintas.
• Complejidad operativa: Los pipelines requieren operaciones no estándar en visión artificial, como reproyectar y remuestrear capas a una cuadrícula común, muestrear "chips" alineados geográficamente de escenas que exceden la memoria, y crear divisiones de entrenamiento/validación/prueba separadas espacialmente para evitar el filtrado de etiquetas (label leakage).
• Fricción en la implementación: Incluso con arquitecturas estándar (como redes de segmentación semántica), se requiere un trabajo específico del dominio significativo para alinear correctamente entradas y objetivos, asegurando que los protocolos experimentales sean espacialmente significativos y reproducibles.

2. Metodología
El artículo presenta un tutorial práctico basado en TorchGeo, una biblioteca de dominio para PyTorch diseñada para manejar metadatos geoespaciales. La metodología se divide en dos notebooks ejecutables de Python:

• Introducción a TorchGeo (Abstracciones Principales):

  • Conjuntos de datos composables: Uso de operadores de unión (|) e intersección (&) para combinar múltiples capas de imágenes (ej. mosaicos de sensores) y máscaras de etiquetas, restringiendo el muestreo solo a las regiones donde ambas existen.
  • Indexación espacio-temporal: Capacidad de recortar grandes rasters utilizando coordenadas proyectadas y marcas de tiempo, sin necesidad de preprocesamiento manual.
  • Muestreadores Geográficos: Integración con DataLoader de PyTorch mediante muestreadores como RandomGeoSampler (para entrenamiento, evitando el pre-tiling pesado) y GridGeoSampler (para inferencia y evaluación).

• Caso de Estudio: Segmentación de Agua Superficial:

  • Datos: Utilización del conjunto de datos Earth Surface Water con imágenes Sentinel-2 y máscaras binarias de agua.
  • Preprocesamiento: Aplicación de transformaciones de escala de reflectancia, cálculo de estadísticas globales (media/desviación) y adición de índices espectrales (NDWI, NDVI) como canales adicionales. Se implementa una normalización que preserva los índices calculados mientras normaliza las bandas del sensor.
  • Adaptación del Modelo: Uso de DeepLabV3 con backbone ResNet-50. Se adapta la primera capa convolucional para aceptar un número de canales mayor a 3 (6 bandas espectrales + 3 índices), re-inicializando los pesos para este nuevo input.
  • Entrenamiento: Entrenamiento desde cero (sin pesos preentrenados de ImageNet) durante 10 épocas con un optimizador AdamW.

3. Contribuciones Clave

• Tutorial Práctico: Proporciona una guía paso a paso que demuestra cómo resolver problemas comunes en EO (alineación de CRS, manejo de datos multiespectrales, división espacial de datos) utilizando TorchGeo.
• Flujo de Trabajo de Extremo a Extremo: Demuestra un pipeline completo que va desde la carga de datos crudos hasta la inferencia en una escena real y la exportación de resultados.
• Inferencia en Cuadrícula y Exportación: Muestra cómo ejecutar inferencia en una cuadrícula de parches superpuestos sobre una escena Sentinel-2 real (Rio de Janeiro) y guardar las predicciones como un GeoTIFF georreferenciado, listo para análisis geoespacial posterior.
• Estandarización: Promueve el uso de abstracciones que mantienen el código de modelado cercano a las prácticas estándar de PyTorch, reduciendo la barrera de entrada para investigadores en EO.

4. Resultados

• Rendimiento del Modelo: El modelo entrenado logró una precisión global (Overall Accuracy) de 0.977 y un IoU (Intersección sobre Unión) de 0.824 en el conjunto de validación.
• Aplicación Real: Se ejecutó el modelo en una escena de Sentinel-2 capturada sobre Rio de Janeiro el 01/02/2026.
• Visualización: Las predicciones (visualizadas en azul en la Figura 1) demostraron una alineación precisa con los píxeles de entrada, permitiendo a los usuarios evaluar visualmente los límites del modelo (ej. precisión en costas y ríos) más allá de las métricas de prueba.

5. Significancia
Este trabajo es crucial para la comunidad de aprendizaje automático en observación remota porque:

• Reduce la fricción técnica: Elimina la necesidad de escribir código personalizado complejo para la gestión de metadatos geoespaciales, reproyección y muestreo.
• Facilita la reproducibilidad: Al estandarizar cómo se manejan las divisiones de datos espaciales y la alineación de coordenadas, mejora la reproducibilidad de los experimentos en EO.
• Puente hacia la aplicación real: Al incluir la exportación de GeoTIFFs, cierra la brecha entre el entrenamiento de modelos de ML y su utilidad práctica en análisis geoespacial y toma de decisiones, permitiendo a los investigadores explorar los límites de sus modelos en escenarios del mundo real.
• Escalabilidad: La biblioteca soporta más de 140 conjuntos de datos y se integra con PyTorch Lightning, facilitando la escalabilidad de proyectos de investigación.