Evaluating AlphaEarth and TESSERA Geospatial Embeddings for Machine Learning-Based Burned Area Mapping in Portugal

Resumen Técnico: Evaluación de los Embeddings Geoespaciales AlphaEarth y TESSERA para el Mapeo de Áreas Quemadas en Portugal

Planteamiento del Problema
El mapeo preciso de las áreas quemadas es crítico para la evaluación de daños por incendios forestales, la gestión post-incendio y el análisis de regímenes de fuego, particularmente en paisajes mediterráneos propensos al fuego como los de Portugal. Los enfoques tradicionales basados en satélites dependen de índices espectrales (p. ej., dNBR) derivados de imágenes ópticas emparejadas pre y post-incendio. Aunque son efectivos, estos métodos son operativamente exigentes, ya que requieren la selección de imágenes específicas para cada evento, enmascaramiento de nubes, composición temporal y diferenciación para cada incendio individual. Los conjuntos de datos de embeddings geoespaciales recientes, como AlphaEarth y TESSERA, ofrecen representaciones compactas y listas para usar de los datos de observación de la Tierra que podrían soportar la clasificación con menores requisitos de procesamiento. Sin embargo, su rendimiento relativo frente a los flujos de trabajo espectrales establecidos y su capacidad para generalizar ante eventos de incendio no observados aún no han sido evaluados suficientemente.

Metodología
El estudio evaluó los embeddings AlphaEarth y TESSERA frente a una línea base espectral de Sentinel-2 para la clasificación de áreas quemadas basada en aprendizaje automático. El marco experimental utilizó 20 eventos de incendios forestales seleccionados del catálogo oficial de áreas quemadas de 2024 del ICNF para Portugal, estratificados por tamaño de incendio para asegurar un conjunto de datos equilibrado.

• Muestreo de Datos: Se empleó un diseño de muestreo binario basado en puntos. Las muestras quemadas (clase 1) se generaron dentro de los perímetros oficiales de los incendios, mientras que las muestras no quemadas (clase 0) se extrajeron de un búfer externo adaptativo escalado al área del perímetro del incendio para mantener un soporte espacial comparable. La densidad de muestreo fue proporcional al tamaño del incendio, con un límite entre 100 y 5.000 puntos por clase.
• Pilas de Características (Feature Stacks): Se extrajeron tres representaciones de características para los puntos muestreados:
  1. AlphaEarth: Embeddings geoespaciales anuales de 64 dimensiones (variantes 2024 y 2025).
  2. TESSERA: Embeddings espectro-temporales de 12 de 128 dimensiones derivados de series temporales satelitales (variantes 2024 y 2025).
  3. Línea Base Espectral Sentinel-2: Una pila de 45 predictores que comprende 10 bandas originales, 5 índices espectrales (NDVI, NBR, NBR2, NDMI, BSI) y sus diferencias temporales (ventanas pre y post-incendio) para el año del incendio 2024.
• Aprendizaje Automático: Se evaluaron tres clasificadores supervisados—Random Forest (RF), Support Vector Machine (SVM) y Gradient Boosting (GB)—para todas las pilas de características.
• Estrategia de Validación: Se utilizó una validación cruzada rigurosa de cinco pliegues de tipo GroupKFold, agrupando las muestras por fire_id. Esto aseguró que ninguna muestra de un evento de incendio específico apareciera tanto en el conjunto de entrenamiento como en el de prueba, proporcionando una medida conservadora de la generalización a eventos de incendio no observados.
• Análisis: El rendimiento se evaluó mediante F1-score, precisión (precision), exhaustividad (recall), ROC-AUC e Intersección sobre Unión (IoU) basada en celdas. La importancia de las características se analizó mediante RF y LIME (para la línea base espectral), y se generaron mapas de predicción espacial para dos grandes eventos de incendio utilizando el modelo con mejor desempeño.

Resultos Clave

• Jerarquía de Rendimiento: La línea base espectral de Sentinel-2 logró el rendimiento general más alto, con un F1-score medio de 0.895 ± 0.027. Entre las representaciones basadas en embeddings, TESSERA superó consistentemente a AlphaEarth. TESSERA (SVM) alcanzó un F1-score medio de 0.860 ± 0.046, mientras que AlphaEarth (SVM) obtuvo 0.812 ± 0.083.
• Rendimiento de los Clasificadores: SVM generalmente produjo los mejores resultados en todas las pilas de características, aunque la brecha entre clasificadores fue menor que la brecha entre las representaciones de características.
• Estabilidad Temporal: Los embeddings del año del incendio (2024) superaron significativamente a los del año siguiente (2025). Para TESSERA, el F1-score cayó de 0.860 a 0.796 al usar datos de 2025; para AlphaEarth, cayó de 0.812 a 0.722.
• Importancia de las Características:
  • TESSERA: Mostró una baja estabilidad temporal en la importancia de las características, con solo una dimensión compartida entre los rankings de los 15 principales de 2024 y 2025, lo que sugiere una alta sensibilidad a los cambios espectro-temporales específicos de cada año.
  • AlphaEarth: Demostró una mayor consistencia temporal, con nueve dimensiones compartidas en los rankings de los 15 principales.
  • Línea Base Sentinel-2: El análisis LIME identificó el Normalized Burn Ratio diferenciado (dNBR) como la variable más predictiva, seguido de NBR2 post-incendio y las bandas de infrarrojo cercano, confirmando el fundamento físico del enfoque espectral.
• Mapeo Espacial: El modelo TESSERA/SVM produjo patrones de áreas quemadas espacialmente coherentes para dos grandes eventos de incendio (8.310 ha y 299 ha). Aunque el modelo reprodujo extensiones espaciales amplias, algunas áreas predichas se extendieron más allá de los perímetros oficiales, coincidiendo ocasionalmente con otros incendios cercanos en lugar de representar errores de comisión puros.

Significancia y Reivindicaciones
El artículo concluye que los embeddings geoespaciales son complementos escalables prometedores en lugar de reemplazos directos de los flujos de trabajo espectrales.

• Compromiso Operativo (Trade-off): Si bien la línea base espectral de Sentinel-2 diseñada específicamente sigue siendo la opción superior cuando se dispone de fechas de incendio precisas e imágenes adecuadas, TESSERA se acerca a este rendimiento sin requerir la diferenciación de imágenes específicas para cada evento. Esto hace que TESSERA sea particularmente útil en escenarios donde una única capa de características anual debe soportar la clasificación de múltiples eventos de incendio.
• Limitaciones: El estudio señala que los embeddings aún no igualan la precisión de las líneas base espectrales. Además, la evaluación se limitó a 20 eventos de un solo año, y la estrategia de validación no probó la transferibilidad temporal a través de diferentes temporadas de incendios. El IoU reportado es una aproximación basada en puntos de muestra, no una comparación completa de ráster a polígono.
• Direcciones Futuras: Los autores sugieren que el trabajo futuro debería centrarse en la validación completa de ráster a perímetro, la evaluación de la transferibilidad temporal y la exploración de pilas de características híbridas que combinen embeddings con características espectrales interpretables para equilibrar el rendimiento, la escalabilidad y la interpretabilidad.