Modele de machine learning pe date satelitare pentru detecție

Detecția lucrurilor din spațiu — clădiri, nave, panouri solare, fronturi de defrișare, extinderea inundațiilor, exploatări miniere ilegale — însemna, până nu demult, un analist care digitiza manual, cu migală, fiecare element. Machine learning-ul schimbă complet economia acestei munci: scalează detecția pe continente întregi și pe cicluri de revizitare pe care nicio echipă umană nu le-ar putea acoperi manual. Dar modelul nu este decizia interesantă. Decizia interesantă este sarcina (task-ul), pentru că ea dictează arhitectura, datele de antrenare și standardul de probă de care ai nevoie înainte ca cineva să aibă încredere în rezultat.

Pornește de la sarcină, nu de la model

Aproape fiecare solicitare operațională pe care o primim se încadrează într-unul dintre câteva tipuri de sarcini de computer vision. Alegerea celei potrivite este prima și cea mai consecventă decizie de proiectare.

Clasificarea scenei

Cea mai simplă sarcină: atribuirea unei singure etichete unei întregi dale de imagine. Este acest fragment pădure, zonă urbană, apă, teren agricol? Clasificarea scenei este rapidă și ieftină și este adesea suficientă atunci când ai nevoie de o acoperire grosieră, integrală, sau de un filtru de primă trecere înainte de a rula ceva mai greu.

Segmentarea semantică

Segmentarea etichetează fiecare pixel, exact ce îți trebuie pentru fenomene continue: acoperirea terenului, tipul de cultură, rețele de drumuri, apă, urme de incendiu, extinderea inundațiilor. Arhitecturile de bază sunt rețelele encoder–decoder precum U-Net, DeepLabv3+ și SegFormer. Este aceeași familie de modele care stă în spatele abordării moderne pentru clasificarea acoperirii terenului și detecția schimbărilor, unde ieșirea per-pixel este tocmai scopul.

Detecția de obiecte și segmentarea de instanțe

Atunci când trebuie să găsești și să delimitezi lucruri discrete — clădiri individuale, vehicule, nave, aeronave, rezervoare de stocare, panouri solare, așezări informale, exploatări miniere sau forestiere ilegale — treci la detecția de obiecte și segmentarea de instanțe. Aici domină familia YOLO și Faster/Mask R-CNN. Imaginile de survol au o particularitate: obiectele apar la rotații arbitrare, astfel încât detectoarele cu casete de încadrare orientate (oriented bounding boxes), care prezic un unghi de rotație, depășesc substanțial casetele aliniate pe axe la lucruri precum vehicule înghesuite sau nave la chei.

Detecția schimbărilor și a anomaliilor

Detectarea a ceea ce este diferit între două date este o sarcină de sine stătătoare. Rețelele siameze compară perechi de imagini co-înregistrate și semnalează construcții noi, defrișări sau daune produse de dezastre. Detecția de anomalii merge mai departe, scoțând la suprafață evenimente rare, inedite, pe care niciun set de etichete nu le-a anticipat — utilă tocmai atunci când nu poți enumera în avans ce cauți.

Trecerea către modelele fundaționale

Schimbarea mai amplă care remodelează domeniul este apariția modelelor fundaționale geospațiale: rețele preantrenate pe arhive uriașe, neetichetate, de observare a Pământului, apoi ajustate (fine-tuned) pentru o sarcină specifică cu doar câteva etichete. Beneficiul practic este eficiența etichetării, iar acest lucru este decisiv pentru problemele de detecție de nișă unde etichetele de antrenare aproape că nu există.

Setul de lucru actual care merită numit include:

• Prithvi și Prithvi-EO-2.0 (NASA și IBM) — un Vision Transformer antrenat pe imagini Harmonized Landsat–Sentinel, cu intrări temporale și multi-bandă.
• Clay — un model open-source, multi-senzor.
• SatMAE — o abordare de tip masked-autoencoder pentru imagini satelitare.
• TerraMind (IBM și ESA) — antrenat comun pe date optice, SAR și de elevație.
• AlphaEarth Foundations (Google DeepMind) — produce embedding-uri reutilizabile pentru cartografiere globală din etichete rare.
• Segment Anything Model (Meta), adaptat pentru uz geospațial — permite extragerea de elemente pe bază de prompt.

O precizare onestă se impune aici: niciun model nu domină. Alegerea potrivită depinde de senzor, de rezoluția spațială și de sarcină. Un model care excelează la acoperirea optică a terenului în Europa poate fi punctul de plecare greșit pentru cartografierea inundațiilor cu SAR în zona tropicală. Tratează modelul fundațional ca pe un prior puternic și eficient în etichetare — nu ca pe o garanție.

Un overlay interactiv de detecție

Cel mai clar mod de a comunica ce produc aceste modele este să îl arăți. Un overlay de detecție — să zicem, clădiri sau panouri solare detectate desenate peste o scenă reală, sau o glisare de segmentare înainte/după — face ieșirea lizibilă într-un mod în care tabelele de acuratețe nu reușesc. Detaliul critic este că o ieșire bună de model nu este o hartă de căldură sau un raster colorat; sunt vectori GIS curați: poligoane închise cu atribute, gata de interogat, măsurat și îmbinat cu alte date. La Cartolytic construim exact acest tip de demonstrații interactive, clar etichetate, astfel încât factorii de decizie să vadă detecțiile ca straturile de hartă analizabile cu care vor lucra efectiv, și nu ca pe o imagine de tip cutie neagră. Este același argument pe care îl facem pentru hărțile web interactive în locul rapoartelor statice.

Un flux de lucru care rezistă la scrutin

Scalarea detecției are valoare doar dacă rezultatele sunt de încredere, iar încrederea vine din fluxul de lucru, nu din fișa modelului. Secvența pe care o respectăm:

1. Definește ținta cu precizie. Ce contează drept pozitiv? Cazurile-limită îți decid schema de etichetare și metricile.
2. Procură imagini la rezoluție și revizitare adecvate. Nu poți detecta o mașină în pixeli Sentinel-2 de 10 m; nu poți monitoriza schimbări zilnice cu un mozaic anual. Alegerea senzorului este o constrângere dură, nu o preferință.
3. Etichetează — sau împrumută embedding-uri. Fie adnotezi un set de antrenare, fie ajustezi un model fundațional preantrenat, bazându-te pe embedding-urile sale pentru a reduce costul etichetării.
4. Ajustează (fine-tune) pentru sarcina și geografia specifice.
5. Validează cu atenție cu metricile potrivite — precizie, recall, mAP pentru detecție, IoU pentru segmentare — pe un set de test reținut spațial.
6. Desfășoară la scară cu inferență GPU pe dale, apoi post-procesează predicțiile în straturi GIS vectoriale curate.

Pasul de validare are cea mai mare greutate și este cel mai des făcut greșit. Autocorelația spațială înseamnă că pixelii apropiați nu sunt independenți, așa că o împărțire naivă, aleatorie, între antrenare și test scurge informație peste graniță și flatează modelul cu scoruri optimiste. O împărțire blocată spațial — reținând regiuni întregi — este singura modalitate onestă de a estima cât de bine generalizează modelul pe teren pe care nu l-a văzut niciodată.

Surse de date

Deschise și publice

• Imagini: Sentinel-2, Sentinel-1 SAR, Landsat, HLS (Harmonized Landsat–Sentinel), NAIP.
• Seturi de antrenare etichetate: SpaceNet (clădiri/drumuri), xView și xView2 (obiecte/daune), DOTA (obiecte orientate), BigEarthNet, EuroSAT, fMoW, Sen1Floods11, EuroCrops.
• Cataloage: Radiant MLHub / Source Cooperative, Hugging Face, Microsoft Planetary Computer, Google Earth Engine.

Comerciale

• Imagini de rezoluție mai mare / revizitare mai frecventă pentru detecția de obiecte: Planet, Maxar, Airbus, Satellogic.
• SAR comercial: Capella, ICEYE, Umbra.
• Servicii de etichetare: Kili, Scale, Labelbox.

Instrumente

• TorchGeo, Raster Vision, TerraTorch (pentru fine-tuning Prithvi), segment-geospatial (SamGeo), eo-learn.
• PyTorch și TensorFlow.
• Pluginul QGIS Deepness, Google Earth Engine.

Unde se încadrează

Machine learning-ul scalează dramatic detecția, dar completează expertiza de domeniu și controlul calității, nu le înlocuiește. Monitorizarea continuă și automată din spatele unui MRV (măsurare, raportare și verificare) credibil de carbon — genul care susține activitatea noastră privind credite de carbon precise la Chaco Vivo — se sprijină direct pe această conductă, dar numai pentru că fiecare detecție este ținută la același standard de probă care face defensabilă o hartă de conformitate. Iar straturile vectoriale pe care le produc aceste modele rareori stau singure; ele devin intrări pentru compromisurile ponderate ale analizei multicriteriale de decizie, unde detecția devine dovadă, iar dovada devine decizie. Modelul este puternic. Rigoarea este cea care îl face utilizabil.