Por qué deberíamos estar protegiendo el territorio nacional y su biodiversidad con Inteligencia Artificial: el caso de la cuenca del río Santa Lucía
Por: MSc Francisco Piriz, Ingeniero de Investigación y Desarrollo en Digital Sense; en colaboración con PhD Javier Preciozzi, socio director en Digital Sense.
Un Contexto de Oportunidades
Uruguay forma parte de Digital Nations, donde entre otros 10 países alrededor del globo (como Israel, Corea, Nueva Zelanda e Inglaterra) lidera el cambio de la gestión pública a través de la adopción de tecnología digital.
En una búsqueda de mejorar los servicios al ciudadano, la transición hacia una administración de gobierno digital es clave. En ese sentido, desde Digital Sense venimos impulsando parte de este cambio, capacitando junto a AGESIC, solo en el último año, a 29 entidades públicas en materia de Inteligencia Artificial.
Un Claro Desafío
Un campo con potencial de trabajo en este sentido es el del cuidado y salvaguarda de nuestros recursos naturales, uno de los principales desafíos a los que se enfrentan hoy las naciones. En Uruguay, como en todas partes del mundo, se ha detectado el uso indiscriminado y extracción ilegal de recursos naturales. Esto representa un grave problema para la conservación de la biodiversidad del territorio, sus aguas y suelos circundantes.
En el último tiempo, se hizo de público conocimiento el caso de empresas privadas que desviaron un curso de agua natural ubicado en la cuenca del río Santa Lucía, de forma no autorizada, para facilitar la extracción de materia prima en beneficio propio. Esta acción, además de tener potencial impacto en la fuente de agua que abastece al 60% de la población del país¹, puede repercutir negativamente en el equilibrio ecológico y la biodiversidad del territorio.
En la actualidad, en Uruguay, el monitoreo de las aguas internas se lleva a cabo por personal de Prefectura que cada cierto tiempo circula en embarcaciones por arroyos y ríos. Este tipo de monitoreo tiene por principal inconveniente, además de los costos elevados de estas campañas, los tiempos involucrados, que en general no permiten detectar incidentes de forma temprana, con los grandes inconvenientes que esto conlleva.
Objetivo de la investigación
En Digital Sense combinamos nuestra experiencia en Machine Learning, Sensado Remoto y Procesamiento de Imágenes para brindar servicios de monitoreo de cultivos y agricultura de precisión.
En el caso del desvío del curso de agua en la cuenca del río Santa Lucía (zona ubicada a kilómetros de San Ramón, en las coordenadas 34°17'56"S, 55°52'28"W), el procesamiento y análisis de imágenes satelitales permite dar respuesta a varias interrogantes, que abordamos en este estudio:
- Existencia o no de un desvío artificial (por intervención humana) del curso de agua;
- De haber ocurrido, determinar en qué fechas comenzó la intervención;
- Cuantificar qué tan significativo fue el desvío artificial, comparado con las variaciones naturales del curso de agua a lo largo del tiempo;
- Posibilidad de detectar este tipo de desvíos de forma automática, eventualmente desplegando una alarma que permita actuar rápidamente y posibilite al Estado ahorro de costos y de tiempo de gestión pública.
Metodología
Con el fin de evaluar y probar el potencial de un control a través de imágenes satelitales de acceso libre y gratuito, desarrollamos un algoritmo capaz de realizar un seguimiento del cauce del curso de agua bajo inspección, y detectar cambios en su curso a través del tiempo.
La primera constatación que hicimos fue directamente gracias a la herramienta Google Earth. Las dos últimas fotos disponibles en el lugar del río en cuestión datan de febrero del 2018 y marzo del 2022:
Imágenes extraídas de Google Earth:
A diferencia de otras imágenes, las imágenes de Google Earth no se pueden descargar de forma gratuita, aspecto necesario para el procesamiento automático. Estas imágenes, que prueban al menos un cambio en estos últimos 4 años, nos motivan a automatizar la detección de estas evoluciones. Eso es lo que describimos a continuación.
La Clave: Los Datos
Para trabajar con imágenes satelitales, lo primero que tenemos que determinar es de cuáles imágenes disponemos, y cuáles son las más adecuadas para nuestro objetivo, teniendo en cuenta que partimos de la base de usar imágenes de acceso libre.
Existen distintos satélites que ponen a disposición sus observaciones. Estas observaciones varían desde imágenes ópticas (en las frecuencias de la luz visible), hasta imágenes que adquieren otras bandas del espectro electromagnético, como por ejemplo el infrarrojo (que brinda información térmica), o el infrarrojo cercano (NIR, por Near Infra Red) que presenta utilidad para el monitoreo de vegetación, entre otras. También existen satélites de observación terrestre que cargan con otro tipo de instrumentos, como radar y derivados, según el objetivo con el que fueron puestos en órbita.
Otro aspecto de gran importancia es la resolución espacial y temporal de estas observaciones. La resolución espacial puede ir desde el orden de un metro, o menos, hasta kilómetros, según cuales son los fenómenos que se buscan observar. De la misma forma tenemos satélites (o constelaciones de satélites) que revisitan un mismo lugar más de una vez por día, y otros con los que no contamos con más de una observación mensual.
Este estudio no es más que una rápida prueba de concepto, que no busca constituir un análisis exhaustivo de la metodología ni del tipo de dato óptimo a utilizar. El objetivo es simplemente ilustrar la viabilidad de este tipo de procedimiento. Para esto, utilizamos los datos del satélite Sentinel-2, de la Agencia Espacial Europea (ESA)².
Sentinel-2 es una constelación de satélites de observación terrestre, operada por la ESA. Estos satélites proporcionan imágenes de alta resolución de la superficie terrestre para aplicaciones en agricultura, gestión de desastres, gestión de recursos naturales y monitoreo del medio ambiente. Están equipados con cámaras multiespectrales de alta resolución que pueden capturar imágenes de la superficie terrestre en diferentes longitudes de onda.
En nuestro caso utilizamos las bandas espectrales que componen el espectro visible: rojo, verde y azul (RGB por sus siglas en inglés). También empleamos la banda NIR, que refleja la respuesta de la tierra ante una onda incidente de longitudes de onda próximas a las infrarrojas. Estas bandas tienen una resolución espacial de 10 metros. Satélites de la constelación Sentinel-2 sobrevuelan nuestra región de estudio aproximadamente una vez por semana.
¿Cómo podemos explotar y valorizar estos datos?
Combinando de determinada forma estas bandas, podemos exponer fenómenos o artefactos que no serían observables por el ojo humano. En este caso calculamos un índice llamado NDWI (Normalized Difference Water Index), que se obtiene de la combinación de las bandas verde y NIR:
NDWI = (Verde — NIR) / (Verde + NIR).
Como su nombre lo indica, esta combinación tiende a resaltar la presencia de agua en la superficie. Para ilustrar el potencial del NDWI en este caso, a continuación mostramos dos imágenes RGB de setiembre 2020 y setiembre 2021, y las imágenes de NDWI correspondientes.
En estas imágenes se puede observar en amarillo intenso la presencia del curso de agua. Ilustran claramente el potencial del NDWI para detectar y segmentar el curso de agua en cualquier fecha, e identificar los momentos en que hubo modificaciones importantes, si es que existieron.
Con este objetivo tomamos imágenes cada uno o dos meses, desde marzo 2020 hasta fines del año 2022, descartando imágenes con fuerte presencia de nubes, con el fin de identificar desvíos en el curso de agua. Con las imágenes NDWI, y un procesamiento basado en herramientas básicas de estadística y morfología matemática, obtenemos un seguimiento del río a lo largo de este período:
→ Imágenes RGB :
→ Imágenes extraídas de NDWI:
→ Imágenes RGB con detección de la cuenca automatizada:
En estas secuencias se puede identificar claramente que hubo una alteración del cauce del río, comenzando entre diciembre del 2020 y enero del 2021. En especial se observa un islote de arena que pasó del margen izquierdo al margen derecho del río.
A lo largo de esta evolución, podemos identificar cuatro períodos:
- Marzo 2020 — Diciembre 2020: cambios no son significativos, que responden a factores naturales (crecidas, etc.);
- Diciembre 2020 — Enero 2021: se observa por primera vez el nuevo curso del río, y como se cierra el pasaje anterior;
- Enero 2021 — Febrero 2021: estas transformaciones se acentúan y se engrosa el nuevo pasaje del río.
- Desde Febrero de 2021: el río se mantiene relativamente estable y su antiguo brazo se va secando progresivamente.
A continuación se muestran en imágenes estos cuatro períodos, haciendo la diferencia entre el curso del río al principio de cada período y al final del mismo. Las zonas azules representan las zonas en las que el río desapareció durante ese período, y las zonas amarillas representan las zonas que el río invadió en ese período.
Esta herramienta permite resaltar los cambios, principalmente entre diciembre del 2020 y febrero del 2021, donde el brazo amarillo indica el nuevo camino del río y en azul la parte cerrada.
Existen varias formas posibles de cuantificar estas observaciones. Una forma sencilla que usamos aquí a modo de ilustración, es graficar, como función del tiempo, la superficie (en hectáreas) que pasa de ser parte del cauce a no serlo y viceversa (la suma de las áreas pintadas de amarillo y de azul en la figura anterior). Podemos ver claramente un pico significativo que ocurre entre finales de 2020 y principios de 2021.
La evolución de esta métrica de cambios, que refleja el período de mayor afectación en el río, nos da pistas para poder estudiar el comportamiento estadístico de los ríos y poder automatizar la detección de estos cambios o de otros comportamientos anómalos.
Conclusiones
Hoy en día es posible monitorear de forma remota la totalidad del territorio nacional con el fin de proteger nuestros recursos naturales. Algoritmos automáticos de detección de cambios podrían estar enviando alertas de forma temprana cada vez que algo o alguien genere cambios en el territorio.
Un equipo de expertos en imágenes satelitales de Digital Sense desarrolló y validó esta solución a modo de prueba de concepto de lo que se podría hacer.
El hecho recién conocido en el que desde hace 2 años empresas privadas han estado alterando aguas y suelo nacional de forma ilegal, puede no ser un caso aislado. Aquí hay una evidencia clara de la relevancia de las tecnologías digitales avanzadas en la gestión pública. Parte de la solución está en entender el alcance e impacto positivo que la Inteligencia Artificial puede generar, y estar abiertos al cambio. Al final de cuentas, es el cambio contínuo el que nos ha diferenciado como nación en términos de transformación digital.
[1] MVOTMA, Estado de situación Cuenca del río Santa Lucía Montevideo, marzo 2015.
[2] Más información sobre los distintos tipos de información satelital de observación terrestre abierta, referimos a SkyWatch.
