AndesDataCube: Desarrollo de algoritmos de inteligencia artificial para la cuantificación de activos naturales en los Andes del Perú a partir del procesamiento de imágenes de satélite

Las reservas de carbono y agua dulce ubicadas en las cabeceras de cuenca brindan soporte a la seguridad energética, alimentaria e hídrica del país. Para poder proteger y preservar nuestras reservas de agua y carbono orgánico, es fundamental entender que factores (sea directa o indirecta) pueden estar afectando su estabilidad, así como también monitorear su evolución y los cambios que van presentando en el tiempo. En los últimos años, se han producido bases de datos que documentan la ubicación de las reservas de agua a partir de inventarios, extrapolación estadística de datos locales e imágenes satelitales. Sin embargo, la medición constante y a largo plazo en alta resolución sigue siendo un desafío no resuelto. Este déficit de información dificulta la gestión adecuada de nuestros recursos hídricos y, por tanto, imposibilita la toma de medidas eficaces para su conservación y el uso sostenible que garantice su disponibilidad en el futuro. Ante esta situación, el laboratorio de Ecotoxicología de la Universidad Peruana Cayetano Heredia (UPCH), el Centro de Competencias del Agua (CCA), la Universidad Agraria La Molina (UNALM), el Instituto Nacional de Investigación en Glaciares y Ecosistemas de Montaña (INAIGEM), el grupo de investigación Ecosistemas de Alta Montaña (ECOHIDRO) y departamento de geoinformática de la Universidad de Salzburgo (ZGIS) han unido esfuerzos para presentar el proyecto “AndesDataCube, Un cubo de datos de observación de la tierra para el monitoreo y estimación de activos económicos en EAM”. El objetivo del mismo es monitorear, a partir de imágenes de satélites, cómo las reservas naturales de agua dulce y carbono orgánico han cambiado dentro de los Andes peruanos entre los años 1972 al 2022. Para crear AndesDataCube, desarrollaremos dos algoritmos de inteligencia artificial (AIA). El primer AIA busca la armonización y super-resolución de las imágenes ópticas de Sentinel-2 y Landsat, utilizando Planet & NICFI basemap como objetivo de optimización. Mientras que el segundo AIA, está enfocado en la segmentación semántica, en donde etiquetas de referencia generadas a partir de fotointerpretación serán utilizadas para entrenar dicho algoritmo. Finalmente, utilizando los dos AIA, procesaremos y analizaremos más de 50 000 de imágenes de satélite ópticas creando de este modo AndesDataCube, el primer cubo de datos de observación de la tierra (EOCube) para Perú. Este EOCube se almacenará utilizando el standard SpatioTemporal Asset Catalogs (STAC) dentro de un online file storage web service, para que de esta forma la información sea de carácter público, y fácilmente accesible a cualquier usuario o gestor público interesado.