Inaccurate Ground Data Hinders Satellite Imagery Use
Inaccurate Ground Data Hinders Satellite Imagery Use
La combinación de imágenes satelitales con aprendizaje automático ofrece una herramienta poderosa para mapear los resultados del desarrollo sostenible; sin embargo, su eficacia se ve cada vez más limitada por la escasez de datos, más que por las capacidades de los sensores. Aunque la tecnología de observación de la Tierra ha avanzado rápidamente, los datos fundamentales de verificación en tierra (ground truth) necesarios para entrenar y validar estos modelos siguen siendo escasos, costosos y recopilados con poca frecuencia, especialmente en las regiones donde los conocimientos precisos son más necesarios. La principal limitación radica en la calidad y accesibilidad de las encuestas tradicionales a hogares. Estas encuestas suelen ser demasiado costosas para realizarse regularmente, carecen de granularidad local y rara vez incluyen datos geográficos, o bien se publican con retrasos significativos. Esta infrecuencia y opacidad generan una brecha importante en la información oportuna y localizada, lo que dificulta los esfuerzos por monitorear el progreso a nivel comunitario y restringe la capacidad de evaluar de manera efectiva el impacto específico de las políticas. Además, los datos de verificación en tierra existentes contienen ruido inherente derivado de errores de medición, variabilidad en el muestreo y protecciones de privacidad, lo que compromete gravemente el rendimiento de los modelos. Este ruido no solo degrada la precisión de los algoritmos predictivos, sino que también lleva a los investigadores a subestimar el verdadero potencial de las soluciones basadas en satélites. Para los defensores de los datos abiertos, esto destaca una necesidad crítica de conjuntos de datos geoespaciales mejores, abiertos y de alta calidad, para garantizar que los conocimientos sobre el desarrollo impulsados por la inteligencia artificial sean confiables y aplicables.
Fuente: ictworks.orgPublicado el 2023-09-08