Investigadores de la Universidad de Cambridge y socios internacionales han ampliado el acceso al modelo Tessera AI, un modelo fundamental creado a partir de datos de observación de la Tierra de los satélites de la misión europea Copernicus Sentinel-1 y Sentinel-2.
El sistema se presentó formalmente a la comunidad científica a través de un artículo revisado por pares presentado en la Conferencia IEEE/CVF de 2026 sobre visión por computadora y reconocimiento de patrones (CVPR).
Los modelos de Tessera AI convierten grandes cantidades de imágenes satelitales en conjuntos de datos compactos llamados incrustaciones, lo que permite a los científicos analizar cambios ambientales sin procesar las imágenes sin procesar.
Combinando observaciones de radar y satélites ópticos, el modelo crea una representación anual detallada de la superficie de la Tierra con una resolución de 10 metros.
Como resultado, la forma en que trabajamos con los datos de observación de la Tierra se ha vuelto mucho más accesible. Los investigadores pueden generar mapas, rastrear cambios ambientales y desarrollar modelos predictivos utilizando mucha menos potencia computacional y datos de entrenamiento etiquetados que los enfoques tradicionales.
Descripción del modelo Tessera AI
Tessera, que significa Temporal Embeddings of Surface Spectra for Earth Representation and Analysis, es un modelo basado en inteligencia artificial diseñado específicamente para aplicaciones de observación de la Tierra.
Desarrollado a través de una colaboración entre la Universidad de Cambridge, la Universidad Aalto en Finlandia y varios socios europeos, el modelo procesa datos satelitales recopilados por la misión Copernicus Sentinel.
A diferencia de las imágenes satelitales tradicionales, que consisten en grandes archivos de imágenes basados en píxeles, Tessera comprime años de observaciones en incrustaciones que se pueden buscar.
Estas incorporaciones capturan patrones y cambios a lo largo del tiempo, lo que permite a los usuarios estudiar cómo evoluciona el paisaje en lugar de simplemente ver instantáneas individuales.
Este modelo combina imágenes ópticas de Sentinel-2 con datos de radar de apertura sintética (SAR) de Sentinel-1. Esta fusión permite a Tessera superar limitaciones comunes, como la cobertura de nubes, al tiempo que proporciona una imagen más completa de las condiciones ambientales.
Cómo Tessera mejora el análisis de la observación de la Tierra
Uno de los beneficios más importantes de los modelos de IA de Tessera es que simplifican el acceso a conjuntos de datos satelitales complejos.
Los flujos de trabajo tradicionales de observación de la Tierra a menudo requieren amplios recursos informáticos, experiencia y grandes cantidades de datos de entrenamiento etiquetados.
Las incorporaciones previamente entrenadas de Tessera ya contienen representaciones aprendidas de patrones ambientales, lo que reduce el esfuerzo requerido para construir modelos analíticos.
El conjunto de datos está altamente comprimido, lo que permite a los investigadores acceder a él y analizarlo en computadoras portátiles y dispositivos móviles estándar. Esto reduce la barrera para los científicos que trabajan en campos como la ecología, la conservación, la agricultura y el monitoreo de la biodiversidad, donde la infraestructura informática avanzada puede no estar disponible.
La plataforma también sigue los principios de datos FAIR, lo que garantiza que los conjuntos de datos sean buscables, accesibles, interoperables y reutilizables en toda la comunidad de investigación.
Aplicaciones en agricultura, clima y conservación.
Las capacidades de observación de la Tierra habilitadas por Tessera respaldan una amplia gama de aplicaciones científicas y ambientales.
Los investigadores pueden utilizar este modelo para monitorear el desarrollo de cultivos, evaluar la salud de la vegetación, medir los daños de los incendios forestales, analizar las cubiertas forestales e identificar cambios en los paisajes a lo largo del tiempo. El sistema también permite a los usuarios buscar regiones geográficamente similares y detectar patrones en un área amplia.
Un proyecto de conservación con sede en el Reino Unido ya está utilizando implantes de teselas para evaluar el cambio de hábitat en áreas protegidas de Cumbria.
La iniciativa tiene como objetivo ayudar a los responsables de la formulación de políticas a utilizar evidencia obtenida por satélite para evaluar la eficacia de las medidas de protección ambiental y los programas de subsidios agrícolas.
A medida que los gobiernos y las organizaciones dependen cada vez más de los datos de observación de la Tierra para orientar las estrategias de conservación y cambio climático, las herramientas que reducen la complejidad analítica pueden desempeñar un papel importante en la mejora de la toma de decisiones.
Alternativas de código abierto a los sistemas de IA propietarios
Una característica notable de los modelos Tessera AI es su arquitectura de código abierto.
Varias organizaciones comerciales están desarrollando sistemas de inteligencia artificial para el análisis de datos satelitales, pero muchas operan como plataformas cerradas que limitan la transparencia y la verificación independiente.
Los desarrolladores de Tessera han optado por hacer que tanto el modelo como su conjunto de datos estén disponibles gratuitamente sin requisitos de registro.
Este enfoque permite a los investigadores modificar, adaptar y mejorar sistemas para casos de uso especializados y, al mismo tiempo, respalda una mayor reproducibilidad en la investigación científica.
Este modelo también proporciona una alternativa a los modelos patentados de infraestructura de observación de la Tierra que producen representaciones comprimidas de datos satelitales de manera similar pero no brindan acceso público a los métodos subyacentes.
Ampliación del liderazgo europeo en IA de observación de la Tierra
Tessera forma parte de un esfuerzo europeo más amplio para promover la inteligencia artificial para la observación de la Tierra.
La Agencia Espacial Europea (ESA), a través de su programa de innovación Φ-lab, ha apoyado el desarrollo de varios modelos fundamentales diseñados para extraer información de datos satelitales.
Estos incluyen Thor, un modelo multimodal entrenado con datos de Sentinel-1, Sentinel-2 y Sentinel-3, y TerraMind, un sistema de inteligencia artificial geoespacial desarrollado con IBM Research Europe.
A diferencia de Tessera, que crea incrustaciones anuales que resumen los cambios ambientales a largo plazo, tanto Thor como TerraMind se centran en aprender de observaciones individuales preservando al mismo tiempo información espacial detallada.
TerraMind también introduce capacidades de inferencia intermodal al combinar imágenes satelitales con datos de uso del suelo, información de elevación y contexto geográfico. Esto permite interacciones más sofisticadas con conjuntos de datos del sistema terrestre y amplía las aplicaciones potenciales de la IA geoespacial.
Ampliar el acceso a la inteligencia ambiental global
El lanzamiento de los modelos Tessera AI marca un avance significativo en la evolución de la tecnología de observación de la Tierra.
La plataforma hace que el análisis ambiental avanzado sea accesible para la comunidad de investigación en general al convertir grandes cantidades de imágenes satelitales en incorporaciones compactas y ricas en información.
A medida que crece la demanda de mejores herramientas para monitorear los ecosistemas, la agricultura, los impactos climáticos y la biodiversidad, modelos fundamentales como Tessera pueden ayudar a cerrar la brecha entre los datos satelitales sin procesar y los conocimientos prácticos.
Su marco de código abierto, combinado con la cobertura global de observación de la Tierra, posiciona el modelo como un nuevo recurso importante para los científicos que buscan comprender el cambio ambiental a escala.
Source link
