Un nuevo algoritmo permite monitorizar la destrucción causada por las guerras a partir de imágenes de satélite

MADRID, 07 (SERVIMEDIA)

Un equipo de investigadores del Consejo Superior de Investigaciones Científicas (CSIC) anunció este miércoles que ha desarrollado un algoritmo que permite monitorizar la destrucción causada por conflictos armados a partir de la comparación de imágenes de satélite.

El trabajo está publicado en la revista ‘Proceedings of the National Academy of Sciences’ (PNAS) y cuenta con la participación del científico del Centro de Visión por Computador y de la UAB, Joan Serrat.

En estos conflictos, según señaló el equipo de investigación, los datos suelen ser escasos e incompletos, lo que limita la capacidad de reacción y la respuesta de ayuda humanitaria. En este sentido, el algoritmo permite cuantificar casi en tiempo real la destrucción provocada por una guerra para mejorar la respuesta humanitaria.

El método ha sido desarrollado en un proyecto coliderado por Hannes Mueller, del Instituto de Análisis Económico del CSIC (IAE-CSIC), Andre Groeger, de la Universitat Autónoma de Barcelona (UAB) e investigadores de la Chapman University de California (EEUU).

Se basa en redes neuronales que han sido entrenadas para detectar características de destrucción de ataques con armamento pesado, como los escombros de edificios derrumbados o la presencia de cráteres de bombas en imágenes de satélite.

Los científicos aplicaron este método para monitorizar la destrucción de seis de las principales ciudades de Siria (Alepo, Daraa, Deir-Ez-Zor, Hama, Homs y Raqqa), azotadas por un conflicto bélico desde hace más de diez años, con resultados que consideraron “muy eficientes”.

“Un elemento esencial del desarrollo”, puntualizó el autor principal del artículo, “es que la red neuronal superpone y compara imágenes sucesivas de un mismo lugar contrastándolas sobre una línea temporal que incluye siempre una primera imagen antes del conflicto bélico”. Otra novedad, según destacaron los científicos, es la incorporación de la información que da contexto a la observación de destrucción.

Asimismo, la herramienta incorpora un método de etiquetado de las imágenes que los investigadores catalogaron como “novedoso” a través del cual el sistema es capaz de hacer suposiciones utilizando la información contextual y entrenar el algoritmo con la información de destrucción alrededor de un edificio.

Además, explicaron que “los métodos automatizados deben ser capaces de detectar la destrucción en un contexto donde la gran mayoría de imágenes no aparentan destrucción. Pero a menudo interpretan como derribados edificios que realmente no lo están, dando lugar a una elevada tasa de falsos positivos”.

En este sentido, Muelle añadió que la precisión baja es “un problema muy grave”. Incluso en ciudades muy castigadas por los conflictos, solo el 1% de los edificios son destruidos. “De ahí que su detección sea como buscar una aguja en un pajar. Si tenemos falsos positivos en las imágenes, el margen de error se dispara rápidamente. En este caso, la precisión de un 20%, por ejemplo, quiere decir que, si un algoritmo dice que algo está destruido, sólo el 20% de lo que dice está realmente destruido”, especificó.