RSClass

Desde la toma de decisiones agrícolas y políticas, hasta la gestión forestal y los estudios de adaptación ambiental, la teledetección ha mejorado drásticamente las herramientas para la gestión territorial. Las imágenes satelitales proporcionan información vital para muchos sectores diferentes: gestión forestal, pastos, gestión del agua, agricultura... En Predictia hemos desarrollado un enfoque de Machine Learning para generar mapas de uso del suelo, utilizando imágenes satelitales procedentes de fuentes públicas de confianza.

• Ultra-alta resolución: Incorporamos datos procedentes de fuentes como los satélites Sentinel del programa Copernicus, que proporcionan resoluciones de hasta 10m.
• Información espacial y temporal: Dado que la vegetación, los bosques y el uso del suelo varían a lo largo de las estaciones, nuestro algoritmo de aprendizaje automático tiene en cuenta las variaciones temporales, para una identificación más precisa.
• Algoritmos de aprendizaje automático de última generación: Aplicamos una amplia gama de técnicas de aprendizaje automático supervisado, incluyendo el aprendizaje profundo, tales como redes neuronales complejas.
• Proceso transparente: Para cada píxel de mapa proporcionamos las categorías de clasificación más probables predichas por nuestro modelo, junto con una puntuación de precisión, para una máxima transparencia en la generación de la informción.
• Configurable: Nuestra solución se adapta a múltiples sectores, proporcionando productos como tipos de cultivos, categorías EUNIS y mucho más.