Un conjunto de datos multi-etiqueta para la clasificación de escenas agrícolas y rurales de China a partir de imágenes satelitales VHR

Por qué importa cartografiar el campo desde el espacio

En toda China, el medio rural está cambiando rápidamente: nuevos invernaderos aparecen en antiguos campos, las granjas solares se extienden por las laderas y las carreteras conectan aldeas que antes estaban aisladas. Sin embargo, la mayoría de los mapas basados en satélite siguen agrupando todo esto en una sola categoría insípida como “agricultura”. Este artículo presenta China‑MAS‑50k, un nuevo conjunto de datos abierto que permite a las máquinas ver el campo chino con mucho más detalle, utilizando imágenes satelitales de muy alta resolución y múltiples etiquetas por escena. Ofrece una base para un mejor seguimiento de la producción alimentaria, el desarrollo rural y el cambio ambiental a escala nacional.

Ver más de una cosa a la vez

Los mapas satelitales tradicionales suelen asignar una sola etiqueta a cada fragmento de imagen—bosque, ciudad o cultivo, por ejemplo. Los lugares reales rara vez son tan simples: una sola foto aérea puede mostrar una aldea, los campos circundantes, un estanque, una carretera y estructuras modernas como paneles solares o invernaderos cubiertos de plástico, todo a la vez. El proyecto China‑MAS‑50k asume esta complejidad tratando cada imagen como una mezcla de elementos. En vez de forzar una elección, permite que muchas etiquetas se adjunten a la misma imagen, ajustándose mejor a cómo la gente realmente ve y usa la tierra.

Construyendo un panorama detallado del medio rural chino

Para construir el conjunto de datos, el equipo partió de imágenes de muy alta resolución disponibles gratuitamente en Google Earth, principalmente de satélites comerciales modernos capaces de mostrar objetos de poco más de un metro. Superpusieron una cuadrícula de 50 kilómetros sobre toda China para repartir el muestreo de forma homogénea, luego eligieron puntos en zonas rurales y descargaron pequeñas baldosas de imagen de 512 por 512 píxeles en cada punto. Se filtraron las imágenes con demasiadas nubes, nieve, desenfoque o una superficie uniforme, quedando 55.520 escenas claras recopiladas principalmente en 2023–2024. Estas baldosas cubren los diversos paisajes del país, pero son especialmente densas en las regiones de cultivo más intensivo al este de la famosa “línea Hu”, donde se concentra la mayor parte de la población y de las tierras agrícolas de China.

Convertir píxeles en tipos de suelo con significado

Los investigadores diseñaron un sistema de 18 categorías de etiquetas adaptado a la vida rural. Incluye superficies naturales como cultivo, bosque, pastizal, ríos, lagos o estanques, tierra desnuda y carreteras y ferrocarriles, así como elementos artificiales como aldeas rurales, fábricas, campos deportivos, parques, acolchado plástico, invernaderos, estaciones fotovoltaicas (solares), redes antipolvo usadas en obras y montones de residuos sólidos. Los anotadores humanos siguieron pautas visuales detalladas que describen colores, texturas y formas típicas—por ejemplo, sombras de árboles que indican masa forestal, largas franjas brillantes para invernaderos o paneles oscuros en filas ordenadas para las granjas solares. Usando una herramienta de anotación abierta, tres expertos etiquetaron cada imagen con todas las categorías visibles, comprobando mutuamente su trabajo para detectar errores. El resultado son 135.289 etiquetas, organizadas de modo que cada imagen pueda asociarse fácilmente con su lista completa de tipos de cobertura del suelo.

Probar qué tan inteligentes son realmente las máquinas

Con este nuevo punto de referencia en mano, los autores evaluaron una serie de modelos informáticos populares. Estos incluyeron métodos clásicos de aprendizaje automático basados en árboles de decisión y redes neuronales profundas originalmente diseñadas para tareas como el reconocimiento de fotografías. Todos los modelos recibieron las mismas entradas en tres colores y se les pidió predecir cuáles de las 18 categorías aparecían en cada escena. En general, las redes profundas modernas superaron a los enfoques más antiguos. Entre ellas, un modelo llamado ResNeXt‑101 ofreció el mejor equilibrio en las métricas de precisión, capturando razonablemente bien elementos comunes como cultivos, bosques y carreteras. Sin embargo, tuvo dificultades con características más raras como redes antipolvo, acolchado plástico y estaciones solares, lo que revela lo difícil que es para los algoritmos aprender a partir de ejemplos limitados en un conjunto de datos “con cola larga”, donde unas pocas clases son comunes y muchas son escasas.

Qué significa esto para futuras perspectivas rurales

China‑MAS‑50k ofrece más que una gran colección de atractivas imágenes satelitales. Es un recurso abierto y cuidadosamente verificado que refleja la verdadera variedad de los paisajes rurales chinos y la distribución desigual de la agricultura tradicional y moderna. Al permitir múltiples etiquetas por imagen, puede apoyar tareas avanzadas como el mapeo débilmente supervisado, donde los ordenadores aprenden a delinear campos, invernaderos o carreteras usando solo etiquetas de nivel de escena. También proporciona un banco de pruebas realista para abordar el desequilibrio de clases, un cuello de botella clave al aplicar inteligencia artificial a datos reales desordenados. En términos simples, este conjunto de datos facilita que científicos y planificadores enseñen a las máquinas lo que realmente ocurre sobre el terreno en el campo chino y monitoricen cómo esos lugares continúan cambiando con el tiempo.

Cita: Yuan, S., Feng, Q., Niu, B. et al. A multi-label dataset for China’s agricultural and rural scenes classification from VHR satellite imagery. Sci Data 13, 384 (2026). https://doi.org/10.1038/s41597-026-06800-8

Palabras clave: teledetección, paisajes rurales, cartografía agrícola, conjuntos de datos multi-etiqueta, imágenes satelitales