Remote Sensing Scientists and Technologists
Life, Physical, and Social Science Occupations- Código O*NET-SOC
- 19-2099.01
Apply remote sensing principles and methods to analyze data and solve problems in areas such as natural resource management, urban planning, or homeland security. May develop new sensor systems, analytical techniques, or new applications for existing systems.
- Fuente de datos: BLSPublicado: 2026-08
Alto· relativa
BajoCuatro bandas relativasMuy altoValor por grupo ocupacional
Escala, base y fuente
Cuatro bandas relativas (Bajo / Moderado / Alto / Muy alto)
831 ocupaciones detalladas de la tabla de proyecciones de empleo de BLS. El valor se asigna por código de la National Employment Matrix (NEM), de modo que las ocupaciones que comparten un código NEM reciben la misma banda
- Fuente de datos: AnthropicPublicado: 2026-03
0,038
0,000Rango de los valores aquí recogidos0,745Valor por grupo ocupacional
Escala, base y fuente
Índice de exposición observada, 0–1 tal como se publica
Mapeado sobre tareas de O*NET
Publicado por ocupación SOC 2018; toda ocupación O*NET con el mismo código SOC 2018 recibe este valor
- Fuente de datos: OpenAIPublicado: 2023
0,446
0,000Rango de los valores aquí recogidos0,844Escala, base y fuente
β de evaluadores humanos, 0–1 tal como se publica
Mapeado sobre tareas de O*NET
Qué tipo de cifra publica esta fuente
La categoría de BLS es un rango relativo, no un nivel absoluto, y tampoco es una medición de primera mano: agrupa en cuatro bandas los rangos percentiles de la ocupación en varios estudios publicados. No es una previsión de empleo ni de salarios, no es una probabilidad de adopción y no distingue entre automatización y aumento.
Task-level exposure
Solo tareas expuestas24 tareas evaluadas · 22 tareas con β ≥ 0,5 (91,7%)
β = exposición directa (E1) + 0,5 × exposición con herramientas disponibles (E2), según la definición del repositorio de origen.
- Unidad de origen: tareas de O*NET 27.2 → código de ocupación de O*NET 31.0
- Todas las tareas puntuadas figuran en la lista de tareas de O*NET 31.0.
- Fuente
- OpenAI "GPTs are GPTs" exposure rubric
- Versión
- gh-main-0471612
- Licencia
- MIT License, Copyright (c) 2024 OpenAI
| Task (O*NET 20.1) | Claude.aiRaw / share % | APIRaw / share % |
|---|---|---|
Compile and format image data to increase its usefulness.19-2099.01 | 0.014888.1 | 0.064692.4 |
Organize and maintain geospatial data and associated documentation.19-2099.01 | 0.002011.9 | 0.00547.6 |
| Not observed on any surface — 22 task(s) — These tasks have no row in the source for this release. The 0 in the share row is a display-stage composition ratio; absence is what the — in the raw row states. | ||
Analyze data acquired from aircraft, satellites, or ground-based platforms, using statistical analysis software, image analysis software, or Geographic Information Systems (GIS). | —0 | —0 |
Develop or build databases for remote sensing or related geospatial project information. | —0 | —0 |
Integrate other geospatial data sources into projects. | —0 | —0 |
Prepare or deliver reports or presentations of geospatial project information. | —0 | —0 |
Process aerial or satellite imagery to create products such as land cover maps. | —0 | —0 |
Design or implement strategies for collection, analysis, or display of geographic data. | —0 | —0 |
Direct all activity associated with implementation, operation, or enhancement of remote sensing hardware or software. | —0 | —0 |
Collect supporting data, such as climatic or field survey data, to corroborate remote sensing data analyses. | —0 | —0 |
Conduct research into the application or enhancement of remote sensing technology. | —0 | —0 |
Discuss project goals, equipment requirements, or methodologies with colleagues or team members. | —0 | —0 |
Develop automated routines to correct for the presence of image distorting artifacts, such as ground vegetation. | —0 | —0 |
Develop new analytical techniques or sensor systems. | —0 | —0 |
Manage or analyze data obtained from remote sensing systems to obtain meaningful results. | —0 | —0 |
Monitor quality of remote sensing data collection operations to determine if procedural or equipment changes are necessary. | —0 | —0 |
Direct installation or testing of new remote sensing hardware or software. | —0 | —0 |
Attend meetings or seminars or read current literature to maintain knowledge of developments in the field of remote sensing. | —0 | —0 |
Participate in fieldwork. | —0 | —0 |
Recommend new remote sensing hardware or software acquisitions. | —0 | —0 |
Set up or maintain remote sensing data collection systems. | —0 | —0 |
Train technicians in the use of remote sensing technology. | —0 | —0 |
Apply remote sensing data or techniques to address environmental issues, such as surface water modeling or dust cloud detection. | —0 | —0 |
Use remote sensing data for forest or carbon tracking activities involved in assessing the impact of environmental change. | —0 | —0 |
Values in this tab are predicted labels, not observations. Eloundou et al. (2023) published two rating regimes — human raters and GPT-4 — and the β shown here is derived from the GPT-4 rater basis alone; the same task can take a different value under the other regime. The unit and the meaning differ from the observed shares (%) in the other tabs, so do not place them on the same axis.
| Task (O*NET 27.2) | βE1 + 0.5 × E2 |
|---|---|
Analyze data acquired from aircraft, satellites, or ground-based platforms, using statistical analysis software, image analysis software, or Geographic Information Systems (GIS).O*NET Task ID 18256 | 0.5 |
Develop or build databases for remote sensing or related geospatial project information.O*NET Task ID 18257 | 0.5 |
Integrate other geospatial data sources into projects.O*NET Task ID 18258 | 0.5 |
Prepare or deliver reports or presentations of geospatial project information.O*NET Task ID 18259 | 0.5 |
Organize and maintain geospatial data and associated documentation.O*NET Task ID 18260 | 0.5 |
Process aerial or satellite imagery to create products such as land cover maps.O*NET Task ID 18261 | 0.5 |
Design or implement strategies for collection, analysis, or display of geographic data.O*NET Task ID 18262 | 0.5 |
Direct all activity associated with implementation, operation, or enhancement of remote sensing hardware or software.O*NET Task ID 18263 | 0.5 |
Collect supporting data, such as climatic or field survey data, to corroborate remote sensing data analyses.O*NET Task ID 18264 | 0.5 |
Compile and format image data to increase its usefulness.O*NET Task ID 18265 | 0.5 |
Conduct research into the application or enhancement of remote sensing technology.O*NET Task ID 18266 | 0.5 |
Develop automated routines to correct for the presence of image distorting artifacts, such as ground vegetation.O*NET Task ID 18268 | 0.5 |
Develop new analytical techniques or sensor systems.O*NET Task ID 18269 | 0.5 |
Manage or analyze data obtained from remote sensing systems to obtain meaningful results.O*NET Task ID 18270 | 0.5 |
Monitor quality of remote sensing data collection operations to determine if procedural or equipment changes are necessary.O*NET Task ID 18271 | 0.5 |
Direct installation or testing of new remote sensing hardware or software.O*NET Task ID 18272 | 0.5 |
Attend meetings or seminars or read current literature to maintain knowledge of developments in the field of remote sensing.O*NET Task ID 18273 | 0.5 |
Recommend new remote sensing hardware or software acquisitions.O*NET Task ID 18275 | 0.5 |
Set up or maintain remote sensing data collection systems.O*NET Task ID 18276 | 0.5 |
Train technicians in the use of remote sensing technology.O*NET Task ID 18277 | 0.5 |
Apply remote sensing data or techniques, such as surface water modeling or dust cloud detection, to address environmental issues.O*NET Task ID 19773 | 0.5 |
Use remote sensing data for forest or carbon tracking activities to assess the impact of environmental change.O*NET Task ID 19774 | 0.5 |
Discuss project goals, equipment requirements, or methodologies with colleagues or team members.O*NET Task ID 18267 | 0.0 |
Participate in fieldwork.O*NET Task ID 18274 | 0.0 |
β = E1 + 0.5 × E2 · E1 = tasks where direct LLM access alone cuts time by at least 50%, E2 = tasks where software built on top of an LLM cuts time by at least 50%. Values take only 0 / 0.5 / 1.0.
Data sources & licenses — O*NET®, Anthropic Economic Index, Eloundou et al. (2023): see full notices on the Credits page
Todas las tareas de O*NET 31.0 (24)
Todas las tareas de O*NET 31.0 de esta ocupación (en inglés, tal como se publicaron; tipo de tarea principal o complementaria). Los valores de exposición no figuran en esta lista; están en la tabla de arriba, junto a cada tarea con la redacción de la versión de O*NET que usó cada fuente.
| Tarea (O*NET 31.0) | Tipo |
|---|---|
| Analyze data acquired from aircraft, satellites, or ground-based platforms, using statistical analysis software, image analysis software, or Geographic Information Systems (GIS). | Principal |
| Develop or build databases for remote sensing or related geospatial project information. | Principal |
| Integrate other geospatial data sources into projects. | Principal |
| Prepare or deliver reports or presentations of geospatial project information. | Principal |
| Organize and maintain geospatial data and associated documentation. | Principal |
| Process aerial or satellite imagery to create products such as land cover maps. | Principal |
| Design or implement strategies for collection, analysis, or display of geographic data. | Principal |
| Direct all activity associated with implementation, operation, or enhancement of remote sensing hardware or software. | Principal |
| Collect supporting data, such as climatic or field survey data, to corroborate remote sensing data analyses. | Principal |
| Compile and format image data to increase its usefulness. | Principal |
| Conduct research into the application or enhancement of remote sensing technology. | Principal |
| Discuss project goals, equipment requirements, or methodologies with colleagues or team members. | Principal |
| Develop automated routines to correct for the presence of image distorting artifacts, such as ground vegetation. | Principal |
| Develop new analytical techniques or sensor systems. | Principal |
| Manage or analyze data obtained from remote sensing systems to obtain meaningful results. | Principal |
| Monitor quality of remote sensing data collection operations to determine if procedural or equipment changes are necessary. | Principal |
| Direct installation or testing of new remote sensing hardware or software. | Principal |
| Attend meetings or seminars or read current literature to maintain knowledge of developments in the field of remote sensing. | Principal |
| Participate in fieldwork. | Principal |
| Recommend new remote sensing hardware or software acquisitions. | Principal |
| Set up or maintain remote sensing data collection systems. | Principal |
| Train technicians in the use of remote sensing technology. | Principal |
| Apply remote sensing data or techniques, such as surface water modeling or dust cloud detection, to address environmental issues. | Principal |
| Use remote sensing data for forest or carbon tracking activities to assess the impact of environmental change. | Principal |
0,07/ 3· Índice de exposición a robots
Escala, base y fuente
Cada tarea física se califica de 0 a 3 según el entorno en el que robots ya implantados, vendidos o demostrados podrían realizarla (0 ninguno · 1 entornos diseñados para robots, como una celda de máquinas vallada o una línea de embotellado · 2 instalaciones estructuradas, como una farmacia hospitalaria o un puerto de contenedores · 3 entornos no estructurados, como un hogar particular o una obra de construcción), y las calificaciones se promedian según la proporción del tiempo de trabajo
Tareas físicas entre las tareas O*NET 29.3 de esta ocupación
Anthropic estimó las calificaciones y las proporciones de tiempo con Claude Opus 5 mediante búsqueda web (situación en 2026).
El índice de exposición a robots es una medida distinta de las cifras de exposición a la IA de este sitio y no puede sumarse a ellas ni compararse con ellas. No mide la adopción real ni el coste, y el 0 también incluye ocupaciones sin tareas físicas.
Calificación de cada tarea física
Niveles de entorno robótico (E0–E3)
E0 ningunoDetalles
Calificada como no realizable por robots que se han implantado, vendido o demostrado, ni siquiera en un entorno diseñado para robots
E1 entornos diseñados para robotsDetalles
Calificada como realizable en un entorno construido en torno a la máquina, como una celda de máquinas vallada o una línea de embotellado
E2 instalaciones estructuradasDetalles
Calificada como realizable en una instalación de trabajo de personas que una institución mantiene según un estándar de trabajo, como una farmacia hospitalaria o un puerto de contenedores
E3 entornos no estructuradosDetalles
Calificada como realizable en un entorno que ninguna institución mantiene según un estándar de trabajo, como un hogar particular o una obra de construcción
Solo se enumeran las tareas clasificadas como físicas; las demás tareas no tienen nivel en la fuente.
| Tarea (O*NET 29.3) | Nivel de entorno robótico |
|---|---|
| Participate in fieldwork. | E3 entornos no estructurados |
| Set up or maintain remote sensing data collection systems. | E0 ninguno |
Información ocupacional
Perspectivas de empleo (BLS)
Valores de todo el grupo SOC 19-2099 (Physical scientists, all other), no solo de esta ocupación O*NET.
- Empleo, 2025
- 27K
- Empleo proyectado, 2035
- 27K
- Variación (2025–35)
- +2,1%
- Salario anual mediano, 2025
- $122.570
- Formación habitual para acceder
- Bachelor's degree
Vínculos con la clasificación coreana (KSCO)
Vínculos de la versión vigente de Korea Occupation Direct Crosswalk v1.1, elaborado por AI Changing Work. Los valores de relación se leen desde la ocupación O*NET-SOC.
| Código KSCO | Nombre KSCO | Relación | Estado |
|---|---|---|---|
| 23162 | 사진측량 및 원격탐사 분석가 | Mismo alcance | confirmado |
Definiciones de relación y estado(kr-direct v1.1)
Vocabulario ocupacional ESCO
Cada entrada de abajo está emparejada con esta ocupación en el ESCO-O*NET Crosswalk publicado (versión 1, 2022). Los tipos de correspondencia son los de esa tabla; la redacción es de AI Changing Work.
- geógrafo/geógrafaESCO 2632.5Se solapan, no son iguales
Los geógrafos son académicos que estudian la geografía humana y física. En función de su especialización, estudian los aspectos políticos, económicos y culturales de la humanidad contenidos en la geografía humana. Además, estudian las formaciones de tierra, los suelos, las fronteras naturales y los caudales de agua contenidos en geografía física.
- sismólogo/sismólogaESCO 2114.1.10Se solapan, no son iguales
Los sismólogos estudian el movimiento de placas tectónicas de la Tierra que da lugar a la propagación de ondas sísmicas y a los terremotos. Estudian y observan las diversas causas de terremotos, como la actividad volcánica, los fenómenos atmosféricos o el comportamiento de los océanos. Comunican sus observaciones científicas para prevenir situaciones peligrosas en la construcción y las infraestructuras.
- técnico en teledetección/técnica en teledetecciónESCO 3111.13Se solapan, no son iguales
Los técnicos en teledetección recogen datos aéreos. Utilizan equipos destinados a la recogida de datos y a la determinación de los puntos geográficos, con el fin de contribuir a una serie de operaciones como la conservación de la tierra, la planificación urbana y las operaciones militares.
Fuente: European Commission, DG EMPL — ESCO API 2026-08-08 (bridge v1.2.1)
Licencia: CC BY 4.0 (EU Reuse Notice)
ESCO reuse terms and the modification notice are in Credits.
Vínculos con la clasificación francesa (ROME)
Vínculos entre esta ocupación y fichas ROME 4.0, establecidos por AI Changing Work con modelos de IA. Las relaciones se leen desde el lado de esta ocupación. Los vínculos marcados como «provisional» se adoptaron basándose únicamente en los juicios de dos evaluadores de la misma familia de modelos (Claude), o mediante una regla del operador aplicada a esos juicios, por lo que se sustentan en evidencia más débil que los vínculos confirmados.
| Código ROME | Denominación ROME (francés) | Relación |
|---|---|---|
| M1808 | Cartographe | Relacionada, no equivalente |
| M1895 | Géomaticien / Géomaticienne | Relacionada, no equivalente |
Source: France Travail — Répertoire Opérationnel des Métiers et des Emplois (ROME 4.0), version 61, last updated 15 June 2026 (https://www.data.gouv.fr/datasets/repertoire-operationnel-des-metiers-et-des-emplois-rome). Licence Ouverte 2.0.
ROME codes and titles are reproduced unchanged; the links to O*NET-SOC occupations are AI Changing Work's own judgment and are not a France Travail correspondence.
(AI Changing Work link release: fr-direct v1)
Vínculos con la clasificación española (CNO-11)
Vínculos entre esta ocupación y ocupaciones CNO-11, establecidos por AI Changing Work con modelos de IA. Las relaciones se leen desde el lado de esta ocupación.
| Código CNO-11 | Denominación CNO-11 (español) | Relación |
|---|---|---|
| 2414 | Geólogos y geofísicos | Relacionada, no equivalente |
| 2454 | Ingenieros geógrafos y cartógrafos | Relacionada, no equivalente |
| 2821 | Sociólogos, geógrafos, antropólogos, arqueólogos y afines | Relacionada, no equivalente |
Source: Instituto Nacional de Estadística (INE), National Classification of Occupations 2011 (CNO-11, Royal Decree 1591/2010) — www.ine.es · Licensed CC BY 4.0. CNO-11 codes and Spanish titles are reproduced unchanged; the links to O*NET occupations are AI Changing Work's own judgment and are not an INE correspondence.
(AI Changing Work link release: es-direct v1)
Vínculos con la clasificación alemana (KldB)
Vínculos entre esta ocupación y ocupaciones KldB, establecidos por AI Changing Work con modelos de IA. Las relaciones se leen desde el lado de esta ocupación.
| Código KldB | Denominación KldB (alemán) | Relación |
|---|---|---|
| 43144 | Berufe in der Geoinformatik - hoch komplexe Tätigkeiten | Se solapan, no son iguales |
| 42134 | Berufe in der Geografie - hoch komplexe Tätigkeiten | Relacionada, no equivalente |
Source: © Statistik der Bundesagentur für Arbeit — Klassifikation der Berufe 2010 – überarbeitete Fassung 2020, https://statistik.arbeitsagentur.de. KldB codes and titles are reproduced unchanged; the links to O*NET occupations are AI Changing Work's own mapping (eigene Zuordnung) and are not a Bundesagentur für Arbeit correspondence.
(AI Changing Work link release: de-direct v1)
Vínculos con la clasificación japonesa (JSCO)
Vínculos entre esta ocupación y ocupaciones JSCO, establecidos por AI Changing Work con modelos de IA. Las relaciones se leen desde el lado de esta ocupación.
| Código JSCO | Denominación JSCO (japonés) | Relación |
|---|---|---|
| 051 | 自然科学系研究者 | Relacionada, no equivalente |
| 093 | 測量技術者 | Relacionada, no equivalente |
Source: Ministry of Internal Affairs and Communications (MIC), Japan Standard Occupational Classification (Dec. 2009, MIC Notification No. 555). JSCO codes and Japanese titles are reproduced unchanged; the links to O*NET occupations are AI Changing Work's own judgment and are not a MIC correspondence.
(AI Changing Work link release: jp-direct v1)
Fuentes de datos y licencias de esta página, y avisos de modificación y traducción de AI Changing Work: Créditos y fuentes