integraciÓn y anÁlisis exploratorio de datos geoespaciales multifuente para el seguimiento y...

INTEGRACIÓN Y ANÁLISIS EXPLORATORIO DE INTEGRACIÓN Y ANÁLISIS EXPLORATORIO DE DATOS GEOESPACIALES MULTIFUENTE PARA EL DATOS GEOESPACIALES MULTIFUENTE PARA EL

SEGUIMIENTO Y MODELADO DE LA EVOLUCIÓN Y SEGUIMIENTO Y MODELADO DE LA EVOLUCIÓN Y VULNERABILIDAD DE ÁREAS COSTERASVULNERABILIDAD DE ÁREAS COSTERAS

Proyecto de Excelencia P08-RNM-03575 (2009-2012)Proyecto de Excelencia P08-RNM-03575 (2009-2012)

Grupo RNM-368Gestión Integrada del Territorio y

Tecnologías de la Información Espacial

Jornadas sobre cartografía y geomática: técnicas eficientes para la gestión eficiente del

territorio

Dr. Fernando J. Aguilar TorresDr. Fernando J. Aguilar TorresProfesor Titular de la Universidad de AlmeríaProfesor Titular de la Universidad de Almería

Departamento de Ingeniería RuralDepartamento de Ingeniería Rural

1. Antecedentes

Más de la mitad de la población del planeta vive a menos de 60 Km de la línea de costa. En España, algo más del 44% de la población vive en municipios costeros (que constituyen a penas un 7% del territorio total).

Incremento zonas urbanizadas (sellado del suelo)

Falta de planificación

Extracción de arenas para invernaderos

1

Presión antrópica



¿Es sostenible esta situación a medio-largo plazo?

Rotura del equilibrio

ANTECEDENTES

OBJETIVOS

ÁREA TRABAJO

DESARROLLO

Objetivo 1

Objetivo 2

CONCLUSIONES

1. Antecedentes

2



El IPCC (Intergovernmental Panel of Climate Change) señala a la región del Mediterráneo (sobre todo zonas áridas y semiáridas) como las que más intensamente sufrirán las consecuencias de las variaciones del clima.

+ 1 m SLR + 4 m SLR

ANTECEDENTES

OBJETIVOS

ÁREA TRABAJO

DESARROLLO

Objetivo 1

Objetivo 2

CONCLUSIONES

3

1. AntecedentesEl Plan Andaluz de Medio Ambiente 2004-2010 dedica un área estratégica a la GESTIÓN AMBIENTAL INTEGRADA DEL LITORAL

• Obtención de datos georreferenciados (*)

• Extracción de información

• Generación de conocimiento

• Generación de modelos

• Toma de decisiones

(*) Shupeng, C. and J. van Gendereng, 2008. Digital Earth in support of global change research. International Journal of Digital Earth, 1(1), 43-65.



MONITORING

• ¿Cómo podemos abordar una metodología eficiente, precisa e integrada para el monitoreo de nuestras costas y urbanizaciones litorales?

• Cuáles podrían ser las aplicaciones inmediatas de dicha metodología?

ANTECEDENTES

OBJETIVOS

ÁREA TRABAJO

DESARROLLO

Objetivo 1

Objetivo 2

CONCLUSIONES

4

2. Objetivos

1) Aplicación, integración y desarrollo de técnicas geomáticas para el estudio de la evolución de la línea de costa y la franja litoral a partir de MDEs y MDSs obtenidos a partir de vuelos fotogramétricos multitemporales y Láser Escáner Aerotransportado.

2) Desarrollo y evaluación de técnicas basadas en la integración-fusión de datos georreferenciados y segmentación de objetos para la detección automática y eficiente de zonas impermeables, edificios e infraestructuras en entornos costeros.

3) Introducción del análisis exploratorio de datos para el modelado de la influencia del crecimiento urbano litoral en los procesos de erosión y/o acreción costera. Aplicación de técnicas geoestadísticas y de regresión y autocorrelación espacial.

4) Aplicación de la información recopilada a lo largo de la consecución de los objetivos anteriores en la delineación del área inundada de una zona costera ante diferentes escenarios de riesgo como pueden ser: incremento del nivel del mar como consecuencia del cambio climático, episodios de fuertes tormentas durante marea alta (storm surge), escorrentía y desbordamiento de ramblas y ríos, escorrentía urbana, etc.



ANTECEDENTES

OBJETIVOS

ÁREA TRABAJO

DESARROLLO

Objetivo 1

Objetivo 2

CONCLUSIONES

5

3. Área de trabajoGrupo RNM-021

Gestión Integrada del Territorio y Tecnologías de la Información

EspacialANTECEDENTE

SOBJETIVOS

ÁREA TRABAJO

DESARROLLO

Objetivo 1

Objetivo 2

CONCLUSIONES

6

4. DesarrolloGrupo RNM-021


Espacial

Objetivo 1: Aplicación, integración y desarrollo de técnicas geomáticas para el estudio de la evolución de la línea de costa y franja litoral

• Vuelos fotogramétricos históricos desde 1956-57 (vuelo americano) a distintas escalas y con/sin certificado de calibración de cámara (self-calibration).

• Vuelos fotogramétricos de nueva ejecución con cámara digital DMC Intergraph RGB+Ir (tamaño pixel terreno = 0,15 m) y ALS (LiDAR ALS50-II Leica) con densidad de puntos 1,32 puntos/m2 y alta precisión vertical (0,15 m).

ANTECEDENTES

OBJETIVOS

ÁREA TRABAJO

DESARROLLO

Objetivo 1

Objetivo 2

CONCLUSIONES

7



Espacial


Z = f(x,y)

ESTEREOMATCHING

ANTECEDENTES

OBJETIVOS

ÁREA TRABAJO

DESARROLLO

Objetivo 1

Objetivo 2

CONCLUSIONES

Modelo analógico basado en curvas de nivel

Modelo Digital de Elevaciones

8



Espacial


Selección de Check points (N)

Diferencias entre z MDE y z GPS precisión

RMSE y Error Medio Check Points Error

(ZMDEi -ZCPi = ei)

ANTECEDENTES

OBJETIVOS

ÁREA TRABAJO

DESARROLLO

Objetivo 1

Objetivo 2

CONCLUSIONES

9



Espacial


Leptokurtosis 2>0Platokurtosis 2<0

N (number of check points)

Kurtosis

Rel

iabi

lity

(%

)

0 50 100150200250300350400 010

2030

40

010203040506070

Aguilar F.J. et al., 2007. A theoretical approach to modelling the accuracy assessment of DEMs. Photogrammetric Engineering & Remote Sensing 73(12)

144

3)(2

100(%)

2

21

222

2

nR

ANTECEDENTES

OBJETIVOS

ÁREA TRABAJO

DESARROLLO

Objetivo 1

Objetivo 2

CONCLUSIONES

10



Espacial


tgα

ez

Ground truth

MDE

elc MSL

tge

e zlc

ANTECEDENTES

OBJETIVOS

ÁREA TRABAJO

DESARROLLO

Objetivo 1

Objetivo 2

CONCLUSIONES

11



Espacial


Utilización de LiDAR-MDEs (relieve sombreado) como referencia para la obtención de puntos terreno (X,Y,Z) y orientación exterior de fotogramas históricos

ANTECEDENTES

OBJETIVOS

ÁREA TRABAJO

DESARROLLO

Objetivo 1

Objetivo 2

CONCLUSIONES

12



Espacial


Utilización de LiDAR-MDEs como referencia para la obtención de MDEs procedentes de vuelos históricos mediante surface-matching

ANTECEDENTES

OBJETIVOS

ÁREA TRABAJO

DESARROLLO

Objetivo 1

Objetivo 2

CONCLUSIONES

13



Espacial



ANTECEDENTES

OBJETIVOS

ÁREA TRABAJO

DESARROLLO

Objetivo 1

Objetivo 2

CONCLUSIONES

14



Espacial



Mínimos cuadrados sin peso: transformación Helmert 3D con función objetivo tipo LZD

min2idz

Cálculo del modelo diferencial dZi

Asignación de pesos binarios a cada punto

)(d si 0

)(d si 1

;

i

i

DMed

DMedw

zddzd

i

vecindadii

Aplicación de mínimos cuadrados con peso (Helmert 3D)

min2iidzw

Iterar hasta convergencia

Refino solución

Estimador robusto Tukey’s Biweight

i

22

dzu

1u para 0

1u para )1()(

con

uuw i

Aplicación de mínimos cuadrados con peso (Helmert 3D) hasta convergencia

ANTECEDENTES

OBJETIVOS

ÁREA TRABAJO

DESARROLLO

Objetivo 1

Objetivo 2

CONCLUSIONES

15



Espacial

Objetivo 2: Detección automática de zonas impermeables, edificios e infraestructuras en entornos costeros a partir de datos multitemporales y multifuente

0

5

10

15

20

25

30

35

40

45

Band 1 Band 2 Band 3 Band 4 Band 5 Band 7

0

5

10

15

20

25

30

35

40

45

0 2 4 6 8 10 12 14 16 18 20

Band 3

Ban

d 4

Segmentación de una imagen: La variabilidad espectral de los píxeles de una clase da lugar a una

región, no un solo punto, en un espacio n-dimensional

Los píxeles pertenecientes a la clase terreno desnudo ocupan una región diferente a los de la clase

vegetación

ANTECEDENTES

OBJETIVOS

ÁREA TRABAJO

DESARROLLO

Objetivo 1

Objetivo 2

CONCLUSIONES

16



Espacial


Vegetación

Suelo desnudo

Urbanizado

Imagen digital

Área de vegetación

Área urbanizada

Área de suelo desnudo

Firmas espectrales

Clasificación supervisada

ANTECEDENTES

OBJETIVOS

ÁREA TRABAJO

DESARROLLO

Objetivo 1

Objetivo 2

CONCLUSIONES

ANTECEDENTES

OBJETIVOS

ÁREA TRABAJO

DESARROLLO

Objetivo 1

Objetivo 2

CONCLUSIONES

17



Espacial


Signatura espectral del

píxel que va a ser clasificado

Vegetación

Suelo desnudo

Urbanizado

¿Clase?

Imagen multiespectral

Imagen Clasificada

17



Espacial


Problemas métodos clásicos:

• Distribución normal multivariante para cada clase (estadística paramétrica)

• Clasificación píxel a píxel (pérdida de la información de vecindad y disminución de la eficiencia)

• Falta de información en zonas radiométricamente variables que genera malas clasificaciones

Band m

Signature 1

Signature 2

Signature 3

Bands m and q

These three signature data ellipses overlap inbands m and q; however,...

ANTECEDENTES

OBJETIVOS

ÁREA TRABAJO

DESARROLLO

Objetivo 1

Objetivo 2

CONCLUSIONES

18



Espacial

Objetivo 2: Detección automática de zonas impermeables, edificios e infraestructuras en entornos costeros a partir de datos multitemporales y multifuenteSe necesitan nuevas estrategias basadas en la fusión de

datos y en la clasificación de objetos, más que píxeles, para trabajar con imágenes de muy alta resolución

geométrica

Cuatro estrategias básicas están siendo abordas en el contexto de este proyecto dentro del vector de atributos:

Integración de la textura e información espacial (vecindad) para la mejora de la clasificación por píxeles

Segmentación y clasificación de objetos, más que de píxeles (region-merging techniques)

heterogeneidad = wcolorΔhcolor + wformaΔhforma

Fusión de datos integrando información morfológica 3D (datos LiDAR)

Aplicación de clasificadores no paramétricos basados en Machine Learning (reglas de decisión generadas automáticamente a partir de áreas de entrenamiento mediante métodos inductivos)

ANTECEDENTES

OBJETIVOS

ÁREA TRABAJO

DESARROLLO

Objetivo 1

Objetivo 2

CONCLUSIONES

19



Espacial

Objetivo 2: Detección automática de zonas impermeables, edificios e infraestructuras en entornos costeros a partir de datos multitemporales y multifuenteIncorporación de datos altimétricos LiDAR

ANTECEDENTES

OBJETIVOS

ÁREA TRABAJO

DESARROLLO

Objetivo 1

Objetivo 2

CONCLUSIONES

20



Espacial

Objetivo 2: Detección automática de zonas impermeables, edificios e infraestructuras en entornos costeros a partir de datos multitemporales y multifuenteFiltrado y Modelo Digital de Superficie

ANTECEDENTES

OBJETIVOS

ÁREA TRABAJO

DESARROLLO

Objetivo 1

Objetivo 2

CONCLUSIONES

21



Espacial


Obtención del modelo de alturas de objetos h = (MDS-MDT)

MDT

MDS

h

ANTECEDENTES

OBJETIVOS

ÁREA TRABAJO

DESARROLLO

Objetivo 1

Objetivo 2

CONCLUSIONES

22



Espacial


MULTILAYER COORDINATED CLUSTERS Integración de color y textura en un mismo vector de características

ANTECEDENTES

OBJETIVOS

ÁREA TRABAJO

DESARROLLO

Objetivo 1

Objetivo 2

CONCLUSIONES

23



Espacial

Objetivo 2: Detección automática de zonas impermeables, edificios e infraestructuras en entornos costeros a partir de datos multitemporales y multifuenteGeneración de reglas de decisión “difusas” basadas en árboles de decisión (Machine Learning) y los atributos evaluados para cada objeto o píxel

HIPÓTESIS

REGLAS CONDICIONES

ANTECEDENTES

OBJETIVOS

ÁREA TRABAJO

DESARROLLO

Objetivo 1

Objetivo 2

CONCLUSIONES

24

5. ConclusionesANTECEDENTES

OBJETIVOS

ÁREA TRABAJO

DESARROLLO

Objetivo 1

Objetivo 2

CONCLUSIONES



La consecución de los objetivos planteados en este proyecto de investigación permitirá obtener información relevante y desarrollar herramientas útiles para la toma de decisiones en relación a la gestión de nuestras costas. A lo largo de la exposición desarrollada se ha puesto de relieve la preocupante situación medioambiental que amenaza el futuro de nuestro litoral, agravada, si cabe, por el incipiente proceso de cambio climático al que nos vemos abocados. Aunque es responsabilidad de las instituciones públicas competentes el tomar decisiones y medidas de prevención al respecto, no es menos cierto que los científicos debemos proveer los modelos y herramientas de simulación apropiadas para garantizar, conociendo y aportando la incertidumbre de los datos que manejamos, que esas decisiones sean lo más acertadas posibles.

GRACIAS POR SU ATENCIÓN

integraciÓn y anÁlisis exploratorio de datos geoespaciales multifuente para el seguimiento y...

Documents