monitoreo y cuantificación de flotas poteras a partir del

Monitoreo y Cuantificación de flotas poteras a partir del uso de

Imágenes Satelitales

Ing. Cozzolino Ezequiel Dr. Lasta Carlos

Subprograma de Sensoramiento Remoto INIDEP

INIDEP Instituto Nacional de Investigación y Desarrollo Pesquero

10 – 12 de noviembre de 2014, Piriápolis, Ururguay

• La pesquería de Illex argentinus tiene una

distribución muy amplia obteniéndose las mayores

capturas entre los 35 ° y los 53 ° de latitud sur y

desde los 80 m de profundidad hasta los 600 m.

Esta región incluye la Zona Económica Exclusiva

(ZEE) de diferentes países y la parte occidental de

la región oceánica adyacente a la ZEE de los

mismos.

• Una de las mayores dificultades para la

evaluación de este recurso es conocer el

número de buques extranjeros que pescan en

áreas que se encuentran fuera de la

administración Argentina.


Illex argentinus

-Longitud: 50 - 60 m.

- Lámparas: 120 - 150 lámparas incandescentes (2KW)

a ambos lados de la cubierta.

- Utilizan esta iluminación para atraer el calamar que es

capturado mediante poteras (coronas de anzuelos).


Flotas Poteras

• Cada satélite recorre en 101 minutos una órbita heliosincrónica y quasipolar a

una altitud de 830 km de la superficie terrestre.

• Originalmente fueron diseñados para detectar nubes iluminadas por la luna.

Actualmente son utilizados para detectar luces de ciudades, gas flare,

incendios y luces de barcos.

• OLS: Operational Linescan System.


Imágenes DMSP/OLS


Imágenes DMSP/OLS

Se desarrolló un software que permite monitorear y cuantificar las

flotas poteras a través del uso de imágenes DMSP-OLS

Análisis

Imágenes

CONAE

Segmentación

Inferencia

CONAE

Validación/

Calibración

Base Datos

Conocimiento

Recepción Procesamiento

Etapas llevadas a cabo por el software


Software DMSP/OLS Procesamiento

• Se extraen de la imagen solo

aquellos píxeles que son

considerados de calidad y

relevantes para la etapa de

validación e inferencia.

• Las áreas de la imagen

contaminadas con nubes muy

densas y reflejo del sol son

excluidas.

Imagen con zonas excluidas por considerarse de baja calidad

Reflejo del sol (glare)


Software DMSP/OLS Procesamiento: Análisis de Calidad

• La luminosidad emitida por

un barco genera un grupo de

píxeles contiguos con

diferentes valores de

luminosidad.

• Se asume que cualquier

grupo de píxeles iluminados

se corresponde con al

menos un barco.

• Este proceso a través del

cual se identifican los grupos

de píxeles se lo conoce

como segmentación de la

imagen.

Grupos de barcos

identificados


Software DMSP/OLS Procesamiento: Segmentación

• En la validación se asigna a cada

grupo de píxeles iluminados la cantidad

de barcos reales que representan.

• Para cada imagen se obtienen las

posiciones de los barcos nacionales

(posicionamiento satelital) a la hora

más cercana posible a la hora de

pasada del satélite.

Distribución de los

píxeles del grupo

Posición real de la

flota potera

Asignación del número

real de barcos que

representa el grupo


Software DMSP/OLS Procesamiento: Validación

• Cada grupo validado es almacenado en

una base de datos.

• A medida que se incorpora información,

esta base de datos va creciendo en

conocimiento. Esto permite una mejor

caracterización de los grupos de barcos

identificados en las imágenes.

Características del grupo



Se evaluó la correlación entre la cantidad de

píxeles de un grupo y el número de barcos

presentes

Se evaluó la correlación entre la suma de

intensidades de luz de un grupo y el número de

barcos presentes


Software DMSP/OLS Procesamiento: Inferencia

Se arribó a un Modelo Lineal (LM) para estimar el número de

barcos.

Se consideraran las siguientes características de cada grupo:

• Promedio de intensidad de luz.

• Desviación estándar del promedio de intensidad.

• Sumatoria de todas las intensidades de luz.

• Máxima/Minima intensidad.

• Número total de píxeles.

• Vector de distribución de intensidades.

• Vector de distribución de flags.

Número de Barcos = 1.883 + (1.47x10-2 * V1) + (1.489x10-3 * V4) + (1.003x10-4 * V2) –

(2.453x10-3 * V3) – (1.559x10-8 * V1xV2) – (9.090*10-3 * V5) – (2.047*10-3 * V6)

R2 = 0.9214


Software DMSP/OLS Procesamiento: Inferencia

• Administrado por la NASA, NOAA y el Departamento de Defensa.

• El VIIRS tiene 22 bandas espectrales en el rango 412 nm - 12 μm.

• 16 moderate-resolution bands (750m nadir).

• 5 image-resolution bands (375m).

• 1 day-night band (DNB) 0.5 – 0.9 μm.

• Resolución espacial 750 m.


Imágenes NPP/VIIRS


Imágenes NPP/VIIRS

13/03/2014 2:23:00 (Hora local)


Imágenes NPP/VIIRS

23/04/2014 1:14:00 (Hora local)


Software NPP/VIIRS

13/03/2014 2:23:00 (Hora local)

• Se desarrolló un

software que permite

cuantificar la

dimensión de las

flotas poteras a partir

de la segmentación

de la imagen.

• El software

identifica la posición

de cada barco.

• Por cada barco el

software determina

su nacionalidad

(nacional/extranjero).

• A través del proceso de

segmentación de la imagen se

identifican los grupos de píxeles

iluminados que genera cada uno

de los barcos.

• El píxel central del grupo de

píxeles identificados es utilizado

para determinar la posición del

barco.


Software NPP/VIIRS Procesamiento: Segmentación

Posición de la flota nacional

vs barcos identificados por

el software.


Software NPP/VIIRS Procesamiento: Validación

Seguimiento semanal de las flotas poteras Temporada 2014


Distribución

intensidades

de luz

Temporada

2014


Enero Febrero Marzo Abril

Mayo Junio Julio


Muchas Gracias

[email protected]

[email protected]


Semana 6 Semana 7


• Las zonas frontales se pueden identificar a través de imágenes satelitales de

Temperatura Superficial del Mar (sst) y Concentración de Clorofila-a (chl-a).

• Se busca detectar bordes sobre la imagen a partir de la aplicación de

técnicas de procesamiento digital de imágenes.

• Los bordes representan los límites de los objetos presentes en la imagen. En

el caso de las imágenes de sst y chl-a estos objetos están representados por

las diferentes masas de agua. El borde representa el frente entre ambas

masas de agua.

Identificación Automática de Frentes

Detección de bordes


• El operador Sobel calcula el gradiente de la intensidad de una imagen en

cada punto. El resultado muestra cómo abruptamente o suavemente cambia

una imagen en cada punto analizado.

• En este caso se utiliza un Kernel de 7 x 7. Esto implica que solo los valores

de intensidad en una región de 7 x 7 alrededor de cada píxel es tenida en

cuenta.

• A partir de la imagen de gradientes resultante se busca identificar aquellos

píxeles que determinan el frente.

Identificación Automática de Frentes

Detección de bordes: Sobel


Semana 6 Gradiente sst


Semana 6 Gradiente chl-a

monitoreo y cuantificación de flotas poteras a partir del

Documents