Desarrollo integrado de técnicas de análisis de imágenes y datos LiDAR para la actualización de bases de datos de ocupación del suelo

Las áreas agrícolas y urbanas son entornos de gran importancia sujetos a cambios debido a la actividad humana, por lo que estas regiones constituyen zonas muy dinámicas, siendo la causa principal de cambios en las coberturas y usos del suelo en el territorio. A lo largo de las últimas décadas se han puesto en funcionamiento diferentes programas de observación del territorio con el fin de proveer datos para la detección de cambios y la generación de bases de datos a diferentes niveles (locales, nacionales e internacionales) que contengan información sobre usos y coberturas del suelo de manera fiable y actualizada. Los procesos de actualización de estas bases de datos y de detección de cambios se realizan con un alto grado de intervención humana, ya que están basados principalmente en revisiones de campo y técnicas de fotointerpretación de imágenes aéreas y satelitales, o en su comparación con otras imágenes o bases de datos, siendo estas técnicas lentas, caras y en la mayoría de los casos subjetivas. Mediante el procesado digital de imágenes puede procesarse un mayor número de datos y reducir las tareas manuales en este tipo de metodologías. En esta línea de trabajo es donde se enmarca esta tesis, que pretende contribuir a la automatización de la obtención de información relativa a los usos y coberturas del suelo mediante el análisis de datos proporcionados por los sistemas de observación del territorio, así como a la detección de cambios para la actualización de bases de datos cartográficas existentes. El objetivo de esta tesis es desarrollar una metodología integrada de procesado digital de imágenes de alta resolución y datos LiDAR, basada en la extracción de características cuantitativas a nivel de objetos y subobjetos para la asignación de un tipo de uso o cobertura del suelo a cada objeto, orientada a la detección de cambios y a la actualización de bases de datos de ocupación del suelo. Los datos empleados son imágenes aéreas y de satélite de alta resolución de fechas diferentes, así como datos LiDAR y la cartografía catastral base en formato vectorial. Para abordar el problema de la actualización de bases de datos se han empleado técnicas de detección de cambios mediante clasificación directa orientada a objetos. En primer lugar, la cartografía aporta los límites espaciales que delimitan los objetos de estudio, que en este caso se corresponden con las parcelas catastrales. En segundo lugar, se extraen las características descriptivas de las parcelas combinando información de las dos fechas de estudio. Posteriormente se realizan estudios de selección de características con el propósito de reducir el número de variables empleadas además de ver cuáles de ellas proporcionan mayor información sobre los cambios estudiados. Esta información es introducida en el algoritmo clasificador para la asignación de una de las clases de cambio o no cambio, relacionadas con los usos del suelo de las parcelas en las dos fechas estudiadas. La descripción cuantitativa de cada objeto se hace por medio de un conjunto de características diseñadas específicamente para la descripción de parcelas. Se han extraído y estudiado diferentes tipos de características en función a la información que proporcionan: características espectrales, de textura, de forma, características tridimensionales, características derivadas de funciones geoestadísticas y características de fragmentación. El desarrollo y aplicación de estas características, en especial el carácter temporal que se les otorga mediante la combinación de información de dos fechas, es el núcleo central de esta tesis. Los diferentes conjuntos de características propuestos en esta tesis: tridimensionales, derivadas de funciones geoestadísticas y características de fragmentación, han sido evaluados mediante ensayos de detección de cambios en cuanto a su utilización y rendimiento en diferentes estratos paisajísticos, como descriptores de diferentes propiedades que definen los cambios entre usos y coberturas del suelo de las parcelas. Por ejemplo, se ha comprobado que las características tridimensionales, extraídas de modelos de diferencias de las alturas de superficie normalizados obtenidos de los datos LiDAR, mejoran los resultados de clasificación de clases de cambio relacionadas con edificios en entornos urbanos y reducen la confusión entre clases que presentan gran variabilidad espectral en estos entornos. Así mismo, las características derivadas de funciones geoestadísticas sintetizan información temporal con respecto a la estructura interna de la parcela, por lo que son buenos indicadores de cambio en parcelas en las que se han producido arranques de cultivos arbóreos o en las que se han cultivado nuevas plantaciones. Además, presentan una gran complementariedad con las características espectrales, combinando la información sobre la estructura interna de la parcela con la respuesta espectral de las coberturas en las parcelas Por último, las características de fragmentación permiten describir los diferentes tipos de coberturas presentes en el interior de las parcelas. Se han empleado dos métodos de detección de cambios: el método post-clasificación y el método de clasificación directa, siendo este segundo el más extendido entre los ensayos realizados. Estos métodos de detección de cambios permiten comparar información de fechas diferentes mediante la clasificación de imágenes. En el caso de la clasificación directa, admite la integración de información de dos fechas diferentes en una única clasificación. El algoritmo clasificador empleado es el algoritmo de árboles de decisión J48 (Witten et al., 2011), generando las reglas de clasificación a partir de un conjunto de parcelas de estudio empleadas como parcelas de aprendizaje. La evaluación de los ensayos de detección de cambios de cada conjunto de características se ha realizado sobre un conjunto de parcelas de evaluación mediante matrices de confusión, tanto de clasificación como de detección de cambios, en las que se calculan las fiabilidades globales, de productor y de usuario, y los porcentajes de coincidencias, cambios, falsos positivos, falsos negativos, de calidad y de detección. En un último ensayo se emplea un conjunto de características final derivado de los diversos ensayos realizados a lo largo de la tesis. En este ensayo se utilizan características seleccionadas en los ensayos anteriores, así como el uso previo de las parcelas, contenido en la base de datos a actualizar, como una característica adicional, como si de un caso real de actualización de bases de datos se tratase. Se han obtenido valores de fiabilidad global de la clasificación y de la detección de cambios entorno al 94% y al 95% respectivamente. En todos los casos estudiados, la introducción en los métodos de detección de cambios de los conjuntos de características propuestos reduce significativamente el trabajo manual realizado por operadores en forma de combinación de información temporal, procesado de datos y tareas de revisión por fotointerpretación. ----------ABSTRACT---------- Agricultural and urban environments are highly subject to changes as a result of human activity. These activities cause the environments to turn into dynamic areas in constant change within short time periods. Thus, human activity is becoming the main reason for changes in land use and land cover on the Earth’s surface. During the last decades, several Earth monitoring systems have been developed with the objective of providing data for change detection. This includes land use/land cover (LU/LC) databases at different levels (regional, national and international), containing reliable and updated land use and land cover information. Methods employed for change detection and database update require a high level of human involvement since they are based on aerial and satellite image photointerpretation or visual comparison. These activities are slow, expensive and subjective methodologies. This thesis is framed in this line of work and the scope of work is to contribute to methods for efficiently obtaining information relative to land use and land cover through the analysis of data provided by Earth monitoring systems. Focus is therefore on automation of change detection techniques and the update of existing databases. The main objective of this thesis is to develop an integrated methodology for high resolution image and LiDAR data processing. This methodology aims to extract quantitative features from these data for LU/LC change detection and database update purposes using object and sub-object based approaches. Data used are high resolution remote sensed images, LiDAR data and cadastral cartography in vector format from different epochs. Object based classification change detection techniques have been used to address the database update procedures. Firstly, vector cartography has been used to define object boundaries, which match with the cadastral parcels. Secondly, descriptive features are extracted from parcels combining the information from the two study dates. Then, feature selection studies are performed. The purpose of the feature selection studies is to reduce the number of features and to pick those which contain the largest amount of change information. This information is introduced into the classifier algorithm for the classification of “change” and “no change” study classes related to the LU/LC of the parcels in the two study dates. Quantitative object description is made using a set of features specially designed for the parcel description. Different feature types have been extracted and studied according to the type of information provided by these features: spectral features, texture, shape, three-dimensional features, features derived from geostatistical functions, and fragmentation features or landscape metrics. The development and usage of these features and specially, the temporal nature given to them by combining information of two dates, is the main core of this thesis. The different sets of three-dimensional features, features derived from geostatistical functions and fragmentation features, have been evaluated through several change detection tests. The usage and performance of these features have been studied over different scenarios as LU/LC change descriptors. For example, it has been verified that threedimensional features, extracted from the differences of the normalized surface models obtained from LiDAR data, improve classification results of buildings in urban environments. At the same time, they reduce the confusion between classes having great spectral variability in these environments. The features derived from geostatistical functions summarize temporal information with regard to the internal parcel structure. These features are good change indicators in parcels where tree crops have been removed or new tree crops have been planted. In addition, they complement the spectral features, since they can combine information about the internal structure with the spectral reflectance of the parcels. The fragmentation features allow describing the land covers existing within the parcels. Two change detection methods have been employed in this study: the post-classification method and the direct classification method, being the latter the most used in the tests. These change detection methods allow to compare information from two different epochs using image classification procedures. In the case of the direct classification method, it also enables the integration of information of different dates in a single classification procedure. The classifier algorithm used is J48 (Witten et al., 2011), which generates classification rules based on a training sample set of study parcels. Evaluation of the change detection for each feature set is performed over an evaluation parcel set. Confusion matrices are obtained in the classification and change detection procedures. Global, user’s and producer’s accuracies are calculated from the confusion matrix of the classification. Percentages of changes, coincidences, false positives, false negatives, and quality and detection percentages are calculated from the change detection confusion matrix. As final test, a change detection study is performed using the features derived from the previous tests. Here, it is also included the parcel’s previous LU/LC class, as in a database update case. The final features and the previous LU/LC class are included in the classifier algorithm. Global accuracies, obtained in the classification and in the change detection procedures, are 94% and 95% respectively. In all the cases studied in this thesis, the use of the different feature sets in the change detection procedures allow decreasing the amount of work performed by an operator. In this sense, the study methods allow time savings (in comparison with conventional methods) when processing multi-temporal data. In addition, these methods diminish the errors in the change detection methodologies, reducing considerably the photointerpretation revision tasks