Detección automática de vegetación en entornos urbanos

Caso Estudio: Área urbana de A Coruña

Objetivo

  • Identificar áreas de vegetación en entornos urbanos
  • Diferenciar tipos de vegetación dentro de las áreas detectadas
    • Vegetación baja (césped, prado...)
    • Arbustos y/o plantas de porte mediano
    • Árboles

CAMBIAR ESTA IMAGEN POR UNA VISUALIZACIÓN COLOR INFRARROJO DE PLEIADES

Datos de partida

  • Imágenes Pléiades
    • Resolución espacial = 50 cm
    • Resolución espectral = R-G-B-NIR
  • Ortofotos PNOA 2010
    • Resolución espacial = 25 cm
    • Resolución espectral = R-G-B
  • Datos LiDAR
    • Resolución espacial = 0.5 ptos/m2

Imágenes Pleiades

  • Resolución espacial = 50 cm
  • Resolución espectraL
    • B1=Blue=430-550 nm
    • B2=Green=490-610 nm
    • B3=Red= 600-720nm
    • B4= NIR=750-950nm
  • Fuente = IET

Ortofotos PNOA 2010

PNOA 2010

PNOA 2014

¿Por qué PNOA-10 y no algo más actual?

SARVI

Valores obtenidos (-1.48, 1.49)

Haboudane et al, 2004

Modelo cartográfico

Resultados (sólo imágenes)

Resultados (sólo imágenes)

Resultados (sólo imágenes)

Resultados (sólo imágenes). Máscara viario

Siguiente paso:

Incorporar datos LiDAR para diferenciar tipos de vegetación mediante alturas

Prueba 1: Uso de datos LiDAR PNOA clasificados (categoria 5: high vegetation)

Problema 1: faltan árboles por identificar y hay falsos positivos (edificios identificados como árboles)

Prueba 1: Uso de datos LiDAR PNOA clasificados (categoria 5: high vegetation)

Problema 2: genera falsos positivos en todos los puentes y diferencias topológicas similares

Prueba 2:

Uso de datos LiDAR PNOA SIN CLASIFICAR, con datos RGB+NIR

  • Archivos de datos LiDAR en formato .laz, publicados por el IGN el 28 Febrero 2018
  • Distribuidos en dos archivos:
    • *.col
    • *.cir
  • Resolución espacial= 0.5 ptos/m2

Prueba 2:

Uso de datos LiDAR PNOA SIN CLASIFICAR, con datos RGB+NIR

PNOA 2015 546_4802_COL

PNOA 2015 546_4802_CIR

Prueba 2:

Uso de datos LiDAR PNOA SIN CLASIFICAR, con datos RGB+NIR

Prueba 2:

Uso de datos LiDAR PNOA SIN CLASIFICAR, con datos RGB+NIR

valores procedentes del archivo *.col

valores procedentes del archivo *.cir

Prueba 2:

Uso de datos LiDAR PNOA SIN CLASIFICAR, con datos RGB+NIR

valores procedentes del archivo *.col

valores procedentes del archivo *.cir

Problema: no conocemos datos de longitud de onda de los valores CIR y por tanto no sabemos qué banda emplear para calcular SARVI, ya que no aparece información relacionada en los metadatos

Tareas por hacer...

Falta para TLIX

  • Proponer un proyecto para la presentación de junio
    • Integración de LiDAR en este proyecto
    • Proyecto de alturas de Catastro
    • ¿¿¿Integración de imágenes y datos LiDAR???
    • ...

Detección automática de vegetación áreas urbanas

By darango

Detección automática de vegetación áreas urbanas

Uso de teledetección para determinar áreas verdes en zonas urbanas - Caso estudio A Coruña

  • 743