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
- 739