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???
  • ...