Identificación automática de vegetación en áreas urbanas

Caso Estudio: Ferrol

Objetivo

  • Identificar áreas de vegetación en entornos urbanos
  • Diferenciar tipos de vegetación según su porte:
    • Porte bajo: césped, prado, arbusto...
    • Porte alto: arbolado

Área estudio

Materiales

Imágenes Pleiades 1A

50cm/pixel

Bandas: Pan- R-G-B-NIR

 

Datos LiDAR 2009-2010 clasificados

Datos LiDAR 2014-2015 sin clasificar

PNOA_2015_GAL-W_546-4802_ORT-000-CIR.las

PNOA_2015_GAL_W_546-4802_ORT-000-COL.las

Datos LiDAR. Nomenclatura

  • 2009: vuelo lidar PNOA 2009
  • Lote5: nº de lote interno
  • CLM: zona Castilla la Mancha
  • Coordenadas esquina superior izquierda fichero X=454.000, Y=4346.000
  • ORT: alturas ortométricas
  • CLA: fichero clasificado automáticamente según estándar del ASPRS
  • COL: información color procedente de ortofoto correspondiente de la imagen PNOA
  • RGB: color RGB procedente de ortofoto tomada en mismo momento que datos LiDAR
  • CIR: color infrarrojo procedente de otro vuelo en la misma zona
  • IRC: color infrarrojo procedente del mismo vuelo en el mismo momento de adquirir datos LiDAR

PNOA_2009_Lote5_CLM_454_4346_ORT-CLA-COL.las

Metodología

Tratamiento de imágenes Pleiades

  • Split bandas
    • Cada imagen multibanda se separa en 4 monobandas (b1-b2-b3-b4) correspondientes a B-G-R-NIR. Con Gdal Calc en proceso por lotes, para extraer cada banda por separado.
  • Merge bandas
    • Se unen todas las imágenes monobanda para toda el área de estudio (mosaic to raster -SAGA sobre QGIS-)
  • Cálculo de NDVI

Tratamiento de imágenes Pleiades

  • Cálculo del NDVI empleando bandas 3 y 4 Pleiades

Rouse et al 1974

Tratamiento de datos LiDAR

  • Sobre datos CIR 2015 no clasificados:
    • Rasterizar a 1m/pixel
    • Calcular NDVI
    • Seleccionar pixeles con NDVI >0.4
  • Sobre datos CLA-COL 2010 clasificados:
    • Rasterizar a 1m/pixel
    • Calcular MDT y MDS
    • Calcular altura relativa (MDS-MDT)
    • Seleccionar pixels con altura relativa >150cm
  • Identificar pixels con NDVI>0.4 y altura relativa >150cm

Modelo cartográfico

Resultados

Sobre Pleiades: NDVI

Sobre LiDAR: NDVI

AUF_NDVI_vex_1m.tif

Sobre LiDAR: MDT y MDS

AUF_2015_AltTotal_1m.tif

AUF_2015_AltGround_1m.tif

Sobre LiDAR: altura relativa (MDS-MDT) e identificación de puntos con h>150cm

AUF_2015_2010_Alt150_1m.tif

AUF_2015_2010_AltRelat_1m.tif

Identificación arbolado

AUF_ARB_1m.tif

AUF_ARB_Buffer2m_1m.tif

Resultado Final

Validación

Conclusiones

  • Permite identificar y diferenciar tipos vegetación
  • Puede automatizarse mediante pipeline procesamiento
  • Falta realizar una validación cuantitativa de resultados (valores de completado, falsos negativos...)

¡Muchas gracias!

Geomática y Sostenibilidad. Detección automática de vegetación en áreas urbanas: caso estudio Ferrol

By darango

Geomática y Sostenibilidad. Detección automática de vegetación en áreas urbanas: caso estudio Ferrol

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

  • 803