Detección automática de vegetación en entornos urbanos

Caso Estudio: área urbana de Ferrol

Estructura:

  • Objetivo
  • Estado del arte
  • Materiales
  • Metodología
  • Resultados
  • Comprobación resultados
  • Falta por hacer...
  • Problemas encontrados

1 - Objetivo

  • Identificar áreas de vegetación en entornos urbanos
  • Diferenciar tipos de vegetación en las áreas urbanas de las 7 ciudades gallegas:
    • Vegetación baja: césped, prado...
    • Vegetación de porte alto: árboles

2 - Estado del arte

  • Infraestructura verde a nivel municipal (Barcelona, 2016)
  • Haboudane et al 2004 - ¿¿¿¿SARVI???
  • ????

3 - Materiales

  • Imágenes Pléiades
    • Resolución espacial = 50 cm
    • Resolución espectral = R-G-B-NIR
  • Datos LiDAR 2009-2010 clasificados
    • Resolución espacial = 0.5 ptos/m2
  • Datos LiDAR 2015-2016 sin clasificar
    • Resolución espacial = 0.5 ptos/m2

3 - Materiales: Imágenes Pleiades

Escenas multibanda de 2014: 8d43, 42eb, 169f, c0e8 con formato Unsigned Integer 16 bits

3- Materiales: Imágenes Pleiades

3 - Materiales: Datos LiDAR - especificaciones

  • 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

3 - Materiales: Datos LiDAR 2015 sin clasificar

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

PNOA_2015_GAL_W_546-4802_ORT-000-COL.las

3 - Materiales: Datos LiDAR 2015 sin clasificar

PNOA 2015 546_4802_CIR_432

4 - Metodología

4 - Metodología I: tratamiento previo 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

4 - Metodología I: tratamiento previo de imágenes Pleiades

  • Cálculo del NDVI empleando bandas 3 y 4 Pleiades

Rouse et al 1974

4 - Metodología II. Tratamiento previo de datos LiDAR

  • Descomprimir *.laz a *.las mediante lastools
  • Creación de las dataset (ArcGIS)

4 - Metodología II. Tratamiento previo de datos LiDAR

AUF_lasDataset

4 - Metodología III. Clasificación mediante Random Forest

explicar el procedimiento de tratamiento de los datos lidar:

4 - Metodología IV. Modelo cartográfico

5 - Resultados

5 - Resultados Intermedios. Imágenes Pleiades

NDVI

5 - Resultados Intermedios. Imágenes Pleiades

NDVI

5 - Resultados Intermedios.

Datos LiDAR

AUF_2015_432_1m.tif

5 - Resultados Intermedios.

Datos LiDAR

AUF_NDVI_1m.tif

AUF_NDVI_vex_1m.tif

Cálculo NDVI e identificación de vegetación

5 - Resultados Intermedios.

Datos LiDAR

AUF_2015_AltTotal_1m.tif

AUF_2015_AltGround_1m.tif

Cálculo Alturas (MDS-MDT)

5 - Resultados Intermedios.

Datos LiDAR

AUF_2015_2010_Alt150_1m.tif

AUF_2015_2010_AltRelat_1m.tif

Cálculo alturas > 150cm

5 - Resultados Intermedios.

Datos LiDAR

AUF_ARB_1m.tif

AUF_ARB_Buffer2m_1m.tif

5 - Resultados finales (vegetación baja / alta)

A Coruña

6. Comprobación resultados

  • Inventario arbolado Coruña, Ferrol???
  • Digitalización sobre cuadrículas aleatorias
  • ???

7. Falta por hacer

  • ¿Fusionar vegetación baja y alta en una misma capa?
  • Excluir edificios
  • Pasar arbolado a calles
  • ...

8 - Problemas encontrados y más...

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

valores procedentes del archivo *.col

valores procedentes del archivo *.cir

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

Resultados (sólo imágenes)

Resultados (sólo imágenes)

Resultados (sólo imágenes)

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

SARVI

Valores obtenidos (-1.48, 1.49)

Haboudane et al, 2004

Modelo cartográfico

Detección automática de vegetación en áreas urbanas: caso estudio Ferrol

By darango

Detección automática de vegetación en áreas urbanas: caso estudio Ferrol

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

  • 781