Revista de Teledetección - Núm. 58 (2021)https://riunet.upv.es:443/handle/10251/1697592024-03-28T08:34:42Z2024-03-28T08:34:42ZEstimación de la evapotranspiración del cultivo de arroz en Perú mediante el algoritmo METRIC e imágenes VANTQuille-Mamani, Javier A.Ramos-Fernández, LiaOntiveros-Capurata, Ronald E.https://riunet.upv.es:443/handle/10251/1701352023-11-21T11:50:37Z2021-07-26T06:39:01ZEstimación de la evapotranspiración del cultivo de arroz en Perú mediante el algoritmo METRIC e imágenes VANT
Quille-Mamani, Javier A.; Ramos-Fernández, Lia; Ontiveros-Capurata, Ronald E.
[EN] Modern remote measurement techniques using cameras mounted on an unmanned aerial vehicle (UAV) have made possible to acquire high-resolution images and estimating evapotranspiration at more detailed spatial and temporal scales. The objective of the present research was to estimate crop evapotranspiration (ETc) of rice crop using the “mapping evapotranspiration with internalized calibration model (METRIC)” using high spatial resolution multispectral and thermal images obtained from a UAV. A total of 18 flights with UAV were performed to get the images; likewise, data were collected from the weather station and thermocouple information installed in the crop canopy under soil water potential conditions of –10 kPa (T1), –15 kPa (T2), –20 kPa (T3) and a control of 0 kPa (T0), from November 13, 2017, to April 30, 2018. The results indicate that the METRIC model compared to ETc measurements recorded by a field drainage lysimeter presents a Pearson correlation coefficient (r) of 0.97, root mean square error (RMSE) of 0.51 mm d–1, Nash-Sutcliffe coefficient (EF) of 0.87 and underestimation of 7 %. Evapotranspiration reached values of 7.48 mm d–1, with differences between treatments of 0.2 %, 6 % and 8 % concerning to T0 and yield reduction of 9 %, 34 % and 35 % for T1, T2 and T3 soil water potential. The high[1]resolution images allowed obtaining detailed information on the spatial variability of ETc that could be used in the more efficient application of plot irrigation.; [ES] Las modernas técnicas de mediciones remotas con el uso de cámaras (multiespectral y térmica) acopladas a un vehículo aéreo no tripulado (VANT) han permitido adquirir imágenes de alta resolución, haciendo posible estimar la evapotranspiración a una mayor escala espacial y temporal. El objetivo de la presente investigación fue estimar la evapotranspiración del cultivo (ETc) de arroz mediante el modelo METRIC (Mapping evapotranspiration at high resolution with internalized calibration) a partir de imágenes multiespectrales y térmicas de alta resolución espacial obtenidas desde un VANT. Se realizaron 18 vuelos con VANT para obtener las imágenes, así mismo, se recolectaron datos de una estación meteorológica e información de termopares instalados en el dosel del cultivo en condiciones de potencial hídrico del suelo de –10 kPa (T1), –15 kPa (T2), –20 kPa (T3) y un control de 0 kPa (T0), desde el 13 de noviembre del 2017 al 30 de abril del 2018. Los resultados indican que el modelo METRIC, comparado con las medidas de ETc registradas por un lisímetro de drenaje en campo, presenta un coeficiente de correlación de Pearson (r) de 0,97, un error cuadrático medio (RMSE) de 0,51 mm d–1, un coeficiente de Nash-Sutcliffe (EF) de 0,87 y subestimación del 7 %. La evapotranspiración alcanzó valores de 7,48 mm d–1, con diferencias entre tratamientos de 0,2%, 6% y 8% con respecto al T0 y una reducción del rendimiento del 9 %, 34 % y 35 % para T1, T2 y T3 del potencial hídrico del suelo. Las imágenes de alta resolución permitieron obtener información detallada de la variabilidad espacial de ETc que podría ser utilizada en la aplicación más eficiente del riego parcelario.
2021-07-26T06:39:01ZMonitoreo de la variación del almacenamiento de agua en la cuenca del Medio y Bajo Paraná a partir de datos GRACE, GRACE FO, TRMM y GLDASCornero, C.Pereira, A.Matos, A. C. O. C.Pacino, M. C.Blitzkow, D.https://riunet.upv.es:443/handle/10251/1701342023-11-21T11:50:36Z2021-07-26T06:32:58ZMonitoreo de la variación del almacenamiento de agua en la cuenca del Medio y Bajo Paraná a partir de datos GRACE, GRACE FO, TRMM y GLDAS
Cornero, C.; Pereira, A.; Matos, A. C. O. C.; Pacino, M. C.; Blitzkow, D.
[EN] GRACE (Gravity Recovery and Climate Experiment) is a satellite mission that can monitor mass distributions in the Earth system, which is closely related to the consequences of climate change. This gravimetric satellite allows to obtain monthly variations of the Earth’s gravity field, which can be associated with water mass variations, after removing the effects of oceanic tides and solid Earth, as well as non-tidal oceanic and atmospheric contributions. In this work, data from GRACE (2002-2017) and GRACE FO (since 2018) were used to analyze the variation of the water mass in the Middle and Low Paraná river basin. The interpretation of the results was carried out by associating the mass anomalies derived from GRACE data with information from the TRMM global rainfall mission. Monthly maps of GRACE water mass variations and TRMM precipitation were produced, which made possible a thorough analysis at a regional level of this mass redistribution in the basin, and its connection to the El Niño and La Niña events that took place in the period under study. The water deficits shown in the 2009 GRACE maps are, in fact, related to the intense episode of La Niña that occurred in the period 2008-2009; while the excess of water storage depicted on the 2016 and 2019 maps is connected to the El Niño phenomenon. Moreover, GRACE has also detected drought events in different sectors between 2011-2012, together with floods in the years 2007 and 2010. Monthly GRACE-derived water storage changes were compared with the independent components of the water balance in the region using different hydrological models estimates. Finally, the temporal variations of the groundwater and the soil part (surface water, soil moisture) were analyzed using the Global Land Data Assimilation System GLDAS. The variables showed a good correlation between them, reaching values of r = 0.80.; [ES] GRACE (Gravity Recovery and Climate Experiment) es una misión satelital que permite monitorear el transporte de masa en el sistema terrestre, el cual está íntimamente relacionado con las consecuencias del cambio climático. Este satélite gravimétrico permite obtener las variaciones mensuales del campo de gravedad terrestre, las cuales pueden asociarse a variaciones de masa hídrica luego de remover los efectos de mareas oceánicas y de la Tierra sólida, así como las contribuciones atmosféricas y oceánicas no relacionadas a mareas. En este trabajo, se utilizaron los datos de la misión GRACE (2002-2017), y su sucesora GRACE FO (desde 2018) para analizar los cambios de masa hídrica en la cuenca del Medio y Bajo Paraná. La interpretación de los resultados se llevó a cabo a partir de la vinculación de las anomalías de masa derivadas a partir de datos GRACE, con información de precipitación de la misión TRMM. Para ello, se elaboraron los mapas mensuales de las variaciones de masa hídrica de GRACE y de las precipitaciones, lo que permitió un análisis exhaustivo a nivel regional de la redistribución de masas en la cuenca y su relación con los eventos de El Niño y La Niña que tuvieron lugar en el periodo en estudio. Es así, que los déficits hídricos mostrados en los mapas de GRACE en el año 2009 se relacionan al episodio de gran intensidad de La Niña que tuvo lugar en el periodo 2008-2009, en tanto que, los excesos hídricos que evidencian los mapas en los años 2016 y 2019, están vinculados al fenómeno de El Niño. Asimismo, GRACE también ha detectado eventos sectorizados de sequías en 2011-2012, e inundaciones en los años 2007 y 2010. Los cambios de almacenamiento de agua derivados de GRACE fueron comparados con las componentes independientes del balance hídrico en la región utilizando estimaciones de diferentes modelos hidrológicos. Por último, se analizaron las variaciones temporales del agua subterránea y de la parte de suelo (agua superficial, humedad de suelo), mediante el modelo de asimilación de datos terrestres GLDAS. Las variables presentaron una buena correlación entre sí, alcanzando valores de r=0,80.
2021-07-26T06:32:58ZIntegración de imágenes de sensores remotos en el desarrollo de indicadores medioambientales en cuencas mediterráneas. Aplicación al seguimiento de su estado hídrico y productividadGómez-Giráldez, P. J.https://riunet.upv.es:443/handle/10251/1697712023-11-21T11:50:36Z2021-07-22T08:11:50ZIntegración de imágenes de sensores remotos en el desarrollo de indicadores medioambientales en cuencas mediterráneas. Aplicación al seguimiento de su estado hídrico y productividad
Gómez-Giráldez, P. J.
[EN] This thesis proposes the use of remote sensing images of different spatial, spectral and temporal resolutions that, combined with meteorological, hydrological and phenological data, can be used to produce indicators of different ecosystem variables related to productivity and water status in different unique systems of the Mediterranean region. Specifically, the development of three indicators closely linked to each other is proposed: an indicator of the water status of the soil at the end of the dry season from the state of different vegetation covers; an indicator of the productivity of natural pastures, the main food support for extensive livestock in dehesa ecosystems, based on their status and the climatic conditions of the period evaluated; and, finally, an indicator of the relationship between water state of the soil and the natural pasture phenological state.; [ES] En esta tesis se plantea el desarrollo de indicadores de variables ecosistémicas relacionadas con la productividad y el estado hídrico de sistemas característicos de la zona mediterránea basados en sensores remotos. Para ello, se han combinado imágenes de diferentes resoluciones espaciales, espectrales y temporales con registros puntuales de datos meteorológicos, hidrológicos y fenológicos. En concreto, se han desarrollado y evaluado tres indicadores estrechamente ligados entre sí: i) un indicador del estado hídrico del suelo al final de la estación seca, a partir del estado de varios tipos de cubierta vegetal; ii) un indicador de la productividad de los pastos naturales, principal sustento alimenticio de la ganadería extensiva en ecosistemas de dehesa, a partir de su estado y de las condiciones climáticas del período evaluado; y iii) un indicador que relaciona el estado hídrico del sistema con el estado fenológico en el que se encuentra el estrato herbáceo.
2021-07-22T08:11:50ZSurface water extent dynamics from three periods of continuous Landsat time series; subregional differences across Argentine plainsAliaga, V. S.Piccolo, M.C.Perillo, G.M.E.https://riunet.upv.es:443/handle/10251/1697692023-11-21T11:50:36Z2021-07-22T08:07:51ZSurface water extent dynamics from three periods of continuous Landsat time series; subregional differences across Argentine plains
Aliaga, V. S.; Piccolo, M.C.; Perillo, G.M.E.
[EN] The Pampean region in Argentina is an extensive plain characterized by abundant shallow lakes that fulfill many environmental, ecological, and social functions. This study aims to detect the multiannual lake area changes in this region during 2001-2009 using remote sensing, including lakes as small as ≥10,000 m2 or 1 ha. Landsat scenes of the wet (2008-2009), normal (2006), and dry (2008-2009) seasons were obtained, and using remote sensing techniques, the number and area of shallow lakes were calculated. The spatiotemporal variation of shallow lakes was studied in different climate periods in eight singular subregions. Spatial associations between annual precipitation and lake number and area were analyzed through the development of a Geographic Information System (GIS) at a subregional scale. During the study period the total lake area in the Pampean region decreased by 5257.39 km2 (62 %), but each subregion showed different responses to climatic events. In seven of them, the differences between climate periods prove to be statistically significant (P>0.01). The relationship between precipitation and lake number and area revealed the domain of positive association. We conclude that climate factors play a dominant role in lake changes across the Pampean plains. However, other factors such as origin, topographic and edaphic characteristics intensify or mitigate changes in surface hydrology.; [ES] La Región Pampeana en Argentina es una extensa planicie caracterizada por abundantes lagunas que cumplen numerosas funciones ambientales, ecológicas y sociales. Este estudio tiene como objetivo detectar los cambios plurianuales del área lagunar en esta región durante el período 2001-2009 utilizando la teledetección, incluidos lagos tan pequeños como ≥ 10.000 m2 o 1 ha. Se obtuvieron escenas Landsat de las estaciones húmeda (2008-2009), normal (2006) y seca (2008-2009) y, mediante técnicas de teledetección, se calculó el número y el área de las lagunas. Se estudió su variación espacio-temporal en diferentes períodos climáticos en ocho subregiones singulares. Se analizaron las correlaciones espaciales entre la precipitación anual y el número y el área de los lagos mediante el desarrollo de un Sistema de Información Geográfica (SIG). Durante el período de estudio el área total de lagos en la región pampeana disminuyó en 5.257,39 km2 (62 %), pero cada subregión mostró diferentes respuestas a los eventos climáticos. En siete de ellos, las diferencias entre periodos climáticos resultan estadísticamente significativas (P>0,01). La relación entre la precipitación con el número y área de las lagunas reveló el dominio de asociaciones positivas. Si bien el clima juega un papel dominante en los cambios en las lagunas de planicie, otros factores, como el origen, las características topográficas y edáficas, intensifican o mitigan los cambios en la hidrología superficial.
2021-07-22T08:07:51ZEstudio de las fluctuaciones del nivel del agua en la laguna de Gallocanta (Aragón, España) mediante imágenes satelitales de Sentinel-2Morales, S.Ruiz, M.Soria, J. M.https://riunet.upv.es:443/handle/10251/1697682023-11-21T11:50:37Z2021-07-22T07:54:26ZEstudio de las fluctuaciones del nivel del agua en la laguna de Gallocanta (Aragón, España) mediante imágenes satelitales de Sentinel-2
Morales, S.; Ruiz, M.; Soria, J. M.
[EN] This study has been monitored for five years by Sentinel-2 satellite images, at different seasons of the year, of the fluctuations in the water level of the Gallocanta Lake (between the provinces of Teruel and Zaragoza, Spain) considered a hypersaline and endorheic wetland, which has characteristics that make it unique in the geographical area in which it is located, as well as for the operation of the system. Rainfall in the area has a wide variation giving the maximums in the moths of May and June and the minimums in January and February, with considerable fluctuations in the water level from the almost total drying of the lagoon to the filling with a depth of approximately 3 meters.; [ES] En este estudio se ha realizado un seguimiento de cinco años mediante imágenes satelitales de Sentinel-2, en diferentes estaciones del año, de las fluctuaciones del nivel del agua de la Laguna de Gallocanta (entre las provincias de Teruel y Zaragoza. Aragón, España) considerado un humedal hipersalino y endorreico, el cual posee características que la hacen única en la zona geográfica en la que se encuentra, así como para el funcionamiento del sistema. Las precipitaciones en la zona poseen una amplia variación, dándose las máximas en los meses de mayo y junio y las mínimas en enero y febrero, produciéndose considerables fluctuaciones en el nivel del agua desde la desecación casi total de la laguna hasta el llenado con una profundidad aproximada de 3 metros.
2021-07-22T07:54:26ZAplicación de una metodología simplificada para estimar las curvas de capacidad de embalsesOchoa-García, S. A.https://riunet.upv.es:443/handle/10251/1697672023-11-21T11:50:37Z2021-07-22T07:47:40ZAplicación de una metodología simplificada para estimar las curvas de capacidad de embalses
Ochoa-García, S. A.
[EN] In the management of the regulation volumes of the water resource projected for a variety of benefits (hydroelectric uses, irrigation, drinking water, among others), it is essential to calculate the morphometric variables of the reservoirs to anticipate changes in their morphology and predict how these changes could affect projected achievement. In this document, taking into consideration the fundamental concepts of Integral Calculus, the development of an innovative methodology is presented to obtain the Cota-Volume and Cota-Area curves in reservoirs; the methodology was formulated in R programming language with the help of geographic information tools. A computational optimization was achieved for the processing of the variables of level, area and volume of a regulation body respect to the use of traditional methodologies. To validate the developed tool, the capacity curves of regulation volume of the Minas - San Francisco reservoir located in the south of the Republic of Ecuador were obtained. This reservoir was designed to dislodge its sediments with washing processes. This fact has motivated the continuous monitoring of the morphological conditions of the reservoir to plan maintenance processes due to the loss of volume and to the deposit of particles from its tributaries. In addition, an analysis based on wavelets curves was applied to the digital elevation models obtained from LiDAR techniques and bathymetric echo sounder to demonstrate the sedimentation processes that occur in this body of regulation.; [ES] En la gestión de los volúmenes de regulación del recurso hídrico proyectados para una variedad de beneficios (aprovechamientos hidroeléctricos, riego, agua potable, entre otros), es imprescindible calcular las variables morfométricas de los embalses para anticipar cambios en su morfología y predecir cómo estos cambios podrían afectar el aprovechamiento proyectado. En este documento, tomando en consideración los conceptos fundamentales del Cálculo Integral, se presenta el desarrollo de una metodología innovadora para obtener las curvas Cota-Volumen y Cota-Área en embalses; la metodología fue formulada en lenguaje de programación R con la ayuda de herramientas de información geográfica. Se ha logrado una optimización computacional para el procesamiento de las variables de nivel, área y volumen de un cuerpo de regulación con respecto a la utilización de metodologías tradicionales. Para validar la herramienta desarrollada se obtuvieron las curvas de capacidad del volumen de regulación del embalse Minas - San Francisco ubicado al sur de la republica del Ecuador. Este embalse fue diseñado para desalojar sus sedimentos con procesos de lavado. Este hecho ha motivado el monitoreo continuo de las condiciones morfológicas del embalse para planificar los procesos de mantenimiento por la pérdida del volumen asociado a los depósitos de partículas provenientes de sus tributarios. Además, se aplicó un análisis basado en curvas wavelets a los modelos digitales de elevación obtenidos con técnicas LiDAR y ecosonda batimétrica, para evidenciar los procesos de sedimentación que ocurren en este cuerpo de regulación.
2021-07-22T07:47:40ZEvaluación de parámetros de segmentación en OBIA para la clasificación de coberturas del suelo a partir de imágenes VANTHinojosa-Espinoza, Susana I.Gallardo-Salazar, José L.Hinojosa-Espinoza, Félix J. C.Meléndez-Soto, Anulfohttps://riunet.upv.es:443/handle/10251/1697662023-11-21T11:50:36Z2021-07-22T07:41:16ZEvaluación de parámetros de segmentación en OBIA para la clasificación de coberturas del suelo a partir de imágenes VANT
Hinojosa-Espinoza, Susana I.; Gallardo-Salazar, José L.; Hinojosa-Espinoza, Félix J. C.; Meléndez-Soto, Anulfo
[EN] Unmanned Aerial Vehicles (UAVs) have given a new boost to remote sensing and image classification techniques due to the high level of detail among other factors. Object-based image analysis (OBIA) could improve classification accuracy unlike to pixel-based, especially in high-resolution images. OBIA application for image classification consists of three stages i.e., segmentation, class definition and training polygons, and classification. However, defining the parameters: spatial radius (SR), range radius (RR) and minimum region size (MR) is necessary during the segmentation stage. Despite their relevance, they are usually visually adjusted, which leads to a subjective interpretation. Therefore, it is of utmost importance to generate knowledge focused on evaluating combinations of these parameters. This study describes the use of the mean-shift segmentation algorithm followed by Random Forest classifier using Orfeo Toolbox software. It was considered a multispectral orthomosaic derived from UAV to generate a suburban map land cover in town of El Pueblito, Durango, Mexico. The main aim was to evaluate efficiency and segmentation quality of nine parameter combinations previously reported in scientific studies.This in terms of number generated polygons, processing time, discrepancy measures for segmentation and classification accuracy metrics. Results evidenced the importance of calibrating the input parameters in the segmentation algorithms. Best combination was RE=5, RR=7 and TMR=250, with a Kappa index of 0.90 and shortest processing time. On the other hand, RR showed a strong and inversely proportional degree of association regarding the classification accuracy metrics.; [ES] Los Vehículos Aéreos No Tripulados (VANT) han otorgado un nuevo auge a la teledetección y a las técnicas d clasificación de imágenes debido al alto nivel de detalle entre otros factores. El análisis de imágenes basado en objetos (OBIA) puede mejorar la precisión en la clasificación a diferencia de la basada en píxeles, especialmente en imágenes de alta resolución. La aplicación de OBIA para la clasificación de imágenes consta de tres etapas i.e., segmentación, definición de clases y polígonos de entrenamiento y clasificación. No obstante, en la etapa de segmentación es necesario definir los parámetros: radio espacial (RE), radio de rango (RR) y tamaño mínimo de la región (TMR). Los cuales, pese a su relevancia, suelen ser ajustados de manera visual, lo que conlleva a una interpretación subjetiva. Por lo anterior, es de suma importancia generar conocimiento enfocado a evaluar las combinaciones de estos parámetros. Este estudio describe el uso del algoritmo de segmentación de desplazamiento medio, seguido del clasificador Random Forest mediante el software Orfeo Toolbox. Se consideró un ortomosaico multiespectral derivado de VANT para generar un mapa de cobertura de suelo sub-urbano en la localidad El Pueblito, Durango, México. El objetivo principal fue evaluar la eficiencia y calidad de segmentación de nueve combinaciones de parámetros anteriormente reportadas en estudios científicos. Ello en términos de número de polígonos generados, tiempo de procesamiento, medidas de discrepancia de segmentación y métricas de precisión de la clasificación. Los resultados obtenidos lograron evidenciar la importancia de ajustar los parámetros de entrada en los algoritmos de segmentación. La mejor combinación fue RE=5, RR=7 y TMR=250, con un índice de Kappa de 0,90 y el menor tiempo de procesamiento. Por otro lado, el RR presentó un grado de asociación fuerte e inversamente proporcional con las métricas de precisión de clasificación.
2021-07-22T07:41:16ZEvaluación de algoritmos de clasificación en la plataforma Google Earth Engine para la identificación y detección de cambios de construcciones rurales y periurbanas a partir de imágenes de alta resoluciónCoca-Castro, A.Zaraza-Aguilera, M. A.Benavides-Miranda, Y. T.Montilla-Montilla, Y. M.Posada-Fandiño, H. B.Avendaño-Gomez, A. L.Hernández-Hamon, H. A.Garzón-Martinez, S. C.Franco-Prieto, C. A.https://riunet.upv.es:443/handle/10251/1697652023-11-21T11:50:36Z2021-07-22T07:35:10ZEvaluación de algoritmos de clasificación en la plataforma Google Earth Engine para la identificación y detección de cambios de construcciones rurales y periurbanas a partir de imágenes de alta resolución
Coca-Castro, A.; Zaraza-Aguilera, M. A.; Benavides-Miranda, Y. T.; Montilla-Montilla, Y. M.; Posada-Fandiño, H. B.; Avendaño-Gomez, A. L.; Hernández-Hamon, H. A.; Garzón-Martinez, S. C.; Franco-Prieto, C. A.
[EN] Building change detection based on remote sensing imagery is a key task for land management and planning e.g., detection of illegal settlements, updating land records and disaster response. Under the post- classification comparison approach, this research aimed to evaluate the feasibility of several classification algorithms to identify and capture buildings and their change between two time steps using very-high resolution images (<1 m/pixel) across rural areas and urban/rural perimeter boundaries. Through an App implemented on the Google Earth Engine (GEE) platform, we selected two study areas in Colombia with different images and input data. In total, eight traditional classification algorithms, three unsupervised (K-means, X-Means y Cascade K-Means) and five supervised (Random Forest, Support Vector Machine, Naive Bayes, GMO maximum Entropy and Minimum distance) available at GEE were trained. Additionally, a deep neural network named Feature Pyramid Networks (FPN) was added and trained using a pre-trained model, EfficientNetB3 model. Three evaluation zones per study area were proposed to quantify the performance of the algorithms through the Intersection over Union (IoU) metric. This metric, with a range between 0 and 1, represents the degree of overlapping between two regions, where the higher agreement the higher IoU values. The results indicate that the models configured with the FPN network have the best performance followed by the traditional supervised algorithms. The performance differences were specific to the study area. For the rural area, the best FPN configuration obtained an IoU averaged for both time steps of 0.4, being this four times higher than the best supervised model, Support Vector Machines using a linear kernel with an average IoU of 0.1. Regarding the setting of urban/rural perimeter boundaries, this difference was less marked, having an average IoU of 0.53 in comparison to 0.38 obtained by the best supervised classification model, in this case Random Forest. The results are relevant for institutions tracking the dynamics of building areas from cloud computing platfo future assessments of classifiers in likewise platforms in other contexts.; [ES] La detección de cambios de áreas construidas basada en datos de teledetección es una importante herramienta para el ordenamiento y la administración del territorio p.e.: la identificación de construcciones ilegales, la actualización de registros catastrales y la atención de desastres. Bajo el enfoque de comparación post-clasificación, la presente investigación tuvo como objetivo evaluar la funcionalidad de varios algoritmos de clasificación para identificar y capturar las construcciones y su cambio entre dos fechas de análisis usando imágenes de alta resolución (<1 m/píxel) en ámbitos rurales y límites del perímetro urbano municipal. La anterior evaluación fue llevada a cabo a través de una aplicación desarrollada mediante la plataforma Google Earth Engine (GEE), donde se alojaron y analizaron diferentes imágenes y datos de entrada sobre dos áreas de estudio en Colombia. En total, ocho algoritmos de clasificación tradicional, tres no supervisados (K-means, X-Means y Cascade K-Means) y cinco supervisados (Random Forest, Support Vector Machine, Naive Bayes, GMO maximum Entropy y Minimum distance) fueron entrenados empleando GEE. Adicionalmente, se entrenó una red neuronal profunda denominada Feature Pyramid Networks (FPN) sobre la cual se aplicó la estrategia de modelos preentrenados, usando pesos del modelo EfficientNetB3. Por cada una de las dos áreas de estudio, tres zonas de evaluación fueron propuestas para cuantificar la funcionalidad de los algoritmos mediante la métrica Intersection over Union (IoU). Esta métrica representa la evaluación de la superposición de dos regiones y tiene un rango de valores de 0 a 1, donde a mayor coincidencia de las imágenes mayor es el valor de IoU. Los resultados indican que los modelos configurados con la red FPN tienen la mejor funcionalidad, seguido de los algoritmos tradicionales supervisados. Las diferencias de la funcionalidad fueron específicas por área de estudio. Para el ámbito rural, la mejor configuración de FPN obtuvo un IoU promedio entre ambas fechas de 0,4, es decir, cuatro veces el mejor modelo supervisado, correspondiente al Support Vector Machine de kernel Lineal con un IoU de 0,1. Respecto al área de límites del perímetro urbano municipal, esta diferencia fue menos marcada, con un IoU promedio de 0,53 en comparación con el 0,38 derivado del mejor modelo de clasificación supervisada, que en este caso fue Random Forest. Los resultados de esta investigación son relevantes para entidades responsables del seguimiento de las dinámicas de las áreas construidas a partir de plataformas de procesamiento en la nube como GEE, estableciendo una línea base para futuros estudios evaluando la funcionalidad de los clasificadores disponibles en otros contextos.
2021-07-22T07:35:10ZMapping Sandy Areas and their changes using remote sensing. A Case Study at North-East Al-Muthanna Province, South of IraqSahar, Awad A.Rasheed, Muaid J.Uaid, Dhia A. A.-H.Jasim, Ammar A.https://riunet.upv.es:443/handle/10251/1697642023-11-21T11:50:37Z2021-07-22T07:16:51ZMapping Sandy Areas and their changes using remote sensing. A Case Study at North-East Al-Muthanna Province, South of Iraq
Sahar, Awad A.; Rasheed, Muaid J.; Uaid, Dhia A. A.-H.; Jasim, Ammar A.
[EN] Sandy areas are the main problem in regions of arid and semi-arid climate in the world that threaten urban life, buildings, agricultural, and even human health. Remote sensing is one of the technologies that can be used as an effective tool in dynamic features study of sandy areas and sand accumulations. In this study, two new indices were developed to separate the sandy areas from the non-sandy areas. The first one is called the Normalized Differential Sandy Areas Index (NDSAI) that has been based on the assumption that the sandy area has the lowest water content (moisture) than the other land cover classes. The second other is called the Sandy Areas Surface Temperature index (SASTI) which was built on the assumption that the surface temperature of sandy soil is the highest. The results of proposed indices have been compared with two indices that were previously proposed by other researchers, namely the Normalized Differential Sand Dune Index NDSI and the Eolain Mapping Index (EMI). The accuracy assessment of the sandy indices showed that the NDSAI provides very good performance with an overall accuracy of 89 %. The SASTI can isolate many sandy and non-sandy pixels with an overall accuracy about 86 %. The performance of the NDSI is low with an overall accuracy about 82 %. It fails to classify or isolate the vegetation area from the sandy area and might have better performance in desert environments. The performing of NDSAI that is calculated with the SWIR1 band of the Landsat satellite is better than the performing of NDSI that is calculated with the SWIR2 band of the same satellite. EMI performance is less robust than other methods as it is not useful for extracting sandy surfaces in area with different land covers. Change detection techniques were used by comparing the areas of the sandy lands for the periods from 1987 to 2017. The results showed an increase in sandy areas over four decades. The percentage of this increase was about 20 % to 30 % during 2002 and 2017 compared to 1987.; [ES] Las áreas arenosas son el principal problema en las regiones de clima árido y semiárido del mundo que amenazan la vida urbana, los edificios, la agricultura e incluso la salud humana. La teledetección es una de las tecnologías que puede utilizarse como una herramienta eficaz en el estudio de características dinámicas de áreas arenosas y acumulaciones de arena. En este estudio, se desarrollaron dos nuevos índices para separar las áreas arenosas de las áreas no arenosas. El primero llamado Índice de áreas arenosas diferenciales normalizadas (NDSAI), que se ha basado en el supuesto de que el área arenosa tiene el contenido de agua (humedad) más bajo que las otras clases de cobertura del suelo. El segundo llamado índice de temperatura superficial de las áreas arenosas (SASTI), que se basa en el supuesto de que la temperatura superficial del suelo arenoso es la más alta. Estos nuevos índices se han comparado con dos índices propuestos previamente por otros investigadores, a saber, el Índice de dunas de arena diferencial normalizado NDSI y el Eolain Mapping Index (EMI). La evaluación de la precisión de los índices arenosos mostró que el índice NDSAI proporciona un buen desempeño con una precisión general del 89 %. El índice SASTI puede extraer muchos píxeles arenosos y no arenosos con una precisión general del 86 %. El rendimiento del índice NDSI es pobre, con una precisión general del 82 %, no puede clasificar o aislar el área de vegetación del área arenosa y tal vez funcione mejor en entornos desérticos. El índice NDSAI calculado con la banda SWIR1 del satélite Landsat generó resultados más precisos que el NDSI calculado con la banda SWIR2 del mismo satélite. El índice EMI utilizado fue menos robusto que los otros métodos ya que no ha logrado extraer áreas arenosas con una precisión aceptable en áreas con diversas coberturas terrestres. Se utilizaron técnicas de detección de cambios para analizar las áreas de las tierras arenosas para los períodos de 1987 a 2017. Los resultados marcaron un aumento en las áreas arenosas durante cuatro décadas. El porcentaje de este aumento fue de aproximadamente 20 % a 30 % durante 2002 y 2017 en comparación con 1987.
2021-07-22T07:16:51ZDeterminación de la temperatura de la superficie terrestre mediante imágenes Landsat 8: Estudio comparativo de algoritmos sobre la ciudad de GranadaHidalgo-García, Davidhttps://riunet.upv.es:443/handle/10251/1697622023-11-21T11:50:36Z2021-07-22T07:07:06ZDeterminación de la temperatura de la superficie terrestre mediante imágenes Landsat 8: Estudio comparativo de algoritmos sobre la ciudad de Granada
Hidalgo-García, David
[EN] The use of satellite images has become, in recent decades, one of the most common ways to determine the Land Surface Temperature (LST). One of them is through the use of Landsat 8 images that requires the use of single-channel (MC) and two-channel (BC) algorithms. In this study, the LST of a medium-sized city, Granada (Spain) has been determined over a year by using five Landsat 8 algorithms that are subsequently compared with ambient temperatures. Few studies compare the data source with the seasonal variations of the same metropolis, which together with its geographical location, high pollution and the significant thermal variations it experiences make it a suitable place for the development of this research. As a result of the statistical analysis process, the regression coefficients R2, mean square error (RMSE), mean error bias (MBE) and standard deviation (SD) were obtained. The average results obtained reveal that the LST derived from the BC algorithms (1.0 °C) are the closest to the ambient temperatures in contrast to the MC (-5.6 °C), although important variations have been verified between the different zones of the city according to its coverage and seasonal periods. Therefore, it is concluded that the BC algorithms are the most suitable for recovering the LST of the city under study.; [ES] El empleo de imágenes satelitales se ha convertido, en las últimas décadas, en una de las formas más habituales para determinar la Temperatura de la Superficie Terrestre (TST). Una de ellas es mediante el empleo de imágenes Landsat 8 que requiere del uso de algoritmos del tipo monocanal (MC) y bicanal (BC). En este estudio se ha determinado la TST de una ciudad de tamaño medio, Granada (España) a lo largo de un año mediante el empleo de cinco algoritmos Landsat 8 que posteriormente se comparan con las temperaturas ambientales. Pocos estudios comparan la fuente de datos con las variaciones estacio-temporales de una misma metrópolis lo que unido a su situación geográfica, alta contaminación y las importantes variaciones térmicas que experimenta la convierten en un lugar adecuado para el desarrollo de esta investigación. Como resultado del proceso de análisis estadístico se obtuvieron los coeficientes de regresión R2, el error medio cuadrático (RMSE), sesgo medio del error (MBE) y la desviación estándar (DE). Los resultados medios obtenidos revelan que las TST derivada de los algoritmos BC (1,0 °C) son las más próximas a las temperaturas ambientales en contraposición con los MC (-5,6 °C) aunque se han verificado importantes variaciones entre las distintas zonas de la urbe según su cobertura y los periodos estacionales. Por todo ello, se concluye que los algoritmos BC son los más adecuados para recuperar la TST de la urbe objeto de estudio.
2021-07-22T07:07:06Z