Técnicas de detección de cambios mediante teledetección para el desarrollo sostenible y la desertificación

Abstract

[ES] A lo largo de los últimos años ha ido aumentando el interés por disponer de información del uso y la cobertura del suelo y su cambio en el tiempo. Con la aparición de las imágenes de satélite y la teledetección, ahora se puede obtener y supervisar esta información de la Tierra de forma sistemática. El enfoque de esta Tesis consiste en desarrollar técnicas de detección de cambio mediante el análisis semiautomático de imágenes ópticas multitemporales y de microondas disponibles de forma abierta, con especial énfasis en la detección de desertificación en el norte de Argelia.

En primer lugar, se emplea la técnica Change Vector Analysis y se estudian sus resultados en dos áreas diferentes con objeto de validar esta metodología de detección de cambios. Para ello, se realizan clasificaciones supervisadas por píxel, habiendo seleccionado las clases adecuadas por cada información de la escena. En esta fase, se comprueban los resultados obtenidos con diferentes tipos de clasificadores. Así, el clasificador Maximum Likelihood Classifier es el que proporciona una mejor precisión global, igual a 90,71%, en los escenarios bajo test. La evaluación de la calidad se realiza mediante matrices de confusión y sus parámetros derivados, tales como la precisión global y el coeficiente kappa. La fase de búsqueda del umbral óptimo es el punto crítico en esta metodología de detección de cambios. Una posibilidad de establecer el umbral nos lo da el método clásico Double-Window Flexible Pace Search. Los resultados de la discriminación del tipo de cambio se muestran mediante las matrices de transición e índices de cambios, y en formato gráfico mediante mapa de cambios.

En segundo lugar, se estudia la detección de cambios aplicada a la desertificación en Argelia mediante datos ópticos. Se desarrolla una metodología basada en la comparación posterior a la clasificación para monitorizar de forma simple la degradación de la tierra. Este método de detección de cambio es el que proporciona los mejores resultados con una precisión global del 95,15%, tras compararlo con la detección con vectores y considerar diferentes parámetros en ambos métodos. En este caso, el clasificador basado en objetos y la técnica Support Vector Machine es el que proporciona los mejores resultados con un 92,91% en termino de precisión global y un valor del coeficiente kappa igual a 0,91, después de comparar las matrices de confusión y sus parámetros derivados. Consecuentemente, se diseña un método de detección de cambios y se evalúa la evolución del cambio en la ciudad de Biskra (Argelia) durante un período de veinticinco años. Los resultados se disponen en formato estadístico (matrices de transición e índices de cambio) y en formato gráfico mediante mapas de distribución de cambios, obteniendo excelentes resultados con un bajo coste en tiempo de operador humano.

Finalmente, teniendo en cuenta la creciente disponibilidad de imágenes de microondas, se realiza un estudio añadiendo imágenes radar a los datos ópticos en la metodología previamente seleccionada de detección de desertificación. Después de evaluar diferentes configuraciones para introducir la nueva información en la cadena de procesado, se escoge la integración de la imagen radar en polarización vertical-vertical sin filtrado Speckle después de la fase de segmentación. Esta nueva estrategia, empleando imágenes ópticas y de radar, introduce una mejora significativa sobre los resultados anteriormente obtenidos, con 97,05% de precisión global y 0,96 del coeficiente kappa, ya que las propiedades de la arena seca en la imagen radar hacen que sea más fácilmente identificada. Este nuevo método semiautomático integrando distintos tipos de imágenes reduce el trabajo del analista y produce un informe de detección de cambios fácil de interpretar. La utilidad de este tipo de informe reside en ayudar a las autoridades gubernamentales argelin

[CA] Al llarg dels últims anys ha anat augmentant l'interés per disposar d'informació de l'ús i la cobertura del sòl i el seu canvi en el temps. Amb l'aparició de les imatges de satèl·lit i la teledetecció, ara es pot obtindre i supervisar aquesta información de la Terra de forma sistemàtica. L'enfocament d'aquesta Tesi consisteix a desenvolupar tècniques de detecció de canvi mitjançant l'anàlisi semiautomática d'imatges òptiques multitemporales i de microones disponibles de forma oberta, amb especial èmfasi en la detecció de desertificació en el nord d'Algèria.

En primer lloc, s'empra la tècnica Change Vector Analysis i s'estudien els seus resultats en dues àrees diferents a fi de validar aquesta metodologia de detecció de canvis. Per a això, es realitzen classificacions supervisades per píxel, havent seleccionat les classes adequades per cada informació de l'escena. En aquesta fase, es comproven els resultats obtinguts amb diferents tipus de classificadors. Així, el classificador Maximum Likelihood Classifier és el que proporciona una millor precisió global del 90,71% en els escenaris sota test. L'avaluació de la qualitat es realitza mitjançant matrius de confusió i els seus paràmetres derivats, tals com la precisió global i el coeficient kappa. La fase de cerca del llindar òptim és el punt crític en aquesta metodologia de detecció de canvis. Una possibilitat d'establiment de llindar ens ho dóna el mètode clàssic Double-Window Flexible Pace Search. Els resultats de la discriminació del tipus de canvi es mostren mitjançant les matrius de transició i índexs de canvis, i en format gràfic mitjançant mapa de canvis.

En segon lloc, s'estudia la detecció de canvis aplicada a la desertificació a Algèria mitjançant dades òptiques. Es desenvolupa una metodologia basada en la comparació posterior a la classificació per a monitorar de forma simple la degradació de la terra. Aquest mètode de detecció de canvi és el que proporciona els millors resultats amb una precisió global del 95,15% després de comparar-ho amb la detecció amb vectors i considerar diferents paràmetres en tots dos mètodes. En aquest cas, el classificador basat en objectes i la tècnica Support Vector Machine és el que proporciona els millors resultats amb una precisió global igual a 92,91% i un coeficient kappa de 0,91, després de comparar les matrius de confusió i els seus paràmetres derivats. Conseqüentment, es dissenya un mètode de detecció de canvis i s'avalua l'evolució del canvi a la ciutat de Biskra (Algèria) durant un període de vint-i-cinc anys. Els resultats es disposen en format estadístic (matrius de transició i índexs de canvi) i en format gràfic mitjançant mapes de distribució de canvis, obtenint excel·lents resultats amb un baix cost en temps d'operador humà.

Finalment, tenint en compte la creixent disponibilitat d'imatges de microones, es realitza un estudi afegint imatges radar a les dades òptiques en la metodologia prèviament seleccionada de detecció de desertificació. Després d'avaluar diferents configuracions per a introduir la nova informació en la cadena de processament, es tria la integració de la imatge radar en polarització vertical-vertical sense filtrat Speckle després de la fase de segmentació. Aquesta nova estrategia, emprant imatges òptiques i de radar, introdueix una millora significativa sobre els resultats anteriorment obtinguts, amb 97,05% de precisió global i 0,96 del coeficient kappa, ja que les propietats de l'arena seca en la imatge radar fan que siga més fàcilment identificada. Aquest nou mètode semiautomàtic integrant diferents tipus d'imatges redueix el treball de l'analista i produeix un informe de detecció de canvis fàcil d'interpretar. La utilitat d'aquest tipus d'informe resideix a ajudar les autoritats governamentals algerianes a prendre les accions adequades en la lluita contra la degradació de la Terra.

[EN] Over the last few years, the interest on the use of land use, land cover and its change in the time has grown. With the appearance of satellite images and Remote Sensing techniques, this type of Earth information can be obtained in a systematic way. The main focus of this Thesis is to develop change detection techniques through semiautomatic analysis of freely available optical and microwave images, with special emphasis on the detection of desertification in the north of Algeria.

Firstly, Change Vector Analysis is studied in two different zones in order to validate this change detection technique. For that purpose, supervised classification per pixel is employed with the selection of the appropriate classes for each scene information. In this step, comparison among different types of classifiers is done and Maximum Likelihood Classifier provides the better accuracy equal to 90,71%. Quality evaluation is given by matrices of confusion and its derived parameters, such as global accuracy and kappa coefficient. A critical point in change detection methodology is optimal threshold selection. One possibility for it is given by the classical method Double-Window Flexible Pace Search. The results of change detection are given by transition matrices, change indexes and change maps.

Secondly, change detection applied to the issue of desertification in Algeria is studied using optical data. A methodology based on post classification comparison is developed to monitor the degradation of the Earth in a simple way. This method of change detection provides the best results with a value of 95,15% in overall accuracy, after the comparison with Change Vector Analysis and considering different processing parameters in both methods. In this case, the Support Vector Machine classifier based on objects is the one that provides the best results with a remarkable global accuracy of 92,91% and kappa coefficient equal to 0,91, after comparing the confusion matrices and their derived products. Consequently, a change detection method is designed and evaluated in the city of Biskra (Algeria) during a period of twenty-five years. The results are available in statistical format (transition matrices and change indexes) and in graphical format using change distribution maps. The excellent results are obtained with low operator time.

Finally, taking into account the increasing availability of microwave images, the addition of radar images to the optical data in the previously selected desertification detection methodology is carried out. After evaluating different configurations, the integration of the radar image in vertical-vertical polarization without Speckle filtering after the segmentation step is chosen. This new strategy employing optical and radar images provides a significant improvement over previous results (with a value of 97,05% in global accuracy and 0,96 in kappa coefficient), since the properties of dry sand in the radar image make it more easily identifiable. This new semiautomatic method integrating different types of images reduces the analyst's work and produces an easily interpretable change detection report. The usefulness of this type of report lies in helping the Algerian government authorities to take appropriate actions to fight against land degradation.