Detección de la línea de costa a partir de imágenes satelitales y algoritmos de aprendizaje profundo

Abstract

[ES] El seguimiento y monitorización de la línea de costa a lo largo del tiempo ha sido un factor determinante para el desarrollo social y económico de la zona costera. El cambio climático, entre otros factores, ha provocado que este trabajo sea ya no importante, sino necesario teniendo en cuenta que, por ejemplo, el turismo en España supone aproximadamente un 10% del PIB, por lo que el seguimiento de la evolución de los sectores costeros es un factor fundamental en el desarrollo de esta actividad económica. El avance tecnológico y puesta en marcha de programas como Copernicus de observación de la tierra por parte de la Unión Europea en los últimos años, ha permitido el acceso de manera gratuita a datos obtenidos mediante observación por satélite, fomentando las investigaciones científicas, el avance tecnológico y la aplicación económica de medios más eficientes y productivos. Una de estas novedosas tecnologías es la inteligencia artificial.

En este Trabajo Fin de Grado pretendo demostrar el enorme potencial que la IA, más concretamente el aprendizaje profundo, tiene en el procesamiento y análisis de imágenes obtenidas desde plataformas espaciales, como satélites, así como las grandes ventajas que tiene respecto de las técnicas tradicionales, mediante la creación de un modelo de red neuronal que sea capaz de detectar, de manera automática e instantánea, la línea de costa a partir de una imagen, sin necesidad de realizar ninguna otra operación, de forma que ayude a la mejora de los sistemas automáticos tradicionales (normalmente basados en la obtención de índices de agua). Algunas de las ventajas más importantes que proporciona el uso de esta tecnología son:

· Escalabilidad: Las redes neuronales pueden procesar grandes cantidades de datos en paralelo, lo que las hace más eficientes para el procesamiento de grandes áreas y conjuntos de datos.

· Flexibilidad: Las redes neuronales pueden ser entrenadas con diferentes tipos de datos, incluyendo imágenes satelitales de diferentes resoluciones y bandas espectrales. Esto permite una mayor flexibilidad en la detección de la línea de costa en diferentes condiciones.

· Automatización: Una vez que se ha entrenado una red neuronal, puede ser utilizada para automatizar la detección de la línea de costa en nuevos conjuntos de datos, lo que ahorra tiempo y recursos.

· Generalización: Las redes neuronales pueden generalizar la detección de la línea de costa a diferentes condiciones climáticas y geográficas, lo que las hace más robustas que los algoritmos de detección basados en reglas predefinidas.

[EN] The tracking and monitoring of the coastline over time has been a determining factor in the social and economic development of the coastal area. Climate change, among other factors, has meant that this work is no longer important, but necessary, bearing in mind that, for example, tourism in Spain accounts for approximately 10% of GDP, so that monitoring the evolution of coastal sectors is a fundamental factor in the development of this economic activity. Technological progress and the implementation of programmes such as Copernicus for earth observation by the European Union in recent years has allowed free access to data obtained by satellite observation, promoting scientific research, technological progress and the economic application of more efficient and productive means. One of these novel technologies is artificial intelligence.

In this Final Degree Project I intend to demonstrate the enormous potential that AI, more specifically deep learning, has in the processing and analysis of images obtained from space platforms, such as satellites, as well as the great advantages it has over traditional techniques, by creating a neural network model that is able to detect, automatically and instantaneously, the coastline from an image, without the need to perform any other operation, in a way that helps to improve traditional automatic systems (usually based on obtaining water indices). Some of the most important advantages provided by the use of this technology are:

· Scalability: Neural networks can process large amounts of data in parallel, making them more efficient for processing large areas and datasets.

· Flexibility: Neural networks can be trained on different types of data, including satellite images of different resolutions and spectral bands. This allows for greater flexibility in shoreline detection under different conditions.

· Automation: Once a neural network has been trained, it can be used to automate shoreline detection on new datasets, saving time and resources.

· Generalisation: Neural networks can generalise shoreline detection to different climatic and geographical conditions, making them more robust than predefined rule-based detection algorithms.

[CA] El seguiment i monitoratge de la l´ınia de costa al llarg del temps ha sigut un factor determinant per al desenvolupament social i econ`omic de la zona costanera. El canvi clim`atic, entre altres factors, ha provocat que aquest treball siga ja no important, sin´o necessari tenint en compte que, per exemple, el turisme a Espanya suposa aproximadament un 10 % del PIB, per la qual cosa el seguiment de l’evoluci´o dels sectors costaners ´es un factor fonamental en el desenvolupament d’aquesta activitat econ`omica. L’avan¸c tecnol`ogic i posada en marxa de programes com Copernicus d’observaci´o de la terra per part de la Uni´o Europea en els ´ultims anys, ha perm´es l’acc´es de manera gratu¨ıta a dades obtingudes mitjan¸cant observaci´o per sat`el·lit, fomentant les investigacions cient´ıfiques, l’avan¸c tecnol`ogic i l’aplicaci´o econ`omica de mitjans m´es eficients i productius. Una d’aquestes noves tecnologies ´es la intel·lig`encia artificial. En aquest Treball Fi de Grau pretenc demostrar l’enorme potencial que la IA, m´es concretament l’aprenentatge profund, t´e en el processament i an`alisi d’imatges obtingudes des de plataformes espacials, com a sat`el·lits, aix´ı com els grans avantatges que t´e respecte de les t`ecniques tradicionals, mitjan¸cant la creaci´o d’un model de xarxa neuronal que siga capa¸c de detectar, de manera autom`atica i instant`ania, la l´ınia de costa a partir d’una imatge, sense necessitat de realitzar cap altra operaci´o, de manera que ajude a la millora dels sistemes autom`atics tradicionals (normalment basats en l’obtenci´o d’´ındexs d’aigua). Algunes dels avantatges m´es importants que proporciona l’´us d’aquesta tecnologia s´on: • Escalabilitat: Les xarxes neuronals poden processar grans quantitats de dades en paral·lel, la qual cosa les fa m´es eficients per al processament de grans `arees i conjunts de dades. • Flexibilitat: Les xarxes neuronals poden ser entrenades amb diferents tipus de dades, incloent-hi imatges satel·lit`aries de diferents resolucions i bandes espectrals. Aix`o permet una major flexibilitat en la detecci´o de la l´ınia de costa en diferents condicions. • Automatitzaci´o: Una vegada que s’ha entrenat una xarxa neuronal, pot ser utilitzada per a automatitzar la detecci´o de la l´ınia de costa en nous conjunts de dades, la qual cosa estalvia temps i recursos. • Generalitzaci´o: Les xarxes neuronals poden generalitzar la detecci´o de la l´ınia de costa a diferents condicions clim`atiques i geogr`afiques, la qual cosa les fa m´es robustes que els algorismes de detecci´o basats en regles predefinides.