Detección de cambios en el uso del suelo de subparcelas agrícolas en la comarca del Camp del Turia, mediante imágenes de alta resolución y datos LiDAR

Abstract

[ES] En este proyecto se expone una metodología para la clasificación automática de subparcelas catastrales rústicas por uso del suelo, empleando algoritmos de aprendizaje automático (machine learning). Las clasificaciones que se realizan, sirven de base para detectar los cambios ocurridos en el territorio entre los años 2008 y 2015. La zona de estudio se encuentra definida por los terrenos agrícolas de los municipios de Lliría, Casinos y Benisanó, pertenecientes a la comarca del Camp del Turia.

Los datos que se emplean son ortofotos de alta resolución del Plan Nacional de Ortofotografía Aérea (PNOA), datos del PNOA-LiDAR de la primera y segunda cobertura, y cartografía catastral de dominio rústico. El enfoque seguido en las clasificaciones ha sido orientado a objetos, donde el nivel de análisis mínimo es la subparcela catastral.

A lo largo del trabajo se describen varios procesos como son: 1) preprocesado de datos de partida y obtención de productos LiDAR, 2) definición de usos del suelo de interés, 3) extracción y selección de características descriptivas, 4) creación y selección de mejores modelos clasificadores, 5) clasificación de usos del suelo en cada año de estudio y, 6) detección de cambios en el uso del suelo y evaluación de los resultados.

[EN] This project presents a methodology for the automatic classification of rustic cadastral subplots by land use, using machine learning algorithms. The classifications that are made, serve as a basis for detecting the changes that occurred in the territory between 2008 and 2015. The study area is defined by the agricultural land of the municipalities of Lliría, Casinos, and Benisanó, belonging to the Camp del Turia region.

The data used are PNOA high-resolution aerial orthophotographs, PNOA-LiDAR data of the first and second coverage, and cadastral mapping of the rustic domain. The approach followed in the classifications has been object-oriented where the minimum level of analysis is the cadastral subplot.

Throughout the work, several processes are described such as: 1) preprocessing of initial data and obtaining LiDAR products, 2) definition of land uses of interest, 3) extraction and selection of descriptive features, 4) creation and selection of the best classifier model, 5) classification of land uses in each year of study and, 6) detection of changes in land use and evaluation of the results.