Análisis de fotogramas e imágenes satelitales para la identificación y cuantificación automática de árboles y unidades con significación ecológica en olivares y ecosistemas de dehesa

• Autores: Cristina Martinez
• Directores de la Tesis: Elvira Fernández de Ahumada (dir. tes.) , José Emilio Guerrero Ginel (dir. tes.)
• Lectura: En la Universidad de Córdoba (ESP) ( España ) en 2022
• Idioma: español
• Tribunal Calificador de la Tesis: Alfonso García-Ferrer (presid.) , F. J. Montes (secret.) , Jesús Montejo Gámez (voc.)
• Enlaces
  • Tesis en acceso abierto en: Helvia
• Resumen

  • 1. Introducción o motivación de la tesis:

    La gestión sostenible e integración de servicios para el manejo de ecosistemas se ha convertido en un factor clave en las últimas décadas, viéndose impulsado gracias a la digitalización. Dentro de los ecosistemas presentes en el sur de España destaca la dehesa, el cual es un ecosistema antrópico complejo típico de algunas zonas de España y Portugal , con un papel clave en la conservación del suelo, la biodiversidad y en la búsqueda del equilibrio entre producción, conservación y servicios ecosistémicos [1,2]. Por otro lado, el olivar es uno de los cultivos más representativos de la cuenca mediterránea, por su interés cultural, paisajístico y económico. Por ello, es fundamental disponer de herramientas que permitan su caracterización, así como el seguimiento y apoyo a la toma de decisiones para mejorar su sostenibilidad [3,4].

    2.Contenido de la investigación:

    El objetivo de esta Tesis es el desarrollo de herramientas polivalentes a partir de un prototipo de espacio compartido de datos que permitan realizar inventarios agroforestales automatizados, identificando y cuantificando unidades con significancia ecológica, a través de protocolos de análisis de imagen y analítica de datos, con el foco en los ecosistemas de dehesa y olivar. Para alcanzar el objetivo, se desarrolló un prototipo de espacio compartido de datos a través de la integración, preprocesado, limpieza e interpretación de diferentes fuentes de datos abiertas, a partir del cual se crearon sendos almacenes de datos para el ecosistema de la dehesa y el cultivo de olivar, que sirvieron como soporte a las herramientas. En lo referente a la dehesa, los elementos identificados fueron: árboles, grupos de árboles, corredores ecosistémicos, áreas regeneradas y láminas de agua, para ello se desarrolló un análisis de imagen según el enfoque OBIA (Object-Based Image Analysis) [5–7]. Respecto al olivar, el objetivo fue la caracterización automática de la superficie de olivar de Andalucía, obteniendo información singularizada a nivel de árbol y Fracción de Cabida Cubierta (FCC). Esta investigación también propuso evaluar el NDVI (Índice Diferencial Normalizado de Vegetación) procedente de imágenes de teledetección para estimar la FCC de distintas tipologías de olivares obtenida en la caracterización [8]. Las herramientas propuestas en esta tesis permiten la escalabilidad y generalización en los ecosistemas planteados y otros cultivos y ecosistemas, proponiendo la posibilidad de segmentar la superficie ocupada por los árboles y otras unidades ecológicas lo que abre una gran oportunidad para mejorar la construcción de modelos de interpretación de imágenes de satélite.

    3.Conclusión:

    El desarrollo de un prototipo de espacio compartido de datos para mejorar las decisiones en el sector agroalimentario ha permitido demostrar la necesidad, posibilidad, y escalabilidad de herramientas existentes y de desarrollo propio, para la captura, metadatación, procesamiento y gestión de los datos, de forma automática, así como para añadirle valor a los datos, reutilizarlos y orientarlo a casos concretos de necesidades reales. Los espacios de datos compartidos permiten la utilización de las bases de datos en abierto, incorporación de fuentes de datos muy diversas, la sistematización y mejora de nuevas incorporaciones de datos, así como la mejora de la publicación, consumo y reutilización de los datos a través de interfaces intuitivas, abiertas e interoperables. Se han desarrollado herramientas y protocolos de análisis de imagen de diferentes resoluciones espaciales, temporales y espectrales. Hacerlo de forma automática ha permitido la identificación e interpretación automática de elementos con significación ecológica en sistemas complejos como es el caso de las dehesas, haciendo posible aplicarlo a grandes extensiones y permitiendo la generación automática y periódica de inventarios agroforestales. Esto permite estudiar su evolución y utilizar los resultados en sistemas de apoyo a la decisión para la conservación y regeneración de la dehesa, a nivel general y de unidad de gestión. Se ha demostrado el gran potencial de las sinergias del reconocimiento automático de imágenes de distinto formato, resoluciones espaciales, temporales y espectrales para calibrar y optimizar los análisis realizados con imágenes de satélite de menor resolución, completando el análisis de mezclas de distintas imágenes y resoluciones. Las herramientas y protocolos desarrollados permiten generalizar la metadatación automática de imágenes para que posteriormente puedan utilizarse para el desarrollo y validación de algoritmos que permitan mejorar la toma de decisiones. El análisis automático de una gran superficie de olivar y hacerlo a nivel de polígonos catastrales y de información singularizada a nivel de árboles, abre una gran oportunidad para sistematizar la medición del impacto de diversas prácticas de cultivo, la medición de servicios ecosistémicos, el control del cumplimiento de normas y de la concesión de ayudas públicas. Se propone como estudios futuros utilizar la información extraída y las herramientas y desarrollos realizados para profundizar en el cálculo de mezclas espectrales dentro de los píxeles de imágenes de menor resolución, con el objetivo de clasificar e identificar de manera precisa los elementos de interés en las imágenes multiespectrales proporcionadas por la teledetección, lo que permite ahondar en estudios como la clasificación por subpíxeles y la estimación de mezclas.

    4. Bibliografía:

    1. Calzado, C.; Fernández-Rebollo, P.; Garrido-Varo, A. Sostenibilidad de Las Dehesas. Documento de Reflexión; 2010; 2. Plieninger, T.; Wilbrand, C. Land Use, Biodiversity Conservation, and Rural Development in the Dehesas of Cuatro Lugares, Spain; 2001; Vol. 51;. 3. Los Paisajes Del Olivar En Andalucía; 2018; 4. Análisis de La Densidad En Las Plantaciones de Olivar En Andalucía. Servicio de Estudios y Estadísticas.; 2019; 5. Blaschke, T.; Hay, G.J.; Kelly, M.; Lang, S.; Hofmann, P.; Addink, E.; Queiroz Feitosa, R.; van der Meer, F.; van der Werff, H.; van Coillie, F.; et al. Geographic Object-Based Image Analysis – Towards a New Paradigm. ISPRS Journal of Photogrammetry and Remote Sensing 2014, 87, 180–191, doi:10.1016/J.ISPRSJPRS.2013.09.014. 6. Strasser, T.; Lang, S. Object-Based Class Modelling for Multi-Scale Riparian Forest Habitat Mapping. International Journal of Applied Earth Observation and Geoinformation 2015, 37, 29–37, doi:10.1016/j.jag.2014.10.002. 7. Peña-Barragán, J.M.; Ngugi, M.K.; Plant, R.E.; Six, J. Object-Based Crop Identification Using Multiple Vegetation Indices, Textural Features and Crop Phenology. Remote Sensing of Environment 2011, 115, 1301–1316, doi:10.1016/j.rse.2011.01.009. 8. Madonsela, S.; Cho, M.A.; Ramoelo, A.; Mutanga, O.; Naidoo, L. Estimating Tree Species Diversity in the Savannah Using NDVI and Woody Canopy Cover. International Journal of Applied Earth Observation and Geoinformation 2018, 66, 106–115, doi:10.1016/j.jag.2017.11.005.