20 jul 2012

Detección automática de edificios y clasificación de usos del suelo en entornos urbanos con imágenes de alta resolución y datos LiDAR

El conocimiento preciso del escenario urbano actual que posibilita el desarrollo de un planeamiento urbano y territorial más eficiente. Debido a su gran dinamismo, la información relativa a las áreas urbanas queda desfasada rápidamente. La utilización de técnicas de procesado digital de imágenes permite reducir el volumen de información a interpretar de forma manual y se adapta a los ritmos y necesidades de la sociedad actual, que requiere continuamente datos precisos que reflejen fielmente la realidad del territorio.

Se presenta una metodología fiable de detección automática de edificaciones para la clasificación automática de los usos del suelo en entornos urbanos utilizando imágenes aéreas de alta resolución y datos LiDAR. Estos datos se corresponden con la información adquirida en el marco del Plan Nacional de Ortofotografía Aérea (PNOA), y se encuentran a disposición de las administraciones públicas españolas mediante los servicios WMS (http://www.idee.es/wms/PNOA/PNOA) o en el centro de descargas del CNIG.

Detalle en falso color infrarrojo del centro urbano de Valencia (a); modelo digital de superficies normalizadas generado utilizando datos LiDAR (b); edificios detectados automáticamente (c); composición temática en la que a cada parcela catastral se le asigna automáticamente un uso del suelo (d).

La clasificación de los entornos urbanos se ha realizado empleando un enfoque orientado a objetos, definidos a partir de los límites cartográficos de las parcelas catastrales. La descripción cualitativa de los objetos para su posterior clasificación se realiza mediante un conjunto de características descriptivas especialmente diseñadas para la caracterización de entornos urbanos. La información que proporcionan estas características se refiere a la respuesta espectral de cada objeto o parcela, la textura, la altura y sus características geométricas y de forma. Además, se describe el contexto de cada objeto considerando dos niveles: interno y externo. En el nivel interno se extraen características referentes a las coberturas de edificaciones y vegetación contenidas en una parcela. En el nivel externo se calculan características globales de la manzana urbana en la que una parcela esta enmarcada. Se analiza la contribución específica de las características descriptivas en la descripción, así como su aporte en la clasificación de los usos del suelo.

Las características descriptivas del contexto de un objeto presentan una alta complementariedad y producen un efecto sinérgico con las características calculadas a nivel del propio objeto en la descripción conjunta de los entornos urbanos, incrementando notablemente la fiabilidad de la clasificación y permitiendo alcanzar valores de fiabilidad global elevados. Es especialmente relevante el aporte que realizan las características referentes a las edificaciones, tanto a nivel del contexto interno como del externo. Las características del contexto permiten una mejor discriminación de las distintas tipologías de construcciones periurbanas, y de las áreas urbanas históricas frente a las de ensanche, así como de las zonas de ensanche frente a las construcciones más recientes de tipo aislado.

Las metodologías automáticas presentadas están especialmente indicadas para el cálculo de parámetros útiles para la construcción/actualización de bases de datos de ocupación del territorio, puesto que ofrecen resultados muy superiores a los obtenidos empleando metodologías basadas en métodos de percepción visual.

Enlaces:
Tésis (http://hdl.handle.net/10251/11232)
Web del grupo de investigación de Cartografía GeoAmbiental y Teledetección
Assessing contextual descriptive features for plot-based classification of urban areas. Landscape and Urban Planning
Land-use mapping of Valencia city area from aerial images and LiDAR data. GEOProcessing 2012
Evaluation of Automatic Building Detection Approaches Combining High Resolution Images and LiDAR Data. Remote Sensing

Publicado por Txomin Hermosilla Gómez

No hay comentarios: