Identificación y clasificación de hábitats EUNIS mediante imágenes multiespectrales en la ría de Ortigueira (Galicia)
[ES] Contar con una cartografía de hábitats actualizada y precisa es un aspecto clave a la hora de analizar y gestionar espacios naturales, por ello, la teledetección tiene un papel fundamental. En este caso el análisis se ha centrado en una parte de la Ría de Ortigueira y Ladrido (A Coruña), inclui...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2022 |
| País: | España |
| Institución: | Universidad de León |
| Repositorio: | BULERIA. Repositorio Institucional de la Universidad de León |
| OAI Identifier: | oai:buleria.unileon.es:10612/16430 |
| Acceso en línea: | http://hdl.handle.net/10612/16430 |
| Access Level: | acceso abierto |
| Palabra clave: | Cartografía Ingeniería de minas Topografía Humedal Sentinel 2 WorldView 2 OBIA Random Forest EUNIS 2505.08 Geografía Topográfica |
| Sumario: | [ES] Contar con una cartografía de hábitats actualizada y precisa es un aspecto clave a la hora de analizar y gestionar espacios naturales, por ello, la teledetección tiene un papel fundamental. En este caso el análisis se ha centrado en una parte de la Ría de Ortigueira y Ladrido (A Coruña), incluida en diversos instrumentos de protección debido a su relevancia ecológica y a la fragilidad de este tipo de ecosistemas. En este trabajo se plantea como objetivo principal realizar clasificaciones supervisadas empleando análisis orientado a objetos a partir de imágenes multiespectrales de dos sensores con diferentes características e información complementaria, en base a las categorías de hábitats establecidas en el sistema EUNIS (European Nature Information System). Posteriormente se analizarán los resultados obtenidos y las variables más representativas en cada caso. Los pasos seguidos han sido los siguientes: descarga y procesado de las imágenes e información complementaria, segmentación de la ortofotografía del PNOA (Plan Nacional de Ortofotografía Aérea) para utilizarla como punto de partida en ambos casos, preparación de la base de datos formada por las diferentes variables y sus métricas, cálculo de estadísticas zonales para cada objeto, realización de clasificaciones supervisadas mediante algoritmos de aprendizaje automático y validación de los resultados empleando diferentes estadísticos. Estos procesos se han realizado empleando una combinación de diferentes softwares, tanto comerciales como libres. Los resultados muestran mayor precisión global en la clasificación generada en base a las imágenes de WorldView 2 en comparación con la realizada con Sentinel 2. Además, en ambos casos se observa la importancia que presentan los índices de vegetación a la hora de caracterizar los diferentes hábitats |
|---|