Desarrollo de mapas de vegetación a través de imágenes de satélite con técnicas de Deep Leerning

Abstract

RESUMEN: Los mapas de vegetación son una herramienta fundamental en la gestión del territorio. Actualmente para su construcción se aplican diferentes técnicas de teledetección, entrenadas con bases de datos obtenidas en sucesivas campañas de muestreo e imágenes de satélite cubriendo el área a caracterizar. En el presente estudio, se consideran un conjunto de imágenes desarrollado en la iniciativa Copernicus y los datos de muestreo obtenidos por el Instituto de Hidráulica de Cantabria para obtener, a través de técnicas de aprendizaje profundo, un mapa de vegetación de Cantabria. En particular, se explora el estado del arte en este ámbito y se extienden las redes de convolución tridimensionales, las cuales consideran el eje temporal de las imágenes de satélite, para su aplicación en este problema de teledetección para obtener las hábitats de vegetación presentes en la Comunidad Autónoma de Cantabria a una resolución de 10 X 10 metros.

ABSTRACT: Vegetation maps are a fundamental tool in land management. Currently different remote sensing techniques are currently applied for its construction, trained with databases obtained in successive sampling campaigns and satellite imagery covering the area to be characterized. This study considers a set of images developed in the Copernicus program as well as the sampling data obtained by the Instituto de Hidráulica de Cantabria in order to obtain, through Deep Learning techniques, a vegetation map of Cantabria. In particular, the state of the art architectures in this field are explored and the three-dimensional convolution networks, which consider the time axis of the satellite images, are extended to be applied in this remote sensing problem to obtain vegetation habitats present in the Autonomous Community of Cantabria at a spatial resolution of 10 X 10 meters.