<< Volver atrás

Tesis:

Técnicas multiescala en el seguimiento de la vegetación con imágenes de satélite

  • Autor: ALONSO JIMÉNEZ, Carmelo

  • Título: Técnicas multiescala en el seguimiento de la vegetación con imágenes de satélite

  • Fecha: 2022

  • Materia: Sin materia definida

  • Escuela: FACULTAD DE INFORMATICA

  • Departamentos: AEROTECNIA

  • Acceso electrónico: https://oa.upm.es/70528/

  • Director/a 1º: BENITO ZAFRILLA, Rosa María
  • Director/a 2º: TARQUIS ALFONSO, Ana Maria

  • Resumen: En esta Tesis nos centramos en el estudio de la vegetación como uno de los elementos que estructuran la complejidad de los agro-ecosistemas terrestres. Un estudio que se ha desarrollado sobre dos pilares fundamentales. Por un lado, los datos sobre la vegetación que se obtienen a partir de las imágenes adquiridas por los satélites de observación de la Tierra, gracias a los índices de vegetación. Por otro lado, las herramientas utilizadas para el estudio de esos datos que son las aportadas por el análisis fractal y multifractal. Las imágenes de satélite son hoy día una de las más importantes fuentes de información de la superficie de la Tierra. Gracias a ellas es posible una continua monitorización del estado y la salud del medio ambiente. Su importancia ha ido creciendo a lo largo de su medio siglo de vida debido, principalmente, al impacto del cambio climático global sobre los ecosistemas y la vida de las personas. La capacidad que proporcionan las imágenes de disponer, de manera inmediata, de datos históricos sobre la cobertura vegetal es una de las piedras angulares para comprender las amenazas climáticas y mitigar los efectos relacionados. En estos cincuenta años, las imágenes de la superficie terrestre obtenidas por los satélites han ido mejorando en detalle (resolución espacial), en frecuencia de adquisición (resolución temporal), en regiones del espectro electromagnético (resolución espectral) y en rango dinámico de valores digitales (resolución radiométrica). Gracias a ello hoy día se dispone de un gran volumen de información que hace necesario disponer de nuevas técnicas para su caracterización y análisis. Dado que una de las características inherentes de esta información es el concepto de escala, entendida como las diferentes resoluciones enumeradas, encontramos el segundo pilar que sustenta esta Tesis, la caracterización multiescala de la información. Así, para la caracterización multiescala de la información que proporcionan las imágenes satelitales, se utiliza la potente herramienta que proporcionan el análisis fractal y multifractal. Con estas herramientas se intenta buscar respuesta a preguntas como: ¿en qué medida es comparable la información que, sobre la vegetación, proporcionan imágenes de diferente tamaño de píxel, tomadas por distintos satélites?, ¿puede esa información caracterizarse por un único parámetro, como es la dimensión fractal?, ¿en qué medida son similares los patrones de reflectividad en las bandas espectrales de distintos satélites, en particular las que se utilizan para calcular los índices de vegetación?, o ¿puede caracterizarse la correlación entre el índice de vegetación y el de la humedad del suelo, obtenidos con imágenes satelitales, mediante el espectro multifractal? El marco de la teoría fractal proporciona un algoritmo de análisis multiescala que se implementa de manera sencilla a las imágenes de satélite, el algoritmo de “recuento de cajas” o de box-counting, que permite calcular la dimensión fractal de un objeto, en nuestro caso de una imagen. Hemos utilizado este algoritmo para caracterizar el índice de vegetación obtenido con imágenes de 250 m de tamaño de píxel y de 30 m. Así se ha podido estudiar el comportamiento del índice de vegetación entre escalas que van de los 960 m a los 16 km, calculando la dimensión fractal del NDVI segmentado en diferentes rangos de valores. Se observan grandes diferencias en las dimensiones fractales de los índices a 250 m y a 30 m cuando la vegetación es escasa o ausente, siendo mínimas las diferencias cuando la vegetación cubre más del 40% del píxel. El marco del análisis multifractal proporciona otro algoritmo multiescala, equivalente al de box-counting, que también se implementa de manera sencilla a las imágenes, el algoritmo de Chhabra-Jensen. Con este algoritmo se pueden calcular de manera directa los dos parámetros que determinan el denominado “espectro de singularidades” o “espectro multifractal”. Hemos utilizado este algoritmo para estudiar los patrones de la reflectividad en las bandas espectrales comunes de dos satélites, con imágenes de 30 y de 4 m de tamaño de píxel. También se ha utilizado para estudiar dos índices de vegetación obtenidos con esas bandas. Del análisis geométrico del espectro multifractal se han caracterizado los patrones de la reflectividad de cada una de las bandas del visible y el infrarrojo cercano, así como de dos índices de vegetación obtenidos con ellas (NDVI y EVI), en función de la resolución espacial y radiométrica de las imágenes. Es la primera vez que se informa sobre el comportamiento de estos patrones. También se ha aplicado en el estudio de la correlación entre el índice de vegetación y el de humedad del suelo obtenidos con imágenes de 500 m de tamaño de píxel. En este estudio también se ha utilizado una variante del análisis multifractal, muy novedoso en el ámbito de la teledetección, denominada “análisis multifractal conjunto”. Este análisis se utiliza para el estudio simultáneo de varias medidas multifractales correlacionadas, como son los índices de vegetación y de humedad del suelo. Finalmente hemos abordado el estudio de la dinámica entre los índices de vegetación y de humedad del suelo a lo largo de un ciclo anual y su correlación, centrándonos en un paisaje mediterráneo de pastos. ----------RÉSUMÉ---------- Dans cette thèse, nous nous concentrons sur l'étude de la végétation comme l'un des éléments qui structurent la complexité des agro-écosystèmes terrestres. Une étude qui a été développée sur deux piliers fondamentaux. D'une part, les données sur la végétation sont obtenues à partir des images acquises par les satellites d'observation de la Terre, grâce aux indices de végétation. D'autre part, les outils utilisés pour étudier ces données sont ceux fournis par l'analyse fractale et multifractale. Les images satellitaires sont aujourd'hui l'une des sources d'informations les plus importantes sur la surface de la Terre. Grâce à elles, une surveillance continue de l'état et de la santé de l'environnement est possible. Son importance s'est accrue tout au long de son demi-siècle d'existence, principalement en raison de l'impact du changement climatique mondial sur les écosystèmes et la vie des populations. La capacité de l'imagerie à disposer immédiatement de données historiques sur l'occupation du sol est l'une des pierres angulaires de la compréhension des aléas climatiques et de l'atténuation des effets connexes. Au cours des cinquante dernières années, les images de la surface terrestre obtenues par les satellites se sont améliorées en détail (résolution spatiale), en fréquence d'acquisition (résolution temporelle), en régions du spectre électromagnétique (résolution spectrale) et en gamme dynamique de valeurs numériques (résolution radiométrique). Grâce à cela, aujourd'hui un grand volume d'informations est disponible et il exige de disposer de nouvelles techniques pour sa caractérisation et son analyse. Etant donné que l'une des caractéristiques inhérentes à ces informations est la notion d'échelle, entendue comme les différentes résolutions répertoriées, on retrouve le deuxième pilier qui soutient cette thèse, la caractérisation multi-échelles de l'information. Ainsi, pour la caractérisation multi-échelle des informations fournies par les images satellitaires, l'outil puissant fourni par l'analyse fractale et multifractale est utilisé. Avec ces outils, on s’efforce de trouver des réponses à des questions telles que : Dans quelle mesure les informations sur la végétation fournies par les images de différentes tailles de pixels, prises par différents satellites, sont-elles comparables? Cette information peut-elle être caractérisée par un seul paramètre, comme la dimension fractale? Dans quelle mesure les modèles de réflectivité dans les bandes spectrales de différents satellites sont-ils similaires, en particulier ceux utilisés pour calculer les indices de végétation? La corrélation entre l'indice de végétation et l'indice d'humidité du sol, obtenu avec des images satellites, peut-elle être caractérisée par le spectre multifractal? Le cadre de la théorie fractale fournit un algorithme d'analyse multi-échelles qui s'appliquee facilement sur des images satellites, l'algorithme de « box-counting », qui permet de calculer la dimension fractale d'un objet, dans notre cas d'une image. Nous avons utilisé cet algorithme pour caractériser l'indice de végétation obtenu avec des images de 250 m de pixel et 30 m. Ainsi, il a été possible d'étudier le comportement de l'indice de végétation entre des échelles allant de 960 m à 16 km, en calculant la dimension fractale du NDVI segmenté dans différentes plages de valeurs. De grandes différences sont observées dans les dimensions fractales des indices à 250 m et à 30 m lorsque la végétation est rare ou absente, les différences étant minimes lorsque la végétation couvre plus de 40 % du pixel. Le cadre d'analyse multifractale fournit un autre algorithme multi-échelle, équivalent au comptage de boîtes, que l’on peut facilement appliquer sur les images, l'algorithme de Chhabra-Jensen. Avec cet algorithme, les deux paramètres qui déterminent le soi-disant "spectre de singularité" ou "spectre multifractal" peuvent être directement calculés. Nous avons utilisé cet algorithme pour étudier les modèles de réflectivité dans les bandes spectrales communes de deux satellites, avec des images de 30m et 4 m de taille de pixel. Il a également été utilisé pour étudier deux indices de végétation obtenus avec ces bandes. A partir de l'analyse géométrique du spectre multifractal, les patrons de réflectivité de chacune des bandes visible et proche infrarouge ont été caractérisés, ainsi que deux indices de végétation obtenus avec eux (NDVI et EVI), en fonction de la résolution spatiale et radiométrique des images. C'est la première fois que le comportement de ces modèles est signalé. On l’a aussi utilisé dans l'étude de la corrélation entre l'indice de végétation et l'indice d'humidité du sol obtenu avec des images de 500 m de taille de pixel. Cette étude a également utilisé une variante d'analyse multifractale, très nouvelle dans le domaine de la télédétection, appelée « analyse multifractale conjointe ». Cette analyse est utilisée pour l'étude simultanée de plusieurs mesures multifractales corrélées, telles que les indices de végétation et d'humidité du sol. Enfin, nous avons abordé l'étude de la dynamique entre les indices d'humidité de la végétation et du sol tout au long d'un cycle annuel et leur corrélation, en nous concentrant sur un paysage de pâturage méditerranéen. ----------ABSTRACT---------- This Thesis focuses on the study of vegetation as one of the elements that structure the complexity of terrestrial agro-ecosystems. It is a study that has been developed on two fundamental pillars. On the one hand, the data on the vegetation is obtained from the images acquired by the Earth observation satellites, thanks to the vegetation indices. On the other hand, the tools used to study these data are those provided by fractal and multifractal analysis. Satellite images are today one of the most important sources of information on the Earth's surface. Thanks to them, continuous monitoring of the state and health of the environment is possible. Its importance has grown throughout its half century of life, mainly due to the impact of global climate change on ecosystems and people's lives. The ability of imagery to immediately have historical data on vegetal cover is one of the cornerstones of understanding climate hazards and mitigating related effects. In these fifty years, the images of the earth's surface obtained by satellites have been improving in detail (spatial resolution), in acquisition frequency (temporal resolution), in regions of the electromagnetic spectrum (spectral resolution) and in the dynamic range of digital values (radiometric resolution). Thanks to this, today a large volume of information is available that makes it necessary to have new techniques for its characterization and analysis. Because one of the inherent characteristics of this information is the concept of scale, understood as the different resolutions listed above, we find the second pillar that supports this Thesis: the multiscale characterization of the information. Thus, for the multiscale characterization of the information provided by satellite images, the powerful tool provided by fractal and multifractal analysis is used. With these tools, an attempt is made to find answers to questions such as: How comparable is the information on vegetation provided by images of different pixel size, taken by different satellites? Can this information be characterized by a single parameter, such as the fractal dimension? How similar are the reflectivity patterns in the spectral bands of different satellites, particularly those used to calculate the vegetation indices? Or, can the correlation between the vegetation index and the soil moisture index, both obtained with satellite images, be characterized by the multifractal spectrum? The fractal theory framework provides a multiscale analysis algorithm that is easily implemented to satellite images, the box-counting algorithm, which allows calculating the fractal dimension of an object, in our case of an image. We have used this algorithm to characterize the vegetation index obtained with images of 250 m and 30 m pixel size. Thus, it has been possible to study the behaviour of the vegetation index between scales ranging from 960 m to 16 km, calculating the fractal dimension of the segmented NDVI in different ranges of values. Large differences are observed in the fractal dimensions of the indices at 250 m and at 30 m when the vegetation is scarce or absent, the differences being minimal when the vegetation covers more than 40% of the pixel. The multifractal analysis framework provides another multiscale algorithm, equivalent to box-counting, which is also easily implemented to images, the Chhabra-Jensen algorithm. With this algorithm, the two parameters that determine the so-called "singularity spectrum" or "multifractal spectrum" can be directly calculated. We have used this algorithm to study the reflectivity patterns in the common spectral bands of two satellites, with images of 30 and 4 m pixel size. It has also been used to study two vegetation indices obtained with these bands. From the geometric analysis of the multifractal spectrum, the reflectivity patterns of each of the visible and near-infrared bands have been characterized, as well as two vegetation indices obtained with them (NDVI and EVI), depending on the spatial resolution and radiometric of the images. It is the first time that the behavior of these patterns has been reported. It has also been applied in the study of the correlation between the vegetation index and the soil moisture index obtained with images of 500 m pixel size. This study also used a variant of multifractal analysis, very new in the field of remote sensing, called “joint multifractal analysis”. This analysis is used for the simultaneous study of several correlated multifractal measurements, such as vegetation and soil moisture indices. Finally, we have approached the study of the dynamics between the vegetation and soil moisture indices throughout an annual cycle and their correlation, focusing on a Mediterranean pasture landscape.