Implementación de las transformadas ridgilet, contourlet y curvelet para el análisis multitemporal, identificación y predicción del cambio de uso y cobertura del suelo en los municipios de Mosquera, Facatativá, Chía, El Rosal, Funza y Madrid-Cundinamarca usando imágenes landsat

Este documento discute la aplicación de cuatro algoritmos, a saber, contourlet, curvelet y ridgelet, fusión wavelet, que están destinadas a la mejora de bordes y resolución espacial respectivamente en una imagen, las cuales se aplicaron a las imágenes de los sensores landsat 7 y landsat 8 fusionadas...

Full description

Autores:

Tipo de recurso:: Trabajo de grado de pregrado

Fecha de publicación:: 2019

Institución:: Universidad Distrital Francisco José de Caldas

Repositorio:: RIUD: repositorio U. Distrital

Idioma:: spa

Description
Summary:	Este documento discute la aplicación de cuatro algoritmos, a saber, contourlet, curvelet y ridgelet, fusión wavelet, que están destinadas a la mejora de bordes y resolución espacial respectivamente en una imagen, las cuales se aplicaron a las imágenes de los sensores landsat 7 y landsat 8 fusionadas, con el fin de realizar clasificaciones supervisadas y no supervisadas, para poder determinar cambios en los usos y coberturas del suelo, haciendo énfasis en las zonas urbanas. La fusión se realizó mediante la aplicación de varias transformada wavelet, entre ellas, componentes principales, bior, rbio, haar, daubechies, con diferentes niveles de descomposición. Para el caso del sensor landsat 7, se realizó una corrección de gaps debido al error que presenta éste mediante los software envi y erdas, obteniendo mejores resultados con el primero. Los mejores resultados para el caso del sensor landsat 7 fue bior 2.2 y para el landsat 8 rbio1.3, ambas en el nivel de descomposición cuatro. En cuanto a la aplicación de algoritmos de mejoramiento de contornos, a saber, contourlet y ridgelet-curvelet, se desarrollaron mediante el software erdas y el mejor algoritmo para ambos sensores resulto ser la transformada contourlet. Las imágenes fusionadas con la transformada wavelet (bior2.2 y rbio1.3) y las imágenes generadas (usando las transformadas contourlet, curvelet y ridgelet) se evaluaron y analizaron cuantitativamente y cualitativamente. Los métodos cuantitativos en el presente análisis incluyen ergas, rase, Calidad Universal (Qu) y coeficiente de correlación (CC), mientras que el método cualitativo se tiene en cuenta que visualmente no se pierda calidad espectral. La fusión de imágenes y la implementación de las transformadas se realizaron con el software MatLab®, que proporciona los siguientes Toolbox: Toolbox de Wavelet, Toolbox de procesamiento de imágenes, Toolbox Contourlet y código fuente para Curvelet y Ridgelet. Para el caso de las clasificaciones supervisadas por máquinas de soporte vectorial y árboles de decisión, la mejor clasificación fue la primera. Los coeficientes Kappa más altos se obtuvieron de la imagen fusionada, seguida por la fusionada Contourlet y por último la Contourlet. Al realizar el análisis multitemporal a través de las clasificaciones realizadas por máquinas de soporte vectorial, se evidenciaron algunos cambios en los usos y coberturas del suelo, en especial el crecimiento del sector urbano a lo largo de los municipios aledaños. Se realizó una predicción para el año 2040 de la clase territorios artificializados que hace referencia a las clases urbanas, y arrojo un valor bastante alto, el cual deja como conclusión que a pesar de que las dinámicas del suelo urbano indican un crecimiento desmedido de este, el valor propuesto por la predicción sobrepasa los límites del territorio, por lo que es necesario, si se quiere entrar en profundidad en este tema, pensar en otras variables y factores que afectan este comportamiento, y que no fueron tenidas en cuenta para este proyecto. En conclusión las fusiones realizadas evidencian un notable cambio en la resolución espacial de las imágenes, permitiendo identificar mejor zonas, objetos o coberturas que tal vez antes de la aplicación de estos no eran tan claras. Así mismo, las clasificaciones lograron su cometido permitiendo identificar diferentes coberturas a través de herramientas automáticas o de interacción directa con el usuario, permitiendo identificar los usos y coberturas del suelo de la zona de estudio con un porcentaje aceptable de confianza teniendo en cuenta la limitación que se tiene en cuanto a imágenes que cubrieran la zona de estudio.

Implementación de las transformadas ridgilet, contourlet y curvelet para el análisis multitemporal, identificación y predicción del cambio de uso y cobertura del suelo en los municipios de Mosquera, Facatativá, Chía, El Rosal, Funza y Madrid-Cundinamarca usando imágenes landsat

Publicaciones similares