Universidad Pública de Navarra - Nafarroako Univertsitate Publikoa
Universidad Pública de Navarra
| Código: 73125 | Asignatura: Extracción de información de imágenes aéreas y de satélite | ||||
| Créditos: 3 | Tipo: Obligatoria | Curso: 1 | Periodo: 1º S | ||
| Departamento: Ingeniería | |||||
| Profesorado: | |||||
| GONZALEZ DE AUDICANA AMENABAR, MARÍA (Resp) [Tutorías ] | BONIFAZ BARBA, GABRIEL ALEJANDRO [Tutorías ] | ||||
| GIAMBELLUCA , ANA LAURA [Tutorías ] | |||||
Descripción/Contenidos
- Estimación de parámetros biofísicos mediante índices de vegetación
- Índices texturales
- Técnicas de selección de bandas de interés: correlación, componentes principales, separabilidad
- Clasificación no supervisada
- Clasificación supervisada: por píxel y por objeto
- Evaluación de la fiabilidad: matrices de confusión, estadísticos de bondad
Competencias genéricas
CB8: Que los estudiantes sean capaces de integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
Competencias específicas
CE09: Utilizar técnicas y métodos avanzados de procesamiento de imágenes satelitales y aéreas para extraer información que permita comprender fenómenos complejos y dinámicos.
Resultados aprendizaje
RA1: Extraer información biofísica de interés a partir de índices de vegetación calculados a partir de imágenes multiespectrales.
RA2: Describir el concepto de textura y aplicar los procedimientos matemáticos para el cálculo de diferentes índices texturales usando software específico.
RA3: Evaluar y seleccionar convenientemente las bandas a incorporar en una clasificación aplicando las técnicas estadísticas pertinentes.
RA4: Explicar las diferencias entre técnicas supervisadas y no supervisadas de clasificación y recomendar unas u otras en función del caso concreto que se trate.
RA5: Estimar la fiabilidad de los resultados de una clasificación utilizando estadísticos cuantificables y objetivos.
Metodología
| Metodología - Actividad | Horas Presenciales | Horas no presenciales |
| A-1 Clases expositivas/participativas | 14 | |
| A-2 Prácticas | 8 | |
| A-3 Actividades de aprendizaje cooperativo | 6 | |
| A-4 Realización de proyectos individuales o en grupo | 30 | |
| A-5 Estudio y trabajo autónomo del estudiante | 12 | |
| A-6 Tutorías | 3 | |
| A-7 Pruebas de evaluación | 2 | |
| Total | 30 | 45 |
Evaluación
| Resultados de aprendizaje |
Actividad de evaluación |
Peso (%) | Carácter recuperable |
Nota mínima requerida |
|---|---|---|---|---|
| RA2, RA4 | Pruebas de duración corta | 10 | No | |
| RA1, RA2, RA3, RA4, RA5 | Pruebas de respuesta larga | 50 | Recuperable mediante prueba escrita | 4 |
| RA1 | Presentaciones orales | 5 | No | |
| RA1, RA2, RA3 | Trabajos e informes | 35 | Recuperable entregando el trabajo corregido según indicaciones y fechas establecidas por el profesor | 4 |
* Si en alguna actividad de evaluación no se cumpliera el mínimo para ponderar, la nota de la asignatura será como máximo 4,0 sobre 10 (Suspenso).
Temario
Tema 1: Índices de vegetación
- Índices de vegetación (IV). Clasificación. Limitaciones de distintos IV.
- Relación entre índices de vegetación y parámetros biofísicos de cubiertas vegetales.
- Otros índices.
Tema 2: Parámetros texturales
- Concepto de textura. Introducción al concepto de análisis y clasificación por objeto.
- Parámetros texturales de primer orden.
- Parámetros texturales derivados de la matriz de co-ocurrencias de Haralick.
- Otros parámetros texturales (derivados de transformadas tipo wavelet).
- Parámetros estructurales (derivados de semivariogramas).
Tema 3: Técnicas estadísticas para el análisis de la información pre-clasificación
- Análisis de Componentes Principales.
- Separabilidad. Concepto e índices de separabilidad.
Tema 4: Clasificación no supervisada
- Concepto.
- Algoritmos de clasificación no supervisada. Parámetros de control de la clasificación.
Tema 5: Clasificación supervisada
- Concepto. Clasificación por pixel y por objeto.
- Definición de áreas de entrenamiento.
- Análisis de estadísticas de las áreas de entrenamiento. Separabilidad (Divergencia estadística; Distancia Jeffries-Matusita).
- Algoritmos de clasificación: mínima distancia, máxima probabilidad, árboles de decisión (índices de impureza), Random Forest.
Tema 6: Evaluación de la fiabilidad de una clasificación
- Matriz de confusión.
- Estadísticos de fiabilidad derivados de la matriz de confusión.
- Estadísticos de fiabilidad para clasificaciones binarias.
- Otros índices y estadísticos de fiabilidad.
ACTIVIDADES PRÁCTICAS asociadas al temario:
- Cálculo y análisis comparativo de IV derivados de imágenes Sentinel-2.
- Obtención de curvas temporales de IV: GEE.
- Cálculo de parámetros texturales de Haralick en imágenes urbanas de muy alta resolución (ortofoto de alta resolución)
- Análisis de Componentes Principales para la detección de cambios producidos por incendios (imágenes Landsat 8/9)
- Clasificación no supervisada (imágenes Landsat 8/9 y Sentinel-2).
- Clasificación supervisada: clasificación de cultivos (Spot 5); y clasificación multitemporal de cultivos (imágenes Sentinel-2).
- Análisis de la fiabilidad de una clasificación.
HERRAMIENTAS UTILIZADAS: SNAP, Google Earth Engine (GEE), Python, Jupyter Notebook
Bibliografía
Acceda a la bibliografía que el profesorado de la asignatura ha solicitado a la Biblioteca.
Teledetección Ambiental, 3ª Edición, Emilio Chuvieco Salinero. Editorial Ariel Ciencia, Barcelona, 2008.
Fundamentals of Satellite Remote Sensing: An Environmental Approach, 3rd Edition, E. Chuvieco, Crc Press, 2020.
Remote Sensing and Image Interpretation, 7th Edition, Lillesand, T.M., Kiefer, R.W and Chipman, J. Editorial John Wiley & Sons, 2015.
Idiomas
Castellano, aunque se podrá proporcionar a los estudiantes bibliografía y material docente en ingles.
Lugar de impartición
Todo el máster se imparte en AULA DE INFORMÁTICA, ya que todas las sesiones tienen carácter teórico-práctico.
Lugar de impartición: Aula de informática del Aulario. Se concretará aula antes del inicio del curso. Consultar en la web del master, en el apartado de Calendario, Horarios y Aulas.