Desarrollo de nuevos métodos y algoritmos de análisis y clasificación de imágenes multiespectrales orientadas a la gestión y monitorización de plantas acuáticas invasoras

Resumen

Las especies exóticas invasoras, jacinto de agua y nenúfar mexicano, se han distribuido en el río Guadiana (a su paso por Extremadura), provocando impactos negativos para la biodiversidad, la economía y para la sociedad [1]. Actualmente, las estrategias de gestión de esta problemática incluyen tareas de detección y alerta temprana. Los recientes avances en las técnicas de la teledetección han facilitado la caracterización de la superficie terrestre, capturando grandes volúmenes de datos multiespectrales que registran información de la radiación solar emitida o absorbida de los distintos tipos de cobertura terrestre, medidas a distintas longitudes de onda [2]. Como resultado, las imágenes multiespectrales han desempeñado un papel fundamental en varios campos de aplicación, como en la agricultura y en la gestión de recursos naturales. La explotación de las imágenes multiespectrales mediante los sistemas de información geográfica mejora su comprensión, edición, análisis y representación de los datos en distintas capas de información georreferenciada. Por otro lado, las técnicas de inteligencia artificial basadas en algoritmos de aprendizaje automático y profundo [3] se han empleado en tareas de clasificación de la superficie terrestre, resultando eficaces en la detección automática de vegetación y cuerpos de agua, evitando tareas de campo. El principal propósito de esta Tesis Doctoral es facilitar la detección y monitorización de las plantas acuáticas invasoras, extrayendo información clave de imágenes multiespectrales de libre acceso. En las contribuciones de esta Tesis [4; 5; 6; 7; 8] se aplican técnicas de teledetección, sistemas de información geográfica, y técnicas de aprendizaje automático y aprendizaje profundo, proponiendo nuevas metodologías de análisis, agilizando y automatizando procesos. [1] T. R. Téllez, E. M. de Rodrigo López, G. L. Granado, E. A. Pérez, R. M. López, and J. M. S. Guzmán, ¿The water hyacinth, Eichhornia crassipes: An invasive plant in the Guadiana river basin (Spain),¿ Aquatic Invasions, vol. 3, pp. 42¿53, 2008. [2] A. Plaza, J. Plaza, A. Paz, and S. Sánchez, ¿Parallel hyperspectral image and signal processing [applications corner],¿ IEEE Signal Process. Mag., vol. 28, no. 3, pp. 119¿126, May 2011. [3] M. E. Paoletti, J. M. Haut, J. Plaza, and A. Plaza, ¿Deep learning classi¿ers for hyperspectral imaging: A review,¿ ISPRS J. Photogrammetry Remote Sens., vol. 158, pp. 279¿317, 2019. [4] E. C. Rodriguez-Garlito and A. Paz-Gallardo, ¿Efficiently mapping large areas of olive trees using drones in Extremadura, Spain,¿ IEEE Journal on Miniaturization for Air and Space Systems, vol. 2, pp. 148¿156, 3 2021. [5] E. C. Rodríguez-Garlito, A. Paz-Gallardo, and A. Plaza, ¿Automatic detection of aquatic weeds: A case study in the Guadiana River, Spain,¿ IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol. 15, pp. 8567¿8585, 2022. [6] E. C. Rodríguez-Garlito, A. Paz-Gallardo, and A. Plaza, ¿Monitoring the spatiotemporal distribution of invasive aquatic plants in the Guadiana river, Spain,¿ IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol. 16, pp. 228¿241, 2022. [7] E. C. Rodríguez-Garlito, A. Paz-Gallardo, and A. Plaza, ¿Mapping invasive aquatic plants in sentinel-2 images using convolutional neural networks trained with spectral indices,¿ IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, vol. 16, pp. 2889¿2899, 2023. [8] E. C. Rodríguez-Garlito, A. Paz-Gallardo, and A. Plaza, ¿Mapping the accumulation of invasive aquatic plants in the Guadiana river, Spain, using multitemporal remote sensing,¿ IEEE Geoscience and Remote Sensing Letters, vol. 20, pp. 1¿5, 2023.