Search

RESUMEN: Esta tesis aborda el problema de la monitorización de la calidad de las masas de agua continentales y los episodios de eutrofización a los que éstas pueden verse sometidas mediante los datos de teledetección espacial publicados en abierto por la Agencia Espacial Europea (European Space Agency, ESA) y la NASA (National Aeronautics and Space Administration) para sus misiones espaciales Sentinel-2 y Landsat 8 respectivamente. En este trabajo se introducen recientes técnicas de aprendizaje automático, como son los algoritmos de deep learning, tanto en el preprocesado de las imágenes como en la inferencia de las variables de calidad de agua a monitorizar. Gracias a estas técnicas se propone con éxito un nuevo método para monitorizar la temperatura y la concentración de clorofila de un embalse eutrofizado, estimando ambas variables de forma fiable tanto temporal como espacialmente. El resultado final es un sistema automático de monitorización del estado trófico de las masas de agua dulce a través de la concentración de clorofila-a, el cual utiliza únicamente los datos en abierto proporcionados por los principales satélites operativos. ABSTRACT: This thesis addresses the problem of monitoring the quality of continental water masses and the eutrophication episodes through space remote sensing data published openly by the European Space Agency (ESA) and NASA (National Aeronautics and Space Administration) for their Sentinel-2 and Landsat 8 space missions. In this work, recent automatic deep learning techniques are introduced, both in the preprocessing of the images and the inference of the water quality variables to be monitored. Thanks to these techniques, a new method is successfully proposed to monitor the temperature and chlorophyll concentration of a eutrophic reservoir, estimating both variables reliably both temporally and spatially. The final result is an automatic system for monitoring the trophic state of freshwater masses through the concentration of chlorophyll-a, which only uses open data provided by the main operational satellites.

RESUMEN: La teledetección satelital se ha convertido en una de las fuentes de datos principales en detección y monitorización de incendios. En este proyecto se utilizan tres técnicas computacionales de clasificación de datos con los objetivos de detectar, delimitar y analizar la superficie afectada por varios incendios y su evolución con el tiempo. Para ello se emplean los índices de vegetación NBR y NDVI, y datos de los satélites Sentinel-2. Los resultados obtenidos son validados mediante parámetros estadísticos propios a la matriz de confusión, permitiendo determinar la eficacia de cada técnica. ABSTRACT: Remote sensing has become one of the main sources of data in fire detection and monitoring. In this project, three computerized data classification techniques are used with the aim of detecting, delimiting and analyzing the surface affected by several fires and their evolution over time. For this purpose, the NBR and NDVI vegetation indices and data from the Sentinel-2 satellites are used. The results obtained are validated using statistical parameters specific to the confusion matrix, allowing the effectiveness of each technique to be determined. Grado en Física

RESUMEN: El aumento de la cantidad y complejidad de los datos que se generan actualmente a veces supera nuestra habilidad de extraer información y conocimiento de ellos. En este trabajo se estudia la posibilidad de visualizar conjuntos de datos multidimensionales obtenidos a partir de imágenes de satélite. La metodología propuesta cubre todo el proceso desde la obtención de los datos hasta su visualización tridimensional. Se ha combinado la visualización de modelos digitales de elevación con índices derivados de imágenes de las misiones espaciales Sentinel-2 y Landsat-8. Los resultados obtenidos permiten explorar y establecer relaciones espaciotemporales de los datos de forma fácil e intuitiva, lográndose el objetivo establecido. ABSTRACT: The increase in the amount and complexity of data currently generated, sometimes exceeds our ability to extract information and knowledge from it. In this paper we study different ways of visualizing multidimensional datasets obtained from satellite images. The proposed methodology covers the entire process from data acquisition stage to three-dimensional visualization. A multi-method visualization technique is used, combining digital elevation models with remote sensing indices from Sentinel-2 and Landsat-8 missions. The obtained results allow users to explore and establish spatio-temporal relationships of the data in an easy and intuitive way, achieving the established objective. Máster en Ciencia de Datos

RESUMEN: El aumento de la cantidad y complejidad de los datos que se generan actualmente a veces supera nuestra habilidad de extraer información y conocimiento de ellos. En este trabajo se estudia la posibilidad de visualizar conjuntos de datos multidimensionales obtenidos a partir de imágenes de satélite. La metodología propuesta cubre todo el proceso desde la obtención de los datos hasta su visualización tridimensional. Se ha combinado la visualización de modelos digitales de elevación con índices derivados de imágenes de las misiones espaciales Sentinel-2 y Landsat-8. Los resultados obtenidos permiten explorar y establecer relaciones espaciotemporales de los datos de forma fácil e intuitiva, lográndose el objetivo establecido. ABSTRACT: The increase in the amount and complexity of data currently generated, sometimes exceeds our ability to extract information and knowledge from it. In this paper we study different ways of visualizing multidimensional datasets obtained from satellite images. The proposed methodology covers the entire process from data acquisition stage to three-dimensional visualization. A multi-method visualization technique is used, combining digital elevation models with remote sensing indices from Sentinel-2 and Landsat-8 missions. The obtained results allow users to explore and establish spatio-temporal relationships of the data in an easy and intuitive way, achieving the established objective. Máster en Ciencia de Datos