Clasificación en imágenes satelitales: Superficie construida y uso de tierra

Abstract

El propósito de esta memoria es aportar elementos para el cálculo de dos indicadores que son parte de los Objetivos de Desarrollo Sustentable (ODS), lanzados por la ONU en 2015. Ambos se inscriben dentro del objetivo 11, "Lograr que las ciudades y los asentamientos humanos sean inclusivos, seguros, resilientes y sostenibles". El primer caso se enfoca en el indicador ODS 11.3.1, "cociente entre la tasa de consumo de tierras y la tasa de crecimiento de la población". Se utilizan imágenes satelitales de acceso público (Landsat 8) y de resolución media (30 $m$ por píxel), y etiquetas provenientes del Atlas de Expansión Urbana, proyecto de New York University. Se busca identificar a nivel de píxel la superficie construida presente en las imágenes. Esto se realiza mediante diferentes algoritmos de clasificación: regresión logística, máquinas de soporte vectorial, gradient tree boosting y redes neuronales. Se muestra que la solución con máquinas de soporte vectorial posee una ventaja significativa en su rendimiento. El segundo caso se centra en el indicador ODS 11.7.1 "cuota promedio del área edificada de las ciudades que es espacio abierto para uso público para todos ". Se utilizan imágenes de alta resolución (0.5 m por píxel) y sus metadatos asociados, provenientes de un desafío en línea, donde se busca clasificar entre 62 clases de edificaciones y usos de tierra como por ejemplo, aeropuertos, escuelas, cultivos, minas, etc. Se emplea un modelo a nivel del estado del arte en clasificación de imágenes, Inception-V3, preentrenado en ImageNet 2012, que es capaz de combinar la información de la imagen con los metadatos correspondientes. El modelo obtenido se posiciona dentro del tercio superior de la competencia. Los resultados obtenidos en ambos experimentos permiten suponer que este trabajo presenta propuestas metodológicas factibles, que en el primer caso facilitan cálculo del indicador, y en el segundo, vislumbran la conveniencia de una solución basada en imágenes satelitales. En el Capítulo 1 se introduce el trabajo de memoria y se definen los objetivos del proyecto. En el Capítulo 2 se ahonda en la estructura de las imágenes satelitales, se define el problema de clasificación, se describen los algoritmos de clasificación que son empleados y se analiza brevemente el estado del arte para ambas problemáticas. En los capítulos 3 y 4, se profundiza en los experimentos de clasificación de superficie construida y de edificaciones respectivamente. Finalmente, en el Capítulo 5 se desarrollan algunas recomendaciones y se sintetizan las contribuciones de este trabajo. Se deja de manifiesto que una parte de este trabajo fue presentado en el concurso de posters de la Escuela de Verano Interamericana de Inteligencia Computacional (EVIC) 2017, realizada en Valparaíso, Chile y otra, en la Machine Learning Summer School (MLSS) 2018 realizada en Buenos Aires, Argentina.