imagen curso


Uno de los principales objetivos de las aplicaciones forestales y ambientales de la teledetección es la clasificación de coberturas del suelo y la detección de cambios en esas coberturas a partir de series temporales de imágenes satelitales. El objetivo de este curso es mostrar al alumno, de una forma práctica y utilizando únicamente software libre, métodos modernos de clasificación de imagen y de detección de cambios de coberturas a partir de imágenes multi-espectrales.


En este curso utilizaremos como método de clasificación el algoritmo Random Forest, una técnica de aprendizaje automática implementada en los software libres R y QGIS que se ha convertido en una de las más usadas en la clasificación de coberturas de la tierra. En el último bloque del curso analizaremos los métodos existentes de detección de cambios y de generación de series temporales de usos del suelo. Para la detección directa de cambios entre dos fechas usaremos el algoritmo Iteratively Reweighted Multivariate Alteration Detection (IR-MAD).


Como objetivos específicos del curso destacamos:

  • Profundizar en los métodos de clasificación basados en árboles de decisión
  • Comprender de forma teórica y práctica el funcionamiento del algoritmo Random Forest
  • Integrar los scripts de R de clasificación de imagen con Random Forest en la barra de herramientas de QGiS
  • Profundizar en el proceso de detección directa de cambios con el algoritmo IR-MAD.

Bloques del Curso

    • Bloque 0: Introducción y estructura del curso
      En este bloque inicial se realizará un recorrido general por los contenidos y la estructura del curso. El alumno se familiarizará con la plataforma de trabajo y con los recursos disponibles
    • Bloque I: QGiS y su módulo de procesado
      En este bloque el alumno se familiarizará con el uso de QGiS y su módulo de procesado. Se verán las principales herramientas de visualización y edición de información geográfica. Se utilizarán diferentes herramientas de procesado y se automatizará un flujo de trabajo sencillo utilizando el modelador
  • Práctica 1: Edición de datos alfanuméricos y cartográficos asociados a Infraestructuras en el medio natural
  • Práctica 2: Cálculo del índice NDVI a partir de los fotogramas digitales del vuelo del Plan Nacional de Ortofotografía Aérea (PNOA)
    • Bloque II: Creación de leyenda y Regiones de interés
      Este bloque profundizará sobre los aspectos fundamentales para la creación de leyendas temáticas para diferentes zonas de vida y teniendo en cuenta diferentes objetivos de trabajo. Se trabajarán con fuentes básicas de obtención de información para la creación de regiones de interés que se utilizarán posteriormente en el bloque de clasificación de coberturas
  • Práctica 3: Generación de regiones de interés (RIs) para la clasificación de coberturas
  • Práctica 4: Generación de regiones de interés (RIs) para la clasificación de cambios
    • Bloque III: Clasificación de coberturas
      Este bloque profundizará sobre los diferentes métodos de clasificación y se analizarán las principales diferencias entre la clasificación supervisada y no supervisada, los métodos paramétricos y no paramétricos de clasificación y el alumno podrá realizar pruebas de clasificación de imagen desde QGiS. Se realizarán pruebas de clasificación supervisada analizando las diferencias espectrales entre clases.
  • Práctica 5: Prueba de clasificación no supervisada de imágenes Landsat
  • Práctica 6: Prueba de clasificación supervisada de imágenes Landsat y análisis de las diferencias entre clases
  • Práctica 7: Clasificación de imágenes multiespectrales con RandomForest desde QGIS
    • Bloque IV: Detección de cambios

      En este bloque analizaremos los métodos existentes de detección de cambios y de generación de series temporales de usos del suelo. Aprenderemos a generar una imagen normalizada de cambios entre dos escenas Landsat de diferentes fechas y se analizarán de forma práctica los métodos que permiten detectar los cambios de cobertura entre esas dos fechas a partir de la imagen de cambios. Para esta detección directa de cambios usaremos el algoritmo Iteratively Reweighted Multivariate Alteration Detection (IR-MAD).

  • Práctica 8: Generación de la imagen de cambios normalizada entre dos imágenes de dos fechas diferentes
  • Práctica 9: Clasificación cambios
    • Bloque V: Validación de resultados

      En este bloque se realizará una matriz de confusión a través de la cual se evaluará la precisión de la clasificación de coberturas obtenida en el bloque anterior a partir de puntos verdad-terreno.

  • Práctica 10: Cálculo de una matriz de confusión para la validación de la clasificación
    • Bloque VII: Práctica final del curso (seminario web en linea)

      En este bloque el que alumno utilizará todos los conocimiento adquiridos a lo largo del curso para resolver un ejercicio práctico.

Fechas

  • Inicio: 28/06/2016
  • Fin: 29/07/2016 (plataforma abierta hasta el 20 de septiembre)
  • Fin Matriculación: 05/07/2016

Modalidad y Duración

  • Online
  • 75 horas (5 semanas)

Información Complementaria

  • El curso incluye 1 taller en linea (webinar) donde se profundiza en los temas expuestos en el curso y se intercambian experiencias prácticas
  • Tutorización continua con resolución de prácticas personalizada y resolución de dudas en foro y  mensajería
  • Se entregará diploma de aprovechamiento tras la superación de requisitos de evaluación

Precio

  • 160 € matrícula reducida estudiantes y desempleados* 
  • 175 € descuentos socios SECF,  Biologos, Geográfos, I. Forestales/I. Montes colegiados/autónomos*
  • 200 matrícula ordinaria
  • Descuento especial  (15 % +) si te inscribes en el Curso completo de Teledetección desde QGIS, consultar en este enlace.

 

* Necesario adjuntar justificante, no acumulables

Profesorado

Última modificación: martes, 28 de junio de 2016, 11:38