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

Abstract

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. 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. 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 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. Para ello, 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.

Invasive alien species, water hyacinth and Mexican water lily, have been distributed in the Guadiana River (southwestern Spain), causing negative impacts on biodiversity, the economy and society. Currently, management strategies for this problem include detection and early warning tasks. Recent advances in remote sensing techniques have facilitated the characterisation of the earth's surface, capturing large volumes of multispectral data that record information on solar radiation emitted or absorbed from different types of land cover, measured at different wavelengths. As a result, multispectral imaging has played a key role in several application fields, such as agriculture and natural resource management. The exploitation of multispectral images by means of geographic information systems improves their understanding, editing, analysis and representation of the data in different layers of georeferenced information. On the other hand, artificial intelligence techniques based on machine and deep learning algorithms have been used in land surface classification tasks, proving effective in the automatic detection of vegetation and bodies of water, avoiding field tasks. The main purpose of this PhD Thesis is to facilitate the detection and monitoring of invasive aquatic plants by extracting key information from freely available multispectral images. To this end, remote sensing techniques, geographic information systems, machine learning and deep learning techniques are applied, proposing new analysis methodologies, streamlining and automating processes.