Desarrollo de una herramienta de integración de datos de imágenes de satélite en Google Earth Engine

Ji, Jiahao (2020). Desarrollo de una herramienta de integración de datos de imágenes de satélite en Google Earth Engine. Proyecto Fin de Carrera / Trabajo Fin de Grado, E.T.S. de Ingenieros Informáticos (UPM), Madrid, España.

Description

Title: Desarrollo de una herramienta de integración de datos de imágenes de satélite en Google Earth Engine
Author/s:
  • Ji, Jiahao
Contributor/s:
  • Gonzalo Martín, Consuelo
Item Type: Final Project
Degree: Grado en Ingeniería Informática
Date: July 2020
Subjects:
Faculty: E.T.S. de Ingenieros Informáticos (UPM)
Department: Arquitectura y Tecnología de Sistemas Informáticos
Creative Commons Licenses: Recognition - No derivative works - Non commercial

Full text

[img]
Preview
PDF - Requires a PDF viewer, such as GSview, Xpdf or Adobe Acrobat Reader
Download (7MB) | Preview

Abstract

Para lograr el monitoreo constante de la tierra, es necesario disponer de imágenes de una misma zona con buena resolución de forma regular, para observar los cambios. Los algoritmos de pansharpening nos permiten mejorar la calidad espacial de las imágenes multiespectrales, facilitando el análisis. Los algoritmos de fusión de imágenes multiespectrales nos permiten aumentar la cantidad de imágenes de una zona, permitiendo el monitoreo. Google Earth Engine es una plataforma a escala planetaria para aplicar analítica y ciencia de datos a la Tierra, y proporciona de forma gratuita un catálogo de imágenes de satélites, de varios terabytes de tamaño. Este catálogo contiene imágenes de los satélites Landsat, y Sentinel, entre otros; con las imágenes de Landsat 8 se realizarán pansharpening, para mejorar la calidad espacial de la composición RGB de la imagen multiespectral; y con las imágenes multiespectrales de Landsat 8 y Sentinel 2 se realizará la fusión de imágenes multiespectrales para conseguir una mayor disponibilidad de datos de una determinada área. En este trabajo fin de grado se implementarán soluciones de pansharpening y de fusión de imágenes multiespectrales empleando el lenguaje de programación python, aplicando métodos basados en la transformada wavelet à trous original, y dos de sus variantes que nos permiten regular el balance entre calidad espectral y calidad espacial de la imagen fusionada; la fusión empleando la transformada wavelet à trous con ponderación, con una variable ponderadora controlada por el usuario, pudiéndole dar un peso entre [0-2] al detalle espacial para cada banda de la imagen multiespectral; y la fusión empleando la transformada wavelet à trous con entropía, siendo el peso del detalle espacial regulado por la entropía local de cada banda de la imagen multiespectral. También se implementarán las métricas de calidad ERGAS espectral y ERGAS espacial, para analizar la calidad espectral y la calidad espacial de la imagen fusionada por separado. Los algoritmos y métricas de calidad que se implementarán son resultado del trabajo llevado a cabo en el laboratorio de Análisis de Datos Médicos del Centro de Tecnología Biomédica de la Universidad Politécnica de Madrid. Y este trabajo se difundirá en la comunidad científica haciendo uso de Jupyter notebooks, unos cuadernos interactivos, que te permiten mostrar códigos, ejecutarlos para visualizar los resultados de la ejecución e incluir explicaciones con formato latex o html junto al código.---ABSTRACT---To achieve continuous global monitoring, it is necessary to have images with high resolution of a certain region on a regular basis, to observe the changes. Pansharpening, allows us to improve the spatial quality of multispectral images, easing the analysis. Multispectral images fusion increases the quantity of data available of the region, allowing the monitoring. Google Earth Engine is a planetary-scale platform for Earth science data and analysis, and it offers a free data catalogue of satellite images containing multiple petabytes of data. This catalogue provides images from the satellites Landsat and Sentinel, among others; pansharpening will be applied over Landsat 8 images, improving the spatial quality of the RGB composition of the images; and multispectral fusion will be performed with the multispectral images from Landsat 8 and Sentinel 2, with the purpose of enriching the availability of the data of a certain region. In this project, pansharpening and multispectral images fusion solutions will be implemented using the programming language python, these methods are based on the wavelet à trous transform. The original algorithm which includes the same quantity of spatial quality for each band, and two variants of the algorithm that allows the control of the spatial and spectral quality of the fused image; the weighted wavelet à trous transform, with a variable that allows an input value between [0-2], balancing the spatial quality for each band; and the wavelet à trous x fractal algorithm, which weights the spatial quality based on a map of entropy for each band of the multispectral image. Furthermore, the quality metrics spatial ERGAS and spectral ERGAS will be implemented too, to assess the spatial quality and the spectral quality of the fused image. The algorithms and quality metrics implemented on this project are result of the research carried out on the Medical Data Analysis laboratories in the Biomedical Technology Centre of the Polytechnic University of Madrid. These algorithms will be shared using jupyter notebooks, an environment with interactive notebooks, that allows to share code, execute the code and include explanations of the code in latex or html, with the objective of enriching the image fusion algorithms available online in the scientific community.

More information

Item ID: 63348
DC Identifier: http://oa.upm.es/63348/
OAI Identifier: oai:oa.upm.es:63348
Deposited by: Biblioteca Facultad de Informatica
Deposited on: 29 Jul 2020 15:09
Last Modified: 29 Jul 2020 15:09
  • Logo InvestigaM (UPM)
  • Logo GEOUP4
  • Logo Open Access
  • Open Access
  • Logo Sherpa/Romeo
    Check whether the anglo-saxon journal in which you have published an article allows you to also publish it under open access.
  • Logo Dulcinea
    Check whether the spanish journal in which you have published an article allows you to also publish it under open access.
  • Logo de Recolecta
  • Logo del Observatorio I+D+i UPM
  • Logo de OpenCourseWare UPM