6º Congreso Argentino de AgroInformática, CAI 2014

Algoritmo semiautom´ atico para el conteo de ´ arboles en plantaciones forestales mediante el uso de im´ agenes a´ ereas Diego Falk1∗ , Alfredo N Campos2∗† ∗

Departamento de Electr´ onica, Facultad Regional. Buenos Aires, Universidad Tecnol´ ogica Nacional. Medrano 951Buenos Aires, Argentina. 1 [email protected] 2 [email protected] † Instituto de Clima y Agua, Centro de Investigaci´ on en Recursos Naturales, Instituto Nacional de Tecnolog´ıa Agropecuaria. Los reseros y Las caba˜ nas S/N, Hurlingham, Argentina 2 [email protected]

Resumen La detecci´ on de a ´rboles mediante im´ agenes a´ereas es de importancia para la generaci´ on de inventarios forestales. Si bien existen varios m´etodos para cumplir este objetivo, ninguno puede operar en distintos tipos de forestaciones. En este trabajo se presenta un m´etodo semiautom´ atico que se basa en el uso de im´ agenes multiespectrales de alta resoluci´ on en combinaci´ on de un modelo que caracteriza la geometr´ıa de la copa del ´ arbol y de la sombra que el mismo proyecta. La aplicaci´ on de esta metodolog´ıa sobre im´ agenes tomadas sobre una plantaci´ on de c´ıtricos en la provincia de Salta arroja una exactitud general mayor al 92 %. En cuanto a los errores de detecci´ on se observa que los de omisi´ on superan levemente a los de comisi´ on. Keywords: a ´rbol, teledetecci´ on, forestaciones, sensores aerotransportados.

1.

Introducci´ on

El estudio y seguimiento de bosques y plantaciones forestales han adquirido una importancia relevante dado su v´ınculo con actividades como ser: seguimiento de los recursos forestales [1–3], conservaci´on del medio ambiente [2,4], producci´on maderera [2, 3], estudios hidrol´ogicos [2], prevenci´on y atenuaci´on de desastres naturales [2], captaci´ on de CO2 [3] y preservaci´on de la biodiversidad [3]. Un inventario actualizado permite comprender el estado actual de la forestaci´on y su evoluci´ on con el paso del tiempo, pudiendo detectar cambios abruptos (e.g. la muerte de un ´ arbol, tala, impacto de un incendio), o cambios graduales (e.g. el crecimiento anual, enfermedades, plagas) [5]. Adem´as, la discriminaci´on de diferentes formas y tama˜ nos permite caracterizar un ´arbol brindando informaci´on sobre su especie y edad [6].

43 JAIIO - CAI 2014 - ISSN 1852-4850 - Página 186

6º Congreso Argentino de AgroInformática, CAI 2014

2

Algoritmo semiautom´ atico para inventarios forestales

Entre las principales t´ecnicas para la confecci´on de inventarios forestales se puede mencionar el uso de estad´ısticas p´ ublicas y privadas, las campa˜ nas de visita a campo y la utilizaci´ on de sensores remotos. Esta u ´ltima metodolog´ıa presenta la ventaja intr´ınseca de poder cubrir ´areas espacialmente extensas, proveyendo informaci´ on multiespectral con tiempos de revisita que, seg´ un la plataforma, van desde algunos minutos hasta meses. La resoluci´on de las im´agenes es un factor relevante para el conteo de ´ arboles en plantaciones forestales. En algunos casos, analizar im´ agenes a distintas escalas puede generar una mejor segmentaci´on [7]. La detecci´ on de ´ arboles mediante procesamiento digital de im´agenes puede ser abordado mediante segmentaci´on espectral, utilizaci´on de modelos de elevaci´ on y reconocimiento de formas geom´etricas. La segmentaci´on espectral se basa en que cada objeto tiene una caracter´ıstica u ´nica de reflexi´on y emisi´on de energ´ıa electromagn´etica llamada firma espectral [8], t´ecnicas de detecci´on de bordes son utilizadas posteriormente para la delineaci´on de las copas [9]. Dado el contraste en la banda infrarroja entre zonas ocupadas por vegetaci´on activa de alta intensidad y zonas de suelo de baja intensidad, es posible encontrar m´aximos locales que representan los centros geom´etricos de las copas de los arboles [10]. Los modelos de elevaci´ on se realizan mediante escaneos laser a´ereos [11], donde se realiza una clasificaci´ on mediante la diferencia de altura relativa entre un arbol y su ´ ´ area circundante. La representaci´on de objetos a trav´es de modelos geom´etricos [12], permite buscar en las im´agenes figuras geom´etricas e identificar par´ ametros morfom´etricos. Es importante destacar, que a pesar de los innumerables avances en este campo, estudios como los presentado por Pouliot et al. (2002) [13], Eriksson et al. (2004) [14] y Li Duncanson (2013) [15] revelan que los m´etodos utilizados a´ un no consiguen caracterizar con exactitud la totalidad de los par´ ametros buscados y que ninguno de estos m´etodos es capaz de lograr resultados significativos al ser aplicados en diferentes tipos de ´areas forestales (forestales de diferentes especies, diferentes formas de copas, superposici´on de arboles, diferente nivel de los terrenos, etc.). ´ En este trabajo se propone un algoritmo para la detecci´on y conteo de ´arboles en plantaciones forestales mediante el uso de im´agenes de alta resoluci´on obtenidas con sensores aerotransportados. Dicho algoritmo genera una funci´on de probabilidad que combina zonas de copas y zonas de sombras permitiendo identificar un ´ arbol no s´ olo por la intensidad de su copa en la porci´on infrarroja del espectro, sino tambi´en por su contexto lum´ınico. Adem´as, se utilizar´a un modelo geom´etrico para la discriminaci´on de diferentes ´arboles seg´ un sus par´ametros espaciales (i.e. tama˜ no y forma de la copa).

2. 2.1.

Materiales y M´ etodos Im´ agenes usadas

Se obtuvieron cinco im´ agenes mediante una c´amara multiespectral GeoSpatial MS4100 a bordo de un avi´on Sky Arrow ERA. En esta aplicaci´on la c´amara fue configurada para operar en el modo espectral CIR (Color-Infrared), el cual trabaja con las bandas Infrarrojo Cercano (NIR), Rojo (R) y Verde (G). Los

43 JAIIO - CAI 2014 - ISSN 1852-4850 - Página 187

6º Congreso Argentino de AgroInformática, CAI 2014

Algoritmo semiautom´ atico para inventarios forestales

3

espectros registrados por el sensor para cada banda son 530-580nm (G), 650685nm (R) y 770-830nm (NIR). Cada imagen cuenta con un tama˜ no de 1920 x 1075 p´ıxeles y 8 bits por banda. La resoluci´on espacial de las im´agenes era de aproximadamente 50cm. Las im´agenes fueron capturadas sobre una plantaci´on de c´ıtricos en la provincia de Salta (Lat/Lon: -24.332151/-64.058082). 2.2.

Modelo matem´ atico

En una imagen a´erea, tomada desde un ´angulo cenital, los ´arboles pueden ser reconocidos por la forma de la copa, similar a un c´ırculo, y por la sombra que proyectan sobre el suelo con forma el´ıptica [12]. Dada las caracter´ısticas de las copas de los ´ arboles, presentan altos valores en la banda del infrarrojo cercano, mientras que las zonas cubiertas por sombras presentan valores bajos en todas las bandas. Para diferenciar dichas zonas, se present´o un modelo con cuatro par´ ametros (fig 1): Un centro con dos coordenadas de posici´on P = [Px ; Py ], un radio menor α, un radio mayor β y un agulo φ. Para la selecci´on de dichos par´ ametros una serie de elipses configurables (representando el modelo de la figura 1) son mostrados sobre la imagen a analizar permitiendo al usuario ajustar visualmente los valores anteriormente mencionados. Es as´ı como quedaron definidas dos zonas: ZONA 1 con alta intensidad infrarroja representando la copa del ´ arbol. ZONA 2 con baja intensidad infrarroja representando la sombra del mismo. De esta manera, una vez definidas las coordenadas del punto P = [Px ; Py ], cualquier punto Q se consider´o parte de ZONA 1 si: ∈ ZONA 1/kQ − P k < α Por otro lado, Q = se consider´o parte de ZONA 2, si: p d = β 2 − α2

(1)

(2)

F 1x = Px + d.cos(φ)

(3)

F 1y = Py + d.sin(φ)

(4)

F 2x = Px − d.cos(φ)

(5)

F 2y = Py − d.sin(φ)

(6)

D1 = kQ − F 1k

(7)

D2 = kQ − F 2k ( α < (D1 + D2) < β

(8)

∈ ZONA 2/

(9) D1 > D2

siendo Q un punto cualquiera con coordenadas [Qx ; Qy ], d la diferencia cuadr´atica entre el radio menor α y radio mayor β, F 1 y F 2 son los centroides de la

43 JAIIO - CAI 2014 - ISSN 1852-4850 - Página 188

6º Congreso Argentino de AgroInformática, CAI 2014

4

Algoritmo semiautom´ atico para inventarios forestales

elipse cuyas coordenadas son [F 1x ; F 1y ] y [F 2x ; F 2y ] respectivamente, D1 y D2 son las distancia del punto Q a los centroides F 1 y F 2.

Figura 1: Gr´ afico del modelo matem´ atico implementado.P :Punto central, ´ α:Radio menor, β:Radio mayor, φ:Angulo de la Elipse

Una vez generado el modelo geom´etrico, se definieron dos valores umbrales de intensidad. Para la ZONA 1 se obtuvo γ como el valor de m´ınima intensidad para ser considerado parte de la copa luego de analizar histogramas y realizar varios ensayos. De la misma manera, se obtuvo η para la ZONA 2 como el valor de m´ axima intensidad para ser considerado parte de la sombra. De esta manera qued´ o determinado un conjunto de pixeles brillantes Ψ dentro de la ZONA 1 tal que: ( Q ∈ ZONA 1 Q∈Ψ

(10) intensidad(Q) > γ

De la misma manera, se determin´o a Λ como un conjunto de pixeles opacos dentro de la ZONA 2 tal que: ( Q ∈ ZONA 2 Q∈Λ

(11) intensidad(Q) < η

43 JAIIO - CAI 2014 - ISSN 1852-4850 - Página 189

6º Congreso Argentino de AgroInformática, CAI 2014

Algoritmo semiautom´ atico para inventarios forestales

5

A partir de estos conjuntos, se pudo definir para cada punto P = [Px ; Py ] un valor de probabilidad Γ tal que: Γ =

 pixels  pixels  Ψ Λ pixelsZ1 pixelsZ2 0