This thesis presents the implementation of data fusion techniques for sustainable urban development. Recently, increasingly more geospatial data have been made easily available for no cost. The immeasurable quantities of geospatial data are mainly from four kinds of sources: remote sensing satellites, geographic information systems (GIS) data, citizen science, and sensor web. Among them, satellite images have been mostly used, due to the frequent and repetitive coverage, as well as the data acquisition over a long time period. However, the rather coarse spatial resolution of e.g. 30 m for Landsat 8 multispectral images impairs the application of satellite images in urban areas. Even though image fusion techniques have been used to improve the spatial resolution, the existing image fusion methods are neither suitable for sharpening one band thermal images nor for hyperspectral images with hundreds of bands. Therefore, simplified Ehlers fusion was developed. It adds the spatial information of a high-resolution image into a low-resolution image in the frequency domain through fast Fourier transform (FFT) and filter techniques. The developed algorithm successfully improved the spatial resolution of both one band thermal images as well as hyperspectral images. It can enhance various images, regardless of the number of bands and the spectral coverage, providing more precise measurement and richer information. To investigate the performance of simplified Ehlers fusion in practical use, it was applied for urban heat island (UHI) analysis. This was done by sharpening daytime and nighttime thermal images from Landsat 8, Landsat 7, and the Advanced Spaceborne Thermal Emission and Reflection Radiometer (ASTER). The developed algorithm effectively improved the spatial details of the original images so that the temperature differences between agricultural, forest, industrial, transportation, and residential areas could be distinguished from each other. Based on that, it was found that in the study city the causes of UHI are mainly anthropogenic heat from industrial areas as well as high temperatures from the road surface and dense urban fabric. Based on this analysis, corresponding mitigation strategies were tailored. Remote sensing images are useful yet not sufficient to retrieve land use related information, despite high spatial resolution. For sustainable urban development research, remote sensing images need to be incorporated with data from other sources. Accordingly, image fusion needs to be extended to broader data fusion. Extraction of urban vacant land was therefore taken as a second application case. Much effort was spent on the definition of vacant land as unclear definitions lead to ineffective data fusion and incorrect site extraction results. Through an intensive study of the current research and the available open data sources, a vacant land typology is proposed. It includes four categories: transportation-associated land, natural sites, unattended areas or remnant parcels, and brownfields. Based on this typology, a two-level data fusion framework was developed. On the feature level, sites are identified. For each type of vacant land, an individual site extraction rule and data fusion procedure is implemented. The overall data fusion involves satellite images, GIS data, citizen science, and social media data. In the end, four types of vacant land features were extracted from the study area. On the decision level, these extracted sites could be conserved or further developed to support sustainable urban development.

[ES] La explotación de datos de salud ha demostrado ser de creciente interés en la comunidad científica, especialmente para la creación y uso de sistemas de ayuda a la decisión clínica (SADC). Para abordar este problema, tradicionalmente se ha investigado por separado en materia de modelos de información, modelos de dominio y SADC. En lo que se refiere a modelos de información, las propuestas presentan limitaciones semánticas y no tienen en cuenta la interacción con los modelos de dominio, que pretenden proporcionar una comprensión formal y compartida del conocimiento clínico, ni con los SADC, cuya finalidad es proporcionar apoyo a la toma de decisión clínica a partir de la historia clínica electrónica (HCE). La finalidad de esta tesis se enmarca dentro del objetivo general de enriquecer sistemas de HCE con resultados de SADC y modelos de dominio representados mediante datos enlazados abiertos. Para ello, se investiga la combinación y explotación conjunta de las tecnologías más avanzadas para modelos de información, modelos de dominio y SADC. La principal contribución de esta tesis es el desarrollo de metodologías y herramientas para enriquecer la HCE con resultados de SADC y datos enlazados abiertos. Las contribuciones específicas son las siguientes: * Definición conceptual y metodológica de la HCE aumentada con información potencialmente relevante de la web semántica. * Definición conceptual y metodológica del informe radiológico estructurado (IRE), enriquecido con resultados de SADC basados en reglas, visión por computación y modelos de aprendizaje automático. * Caso de uso de HCE aumentada, consistente en enriquecer la HCE resumida del Sistema Nacional de Salud de España con datos enlazados abiertos sobre interacciones farmacológicas y tratamientos recomendados para los episodios activos del paciente. * Sistema de IRE enriquecido con resultados de SADC. Incluye el desarrollo de plantillas de IRE y mecanismos para el enriquecimiento de las mismas con resultados de SADC basados en reglas, cuantificación de imagen médica y redes neuronales. Nuestro objetivo es mejorar el grado de interoperabilidad en las integraciones de sistemas de HCE con SADC y datos enlazados abiertos, mediante estrategias basadas en los tres pilares de la interoperabilidad semántica: modelos de información, de arquetipos y de dominio. Esto tiene el potencial de repercutir positivamente sobre la salud y el cuidado del paciente, especialmente en el paradigma de la medicina personalizada. / [CA] L'explotació de dades de salut ha demostrat ser de creixent interés en la comunitat científica, especialment per a la creació i ús de sistemes d'ajuda a la decisió clínica (SADC). Per a abordar aquest problema, tradicionalment s'ha investigat per separat en matèria de models d'informació, models de domini i SADC. Pel que fa a models d'informació, les propostes presenten limitacions semàntiques i no tenen en compte la interacció amb els models de domini, que pretenen proporcionar una comprensió formal i compartida del coneixement clínic, ni amb els SADC, la finalitat dels quals és proporcionar suport a la presa de decisió clínica partint de la història clínica electrònica (HCE). La finalitat d'aquesta tesi s'emmarca dins de l'objectiu general d'enriquir sistemes de HCE amb resultats de SADC i models de domini representats mitjançant dades enllaçades obertes. Per a això, s'investiga la combinació i explotació conjunta de les tecnologies més avançades per a models d'informació, models de domini i SADC. La principal contribució d'aquesta tesi és el desenvolupament de metodologies i eines per a enriquir la HCE amb resultats de SADC i dades enllaçades obertes. Les contribucions específiques són les següents: * Definició conceptual i metodològica de la HCE augmentada amb informació potencialment rellevant de la web semàntica. * Definició conceptual i metodològica de l'informe radiològic estructurat (IRE), enriquit amb resultats de SADC basats en regles, visió per computació i models d'aprenentatge automàtic. * Cas d'ús de HCE augmentada, consistent a enriquir la HCE resumida del Sistema Nacional de Salut d'Espanya amb dades enllaçades obertes sobre interaccions farmacològiques i tractaments recomanats per als episodis actius del pacient. * Sistema de IRE enriquit amb resultats de SADC. Inclou el desenvolupament de plantilles de IRE i mecanismes per a l'enriquiment de les mateixes amb resultats de SADC basats en regles, quantificació d'imatge mèdica i xarxes neuronals. El nostre objectiu és millorar el grau d'interoperabilitat en les integracions de sistemes de HCE amb SADC i dades enllaçades obertes, mitjançant estratègies basades en els tres pilars de la interoperabilitat semàntica: models d'informació, d'arquetips i de domini. Això té el potencial de repercutir positivament sobre la salut i la cura del pacient, especialment en el paradigma de la medicina personalitzada. / [EN] The exploitation of health data has proven to be of increasing interest in the scientific community, especially for the creation and use of clinical decision support systems (CDSS). To address this problem, separate research has traditionally been done on information models, domain models and CDSS. Regarding information models, the proposals present semantic limitations and do not consider the interaction with domain models, which aim to provide a formal and shared understanding of clinical knowledge, nor with CDSS, whose purpose is to provide clinical decision support from the electronic health record (EHR). The aim of this thesis is framed within the general goal of enriching EHR systems with SADC results and domain models represented by open linked data. For this purpose, the combination and joint exploitation of state-of-the-art technologies for information models, domain models and SADC is investigated. The main contribution of this thesis is the development of methodologies and tools to enrich EHR with SADC results and open linked data. Specific contributions are: * Conceptual and methodological definition of EHR augmented with potentially relevant information from the semantic web. * Conceptual and methodological definition of the structured radiology report (SRR), enriched with CDSS results based on logical rules, computer vision and machine learning models. * Augmented EHR use case, consisting of enriching the summarized EHR of the Spanish National Health System with linked open data on pharmacological interactions and recommended treatments for active patient episodes. * SRR system enriched with CDSS results. Includes the development of SRR templates and mechanisms for enriching them with SADC results based on logical rules, medical image quantification and neural networks. Our goal is to improve the degree of interoperability in EHR system integrations with CDSS results and linked open data, through strategies based on the three pillars of semantic interoperability: information, archetype and domain models. This has the potential to positively impact health and patient care, especially in the personalized medicine paradigm. / Mañas García, A. (2022). Enriquecimiento de la historia clínica electrónica con información de sistemas de ayuda a la decisión clínica y datos enlazados abiertos [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/187730