No description available.

No description available.

Les méthodes et les outils de génération automatique ou semi-automatique de modèles 3D urbains se développent rapidement, mais l’évaluation de la qualité de ces modèles et des données spatiales sur lesquelles ils s’appuient n’est que rarement abordée. Notre objectif est de proposer une approche multidimensionnelle standard pour évaluer la qualité des modèles 3D de bâtiments en 1D, 2D et 3D. Deux méthodes sont présentées pour l'évaluation 1D. La première se base sur l’analyse de l’erreur moyenne quadratique en X, Y et Z. La deuxième solution s’appuie sur les instructions parues au Journal Officiel du 30 octobre 2003 et exigeant le respect de classes de précisions. L'approche que nous proposons se penche sur le calcul d'indices de qualité fréquemment rencontrés dans la littérature. L'originalité de notre approche réside dans le fait que les modèles employés en entrée ne se limitent pas au mode raster, mais s'étendent au mode vecteur. Il semble évident que les modèles définis en mode vecteur s'avèrent plus fidèles à la réalité qu'en mode raster. Les indices de qualité 2D et 3D calculés montrent que les modèles 3D de bâtiments extraits à partir des couples d’images stéréoscopiques sont cohérents. Les modèles reconstruits à partir du LiDAR sont moins exacts. En conclusion, cette thèse a abouti à l’élaboration d’une approche d’évaluation multidimensionnelle de bâtiments en 3D. L’approche proposée dans cette thèse est adaptée et opérationnelle pour des modèles vectoriels et rasters de bâtiments 3D simplifiés. / Methods and tools for automatic or semi-automatic generation of 3D city models are developing rapidly, but the quality assessment of these models and spatial data are rarely addressed. A comprehensive evaluation in 3D is not trivial. Our goal is to provide a standard multidimensional approach for assessing the quality of 3D models of buildings in 1D, 2D and 3D. Two methods are applied. The first one is done by computing Root Mean Square Errors (RMSE) based on the deviations between both models (reference and test), in X, Y and Z directions. Second method is performed by applying the French legal text (arrêté sur les classes de précision) that is based on the instructions published in the Official Journal from October 30, 2003. These indices pass through the space discretization in pixels or voxels for measuring the degree of superposition of 2D or 3D objects. The originality of this approach is built on the fact that the models used as input are not only limited to raster format, but also extended to vector format. The results of statistics of the quality indices calculated for assessing the building models show that the 3D building models extracted from stereo-pairs are close from each other. Also, the models reconstructed from LiDAR are less accurate than the models reconstructed from aerial images alone. In conclusion, the quality evaluation of 3D building models has been achieved by applying the proposed multi-dimensional approach. This approach is suitable for simplified 3D building vector models created from aerial images and/or LiDAR datasets.

Denna rapport handlar om sju studenters kandidatarbete som utfördes i kursen TDDD96 - Kandidatprojekt i programvaruutveckling vid Linköpings universitet under våren 2020. Målet med projektet var att utveckla en webbapplikation som visar en karta, där användaren kan styra drönare genom att specificera ett område på denna karta. Drönarna tar flygfoton över området som sedan visas på kartan. Resultatet blev en fungerande produkt för demonstrationssyften, en teknisk beskrivning av produkten och en användarmanual. Rapporten innehåller även sju individuella delar som ger en fördjupning inom olika delområden av projektet.

The up to date mapping data is of great importance in social services and disaster relief as well as in city planning. The vast amounts of data and the constant increase of geographical changes lead to large loads of continuous manual analysis. This thesis takes the process of updating maps and breaks it down to the problem of discovering buildings by comparing different machine learning methods to automate the finding of buildings. The chosen methods, YOLOv3 and Mask R-CNN, are based on Region Convolutional Neural Network(R-CNN) due to their capabilities of image analysis in both speed and accuracy. The image data supplied by Lantmäteriet makes up the training and testing data; this data is then used by the chosen machine learning methods. The methods are trained at different time limits, the generated models are tested and the results analysed. The results lay ground for whether the model is reasonable to use in a fully or partly automated system for updating mapping data from aerial imagery. The tested methods showed volatile results through their first hour of training, with YOLOv3 being more so than Mask R-CNN. After the first hour and until the eight hour YOLOv3 shows a higher level of accuracy compared to Mask R-CNN. For YOLOv3, it seems that with more training, the recall increases while precision decreases. For Mask R-CNN, however, there is some trade-off between the recall and precision throughout the eight hours of training. While there is a 90 % confidence interval that the accuracy of YOLOv3 is decreasing for each hour of training after the first hour, the Mask R-CNN method shows that its accuracy is increasing for every hour of training,however, with a low confidence and can therefore not be scientifically relied upon. Due to differences in setups the image size varies between the methods, even though they train and test on the same areas; this results in a fair evaluation where YOLOv3 analyses one square kilometre 1.5 times faster than the Mask R-CNN method does. Both methods show potential for automated generation of footprints, however, the YOLOv3 method solely generates bounding boxes, leaving the step of polygonization to manual work while the Mask R-CNN does, as the name implies, create a mask of which the object is encapsulated. This extra step is thought to further automate the manual process and with viable results speed up the updating of map data. / Uppdaterad kartdata är av stor betydelse för sociala tjänster och katastrofhjälp såväl som inom stadsplanering. De enorma mängderna data och den ständiga ökningen av geografiska förändringar leder till mycket arbete för kontinuerlig manuell analys. Denna avhandling kommer att behandla detta problem med att uppdatera kartor, bryta ned det till det specifika problemet att upptäcka byggnader och ur den synvinkelen jämföra olika maskininlärningsmetoder för automatisera detektering av byggnader. De valda metoderna, YOLOv3 och Mask R-CNN, är baserade på Region Convolutional Neural Network (R-CNN) på grund av dess förmåga av bildanalys i både hastighet och träffsäkerhet. Bildmaterial från Lantmäteriet utgör tränings- och testdatan, denna data används sedan av de utvalda maskininlärningmetoderna. Metoderna tränas med olika tidsgränser och de genererade modellerna testas och resultaten analyseras. Resultaten lägger grund för huruvida modellen är rimlig att använda i ett helt eller delvis automatiserat system för uppdatering av kartdata från flygbilder. De testade metoderna visade varierande resultat under sin första timmes träning, med YOLOv3 mer så än Mask R-CNN. Efter den första timmen fram till den åttonde timmen visar YOLOv3 en högre nivå av precision jämfört med Mask R-CNN. För YOLOv3 ser det ut som att mer träning ökar recall samtidigt som precision minskar. För Mask R-CNN är det emellertid en avvägning mellan recall och precision under de åtta timmarnas träning. Medan det finns en 90 % konfidens att accuracy minskar med YOLOv3 för varje timmes träning efter första timmen så visar Mask R-CNN-metoden att dess accuracy ökar för varje timmes träning, det är dock med låg konfidens och har därmed inte vetenskapligt stöd. På grund av skillnader i konfigurationer varierar bildstorleken mellan metoderna, de tränar och testar dock på samma områden för att ge en rättvis jämförelse. I dessa test analyserar YOLOv3 en kvadratkilometer 1.5 gånger snabbare än Mask R-CNN. Båda metoderna visar potential för en automatiserad generering av footprints. Dock så genererar YOLOv3-metoden endast en bounding box, vilket gör att polygoniseringen återstår för manuellt arbete medan Mask R-CNN, som namnet antyder, skapar en mask som objektet inkapslas i. Detta extrasteg är tänkt att automatisera den manuella processen och med rimliga resultat påskynda uppdateringen av kartdata.

[Truncated abstract] Ecologists are increasingly interested in quantifying local interacting processes and their impacts on spatial vegetation patterns. In arid and semiarid ecosystems, theoretical models (often spatially explicit) of dynamical system behaviour have been used to provide insight into changes in vegetation patterning and productivity triggered by ecological events, such as fire and episodic rainfall. The incorporation of aerial imagery of vegetation patterning into current theoretical model remains a challenge, as few theoretical models may be inferred directly from ecological data, let alone imagery. However, if conclusions drawn from theoretical models were well supported by image data then these models could serve as a basis for improved prediction of complex ecosystem behaviour. The objective of this thesis is therefore to innovate methods for inferring theoretical models of vegetation dynamics from imagery. ... These results demonstrate how an ad hoc inference procedure returns biologically meaningful parameter estimates for a germ-grain model of T. triandra vegetation patterning, with VLSA photography as data. Various aspects of the modelling and inference procedures are discussed in the concluding chapter, including possible future extensions and alternative applications for germ-grain models. I conclude that the state-and-transition model provides an effective exploration of an ecosystem?s dynamics, and complements spatially explicit models designed to test specific ecological mechanisms. Significantly, both types of models may now be inferred from image data through the methodologies I have developed, and can provide an empirical basis to theoretical models of complex vegetation dynamics used in understanding and managing arid (and other) ecological systems.

No description available.

Tesis por compendio / [ES] El abandono de tierras agrícolas es un problema creciente en muchas regiones del planeta con importantes consecuencias a nivel socioeconómico y medioambiental. La Comunitat Valenciana (España) es la principal región productora de cítricos de Europa, sin embargo, actualmente se está produciendo un abandono significativo de estos cultivos. La presente tesis pretende desarrollar procedimientos para la identificar el abandono de los cultivos de cítricos a través de técnicas de teledetección y aprendizaje automático. Los métodos basados en teledetección se consideran especialmente convenientes debido a su alto grado de automatización y a su eficiencia en tiempo y coste, comparado con otras técnicas cartográficas habituales basadas en fotointerpretación y visitas de campo. La tesis desarrolla procedimientos para la identificación del estado de los cultivos utilizando diferentes tipos de datos de observación de la Tierra, como son: imágenes multiespectrales de los satélites Sentinel-2 y WorldVIew-3, imágenes aéreas, y nubes de puntos altimétricas derivadas de LiDAR aerotransportado y procesos fotogramétricos a partir de imágenes tomadas con vehículos aéreos no tripulados. Se desarrollaron diferentes metodologías para explotar dichas fuentes de datos en un paisaje agrícola altamente fragmentado con un tamaño promedio de las parcelas entre 0,25 ha y 0,50 ha. El análisis tomó como referencia la base de datos catastral de parcelas agrícolas y se identificaron tres estados de los cultivos en campo: productivo, no productivo y abandonado. Los resultados más precisos se obtuvieron al utilizar las imágenes aéreas o imágenes de satélite WorldView 3, incluyendo el cálculo de descriptores de textura, con una exactitud global entre 90-95%. La importancia de los descriptores de textura extraídos a partir de imágenes de resolución submétrica radica en su capacidad para identificar los patrones de plantación de los cultivos. Este enfoque permitió obtener una alta exactitud a partir de una única imagen. No obstante, también son destacables los resultados obtenidos al utilizar series temporales de imágenes Sentinel-2 con exactitudes globales en torno al 90%. Las diferencias existentes en las series temporales de índices de vegetación y humedad de los tres estados del cultivo permitieron mejorar el rendimiento de clasificación con respecto al enfoque basado en una única fecha. Diferentes casos de estudio demostraron la capacidad de identificar el abandono de tierras a través de teledetección. La información cuantitativa y espacialmente explícita generada sobre el estado de los cultivos puede ser una herramienta útil para la gestión agrícola, para la implementación de medidas de gestión del paisaje y para mejorar las estimaciones anuales de rendimiento de los cítricos. / [CA] L'abandonament de terres agrícoles és un problema creixent en moltes regions del planeta amb importants conseqüències en l'àmbit socioeconòmic i mediambiental. La Comunitat Valenciana (España) és la principal regió productora de cítrics d'Europa, no obstant això, actualment està produint-se'n un abandonament significatiu d'estos cultius. La present tesi pretén desenvolupar procediments per identificar l'abandonament dels cultius de cítrics per mitjà de tècniques de teledetecció i aprenentatge automàtic. Els mètodes basats en teledetecció es consideren especialment convenients a causa del seu alt grau d'automatització i a la seua eficiència en temps i cost, comparat amb altres tècniques cartogràfiques habituals basades en fotointerpretació i visites de camp. La tesi desenvolupa procediments per a la identificació de l'estat dels cultius utilitzant diferents tipus de dades d'observació de la Terra, com són: imatges multiespectrals dels satèl·lits Sentinel-2 i WorldVIew-3, imatges aèries i núvols de punts altimètrics derivats de LiDAR aerotransportat i processos fotogramètrics a partir d'imatges preses amb vehicles aeris no tripulats. Es van desenvolupar diferents metodologies per explotar estes fonts de dades en un paisatge agrícola altament fragmentat amb una grandària mitjana de les parcel·les entre 0,25 ha i 0,50 ha. L'anàlisi va prendre com a referència la base de dades cadastral de parcel·les agrícoles i es van identificar tres estats dels cultius al camp: productiu, no productiu i abandonat. Els resultats més precisos es van obtenir en utilitzar imatges aèries o imatges de satèl·lit WorldVIew-3, incloent-ne el càlcul de descriptors de textura, amb una exactitud global entre 90-95%. La importància dels descriptors de textura extrets a partir d'imatges de resolució submètrica radica en la seua capacitat per a identificar els patrons de plantació dels cultius. Aquest enfocament va permetre obtenir una alta exactitud a partir d'una única imatge. No obstant això, també són destacables els resultats obtinguts en utilitzar sèries temporals d'imatges Sentinel-2, amb exactituds globals entorn del 90%. Les diferències existents en les sèries temporals d'índex de vegetació i humitat dels tres estats del cultiu van permetre millorar el rendiment de classificació respecte a l'enfocament basat en una única data. Diferents casos d'estudi han demostrar la capacitat d'identificar l'abandonament de terres per mitjà de teledetecció. La informació quantitativa i espacialment explícita generada sobre l'estat dels cultius pot ser un ferrament útil per a la gestió agrícola, per a la implementació de mesures de gestió del paisatge i per millorar les estimacions anuals de rendiment dels cítrics. / [EN] Agricultural land abandonment is a growing issue in many regions of the planet with important socioeconomic and environmental consequences. The Comunitat Valenciana region (Spain) is the main citrus-producing in Europe, however, there is a currently significant abandonment of these crops. This thesis aims to develop procedures to identify citrus crop abandonment through remote sensing and machine learning techniques. Remote sensing-based methods are considered particularly convenient due to their high degree of automation and their efficiency in time and cost, compared to other usual cartographic techniques based on photo-interpretation and field visits. The thesis develops procedures for crop status identification using different types of Earth observation data, such as: multispectral images from Sentinel-2 and WorldView-3 satellites, aerial images, and altimetric point clouds derived from airborne LiDAR and photogrammetric processes from images taken by unmanned aerial vehicles. Different methodologies were developed to apply these data sources in a highly fragmented agricultural landscape with an average parcel size between 0.25 ha and 0.50 ha. The analysis was based on the cadastral database of agricultural parcels and three crop statuses were identified at field: productive, non-productive and abandoned. The most accurate results were obtained using aerial images or WorldView-3 satellite images, including the computation of texture descriptors, with an overall accuracy between 90-95%. The importance of texture descriptors extracted from sub-metric resolution images lies in their ability to identify crop planting patterns. This approach made it possible to obtain high accuracy from a single image. However, the results obtained when using time series of Sentinel-2 images are also remarkable, with an overall accuracy around 90%. The differences in the time series of vegetation and moisture indices of the three crop statuses improved the classification accuracy compared to the single date approach. Different case studies demonstrate the ability to identify agricultural land abandonment through remote sensing. The quantitative and spatially explicit information generated can be a useful tool for agricultural management, for implementing landscape management actions and for improving annual citrus yield estimations. / Morell Monzó, S. (2023). Desarrollo de procedimientos para la deteccion del abandono de cultivos de cítricos utilizando técnicas de teledetección [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/193058 / Compendio

Tesis por compendio / [ES] Los humedales son uno de los ecosistemas que reciben mayor atención por parte de la comunidad científica. Su importancia se puede explicar teniendo en cuenta que ayudan a mitigar los efectos de inundaciones, pueden actuar como filtros de agua y constituyen hábitats de valiosas especies de fauna y flora. En los últimos años este tipo de ambientes están cada vez más amenazados como consecuencia de la contaminación, alteraciones de los niveles de agua asociadas a los efectos del cambio climático y usos antrópicos, introducción de especies invasoras y los efectos negativos de algunos cambios de usos del suelo y determinadas prácticas asociados a ellos (agrícolas, pastoreo y urbanización). Para analizar estos ecosistemas, la teledetección se presenta como una herramienta con alto potencial que permite identificar, evaluar y monitorizar estos espacios. En esta tesis se utilizaron imágenes Sentinel-2A/B, Landsat-5 TM y Landsat-8 OLI para extraer láminas de agua libre en dos entornos: humedales mediterráneos costeros (Prat Cabanes-Torreblanca, Marjal de Sagunto, Marjal de La Safor y Marjal Pego-Oliva) y el humedal de llanura aluvial situado en el centro de España las Tablas de Daimiel. Para ello, se realizó un análisis de siete índices de agua (NDWI, mNDWI, Cedex, Re-NDWI, Awei(sh), AWEI (nsh) y B_Blue) y de umbrales para obtener la cartografía de las masas de agua libre en estos espacios. El objetivo principal es definir el índice y el umbral que permitan un uso más amplio de la metodología para su aplicación en otras zonas húmedas. También se utilizó información LiDAR (Laser Imaging Detection and Ranging) en el humedal de La Safor para analizar los efectos de la superficie inundada en diferentes usos del suelo. La evaluación de los resultados se realizó a partir de la validación con un conjunto de muestras obtenidas a partir de imágenes de elevada resolución espacial. Se calcularon la fiabilidad global y el índice kappa en los humedales analizados para distintas fechas y sensores. En el caso de los humedales costeros, el índice de agua NDWI con un umbral de ¿0,30 proporcionó los resultados con mayor precisión obteniendo un valor promedio de 0,89 en fiabilidad global. En el caso del humedal de las Tablas de Daimiel, se seleccionaron el índice MNDWI y umbral ¿0,15 para imágenes Landsat-5 (fiabilidad global 0,88), el índice MNDWI y umbral ¿0,25 para imágenes Landsat-8 (fiabilidad global 0,99) y el índice NDWI y umbral ¿0,20 (fiabilidad global 0,99) en el caso de imágenes Sentinel-2A/B. En el humedal de las Tablas de Daimiel se realizó un análisis temporal desde el año 2000 al 2021 que permitió calcular las anomalías de la superficie de agua, de la precipitación, del nivel piezométrico y del caudal hidrológico. Esta reconstrucción temporal también permitió comparar los resultados derivados a partir de las imágenes Sentinel-2A/B y de las imágenes Landsat 8. Se realizó un análisis de correlación entre los índices de anomalías calculados, que revela una correlación no significativa entre las anomalías precipitación y de superficie de agua. Mientras que el índice de anomalías de superficie de agua si presentó una correlación estadísticamente significativa con los índices de anomalía de caudal y de niveles piezométricos. En cuanto al análisis comparativo entre las imágenes Landsat-8 y Sentinel-2 se obtuvo una relación lineal entre la superficie de agua estimada por ambos sensores con un valor de R2 = 0,87. No obstante, la mayor resolución espacial de Sentinel-2 permite detectar masas de agua más pequeñas contribuyendo a un mejor análisis de los patrones de variabilidad en el área de estudio. La información derivada de esta tesis presenta una aplicabilidad de interés medioambiental para el seguimiento del estado de los humedales ayudando a adaptar planes de gestión que conduzcan a un estado de conservación adecuado. / [CA] Els aiguamolls són un dels ecosistemes que reben major atenció per part de la comunitat científica. La seua importància es pot explicar tenint en compte que ajuden a mitigar els efectes d'inundacions, poden actuar com a filtres d'aigua i constitueixen hàbitats de valuoses espècies de fauna i flora. En els últims anys aquest tipus d'ambients estan cada vegada més amenaçats a conseqüència de la contaminació, alteracions dels nivells d'aigua associades a l'efecte del canvi climàtic i usos antròpics, introducció d'espècies invasores i els efectes negatius d'alguns canvis d'usos del sòl i determinades pràctiques associades a ells (agrícoles, pasturatge i urbanització). Per a analitzar aquests ecosistemes, la teledetecció es presenta com una eina amb alt potencial que permet identificar, avaluar i monitorar aquests espais. En aquesta tesi es van utilitzar imatges Sentinel-2A/B, Landsat-5 TM i Landsat-8 OLI per a extraure làmines d'aigua lliure en dos entorns: aiguamolls mediterranis costaners (Prat Cabanes-Torreblanca, Marjal de Sagunt, Marjal de La Safor i Marjal Pego-Oliva) i l'aiguamoll de plana al·luvial situat en el centre d'Espanya les Taules de Daimiel. Per a això, es va realitzar una anàlisi de set índexs d'aigua (NDWI, mNDWI, Cedex, Re-NDWI, Awei (sh), AWEI (nsh) i B_Blue) i de llindars per a obtindre la cartografia de les masses d'aigua lliure en aquests espais. L'objectiu principal és definir l'índex i el llindar que permeten un ús més ampli de la metodologia per a la seua aplicació en altres zones humides. També es va utilitzar informació LiDAR (Laser Imaging Detection and Ranging) en l'aiguamoll de La Safor per a analitzar els efectes de la superfície inundada en diferents usos del sòl. L'avaluació dels resultats es va realitzar a partir de la validació amb un conjunt de mostres obtingudes a partir d'imatges d'elevada resolució espacial. Es van calcular la fiabilitat global i l'índex kappa en els aiguamolls analitzats per a diferents dates i sensors. En el cas dels aiguamolls costaners, l'índex d'aigua NDWI amb un llindar de ¿0,30 va proporcionar els resultats amb major precisió obtenint un valor mitjà de 0,89 en fiabilitat global. En el cas de l'aiguamoll de les Taules de Daimiel, es van seleccionar l'índex MNDWI i llindar ¿0,15 per a imatges Landsat-5 (fiabilitat global 0,88), l'índex MNDWI i llindar ¿0,25 per a imatges Landsat-8 (fiabilitat global 0,99) i l'índex NDWI i llindar ¿0,20 (fiabilitat global 0,99) en el cas d'imatges Sentinel-2A/B. En l'aiguamoll de les Taules de Daimiel es va realitzar una anàlisi temporal des de l'any 2000 al 2021 que va permetre calcular les anomalies de la superfície d'aigua, de la precipitació, del nivell piezomètric i del cabal hidrològic. Aquesta reconstrucció temporal també va permetre comparar els resultats derivats a partir de les imatges Sentinel-2A/B i de les imatges Landsat 8. Es va realitzar una anàlisi de correlació entre els índexs d'anomalies calculats, que revela una correlació no significativa entre les anomalies precipitació i de superfície d'aigua. Mentre que l'índex d'anomalies de superfície d'aigua si va presentar una correlació estadísticament significativa amb els índexs d'anomalia de cabal i de nivells piezomètrics. Quant a l'anàlisi comparativa entre les imatges Landsat-8 i Sentinel-2 es va obtindre una relació lineal entre la superfície d'aigua estimada per tots dos sensors amb un valor de R2 = 0,87. No obstant això, la major resolució espacial de Sentinel-2 permet detectar masses d'aigua de menor grandària contribuint a una millor anàlisi dels patrons de variabilitat en l'àrea d'estudi. La informació derivada d'aquesta tesi presenta una aplicabilitat d'interés mediambiental per al seguiment de l'estat dels aiguamolls ajudant a adaptar plans de gestió que condueixen a un estat de conservació adequat. / [EN] Wetlands are one of the ecosystems that receive the most attention from the scientific community. Their importance can be explained by the fact that they help mitigate the effects of flooding, can act as water filters, and provide habitats for valuable species of fauna and flora. In recent years, these types of environments are increasingly threatened as a result of pollution, alterations in water levels associated with the effects of climate change and anthropic uses, the introduction of invasive species and the negative effects of some changes in land use and certain practices associated with them (agriculture, grazing and urbanization). To analyze these ecosystems, remote sensing is presented as a tool with high potential to identify, evaluate and monitor these areas. In this thesis, Sentinel-2A/B, Landsat-5 TM and Landsat-8 OLI images were used to extract free water bodies in two environments: coastal Mediterranean wetlands (Prat Cabanes-Torreblanca, Marjal de Sagunto, Marjal de La Safor and Marjal Pego-Oliva) and the alluvial plain wetland located in the center of Spain, the Tablas de Daimiel. For this purpose, an analysis of seven water indices (NDWI, mNDWI, Cedex, Re-NDWI, Awei (sh), AWEI (nsh) and B_Blue) and thresholds were carried out to obtain the mapping of free water bodies in these areas. The main objective is to define the index and threshold that allow a wider use of the methodology for its application in other wetlands. LiDAR (Laser Imaging Detection and Ranging) information was also used in La Safor wetland to analyze the effects of the flooded surface on different land uses. The evaluation of the results was carried out based on the validation with a set of samples obtained from high spatial resolution images. The overall accuracy and the kappa index were calculated for the wetlands analyzed for different dates and sensors. In the case of the coastal wetlands, the NDWI water index with a threshold of ¿0.30 provided the most accurate results with an average value of 0.89 in global accuracy. In the case of Las Tablas de Daimiel wetland, the MNDWI index and threshold ¿0.15 were selected for Landsat-5 images (overall accuracy 0.88), the MNDWI index and threshold ¿0.25 for Landsat-8 images (overall accuracy 0.99) and the NDWI index and threshold ¿0.20 (overall accuracy 0.99) in the case of Sentinel-2A/B images. In Las Tablas de Daimiel wetland, a temporal analysis was carried out from 2000 to 2021 to calculate the anomalies of the water surface, precipitation, piezometric level and hydrological flow. This temporal reconstruction also made it possible to compare the results derived from Sentinel-2A/B images and Landsat 8 images. A correlation analysis was performed between the calculated anomaly indices, which revealed a non-significant correlation between the precipitation and water surface anomalies. However, the water surface anomaly index did show a statistically significant correlation with the flow anomaly and piezometric level indexes. As for the comparative analysis between Landsat-8 and Sentinel-2 images, a linear relationship was obtained between the water surface estimated by both sensors with a value of R2 = 0.87. However, the higher spatial resolution of Sentinel-2 allows the detection of smaller water masses contributing to a better analysis of the variability patterns in the study area. The information derived from this thesis presents an application of environmental interest for monitoring the state of wetlands helping to adapt management plans that lead to an adequate conservation status. / Pena Regueiro, J. (2023). Monitorización de cambios en la lámina libre de agua en humedales mediante teledetección [Tesis doctoral]. Universitat Politècnica de València. https://doi.org/10.4995/Thesis/10251/196109 / Compendio

This research work concentrate on developing digital soil maps to support field based plant phenotyping research. We have developed soil organic matter content (OM), cation exchange capacity (CEC), natural soil drainage class, and tile drainage line maps using topographic indices and aerial imagery. Various prediction models (universal kriging, cubist, random forest, C5.0, artificial neural network, and multinomial logistic regression) were used to estimate the soil properties of interest.