Observing the earth from above is a great way of understanding our world better. From space, many complex patterns and relationships on the ground can be identified through high-quality satellite data. The quality and availability of this data in combination with recent advancement in various deep learning techniques allows us to find these patterns more effectively then ever. In this thesis, we will analyze satellite imagery by using deep neural networks in an attempt to find road networks in different cities around the world. Once we have located networks of roads in the cities we will represent them as graphs and deploy the Dijkstra shortest path algorithm to find optimal routes within these networks. Having the ability to efficiently use satellite imagery for near real-time road detection and optimal route prediction has many possible applications, especially from a humanitarian and commercial point of view. For example, in the humanitarian realm, the frequency of natural disasters is unfortunately increasing due to climate change and the need for emergency real-time mapping for relief organisations in the case of a severe flood or similar is growing.  The state-of-the-art deep neural network models that will be implemented, compared and contrasted for this task are mainly based on the U-net and ResNet architectures. However, before introducing these architectures the reader will be given a comprehensive introduction and theoretical background of deep neural networks to distinctly formulate the mathematical groundwork. The final results demonstrates an overall strong model performance across different metrics and data sets, with the highest obtained IoU-score being approximately 0.7 for the segmentation task. For some models we can also see a high degree of similarity between the predicted optimal paths and the ground truth optimal paths. / Att betrakta jorden från ovan är ett bra tillvägagångsätt för att förstå vår egen värld bättre. Från rymden, många komplexa mönster och samband på marken går att urskilja genom hög-upplöst satellitdata. Kvalitén och tillgängligheten av denna data, i kombination med de senaste framstegen inom djupa inlärningstekniker, möjliggör oss att hissa dessa mönster mer effektivt än någonsin. I denna avhandling kommer vi analysera satellitbilder med hjälp av djupa neurala nätverk i ett försök att hitta nätverk av vägar i olika städer runtom i världen. Efter vi har lokaliserat dessa nätverk av vägar så kommer vi att representera nätverken som grafer och använda oss av Dijkstras algoritm för att hitta optimala rutter inom dessa nätverk.  Att ha förmågan att kunna effektivt använda sig av satellitbilder för att i nära realtid kunna identifiera vägar och optimala rutter har många möjliga applikationer. Speciellt ur ett humant och kommersiellt perspektiv. Exempelvis, inom det humanitära området, så ökar dessvärre frekvensen av naturkatastrofer på grund av klimatförändringar och därmed är behovet av nödkartläggning i realtid för hjälporganisationer större än någonsin. En effektiv nödkartläggning skulle exempelvis kunna underlätta enormt vid en allvarlig översvämning eller dylikt.  Dem toppmoderna djupa neurala nätverksmodellerna som kommer implementeras, jämföras och nyanseras för denna uppgift är i huvudsak baserad på U-net och ResNet arkitekturerna. Innan vi presenterar dessa arkitekturer i denna avhandling så kommer läsaren att få en omfattande teoretisk bakgrund till djupa neurala nätverk för att tydligt formulera dem matematiska grundpelarna. Dem slutgiltiga resultaten visar övergripande stark prestanda för samtliga av våra modeller. Både på olika datauppsättningar samt utvärderingsmått. Den högste IoU poängen som uppnås är cirka 0,7 och vi kan även se en hög grad av likhet mellan vissa av våra förutsagda optimala rutter och mark sanningens optimala rutter.

A maneira mais direta de detectar as anomalias da densidade é pelo estudo do potencial gravitacional e de suas derivadas. A disponibilidade global e a boa resolução dos dados do satélite GOCE, aliadas à disponibilidade de dados de gravimetria terrestre, são ideais para a comparação e classificação das bacias de larga escala, como as bacias sedimentares do Solimões e do Amazonas dentro do Craton amazônico. Foram processados um conjunto de dados, produtos GOCE EGG_TRF_2 Level 2, ao longo das trajetórias do satélite para remover o ruído (shift/drift) nos gradientes da gravidade a partir da técnica crossover (XO). Calculamos a redução das massas topográfica a fim de obter os componentes do gradiente da gravidade e anomalia da gravidade usando modelagem direta com prismas esféricos a partir do modelo de elevação digital, ETOPO1. Desta maneira, a comparação dos dados somente do satélite GOCE com as reduções das massas topográficas referentes aos componentes do gradiente da gravidade permitiram estimar quantidades invariantes que trouxeram uma melhoria na interpretação dos dados do tensor de gravidade. Além disso, comparamos dados terrestres do campo de gravidade com dados do campo de gravidade dos modelos geopotenciais EGM2008 e GOCE, uma vez que os dados terrestres podem ser afetados por erros em longos comprimentos de onda devido a erros de nivelamento, diferentes referenciais de altitudes, e aos problemas em interligar diferentes campanhas de medidas da gravidade. Portanto, estimamos uma melhora e uma nova representação dos mapas das anomalias de gravidade e do tensor gradiente da gravidade nas áreas inacessíveis do Craton Amazônico. As observações forneceram novas entradas para determinar campos regionais a partir dados brutos pre-processados (gradiente de gravidade EGG_TRF_2 L2), bem como a partir de um modelo geopotencial mais recente até grau e ordem 250 dos harmonicos esféricos derivados de dados somente do satélite GOCE para a representação do campo de gravidade como geóide, anomalias da gravidade e os componentes tensor da gravidade, os quais foram quantidades importantes para interpretação, modelagem e estudo dessas estruturas. Finalmente, obtivemos um modelo isostático considerando a estrutura de densidade litosférica estudada através de uma modelagem direta 3D da distribuição de densidade por prismas esféricos usando a geometria do embasamento e descontinuidade do Moho. Além do que, constatamos através da modelagem direta das soleiras de diabásios dentro dos sedimentos mostramos que somente as soleiras dentro da Bacia do Amazonas não são as únicas responsáveis pela anomalia de gravidade positiva que coincide aproximadamente com as espessuras máximas dos sedimentos da Bacia. Talvez, isso possa ser também um resultado de movimentos relativos do Escudo das Guianas situado ao norte da Bacia, e o Escudo Brasileiro situado ao sul. Embora isso seja apenas uma evidência adicional preliminar, não podemos confirmá-las a partir das estimativas do campo da gravidade. Portanto, é necessário outros tipos de dados geofísicos, como por exemplo, evidências mais claras advindas do paleomagnetismo. / The most direct way to detect density anomalies is the study of the gravity potential field and its derivatives. The global availability and good resolution of the GOCE mission coupled with the availability of terrestrial gravity data are ideal for the scope of intercomparison and classification of the two large-scale Amazon and Solimoes sedimentary basins into area of the Amazon Craton. The GOCE data set obtained in satellite tracks were processed from EGG_TRF_2 Level 2 Products generated with the correction needed to remove the noise (shift/drift), and so, to recover the individual components of the gravity gradient tensor using the crossover (XO) points technique. We calculated the topographic masses reductions in order to obtain the gravity gradient components and gravity anomaly (vertical component) using forward modelling from tesseroids from Digital Elevation Model, ETOPO1. Thus, the comparison of the only-satellite GOCE data with the reductions of the topographic masses for the gradient components allowed to estimate invariants quantities for bring an improvement in the interpretation of the gravity tensor data. Furthermore, we compared the terrestrial data gravity field with EGM2008 and GOCE-deduced gravity field because the terrestrial fields may be affected by errors at long wavelengths due to errors in leveling, different height references, and problems in connecting different measurement campaigns. However, we have estimated an improvement and new representations of the gravity anomalies maps and gravity gradient tensor components primary in inaccessible areas of the Amazon Craton. GOCE observations provide new inputs to determine the regional fields from the preprocessed raw data (EGG_TRF_2 L2 gravity gradients), as well from the most recent global geopotential model available up to degree and order 250 developed in spherical harmonics derived only-satellite GOCE data for representing of geoid and others gravity field as gravity anomaly and gravity gradient tensor components, which are important quantities for modelling and studying these structures. Finally, we obtained the isostatic model considering the lithospheric density structure studied through a 3D direct modelling of density distribution using the geometry of basement and Moho discontinuity, assumed to be known as initial constraint. In addition, we found through direct modeling sills and sediment has shown that the diabase sills are not the only ones responsible for positive gravity anomaly map that transects the Amazon Basin, roughly coincident with the maximum thickness of sedimentary rocks or the trough of the basin. Maybe, this could be the result of the relative movements of the Guiana Shield, situated at the north of the Amazon basin, and the Brazilian Shield, situated at the south. Although this is only a preliminary additional evidence, we cannot confirm it only from the data of gravity. It is necessary others types of geophysical data, for example, more clear evidences obtained from paleomagnetism.

No description available.

A maneira mais direta de detectar as anomalias da densidade é pelo estudo do potencial gravitacional e de suas derivadas. A disponibilidade global e a boa resolução dos dados do satélite GOCE, aliadas à disponibilidade de dados de gravimetria terrestre, são ideais para a comparação e classificação das bacias de larga escala, como as bacias sedimentares do Solimões e do Amazonas dentro do Craton amazônico. Foram processados um conjunto de dados, produtos GOCE EGG_TRF_2 Level 2, ao longo das trajetórias do satélite para remover o ruído (shift/drift) nos gradientes da gravidade a partir da técnica crossover (XO). Calculamos a redução das massas topográfica a fim de obter os componentes do gradiente da gravidade e anomalia da gravidade usando modelagem direta com prismas esféricos a partir do modelo de elevação digital, ETOPO1. Desta maneira, a comparação dos dados somente do satélite GOCE com as reduções das massas topográficas referentes aos componentes do gradiente da gravidade permitiram estimar quantidades invariantes que trouxeram uma melhoria na interpretação dos dados do tensor de gravidade. Além disso, comparamos dados terrestres do campo de gravidade com dados do campo de gravidade dos modelos geopotenciais EGM2008 e GOCE, uma vez que os dados terrestres podem ser afetados por erros em longos comprimentos de onda devido a erros de nivelamento, diferentes referenciais de altitudes, e aos problemas em interligar diferentes campanhas de medidas da gravidade. Portanto, estimamos uma melhora e uma nova representação dos mapas das anomalias de gravidade e do tensor gradiente da gravidade nas áreas inacessíveis do Craton Amazônico. As observações forneceram novas entradas para determinar campos regionais a partir dados brutos pre-processados (gradiente de gravidade EGG_TRF_2 L2), bem como a partir de um modelo geopotencial mais recente até grau e ordem 250 dos harmonicos esféricos derivados de dados somente do satélite GOCE para a representação do campo de gravidade como geóide, anomalias da gravidade e os componentes tensor da gravidade, os quais foram quantidades importantes para interpretação, modelagem e estudo dessas estruturas. Finalmente, obtivemos um modelo isostático considerando a estrutura de densidade litosférica estudada através de uma modelagem direta 3D da distribuição de densidade por prismas esféricos usando a geometria do embasamento e descontinuidade do Moho. Além do que, constatamos através da modelagem direta das soleiras de diabásios dentro dos sedimentos mostramos que somente as soleiras dentro da Bacia do Amazonas não são as únicas responsáveis pela anomalia de gravidade positiva que coincide aproximadamente com as espessuras máximas dos sedimentos da Bacia. Talvez, isso possa ser também um resultado de movimentos relativos do Escudo das Guianas situado ao norte da Bacia, e o Escudo Brasileiro situado ao sul. Embora isso seja apenas uma evidência adicional preliminar, não podemos confirmá-las a partir das estimativas do campo da gravidade. Portanto, é necessário outros tipos de dados geofísicos, como por exemplo, evidências mais claras advindas do paleomagnetismo. / The most direct way to detect density anomalies is the study of the gravity potential field and its derivatives. The global availability and good resolution of the GOCE mission coupled with the availability of terrestrial gravity data are ideal for the scope of intercomparison and classification of the two large-scale Amazon and Solimoes sedimentary basins into area of the Amazon Craton. The GOCE data set obtained in satellite tracks were processed from EGG_TRF_2 Level 2 Products generated with the correction needed to remove the noise (shift/drift), and so, to recover the individual components of the gravity gradient tensor using the crossover (XO) points technique. We calculated the topographic masses reductions in order to obtain the gravity gradient components and gravity anomaly (vertical component) using forward modelling from tesseroids from Digital Elevation Model, ETOPO1. Thus, the comparison of the only-satellite GOCE data with the reductions of the topographic masses for the gradient components allowed to estimate invariants quantities for bring an improvement in the interpretation of the gravity tensor data. Furthermore, we compared the terrestrial data gravity field with EGM2008 and GOCE-deduced gravity field because the terrestrial fields may be affected by errors at long wavelengths due to errors in leveling, different height references, and problems in connecting different measurement campaigns. However, we have estimated an improvement and new representations of the gravity anomalies maps and gravity gradient tensor components primary in inaccessible areas of the Amazon Craton. GOCE observations provide new inputs to determine the regional fields from the preprocessed raw data (EGG_TRF_2 L2 gravity gradients), as well from the most recent global geopotential model available up to degree and order 250 developed in spherical harmonics derived only-satellite GOCE data for representing of geoid and others gravity field as gravity anomaly and gravity gradient tensor components, which are important quantities for modelling and studying these structures. Finally, we obtained the isostatic model considering the lithospheric density structure studied through a 3D direct modelling of density distribution using the geometry of basement and Moho discontinuity, assumed to be known as initial constraint. In addition, we found through direct modeling sills and sediment has shown that the diabase sills are not the only ones responsible for positive gravity anomaly map that transects the Amazon Basin, roughly coincident with the maximum thickness of sedimentary rocks or the trough of the basin. Maybe, this could be the result of the relative movements of the Guiana Shield, situated at the north of the Amazon basin, and the Brazilian Shield, situated at the south. Although this is only a preliminary additional evidence, we cannot confirm it only from the data of gravity. It is necessary others types of geophysical data, for example, more clear evidences obtained from paleomagnetism.