La clasificación o segmentación de usos de suelo consiste en identificar el tipo/uso de suelo correspondiente a cada región de la imagen. El estudio del tipo y cobertura de suelo (Land Use and Land Cover, LULC) se centra en la variación del contenido de la superficie del planeta (vegetación, tierra, o agua), junto a los cambios en la misma debidos a la acción humana (cultivos, edificaciones, canteras, etc).
La automatización de esta tarea tiene aplicaciones de interés en distintos ámbitos, como la monitorización de cultivos, estudios de cambios medioambientales o agilizar los análisis cartográficos y mejorar la planificación estratégica de despliegues militares en tierra. Esto implica una considerable reducción del tiempo y costesnecesarios para el análisis y tratado de imágenes que cubren gan cantidad de terreno, permitiendo una toma de decisiones rápida y eficiente.
Entrada y características del modelo
El modelo para la segmentación de LULC emplea imágenes ópticas VHR (Very High Resolution) buscando apoyarse en los detalles más finos para diferenciar entre clases que de por sí son muy similares entre sí, como puede ser «arados», «cultivos» o «pastos». Estos distintos tipo de terreno no son sólo similares entre sí, sino que además hay muchas variedades de suelo incluidas en cada uno de ellos; esta baja varianza interclase y elevada varianza intraclase constituyen uno de los principales desafíos para este tipo de análisis.
En SEDA se ha implementado un modelo basado en redes neuronales convolucionales (CNN) para segmentar en 13 clases diferentes, entre las que anteriormente mencionadas se le añaden «suelo urbano», «agua», «bosque»… entrenado con imágenes combinadas de distintos datasets de diferentes zonas de interés; los modelos de LCLU entrenados con imágenes de muy alta resolución suelen ser especialmente dependientes de la localización de las mismas, requiriendo en ocasiones reentrenos para un correcto funcionamiento en zonas con terrenos
Salidas del modelo
SEDA procesa automáticamente la máscara de salida del modelo para lograr un resultado más suavizado y acorde con los requerimientos definidos. Posteriormente, las distintas áreas identificadas se convierten a formato shapefile para facilitar su exportación y uso en otras herramientas. Podemos ver un ejemplo de predicción en la Figura 1, donde las regiones con distintos usos de suelo aparecen agrupados bajo un mismo color con cierta opacidad y una etiqueta indicando su clase correspondiente. El modelo consigue el objetivo de agrupar las regiones con el mismo tipo de suelo a un nivel general, sin buscar el valor exacto en cada píxel de la imagen.
Además de representar los resultados superpuestos en su visor GIS, SEDA proporciona los resultados en formatos como shapefiles además de otros tipos de formatos oficiales utilizados en el entorno OTAN, como ISRSPOTREP y RECCEXREP. Se facilita también la imagen analizada convertida a NSIF, formato diseñado para el intercambio de imágenes y datos relacionados en entornos de defensa e inteligencia. La versatilidad de estos formatos permite la integración de los resultados de SEDA en otras plataformas y sistemas de análisis geoespacial, tanto civiles como militares.
Aplicaciones
La automatización del análisis de LULC tiene aplicaciones en diversos campos. Se utiliza ampliamente en la gestión ambiental y la planificación urbana, ya que permite el monitoreo de cambios en el uso del suelo y la cobertura terrestre a lo largo del tiempo, esencial para la conservación de ecosistemas y la gestión de recursos naturales.
En el ámbito de la defensa es crucial para el reconocimiento y la vigilancia estratégica. Permite la identificación y el monitoreo de usos del suelo que podrían indicar amenazas potenciales además de proporciona información detallada del terreno para operaciones tácticas y logísticas, mejorando la capacidad de respuesta ante situaciones críticas.
ES 
EN