Sistema de análisis y recuperación de imágenes de satélite basado en objetos y ontologías aplicado a las estructuras oceánicas mesoescalares

Resumen

El cambio global es uno de los problemas medioambientales más preocupantes en la actualidad. Es absolutamente imprescindible desarrollar aplicaciones centradas en la búsqueda inteligente de objetos o regiones en imágenes de satélite, almacenadas en las enormes bases de datos de las Agencias Espaciales y Medio Ambientales, que permitan analizar los fenómenos que se están produciendo y predecir posibles efectos adversos irreversibles. La circulación oceánica global juega un papel esencial en el clima global, ya que el océano cubre más de un 70 por ciento de la superficie de nuestro planeta. La mayor parte de la circulación oceánica es mesoescalar (escala espacial de 50 a 500 km y escala temporal de 10-100 días), y la energía de la circulación mesoescalar es, al menos, un orden de magnitud superior al de la circulación general. Por este motivo, el estudio de las Estructuras Oceánicas Mesoescalares (EOM) es determinante para conocer la dinámica oceánica y por tanto analizar este preocupante cambio global. Entre estas EOM se encuentran los afloramientos, los filamentos, los giros fríos (ciclónicos) y cálidos (anticiclónicos), y las estelas. El primer reto con el que nos encontramos es la gran variabilidad morfológica y contextual que presentan las EOM. Para poder analizarlas y recuperarlas convenientemente se necesitan imágenes que proporcionen la suficiente información como para poder identificarlas y clasificarlas, en base a sus características. Las imágenes de concentración superficial de clorofila-a de los sensores SeaWiFS y MODIS-Aqua, y de temperatura superficial del mar del mismo sensor MODIS-Aqua, han demostrado ser una estupenda elección para el estudio de las EOM, siendo utilizadas para el seguimiento y análisis de la producción primaria y del cambio global en numerosas partes del mundo. La zona de las Islas Canarias y el Noroeste Africano es una de las que presenta mayor actividad mesoescalar, y por tanto, es un buen punto de partida para iniciar su estudio. El segundo reto es encontrar la técnica de análisis que mejor se adecue a las condiciones del problema, tratando de acercar el uso y manejo de la herramienta a los requerimientos de los expertos en la materia. En este sentido, el análisis de imágenes basado en objetos supone una buena elección, siendo una técnica relativamente reciente utilizada para analizar imágenes satelitales, que se basa en el hecho de que la información semántica importante, necesaria para interpretar una imagen, no se encuentra en los píxeles, sino en los objetos significativos de la imagen (las regiones) y en las relaciones entre ellos, utilizando información espectral y contextual de forma integrada. No obstante, su buen funcionamiento es muy dependiente del éxito obtenido en la fase de segmentación de las regiones. Esto supone un problema añadido ya que resulta indispensable conseguir delimitar las regiones de las EOM con la mayor precisión posible. Con objeto de conseguir resultados óptimos en dicho proceso de segmentación, se han empleado las ontologías, que con ayuda del usuario experto, asignan un color (o agrupación de colores) a las clases de EOM en las imágenes objeto de análisis, algo que se puede particularizar para cada tipo de sensor y para cada tipo de imagen. Por último, uno de los principales retos en la recuperación de la información es la ambigüedad y las múltiples maneras que existen a la hora de denotar una misma cosa por parte de los usuarios. La utilización de una ontología que permita sistematizar tanto la consulta como la recuperación de información en imágenes de satélite es una forma de soslayar este problema. En esta tesis doctoral se presenta un sistema de análisis y recuperación de imágenes de satélite basado en objetos y ontologías, aplicado a las estructuras oceánicas mesoescalares, utilizando como entrada las imágenes de clorofila y temperatura superficial del mar de los sensores SeaWiFS y MODIS-Aqua de la zona de las Islas Canarias y el Noroeste Africano, que consigue superar los tres retos descritos, proporcionando unas tasas de acierto en la clasificación de EOM bastante elevadas. Este sistema, además, permite realizar búsquedas de imágenes similares a una dada y realizar un análisis de las EOM en base a su localización gracias a una nueva clasificación de las mismas que mejora la identificación y las tasas de acierto. Finalmente, se ha conseguido desarrollar una herramienta sencilla, robusta y eficiente, y que permite etiquetar las EOM en un tiempo razonable, incluso para un usuario no familiarizado con la misma. De esta forma se cumple el doble objetivo de usabilidad y utilidad, y supone una importante contribución al campo de investigación de los oceanógrafos.