Monitoreo y Cuantificación de flotas poteras a partir del uso de Imágenes Satelitales

Transcripción

1 Monitoreo y Cuantificación de flotas poteras a partir del uso de Imágenes Satelitales Ing. Cozzolino Ezequiel Dr. Lasta Carlos Subprograma de Sensoramiento Remoto INIDEP de noviembre de 2014, Piriápolis, Ururguay

2 Illex argentinus La pesquería de Illex argentinus tiene una distribución muy amplia obteniéndose las mayores capturas entre los 35 y los 53 de latitud sur y desde los 80 m de profundidad hasta los 600 m. Esta región incluye la Zona Económica Exclusiva (ZEE) de diferentes países y la parte occidental de la región oceánica adyacente a la ZEE de los mismos. Una de las mayores dificultades para la evaluación de este recurso es conocer el número de buques extranjeros que pescan en áreas que se encuentran fuera de la administración Argentina.

3 Flotas Poteras -Longitud: m. - Lámparas: lámparas incandescentes (2KW) a ambos lados de la cubierta. - Utilizan esta iluminación para atraer el calamar que es capturado mediante poteras (coronas de anzuelos).

4 Imágenes DMSP/OLS Cada satélite recorre en 101 minutos una órbita heliosincrónica y quasipolar a una altitud de 830 km de la superficie terrestre. Originalmente fueron diseñados para detectar nubes iluminadas por la luna. Actualmente son utilizados para detectar luces de ciudades, gas flare, incendios y luces de barcos. OLS: Operational Linescan System.

5 Imágenes DMSP/OLS

6 Software DMSP/OLS Procesamiento Se desarrolló un software que permite monitorear y cuantificar las flotas poteras a través del uso de imágenes DMSP-OLS CONAE Análisis Segmentación Recepción Validación/ Calibración Inferencia Procesamiento Imágenes CONAE Base Datos Conocimiento Etapas llevadas a cabo por el software

7 Software DMSP/OLS Procesamiento: Análisis de Calidad Reflejo del sol (glare) Se extraen de la imagen solo aquellos píxeles que son considerados de calidad y relevantes para la etapa de validación e inferencia. Las áreas de la imagen contaminadas con nubes muy densas y reflejo del sol son excluidas. Imagen con zonas excluidas por considerarse de baja calidad

8 Software DMSP/OLS Procesamiento: Segmentación Grupos de barcos identificados La luminosidad emitida por un barco genera un grupo de píxeles contiguos con diferentes valores de luminosidad. Se asume que cualquier grupo de píxeles iluminados se corresponde con al menos un barco. Este proceso a través del cual se identifican los grupos de píxeles se lo conoce como segmentación de la imagen.

9 Software DMSP/OLS Procesamiento: Validación Distribución de los píxeles del grupo Posición real de la flota potera En la validación se asigna a cada grupo de píxeles iluminados la cantidad de barcos reales que representan. Para cada imagen se obtienen las posiciones de los barcos nacionales (posicionamiento satelital) a la hora más cercana posible a la hora de pasada del satélite. Asignación del número real de barcos que representa el grupo

10 Software DMSP/OLS Procesamiento: Validación

11 Software DMSP/OLS Procesamiento: Validación Cada grupo validado es almacenado en una base de datos. A medida que se incorpora información, esta base de datos va creciendo en conocimiento. Esto permite una mejor caracterización de los grupos de barcos identificados en las imágenes. Características del grupo

12 Software DMSP/OLS Procesamiento: Inferencia Se evaluó la correlación entre la cantidad de píxeles de un grupo y el número de barcos presentes Se evaluó la correlación entre la suma de intensidades de luz de un grupo y el número de barcos presentes

13 Software DMSP/OLS Procesamiento: Inferencia Se arribó a un Modelo Lineal (LM) para estimar el número de barcos. Se consideraran las siguientes características de cada grupo: Promedio de intensidad de luz. Desviación estándar del promedio de intensidad. Sumatoria de todas las intensidades de luz. Máxima/Minima intensidad. Número total de píxeles. Vector de distribución de intensidades. Vector de distribución de flags. Número de Barcos = (1.47x10-2 * V1) + (1.489x10-3 * V4) + (1.003x10-4 * V2) (2.453x10-3 * V3) (1.559x10-8 * V1xV2) (9.090*10-3 * V5) (2.047*10-3 * V6) R2 =

14 Imágenes NPP/VIIRS Administrado por la NASA, NOAA y el Departamento de Defensa. El VIIRS tiene 22 bandas espectrales en el rango 412 nm - 12 μm. 16 moderate-resolution bands (750m nadir). 5 image-resolution bands (375m). 1 day-night band (DNB) μm. Resolución espacial 750 m.

15 Imágenes NPP/VIIRS 13/03/2014 2:23:00 (Hora local)

16 Imágenes NPP/VIIRS 23/04/2014 1:14:00 (Hora local)

17 Software NPP/VIIRS Se desarrolló un software que permite cuantificar la dimensión de las flotas poteras a partir de la segmentación de la imagen. El software identifica la posición de cada barco. Por cada barco el software determina su nacionalidad (nacional/extranjero). 13/03/2014 2:23:00 (Hora local)

18 Software NPP/VIIRS Procesamiento: Segmentación A través del proceso de segmentación de la imagen se identifican los grupos de píxeles iluminados que genera cada uno de los barcos. El píxel central del grupo de píxeles identificados es utilizado para determinar la posición del barco.

19 Software NPP/VIIRS Procesamiento: Validación Posición de la flota nacional vs barcos identificados por el software.

20 Seguimiento semanal de las flotas poteras Temporada 2014

21

22 Enero Febrero Marzo Abril Distribución intensidades de luz Temporada 2014 Mayo Junio Julio

23 Muchas Gracias

24 Semana 6 Semana 7

25 Semana 6 Semana 7

26 Semana 6 Semana 7

27 Identificación Automática de Frentes Detección de bordes Las zonas frontales se pueden identificar a través de imágenes satelitales de Temperatura Superficial del Mar (sst) y Concentración de Clorofila-a (chl-a). Se busca detectar bordes sobre la imagen a partir de la aplicación de técnicas de procesamiento digital de imágenes. Los bordes representan los límites de los objetos presentes en la imagen. En el caso de las imágenes de sst y chl-a estos objetos están representados por las diferentes masas de agua. El borde representa el frente entre ambas masas de agua.

28 Identificación Automática de Frentes Detección de bordes: Sobel El operador Sobel calcula el gradiente de la intensidad de una imagen en cada punto. El resultado muestra cómo abruptamente o suavemente cambia una imagen en cada punto analizado. En este caso se utiliza un Kernel de 7 x 7. Esto implica que solo los valores de intensidad en una región de 7 x 7 alrededor de cada píxel es tenida en cuenta. A partir de la imagen de gradientes resultante se busca identificar aquellos píxeles que determinan el frente.

29 Semana 6 Gradiente sst

30 Semana 6 Gradiente chl-a