Crear un proyecto y obtener los datos de entrada
Para empezar, creará un proyecto de ArcGIS Pro y obtendrá los datos de entrada necesarios para el flujo de trabajo.
- Abra ArcGIS Pro. Si se le pide, inicie sesión en su cuenta de ArcGIS.
Nota:
Si no tiene acceso a ArcGIS Pro o una cuenta de organización de ArcGIS, consulte las opciones de acceso a software.
- En Nuevo proyecto, seleccione Mapa.
- En la ventana Nuevo proyecto, establezca estos parámetros:
- En Nombre, escriba Alexandra_Land_Cover.
- En Ubicación, haga clic en el botón Examinar y elija la ubicación de carpeta que desee.
- Haga clic en Aceptar.
Se abrirá el proyecto. Por ahora, muestra sólo el mapa base predeterminado.
Agregará imágenes de drones que representan un barrio del municipio de Alexandra, en Sudáfrica. La imagen es de alta resolución, y cada píxel representa un cuadrado de unos 2,5 por 2,5 centímetros sobre el terreno. Fue captada South Africa Flying Labs. La capa se almacena en ArcGIS Online como servicio de teselas de imágenes.
Nota:
South Africa Flying Labs es una organización sin ánimo de lucro que produce imágenes con drones en Sudáfrica y pretende dotar a las comunidades locales de los conocimientos y habilidades necesarios para resolver los problemas sociales de ese país.
- En la cinta, haga clic en la pestaña Mapa. En el grupo Capa, haga clic en el botón Agregar datos.
- En la ventana Agregar datos, en Portal, haga clic en ArcGIS Online. En el cuadro de búsqueda, escriba Alexandra_Orthomosaic owner:Esri_Tutorials y pulse Intro. En la lista de resultados, haga clic en la capa denominada Alexandra_Orthomosaic y haga clic en Aceptar.
Aparece la capa de imagen organzada en teselas y el mapa se acerca a ella.
Nota:
Esta capa de imágenes Ortofoto verdadera se obtuvo a partir de varias imágenes de dron. Se generó en la aplicación Site Scan for ArcGIS y se guardó en ArcGIS Online directamente desde Site Scan.
Para aplicar el flujo de trabajo propuesto en este tutorial a sus propias imágenes, consulte la sección Aplicar este flujo de trabajo a sus propias imágenes al final del tutorial para obtener consejos.
- Acérquese y desplácese por el mapa para inspeccionar más de cerca las ubicaciones de los edificios.
A continuación, descargará el paquete de aprendizaje profundo High Resolution Land Cover Classification – USA desde ArcGIS Living Atlas. Este paquete de aprendizaje profundo es un modelo preentrenado que se entrenó en un gran dataset para clasificar con precisión las entidades de la cobertura del suelo. Al utilizar este modelo preentrenado, puede aprovechar los conocimientos y la experiencia integrados en el modelo para extraer los diferentes tipos de cobertura del suelo en su área de estudio. Así ahorrará tiempo y esfuerzo en comparación con el entrenamiento de un modelo por su cuenta.
- Vaya a ArcGIS Living Atlas.
- En el cuadro de búsqueda, escriba High Resolution Land Cover Classification – USA y pulse Intro.
- En la lista de resultados, haga clic en High Resolution Land Cover Classification – USA para ir a la página de elementos del modelo.
- En la página de artículos del modelo, lea la descripción para familiarizarse con el modelo.
El modelo se entrenó para trabajar con imágenes de entre 80 y 100 centímetros (o entre 0,8 y 1 metro) de resolución, lo que significa que funcionará mejor con datos de una resolución similar.
- Haga clic en Descargar.
Nota:
La mayoría de los navegadores web descargan archivos de manera predeterminada en la carpeta Descargas del equipo.
- Mueva el paquete de aprendizaje profundo descargado a una ubicación de su ordenador donde pueda encontrarlo fácilmente.
- Pulse Ctrl+S para guardar el proyecto.
Clasificar píxeles con aprendizaje profundo
A continuación, generará una capa de cobertura del suelo utilizando la herramienta de geoprocesamiento Clasificar píxeles con aprendizaje profundo y el modelo preentrenado que descargó.
Nota:
Para utilizar las herramientas de aprendizaje profundo en ArcGIS Pro debe tener instaladas en el equipo las bibliotecas de aprendizaje profundo correctas. Si no tiene instalados estos archivos, guarde el proyecto, cierre ArcGIS Pro y siga los pasos descritos en las instrucciones Prepararse para el aprendizaje profundo en ArcGIS Pro. En estas instrucciones, también aprenderá a comprobar si el hardware y el software de su equipo pueden ejecutar flujos de trabajo de aprendizaje profundo y otros consejos útiles. Cuando haya terminado, puede volver a abrir su proyecto y continuar con el tutorial.
- En la cinta, haga clic en la pestaña Vista. En el grupo Ventanas, haga clic en Geoprocesamiento.
- En el panel Geoprocesamiento, en el cuadro de búsqueda, escriba Clasificar píxeles con aprendizaje profundo. En la lista de resultados, haga clic en la herramienta Clasificar píxeles con aprendizaje profundo para abrirla.
- En la herramienta Clasificar píxeles con aprendizaje profundo, configure los siguientes parámetros:
- En Ráster de entrada, elija Alexandra_Orthomosaic.
- En Dataset de ráster de salida, escriba Land_Cover_Raster.
- En Definición de modelo, haga clic en el botón Examinar.
- En la ventana Definición de modelo, localice el paquete de aprendizaje profundo HighResolutionLandCoverClassification_USA.dlpk que descargó. Selecciónelo y haga clic en Aceptar.
Al cabo de unos instantes, los argumentos del modelo se cargan automáticamente.
- En Argumentos, localice el argumento batch_size.
La clasificación de píxeles con aprendizaje profundo no puede realizarse en toda la imagen a la vez. En su lugar, la herramienta dividirá la imagen en pequeñas teselas, basándose en el valor del argumento tile_size. Un tamaño de lote de 4 significa que la herramienta procesará cuatro teselas de imagen a la vez. Al ejecutar la herramienta, es posible que reciba un error porque su equipo no tiene memoria suficiente para ese nivel de procesamiento. En tal caso, pruebe a disminuir el valor de batch_size de 4 a 2 o incluso a 1. Si dispone de un ordenador de gran potencia, también puede aumentar el valor de batch_size para un procesamiento más rápido.
Por ahora, mantendrá el valor predeterminado de 4, y también aceptará los otros valores predeterminados de los argumentos. A continuación, establecerá el tamaño de celda que se utilizará mientras se ejecuta la herramienta.
- Haga clic en la pestaña Entornos.
- En Análisis de ráster, en Tamaño de celda, escriba 0,9 (es decir, 0,9 metros o 90 centímetros).
El tamaño original de la celda (o píxel) de la imagen del dron es de 2,5 centímetros (o 0,025 metros). Se trata de una resolución muy alta, lo que supondría un gran número de píxeles a procesar y mayor tiempo de procesamiento. Además, el pequeño tamaño de las celdas puede ser demasiado detallado para que las entidades se clasifiquen con precisión. Como ya ha aprendido, el modelo espera imágenes de entrada con un tamaño de celda de 80-100 centímetros (o 0,8-1 metros). Al ajustar el tamaño de la celda de procesamiento a 0,9 metros, las imágenes se remuestrearán automáticamente sobre la marcha a ese tamaño de celda mayor antes de utilizarse como entrada para la clasificación de aprendizaje profundo. Las imágenes remuestreadas se acercarán mucho más a las expectativas del modelo. Esto garantizará un proceso más rápido y unos resultados de clasificación de la cobertura del suelo más precisos.
Nota:
Para comprender mejor cómo la configuración del tamaño de celda puede afectar a los resultados, consulte la sección sobre el tamaño de celda de la imagen en el artículo Detección de objetos multiresolución con texto SAM.
- En Tipo de procesador, elija GPU. En Id. de GPU, elija 0.
Nota:
Para este tutorial, se recomienda una GPU NVIDIA con un mínimo de 4 GB de memoria dedicada. Si solo dispone de una CPU, el proceso debería seguir funcionando, pero tardará mucho más en ejecutarse. En ese caso, elija la opción CPU. Para obtener más información sobre las GPU y cómo se utilizan en los procesos de aprendizaje profundo, consulte la sección Comprobar la disponibilidad de GPU en el tutorial Prepárese para el aprendizaje profundo en ArcGIS Pro.
- Acepte el resto de valores predeterminados, y haga clic en Ejecutar.
Mientras la herramienta está procesando, puede hacer clic en Ver detalles para obtener más información.
Sugerencia:
Si obtiene un error de memoria insuficiente, pruebe a disminuir el valor de batch_size de 4 a 2 o incluso a 1 y vuelva a ejecutar el ciclo.
Al cabo de un par de minutos, la capa resultante, Land_Cover_Raster, aparece en el panel Contenido y en el mapa. Se trata de una capa de ráster en la que cada valor de píxel representa una de las nueve categorías de cobertura del suelo.
Puede ver la lista de tipos de cobertura del suelo en el panel Contenido.
- Acerque la imagen y desplácese por la capa Land_Cover_Raster para explorarla.
Podrá ver diversas entidades de la cobertura del suelo, como vegetación, edificios, masas de agua y carreteras. Este ráster de alta resolución proporciona información valiosa sobre la distribución y extensión de estos tipos de cobertura del suelo en esta zona del municipio de Alexandra.
Nota:
Se puede observar que las zonas de vegetación se extrajeron con una buena precisión global, pero los resultados son de menor calidad para los edificios, especialmente en las zonas que contienen viviendas no reguladas. Dependiendo de la resolución de las imágenes y del tipo específico de edificios presentes, la calidad de los resultados puede variar, y puede ser útil utilizar diferentes métodos para extraer distintos tipos de entidades. En el artículo Detección de objetos multirresolución con texto SAM se describe un potente método para extraer edificios con gran precisión.
- En la barra de herramientas de acceso rápido, haga clic en el botón Guardar proyecto para guardar su proyecto.
Generar una capa de entidades de cobertura del suelo
Una vez obtenido un ráster de cobertura del suelo, dependiendo de sus objetivos, puede ser útil derivar de él una capa de polígonos. Esto le permitirá continuar su flujo de trabajo de análisis utilizando cualquier herramienta de geoprocesamiento basada en vectores disponible en ArcGIS Pro. Lo hará con la herramienta De ráster a polígono. A continuación, simbolizará la nueva capa.
- En el panel Geoprocesamiento, haga clic dos veces en el botón Atrás.
- Busque y abra la herramienta De ráster a polígono.
- En la herramienta De ráster a polígono, defina los siguientes parámetros:
- En Ráster de entrada, elija Land_Cover_Raster.
- En Campo, elija Clase.
- En Entidades de polígono de salida, escriba Land_Cover_Features.
- Acepte el resto de valores predeterminados y haga clic en Ejecutar.
Se crea la capa Land_Cover_Features y se agrega al mapa.
Nota:
El color de la capa se asignó al azar y puede variar.
En la nueva capa, los distintos parches de cobertura del suelo se han convertido en entidades poligonales. Cada polígono tiene asignado un tipo de cobertura del suelo. Ahora simbolizará la capa para hacer visibles estos tipos de cobertura del suelo. Podría simbolizar cada tipo uno por uno, eligiendo un color diferente para cada uno de ellos. Sin embargo, para agilizar el flujo de trabajo, utilizará un archivo de capa con una simbología ya configurada.
- Descargue el archivo de capa Land_Cover_Symbology.lyrx.
- En el panel Contenido, confirme que la capa Land_Cover_Features esté seleccionada.
- En la cinta, haga clic en la pestaña Capa de entidades. En el grupo Dibujo, haga clic en el botón Simbología.
Aparece el panel Simbología.
- En el panel Simbología, haga clic en el botón de opciones y seleccione Importar simbología.
- En la herramienta Aplicar simbología de capa, defina los siguientes parámetros:
- Confirme que la opción Capa de entrada esté establecida en Land_Cover_Features.
- En Capa de simbología, haga clic en el botón Examinar. Localice la carpeta Descargas, seleccione el archivo Land_Cover_Symbology.lyrx y haga clic en Aceptar.
Sugerencia:
Si lo desea, puede mover el archivo Land_Cover_Symbology.lyrx a la carpeta del proyecto Alexandra_Land_Cover y acceder a él desde ahí. Esto sería especialmente útil si tiene previsto reutilizar esta simbología para otras capas.
- Haga clic en Ejecutar.
La capa Land_Cover_Features se actualiza.
Los tipos de cobertura de del suelo están ahora visibles. Puede consultar la leyenda de la capa en el panel Contenido para obtener más detalles.
Nota:
La simbología propuesta tiene en cuenta el daltonismo.
Si prefiere diseñar su propio esquema de colores cuando trabaje con sus datos, puede explorar la opción de simbología de Valores Únicos en ArcGIS Pro. Esto le permite seleccionar un campo y elegir manualmente los colores para cada valor de atributo, creando un esquema de simbología personalizado para sus datos de cobertura del suelo. Si desea obtener más información sobre la elección de colores para mapas, consulte la serie de tutoriales Elegir colores para mapas.
Calcular la superficie total de vegetación
Ahora identificará los espacios verdes (o zonas cubiertas de vegetación) de este barrio de Alexandra y calculará la superficie total que cubren.
- En el panel Contenido, haga clic con el botón derecho en la capa Land_Cover_Features y elija Tabla de atributos.
- En la tabla de atributos Land_Cover_Features, localice el campo Clase.
Aquí se almacenan los valores de los tipos de cobertura del suelo. Dos tipos de cobertura del suelo corresponden a las zonas cubiertas de vegetación: Poca vegetación y Cobertura arbórea. Generará una consulta que incluya estos dos tipos.
- Haga clic en Seleccionar por atributos.
- En la ventana Seleccionar por atributos, en Expresión, forme la expresión Donde Clase incluye los valores Poca vegetación, Cobertura arbórea.
- Haga clic en Aceptar.
Todas las entidades de polígono correspondientes a la vegetación están ahora seleccionadas en el mapa.
- En la tabla de atributos, haga clic en el botón Mostrar registros seleccionados.
Hay 831 polígonos que representan la vegetación.
Nota:
Es posible que obtenga un número ligeramente diferente.
Ahora sabrá cuánta superficie cubren en total estos 831 polígonos.
- Haga clic con el botón derecho en el campo Shape_Area y elija Explorar estadísticas.
Aparece la vista Ingeniería de datos Land_Cover_Features. Muestra diversas estadísticas sobre el atributo Shape_Area.
- Desplácese horizontalmente y localice la celda Suma.
Este valor corresponde a la suma de la superficie de todos los polígonos actualmente seleccionados.
Nota:
Es posible que obtenga un número ligeramente diferente.
Se concluye que la superficie total cubierta por zonas verdes en este barrio de Alexandra es de unos 403.990 metros cuadrados o 0,404 kilómetros cuadrados.
Crear una capa de espacios verdes
Como último paso, creará una capa que contenga solo los espacios verdes de su área de estudio, utilizando la herramienta Exportar entidades.
- En el panel Contenido, haga clic con el botón derecho en la capa Land_Cover_Features, apunte a Datos y elija Exportar entidades.
- En la ventana Exportar entidades, defina los siguientes parámetros:
- En Entidades de entrada, confirme que la opción Land_Cover_Features esté seleccionada.
- Confirme que la opción Utilizar los registros seleccionados esté activada.
- En Clase de entidad de salida, escriba Green_Spaces.
Con la opción Utilizar los registros seleccionados activada, solo se exportarán a la nueva capa las entidades de polígono que estén seleccionadas en ese momento.
- Haga clic en Aceptar.
La nueva capa se agrega al mapa. Hará un poco de limpieza para ver mejor esta nueva capa.
- Cierre la vista Ingeniería de datos Land_Cover_Features. Cierre la tabla de atributos.
- En la cinta, haga clic en la pestaña Mapa. En el grupo Selección, haga clic en Borrar para anular la selección de entidades de la capa Land_Cover_Features.
- En el panel Contenido, haga clic en las casillas Land_Cover_Features y Land_Cover_Raster para desactivar estas capas.
El mapa ahora solo muestra la capa Green_Spaces, visualizada sobre las imágenes originales de drones.
- Pulse Ctrl+S para guardar el proyecto.
Puede utilizar la capa Green_Spaces en cualquier proyecto de mapa o de investigación. También puede compartirla con su comunidad publicándola en ArcGIS Online como capa web.
Aplica este flujo de trabajo a sus imágenes (opcional)
Para aplicar este flujo de trabajo a sus imágenes, tenga en cuenta lo siguiente:
- Dónde almacenar sus imágenes: en este tutorial, ha utilizado una capa de imágenes generada en Site Scan for ArcGIS a partir de imágenes sin procesar de drones y guardada en ArcGIS Online directamente desde Site Scan. Cuando trabaje con sus propios datos, también puede alojarlos en ArcGIS Online. Otra opción es utilizar imágenes almacenadas en el equipo local.
Requisitos de datos del modelo: como puede ver en la página de descripción Clasificación de cobertura de suelo de alta resolución: EE. UU, el modelo espera como entrada imágenes de alta resolución (80-100 cm) de 8 bits y 3 bandas.
- Preparación de las imágenes: las tres bandas previstas son el rojo, el verde y el azul (o RGB). Si sus imágenes tienen más de tres bandas, deberá extraer las bandas relevantes antes de proceder con el proceso de aprendizaje profundo. El modelo también espera que la imagen tenga una profundidad de píxel de 8 bits. Si su imagen tiene una profundidad de píxel diferente, por ejemplo, 16 bits, debe convertirla a 8 bits. Consulte el apartado Seleccionar bandas de imágenes pertinentes del tutorial Mejorar un modelo de aprendizaje profundo con aprendizaje por transferencia para obtener instrucciones detalladas sobre cómo implementar estos cambios.
- Encontrar información sobre su imagen: si no está seguro de cuáles son las propiedades de su imagen (como el número de bandas, la profundidad de píxeles o el tamaño de celda), en el panel Contenido, haga clic con el botón derecho en la capa de su imagen y seleccione Propiedades. En el panel Propiedades, haga clic en el panel Origen y, en Información del ráster, encontrará los valores de Número de bandas, Tamaño de celda X, Tamaño de celda Y y Profundidad de píxel.
- Experimentar con el tamaño de celda: al utilizar la herramienta de geoprocesamiento Clasificar píxeles con aprendizaje profundo, puede probar varios valores de Tamaño de celda para ver cuál le ofrece el mejor resultado para sus imágenes. Sin embargo, 0,9 debería ajustarse bien al modelo, ya que espera un tamaño de célula de 80-100 centímetros (o 0,8-1 metro). No se recomienda utilizar imágenes que tengan un tamaño de celda más grueso de lo que espera el modelo.
Experimentar a pequeña escala: mientras experimenta, puede limitar el procesamiento a una pequeña escala para obtener resultados más rápidos. En la pestaña Entorno, en Extensión de procesamiento, haga clic en el botón Dibujar extensión y dibuje un polígono pequeño en el mapa.
En este tutorial, utilizó un modelo de aprendizaje profundo preentrenado para clasificar imágenes de drones de alta resolución en tipos de cobertura del suelo a nivel de píxel para un barrio del municipio de Alexandra, Sudáfrica. Luego ha convertido la capa ráster de cobertura del suelo detallada en una capa vectorial y la ha simbolizado. Ha seleccionado los polígonos que representan la vegetación y ha calculado la superficie total que cubren. Por último, ha derivado una capa vectorial que contiene únicamente los espacios verdes del barrio.
Para conocer otras opciones para extraer la cobertura del suelo con GeoAI, consulte el artículo que versa sobre Desbloquear paisajes: Cartografía de la cobertura del suelo con modelos de aprendizaje profundo preentrenados.
Encontrará más tutoriales como este en la serie Probar el aprendizaje profundo en ArcGIS.
Encontrará más tutoriales en la galería de tutoriales.