SPA_28079_ESPECIES_VEGETALES_OT2020 spa utf8 service Ayuntamiento de Madrid. A.G. Urbanismo, Medio Ambiente y Movilidad. Departamento de Cartografía. dptocartografia@madrid.es pointOfContact 2024-02-13 ISO 19119 ISO19115:2003/Cor 1 2006 EPSG:32630 Especies vegetales 2020. 2021-12-31 creation http://geoportal.madrid.es/metadata/SPA_28079_ESPECIES_VEGETALES_OT2020 Mapa con la ocupación del suelo por especies arbóreas obtenidas a partir de métodos de teledetección. Obtenido por una clasificación de píxeles del algoritmo Random Forest a partir de las bandas espectrales la imagen de satélite WorldView-2 y 3, de los índices de vegetación NDVI (Índice de Vegetación de Diferencia Normalizada) y del RVI (Índice Relativo de Vigor). Se obtienen los grupos vegetales a nivel de la especie predominante dentro de cada tesela de 20x20 metros. Las especies detectadas son Pinus pinea (Pino), Platanus hispánica (Falso Platanero), Acer monspessulanum (Arce), Ulmus minor (Olmo), Albizia julibrisin (Acacia), Robinia pseudoacacia (Falsa Acacia), Celtis australis (Almez), Ligustrum lucidum (Aligustre), Castanea sativa (Castaño), Quercus ilex (Encina) y un grupo con el resto especies arbóreas detectadas. Resolución espacial del mosaico 30cm. y radiométrica 8 bits. Ayuntamiento de Madrid. A.G. Urbanismo, Medio Ambiente y Movilidad. Departamento de Cartografía. dptocartografia@madrid.es pointOfContact http://datos.gob.es/kos/sector-publico/sector/urbanismo-infraestructuras http://geoportal.madrid.es/categoria/teledeteccion Cubierta terrestre theme GEMET - INSPIRE themes, version 1.0 2008-06-01 publication especie vegetal vegetación forestal jardín medio ambiente Ayuntamiento de Madrid Geoportal Madrid https://datos.madrid.es/pages/condiciones-generales-ayuntamiento-de-madrid view -3.888585 -3.516245 40.311410 40.645133 loose GetCapabilities WebServices https://servpub.madrid.es/georaster/VEGETACION/ESPECIES_VEGETALES_OT2020/ows?service=WMS&version=1.3.0&request=GetCapabilities GetMap WebServices https://servpub.madrid.es/georaster/VEGETACION/ESPECIES_VEGETALES_OT2020/ows?service=WMS&version=1.3.0&request=GetCapabilities GetFeatureInfo WebServices https://servpub.madrid.es/georaster/VEGETACION/ESPECIES_VEGETALES_OT2020/ows?service=WMS&version=1.3.0&request=GetCapabilities https://servpub.madrid.es/georaster/VEGETACION/ESPECIES_VEGETALES_OT2020/ows?service=WMS&version=1.3.0&request=GetCapabilities OGC:WMS-1.3.0-http-get-capabilities Servicio de visualización. Servicio WMS de la imagen. https://geoportal.madrid.es/fsdescargas/IDEAM_WBGEOPORTAL/SATELITE/ESPECIES_VEGETALES/ESPECIES_VEGETALES_OT2020.zip WWW:DOWNLOAD-1.0-http—download Especies vegetales. Formato tif. https://geoportal.madrid.es/fsdescargas/IDEAM_WBGEOPORTAL/SATELITE/ESPECIES_VEGETALES/INFORME_ESPECIES_OT2020.pdf WWW:DOWNLOAD-1.0-http—download Informe de elaboración de datos. Formato pdf. service Pasos del proceso de elaboración de los datos: 1- Selección de imágenes Landsat 8 para cada mes del año. 2- Tratamiento digital de las imágenes satelitales, obtención de las bandas 2,3,4,5,6, 7 y 10. 3 - Correciones geométricas, radiométricas y atmosféricas necesarias. 4 - Obtención de variables: temperatura superficial terrestre, estimación de la temperatura ambiental, verdor, compacidad urbana, cercanía a ríos y cuerpos de agua, pendiente y sombra. 5 - Análisis multicriterio. 5.1 - Categorización y jerarquización de las variables. 6 - Obtención del mapa analítico de clima urbano o de isla de calor con el establecimiento de 8 clases de impacto de confort térmico, desde extremadamente alta con crga térmica alta y bajo potencial dinámico hasta carga térmica moderadamente negativa y buen potencial dinámico. Cálculo de indices. Preparación de las imágenes de satélite disponibles de verano y otoño para realizar operaciones de segmentación y clasificación. Se usan índices espectrales NDVI (Índice de Vegetación de diferencia Normalizada) para estimar la cantidad, calidad y desarrollo de la vegetación y el RVI (Índice Relativo de Vigor) para distinguir hojas verdes y estimar la biomasa relativa en cada imagen. El cálculo de ambos índices se incorpora como dos bandas más a cada imagen (verano y otoño) por lo que cada imagen tiene 6 bandas que se unirán en una final de 12 bandas (RGB-NIR-NDVI-RVI). La variabilidad obtenida permite tener un mayor volumen de datos por especie para mejorar la clasificación. Selección de áreas de entrenamiento. Las áreas de entrenamiento se obtienen a partir de una capa de especies arbóreas municipal que sirve de entrada de muestras para el algoritmo, en función de ellas se ha decidido un total de 10 clases como las especies más idóneas para la detección mediante diversos criterios como la estacionalidad o la respuesta espectral. Clasificación por píxeles. La clasificación se realiza con los puntos obtenidos de la capa de especies arbóreas para obtener los segmentos mediante la clasificación “Random Forest”, se realiza un filtrado y un agrupamiento de las clases obtenidas. Resultados.A la vista de los resultados obtenidos en la clasificación por píxel se observa que algunos árboles posicionados en sombra se clasifican como diferente especie dentro de la misma copa, para solventar estos errores se establecen teselas de 20x20 metros donde se establecerá la especie predominante en esa tesela. Finalmente se realiza un control de calidad con una matriz de confusión que permite comparar el resultado de la clasificación con el conjunto de datos de referencia y el índice Kappa extraído en función de las áreas de entrenamiento obtenidas con alta fiabilidad ya que se realizaron por fotointerpretación, los resultados superan el 90% de bondad en las especies encontradas.