Torrecillas Lozano, CristinaPérez Romero, Antonio MiguelPiñero Ros, Gabriel2025-03-252025-03-252024Piñero Ros, G. (2024). Detección de cambios en el terreno a partir de imágenes de UAV multitemporales. (Trabajo Fin de Máster Inédito). Universidad de Sevilla, Sevilla.https://hdl.handle.net/11441/170849Este proyecto desarrolla el uso de la fotogrametría para la obtención de modelos tridimensionales a partir de imágenes bidimensionales. Se centra en los usos cartográficos de esta disciplina, especialmente en la utilización de aeronaves pilotadas en remoto (RPA) para la toma de imágenes. También estudia la detección de cambios en el terreno a partir de imágenes multitemporales, aplicando algoritmos y técnicas de aprendizaje automatizado. Los datos de partida fueron las ortofotos y modelos digitales de elevaciones de 2017, junto a las imágenes aéreas tomadas mediante RPA en 2022 en el pueblo sevillano de Lebrija, en una zona donde se conoce la existencia de subsidencia en el terreno. La realización del proceso fotogramétrico hasta obtener el modelo tridimensional, incluyendo la ortofotografía y el modelo digital de elevaciones (MDE) del territorio en 2022, ha sido realizada mediante el software comercial Agisoft Metashape®. El análisis realizado para la detección de cambios en el terreno ha sido ejecutado mediante el software de Sistema de Información Geográfica, QGIS®, y han sido utilizadas secuencias de comandos en el lenguaje de programación Python y el complemento Semi Automatic Classification Plugin, que contiene algoritmos de aprendizaje automatizado, para conseguir la identificación de patrones en las variaciones que se hayan producido en el lapso temporal de 5 años entre vuelos, y poder obtener una clasificación automática de los cambios que haya habido en el terreno. En cuanto al levantamiento fotogramétrico, los resultados muestran el modelo tridimensional del terreno junto a su ortofoto y modelo digital de elevaciones, donde destacan su precisión y representación veraz del terreno en la realidad. Sobre la detección de variación en el terreno mediante la aplicación de aprendizaje automatizado, los resultados arrojan la obtención de patrones de cambio en las imágenes que pueden ser extrapolables a variaciones en el terreno, haciendo hincapié en las limitaciones del proceso si la cantidad de información espectral de las imágenes no es suficiente.This project develops the use of photogrammetry to obtain three dimensional models from two dimensional images. It focuses on the cartographic uses of this discipline, especially in the use of remotely piloted aircraft (RPA) for image acquisition. It also studies the detection of terrain changes from multi temporal imagery, applying algorithms and machine learning techniques. The starting data were orthophotos and digital elevation models from 2017, together with aerial images taken by RPA in 2022 in the Sevillian town of Lebrija, in an area where the existence of subsidence in the terrain is known. The photogrammetric process to obtain the three dimensional model, including orthophotography and the digital elevation model (DEM) of the territory in 2022, was carried out using the commercial software Agisoft Metashape®. The analysis carried out for the detection of changes in the terrain has been executed using the Geographic Information System software, QGIS®, and scripts in the Python programming language and the Semi Automatic Classification Plugin, which contains automated learning algorithms, have been used to identify patterns in the variations that have occurred in the time span of 5 years between flights, and to obtain an automatic classification of the changes that have occurred in the terrain. Regarding the photogrammetric survey, the results show the three dimensional terrain model together with its orthophoto and digital elevation model, highlighting its accuracy and true representation of the terrain in reality. Regarding the detection of terrain variation through the application of automated learning, the results show the obtaining of patterns of change in the images that can be extrapolated to terrain variations, emphasising the limitations of the process if the amount of spectral information in the images is not sufficient.application/pdf112 p.spaAttribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccess