Los consultores ambientales a menudo tienen la tarea de ayudar a los clientes a cumplir con las regulaciones del medio ambiente, ya sea para, por ejemplo, monitorear la calidad del aire o asegurar que los sitios de construcción se encuentren fuera de los humedales identificados, solo por nombrar un par.
Por ejemplo, las compañías mineras a menudo trabajan en estrecha colaboración con consultores para planificar sitios potenciales, reducir los impactos operativos al medio ambiente y reintroducir la vegetación natural en el paisaje cuando las minas terminen su ciclo de vida. Tener acceso a estudios aéreos periódicos garantiza que se cumplan las regulaciones ambientales durante todo el ciclo de vida de un proyecto minero. Durante la última década, los consultores se han basado más en la fotografía aérea y las imágenes de UAV casi en tiempo real para el monitoreo continuo de proyectos de minería y desarrollo.
La clasificación del uso de la tierra mediante la teledetección es una herramienta eficaz para inspeccionar los tipos primarios de cobertura terrestre (como el agua, la vegetación y la tierra alterada) en un momento dado. Cuando dos imágenes de clasificación registradas de diferentes fechas se comparan entre sí, sus diferencias se pueden presentar como un mapa de detección de cambios.
Este artículo muestra algunos ejemplos de cómo los consultores pueden usar imágenes aéreas de un sitio de minería de superficie para monitorear los cambios en la tierra alterada durante un período de dos años. También se pueden usar métodos similares para monitorear los cambios de vegetación a lo largo del tiempo como parte de la remediación del sitio.
En lugar de utilizar datos de UAV patentados como ilustración, los ejemplos en este artículo usan imágenes NAIP de dominio público, ya que se aplican métodos analíticos similares. El Programa Nacional de Imágenes Agrícolas (NAIP) del Departamento de Agricultura de los Estados Unidos adquiere imágenes aéreas cada dos o tres años con una resolución de 1 metro sobre los Estados Unidos durante la temporada de cultivo agrícola.
Esta figura muestra un subconjunto de imágenes NAIP en color verdadero del 18 de octubre de 2015 de un proyecto minero a gran escala en Minnesota.
Para crear una clase de uso de tierra llamada «Tierra alterada» se utilizó el software ENVI para crear una imagen de relación azul-NIR. Los píxeles más brillantes indican áreas desprovistas de vegetación, donde se ha producido actividad humana.
Los valores de píxeles por encima de un umbral de 0,48 se convirtieron en un área de interés (ROI), que luego se exportó a una imagen de clasificación. Se repitió el mismo proceso para la imagen NAIP 2017. Estos son los resultados, que revelan diferencias en la cantidad de tierra alterada durante dos años:
Desde esta vista, las diferencias pueden ser difíciles de interpretar. Un mapa de detección de cambios creado con la herramienta ENVI de Cambio temático proporciona una mejor vista de las áreas que han cambiado con el tiempo:
El módulo ENVI Deep Learning puede ayudar a localizar otros grupos de relaves como estos en todo un sitio. Si bien entrenar un modelo de aprendizaje profundo puede llevar algún tiempo, solo necesita ser entrenado una vez. Luego se puede aplicar varias veces para encontrar entidades similares en otras imágenes.
Los ejemplos a continuación muestran cómo un modelo de aprendizaje profundo ubicó con precisión otras pilas de relaves en una imagen diferente de la que fue entrenado:
La clasificación supervisada y los métodos de aprendizaje automático son preferidos para definir categorías amplias de clases de uso de la tierra; sin embargo, extraer entidades de interés más detalladas requiere un enfoque diferente.
El aprendizaje profundo es una tecnología emergente que muestra una gran promesa al ayudar a los analistas a ubicar entidades más complejas, como pilas de desechos, estanques de sedimentación y caminos de acarreo en un sitio minero. La siguiente imagen muestra un grupo de relaves, que son pilas de sedimentos que quedan después de extraer el mineral de la excavación:
Los bordes de estas entidades se pueden exportar fácilmente a un shapefile para el análisis GIS y para determinar su área total.
Los analistas también pueden usar el ENVI Modeler para crear y ejecutar flujos de trabajo de clasificación y aprendizaje profundo personalizados para futuros estudios. Al utilizar el conjunto de herramientas de clasificación y aprendizaje profundo de ENVI, los consultores ambientales pueden proporcionar respuestas precisas y confiables para sus clientes, particularmente cuando se trata de cumplir con los estándares ambientales para proyectos de minería y desarrollo a gran escala.
Jason Wolfe
L3Harris Geospatial
comentarios
0