Remote sensing of illegal dumps through supervised classification of satellite images: application in Oaxaca, Mexico

• Gómez Maturano, Javier ^[1] ; Mendoza Santana, José David ^[2] ; Aguilar García, Ana Lilia ^[2] ; Serna Hernández, Mayra ^[2]
  1. [1] Centro de Investigaciones y Estudios Superiores en Antropología
  2. [2] Center for Research and Higher Studies in Anthropology - Golfo
• Localización: Cuadernos de investigación geográfica: Geographical Research Letters, ISSN-e 1697-9540, ISSN 0211-6820, Vol. 50, Nº 2, 2024, págs. 157-177
• Idioma: inglés
• Títulos paralelos:
  • Teledetección de vertederos ilegales mediante clasificación supervisada de imágenes de satélite: aplicación en Oaxaca, México
• Enlaces
  • Texto completo (pdf)
  • Texto completo
• Dialnet Métricas: 1 Cita
• Resumen
  • español

    Diversos factores económicos, sociales y culturales han contribuido a la proliferación de vertederos ilegales, ocasionando degradación de la imagen urbana, afectaciones a la salud de la población y contaminación del suelo, aire y agua. Diversas técnicas de percepción remota se han desarrollado para identificar estos focos rojos y así contribuir a su mitigación y control. La percepción remota de satélites ha sido utilizada en los últimos años para detectar amplias zonas de vertido ilegal de residuos, en lugar de los costosos monitoreos en campo. Se han utilizado algoritmos de inteligencia artificial para procesar imágenes de satélite gracias a su disponibilidad y al aumento en la capacidad de procesamiento de los sistemas informáticos. Este trabajo presenta los resultados de un procedimiento de teledetección por satélite para detectar vertederos clandestinos en una subcuenca hidrográfica en Oaxaca, México, a través de una clasificación supervisada de cobertura terrestre utilizando el clasificador Random Forest. Se utilizaron doscientos cincuenta y seis polígonos de control para entrenar al clasificador. Los criterios de clasificación fueron las doce bandas de las imágenes del Sentinel 2ª, con una resolución espacial de 10x10 metros, los índices espectrales NDVI, MNDWI, SAVI, NDBI, BSI y la pendiente de la superficie. Para el procesamiento de las imágenes de satélites se utilizó la plataforma Google Earth Engine. Se obtuvieron 288.100 hectáreas clasificadas de esta manera: 65,4% clasificadas como vegetación, 31,5% como suelo desnudo, 2,7% como suelo urbano y el resto como agua o basura. Una matriz de confusión calculó la precisión del modelo en 0,9517. El modelo no fue capaz de distinguir con precisión entre suelo urbano, suelo desnudo y basura debido a la similitud de sus huellas espectrales. Los índices espectrales más importantes para detectar basura fueron el NDVI y SAVI, los cuales podrían contribuir a construir una huella espectral de basura en el futuro. Las áreas mal clasificadas se descartaron mediante trabajos de fotointerpretación y posprocesamiento. Finalmente, se identificaron treinta y dos probables vertederos clandestinos, doce de los cuales fueron confirmados en el territorio.

  • English

    Various economic, social, and cultural factors have contributed to the proliferation of illegal dumps, causing urban image degradation, population health impacts, and soil, air, and water contamination. Scientists developed remote sensing techniques to identify these red spots and thus contribute to their mitigation and control. They recently used these techniques to detect large areas of illegal waste dumping instead of using expensive field monitoring. Artificial intelligence algorithms have been used to process satellite images due to the availability of satellite images and the increase in the processing capacity of computer systems. This work presents the results of a satellite remote-sensing procedure to detect illegal dumps in one hydrographic subbasin in Oaxaca, Mexico, through a supervised land cover classification using a Random Forest classifier. Two hundred and fifty-six control polygons were used to train the classifier. The classification criteria were the twelve bands of the Sentinel 2A satellite images with a spatial resolution of 10x10 meters, the spectral indices NDVI, MNDWI, SAVI, NDBI, BSI, and the surface slope. Google Earth Engine platform was used to process satellite images. There were 288,100 hectares classified in this way: 65.4% classified as vegetation, 31.5% like bare soil, 2.7% was urban soil and the rest was classified as water or garbage. A confusion matrix calculated the accuracy of the model in 0.9517. The model was not able to accurately distinguish between urban soil, bare soil and garbage due to the similarity of their spectral fingerprints. NDVI and SAVI were the most important spectral indices for detecting litter, and those might contribute to building a spectral fingerprint of litter in the future. Poorly classified areas were discarded through photointerpretation work and post-processing. Finally, thirty-two probable illegal dumps were identified, twelve of which were confirmed on the territory.