Automatic landform clasification of uplands based on Haralick's texture

Abstract

This paper presents the results of applying Haralik's textures in the upland landform classification process. In environmental and landuse projects is important to know what kind of landforms are present in a geographic area. The objective of this work is to improve the performance of such classifications, adding information to the commonly used data features in such problems. The texture information was extracted using the method of Haralick, parameterized with moving windows of geo-referenced maps in raster format. Those maps contains information of the terrain morphology such as elevation, slopes, etc. Several tests were performed using different classifiers and cross-validation over a dataset with a total of 203401 samples. It was shown that Haralick's textures features are useful for the problem, because its performance is higher (about 97 %) in comparison with the achieved when using only morphological information of the terrain. I. INTRODUCCIÓNLa clasificación automática de tipos de relieve surge de la necesidad de conocer la forma de un territorio evitando recorrerlo por completo; ya sea por ser de gran tamaño, que requiera un esfuerzo considerable o que sea de difícil o imposible acceso [1], [2]. Este tipo de clasificaciones consitituyen un insumo importante para procesos de toma de decisiones eń areas ambientales o de ordenamiento territorial; además, sirven como información base para diversos modelos hidrológicos y geológicos [3], [4].En este trabajo se presenta un enfoque de clasificación de tipos de relieve, específicamente aquellos que corresponden a zonas de alta, media y baja montaña. Las dos clases objetivo del problema de clasificación plateado son: cañones (valles de quebradas y ríos jóvenes) y vertientes (Laderas de montañas que contribuyen al cauce de los ríos y quebradas).El reconocimiento de patrones es el proceso a través del cual se construye un modelo que aproxima la forma en que los individuos de un conjunto de datos son asignados a clases (patrones) previamente definidas o desconocidas. La clasificación de patrones es la etapa final del proceso de reconocimiento y consiste en asignar una etiqueta a un vector n-dimensional donde cada dimensión representa una característica (descriptor o feature) de la información que se está analizando, y cada etiqueta representa una de las clases.Esta investigación propone un mecanismo para encontrar un conjunto de descriptores que ofrezcan un considerable grado de separabilidad de las clases objetivo haciendo uso de información sobre la textura del terreno. Una textura de terreno puede ser definida como el patrón de comportamiento que se percibe de la forma de una región geográfica.Esta información es calculada a partir del análisis de diferentes mapas georeferenciados de variables geomorfológicas en formato raster; e.g: MDE (Modelo Digital de Elevación), pendientes, curvaturas, etc. El conjunto de datos para la clasificación propuesta se construye entonces como la unión entre las características geomorfológicas y las de características de textura der...