Identificación de barrios de infraviviendas (slums) en Argelia mediante teledetección

Abstract

Los barrios de infravivienda (slums) son un problema a nivel mundial y en particular en los países en desarrollo como Argelia. Por lo tanto, su identificación mediante diversas técnicas como la teledetección, es importante como primer paso para la actuación por parte de las autoridades. En este trabajo se propone en primer lugar la clasificación de imágenes de Sentinel-1 y 2 para la identificación de slums en Argelia. La clasificación supervisada con bosques aleatorios permite detectar las zonas urbanas sobre todo en imágenes de Sentinel-2, pero no entre distintos tipos de zonas urbanas como los slums. Por ello, se opta por hacer máscaras de las zonas urbanas y aplicar sobre ellas técnicas de análisis textural como los filtros de co-ocurrencia (GLCM) y morfología matemática. Los mejores resultados se obtienen con los filtros de entropía y, especialmente, de disimilitud, apoyados con operaciones de apertura y cierre. A partir de las imágenes filtradas, se realizan mapas de probabilidad de slums en una zona piloto en Es Senia, así como en Orán y Argel, la capital del país. Los mapas se validan mediante la matriz de confusión y el área bajo la curva ROC, proporcionando una fiabilidad del 80-90%.

Slums are a problem worldwide and particularly in developing countries such as Algeria. Therefore, its identification through various techniques such as remote sensing is important as the first step for action by the authorities. In this work, the classification of Sentinel-1 and 2 images using random forest algorithm for the identification of slums in Algeria is proposed. The classification allows the detection of urban areas especially in Sentinel-2 images, but not between different types of urban areas such as slums. Therefore, it is decided to make masks of urban areas and apply textural analysis techniques such as co-occurrence filters (GLCM) and mathematical morphology. The best results are obtained with entropy and, especially, with dissimilarity; supported by opening and closing operations. Based on the filtered images, slum probability maps are made in a pilot area in Es Senia, as well as in Oran and Algiers, the country's capital. The maps are validated using the confusion matrix and the area under the ROC, providing a reliability of 80-90%.