-->

12 febrero 2011

Algebra de mapas y las operaciones con imágenes de satélites

El objetivo principal de este artículo es la utilidad de la Calculadora Raster en la realización de operaciones con imágenes provenientes de sensores remotos, sin embargo es necesario ver someramente (con la salvedad que no soy un experto) algunos conceptos básicos para abordar este tema. La persona que desee profundizar, al final le dejo alguna bibliografía donde podrá obtener mas información. La información provenientes de los sensores remotos es aplicables a disciplinas como Arqueología, geografía, geología, ecología, forestal, hidrología, agricultura, áreas urbanas, inventario de recursos naturales, etc.
 
1. Teledetección:
Es el arte o ciencia de obtener información sobre un objeto, zona o fenómeno, a través del análisis de información obtenida por un dispositivo o sensor que no se encuentra en contacto con el objeto, zona o fenómeno de investigación.
 
2. Sensor remoto:
Es el dispositivo que permite capturar información de los objetos sin tener un contacto directo con ellos. Puede captar información para diferentes regiones del espectro y cada una de estas regiones se denomina canal o banda. Los diferentes canales se pueden caracterizar en función de variables como:

  • Amplitud espectral: Región del espectro para la cual capta datos. Se refiere a la anchura espectral de las bandas. 
  • Resolución radiométrica: Número de intervalos de intensidad que puede captar.
  • Resolución espacial: Tamaño de pixel.
  • Resolución temporal: Se refiere al tiempo que tarda el satélite en pasar dos veces por el mismo sitito.
En la tabla siguiente se muestra la resolución espacial y temporal así como la superficie del terreno cubierta por una imagen de algunos satélites:

 

Satélite

Operador

 

Pan/multi

 

Resolución espacial

(metros)

 

Ancho escena

(km)

 

Resolución temporal (días)

Spot1/2/3

CNES/SPOT

Pancromático

Multiespectral

10

20

60

60

1-4

1-4

Spot 4

CNES/

SPOT

Pancromático

Multiespectral

10

20

1000

60

60

2200

1-4

1-4

1

Landsat 5

Space

Imaging

 Multiespectral

30

80

185

16

Landsat 7

U:S

Govemment

Pancromático y Multiespectral

15

30

185

16

IRS IC/D

ISRO-India

Pancromático y Multiespectral

5.8

23

188

70

150

810

5

24

3-5

Radarsat

Canadá

    N/A

8- 100

50-500

3- 35

ERS ½

ESA

 

   N/A

30-50

100-500

3- 35

Jers

Japón

    N/A

18

15

75-30

44

4-5

Ikonos

Space

Imaging

Pancromático y Multiespectral

1

4

11

11

3.5-5

3.5-5

Quick

Biird

EarthWatch

Pancromático y Multiespetral

0.82

3.28

22

1.5-4

SPIN-2

Rusia

Pancromático

10

2

200-180

8

8

OrbView

Orbimage

Pancromático y Multiespectral

1

4

8

8

3

3

 
3. Imágenes de satélite
Una imagen raster puede tener una o más bandas de información (entiéndase Fotografía Aérea con tres bandas una por cada color visible RGB;  imágenes de Satélite multiespectrales o hiperespectrales, etc.). Las bandas espectrales, que son más frecuentemente empleadas con la tecnología actual  son las siguientes:


  • Espectro Visible (0,4 a 0,7 um). Se denomina así por tratarse de la única radiación electromagnética que puede percibir el ojo humano. Hay tres bandas elementales que son: Azul (0.4um-0.5um); verde (0.5um-0.6um) y rojo (0.6um-0.7um).
  • Infrarrojo próximo (0,7 a 1,3 um). Se le denomina también infrarrojo reflejado o fotográfico, puesto que parte de él puede detectarse a partir de filmes dotados de emulsiones especiales. Es importante por su capacidad para discriminar masas vegetales y concentraciones de humedad.
  • Infrarrojo medio (1,3 a 8 um). En donde se entremezclan los procesos de reflexión de la luz solar y de emisión de la superficie terrestre. Resulta idóneo para estimar contenido de humedad en la vegetación y detección de focos de alta temperatura. 
  • Infrarrojo lejano o térmico (8 a 14 um). Que incluye la porción emisiva del espectro, se detecta el calor proveniente de la mayor parte de las cubiertas terrestres. 
  • Microondas (a partir de 1 um). Con gran interés por ser un tipo de energía bastante transparente a la cubierta nubosa.
Las características espectrales de los sensores LANDSAT-TM y MSS se muestran en la siguiente tabla.

MSS

Aplicación

TM

Aplicación

Bandas

l  (m)

Bandas

l  (m)

4

 0,5-0,6

Penetración en el agua, turbidez, nieve, sedimentación en la misma, infraestructura urbana y cuerpos de agua.

1

0,45-052

Mapeo de aguas. Mapeo de tipos de bosque, diferenciación entre vegetación y suelos, identificación de rasgos culturales (caminos, urbanización, etc.)

 

5

 0,6- 07

Estudios urbanos, infraestructura caminera y cuerpos de agua.

2

052-0,60

Diferenciación entre tipos de plantas, determinación del estado de la vegetación, identificación de rasgos culturales.

6

 0,7- 08

Vegetación, redes de drenaje.

3

0,63-0,69

Diferenciación de plantas a través de mapeo de      clorofila y rasgos culturales. 

7

0,8-1,1

Estudios de vegetación, suelos, humedad, contacto entre tierra y agua.

4

0,76-0,90

Determinación de tipos y estado sanitario de vegetación, delimitación de cuerpos de agua.

   

 

5

1,55-1,75

Distinción entre nubes y nieve, determinación del contenido de humedad del suelo y la vegetación.

   

 

6

10,40-12,50

Mapeo térmico.

   

 

7

2,08-2,35

Mapeo hidrotérmico. Humedad retenida en las plantas.

Nota: El sensor LANDSAT de última generación es el ETM+
 
4. Análisis visual de imágenes de satélite (composición color)
La técnica más utilizada  para formar una composición en falso color, consiste en mezclar tres imágenes del mismo sitio y fecha correspondientes a distintas bandas (tabla anterior), representando a cada una de ellas con alguno de los colores rojo, verde o azul.
 
Los 256 niveles digitales de cada banda, representables como una imagen monocromática, se combinan para formar otra imagen en colores. Estos colores y tonos se emplean para la interpretación visual de las imágenes, combinando las bandas de manera que se de un primer acercamiento al contenido de la imagen. La combinación de colores permite discriminar aspectos geológicos, de vegetación, uso del suelo y morfología de zonas urbanas.
 
5. Cálculo de NDVI
 
El cálculo de índices de vegetación es una técnica de uso habitual en teledetección y es comúnmente utilizada para mejorar la discriminación entre dos cubiertas que presenten un comportamiento reflectivo muy distinto en dos o más bandas, por ejemplo para realzar suelos y vegetación en el visible e infrarrojo cercano, y para reducir el efecto del relieve (pendiente y orientación) en la caracterización espectral de distintas cubiertas (Chuvieco, 1996).
 
Los índices de vegetación son útiles porque permiten entre otras cosas.
  • Identificación de áreas forestadas-deforestadas.
  • Evaluación del estado de la vegetación y su grado de estrés.
  • Separación entre distintos tipos de masas vegetales.
  • Monitoreo de plagas.
  • Evaluación de riesgos de incendio.
De igual forma se pueden derivar variables como contenido de agua en las hojas, productividad neta de la vegetación, contenido de clorofila en la hoja, dinámica fenológica, evapotranspiración potencial, etc. Un aspecto interesante del NDVI es que varía dentro de márgenes conocidos (-1 a +1), cuanto mayor sea el resultado obtenido, tanto mayor será el vigor vegetal presente en la zona observada.
 
El índice se vegetación NDVI se calcula con las Bandas 3 y 4 de una imagen y para ello se utiliza la siguiente ecuación:
 
 
Donde
B4 = Banda 4 de la imagen
B3 = Banda 3 de la imagen
 
6. Transformación Taselled Cap
Supone pasar de las 6 bandas de lansat a 3 bandas con claro sentido físico que representan el brillo de la imagen (albedo), el verdor y la humedad. Estas transformaciones permiten llevar a cabo análisis de la densidad y estado de salud de la vegetación.
 
El brillo refleja los cambios en la reflectividad total de la escena, se trata de una suma ponderara de la reflectividad de todas las bandas excepto el térmico.
 
El verdor. Permite por tanto llevar a cabo análisis de la densidad y estado de salud de la vegetación.
 
La humedad se relaciona con el contenido de agua de la vegetación y el suelo. También se ha encontrado una relación entre este componente y la madurez de la vegetación. El componente de humedad ha sido también correlacionado con la madurez de las formaciones vegetales.
 
Las ecuaciones para calcular estas transformaciones son las siguientes:
 
Brillo = Ckb1*B1 + Ckb2*B2 + Ckb3*B3 + Ckb4*B4 + Ckb5*B5 + Ckb7*B7
 
Verdor = Ckv1*B1 + Ckv2*B2 + Ckv3*B3 + Ckv4*B4 + Ckv5*B5 + Ckv7*B7
 
Humedad = Ckh1*B1 + Ckh2*B2 + Ckh3*B3 + Ckh4*B4 + Ckh5*B5 + Ckh7*B7
 
Donde:
B1… B7 corresponden a las bandas utilizadas
Los coeficientes Ckb, Ckv y Ckh son los que aparecen en la siguiente tabla
Componente
B1
B2
B3
B4
B5
B7
Brillo
0.3037
0.2793
0.4743
0.5585
0.5082
0.1863
Verdor
-0.2848
-0.2435
-0.5436
0.7243
0.0840
-0.1800
Humedad
0.1509
0.1973
0.3279
0.3406
-0.712
-0.4572


En ArcGIS para realizar composiciones de color se utiliza la función Composite Bands, a la cual de accede de la siguiente manera: Del ArcTool Box, damos clic en  Data Manamegent Tools, seguido de Raster y luego en Raster Processing; donde finalmente seleccionamos la opción Composite Bands y agregamos todas bandas correspondientes.  
 
Para calcular NDVI y la transformación Taselled Cap, simplemente se aplica el algebra de mapas. Dado que el objeto de este artículo es la utilización de la calculadora raster a continuación se verán dos ejemplos al respecto.
 
En la siguiente figura se ilustran 6 bandas de la imagen utilizada, la región de Urabá siempre está bastante nublada pero a manera del ejemplo que se quiere realizar será de mucha utilidad.
 
 
 
7. Calculo del NDVI
Damos clic en Spatial Analyst seguido de Raster Calculator…
 
En la ventana que nos aparece agregamos las capas correspondientes de acuerdo a la siguiente ecuación:
 
NDVI = Float([B4] - [B3]) / Float([B4] + [B3]), el operador Float, en la ecuación, se utiliza para que el resultado de la operación sea punto flotante. Si se omite Float el resultado final va ser entero (cero y uno), lo cual es incorrecto para calcular este índice de vegetación.
 
 
 
Damos clic en el botón Evaluate y el resultado obtenido es el siguiente.
 
 Después de cambiar el color, el resultado es el siguiente:
 
En esta figura se muestran en color rojo las fuentes de agua y el verde más oscuro corresponde la vegetación más saludable.
 
8. Caculo de transformación Taselled Cap
 
En la calculadora raster escribimos las siguientes ecuaciones
 
Brillo = 0.3037 * [B1] + 0.2793 * [B2] + 0.4743 * [B3] + 0.5585 * [B4] + 0.5082 * [B5] + 0.1863 * [B7]

 
El resultado es el siguiente:


Verdor = -0.2848 * [B1] -0.2435 * [B2] -0.5436* [B3] + 0.7243 * [B4] + 0.0840 * [B5] -0.1800 * [B7]

El resultado es el siguiente:

Humedad = 0.1509 * [B1] + 0.1973 * [B2] + 0.3279 * [B3] + 0.3406 * [B4] -0.712 * [B5] -0.4572 * [B7]
 

El resultado es el siguiente:

 

Bibliografía
 
 
 
 


 

17 comentarios :

  1. Considero que el tema de mucha importante en la interpretación de las imágenes, sin embargo se sugiere que se de ejempos aplicativos para una mejor comprensión.

    gracias

    ResponderEliminar
  2. Muy buen tema y muy elocuente la forma de
    la didáctica. las aplicaciones de estos análisis
    de imágenes satelitales pueden ser la determinación de la cobertura vegetal, monitoreo de inundaciones.

    muy practico.

    ResponderEliminar
  3. Hola!, Que bueno que sea de utilidad...gracias

    ResponderEliminar
  4. Te felicito por el blog, esta bastante practico, soy fisico y me resistia a usar arcGIS pero entiendo que es multidisciplinario. Soy nueva en esto ya que mi campo de estudio es la modelamiento numerico de tsunamis y es de vital preparar una buena topografia y batimetria como datos de entrada para calcular la inundacion. Antes solo usaba MATLAB pero ahora estoy aprendiendo a usar arcGIS

    ResponderEliminar
  5. Hola!, muy bueno que te sirva este blog...a mi me gusta mucho la física, es mas quería estudiar física pura, siento curiosidad por tu trabajo...si puedes me cuentas sobre el tema..

    Gracias

    ResponderEliminar
  6. hola, me gustaria saber como aplicar elo indice de vegetacion en una imagen spot

    ResponderEliminar
  7. Hola como estas, el procedimiento es el mismo, sigue el siguiente articulo..

    http://aguaysig.blogspot.com/2011/08/ndvi-en-arcgis-parte-1.html

    ResponderEliminar
  8. Me agrada mucho la manera efectiva y sencilla como lo explicas. Estoy aprendiendo mucho leyendo tus blogs.

    Saludos desde el INAOE.

    ResponderEliminar
    Respuestas
    1. Me alegra mucho que lo que publico te sea útil y que puedas aprender

      Eliminar
  9. Por cierto, soy una chica a la que le gustan los chicos inteligentes. A que hora sales por las tortillas?

    ResponderEliminar
    Respuestas
    1. Pues a mí también me gustan las chicas inteligentes, pero eres todo un misterio al no dejar tu nombre...y también me gustan las tortillas

      Eliminar
  10. Soy la chica de las tortillas. Anduve un poquito ocupada pero ya andamos por aquí. Excelente Blog

    ResponderEliminar
    Respuestas
    1. Cuando vamos por las tortillas? Podemos conocer tu nombre?

      Eliminar
  11. Hola,me gustaría saber como calcular el índice de agua en imágenes landsat

    ResponderEliminar
  12. Hola,me gustaría saber como calcular el índice de agua en imágenes landsat

    ResponderEliminar
    Respuestas
    1. Hola, solo he se del indice de humedad. El indice de agua no lo conozco

      Eliminar
  13. Este comentario ha sido eliminado por el autor.

    ResponderEliminar

Tu comentario es muy importante...¿Cómo te pareció el tema?