Manual Idrisi PUC

PONTIFICIA UNIVERSIDAD CATLICA DE CHILE
INSTITUTO DE GEOGRAFA
Manual Laboratorio de Percepcin Remota Software Idrisi Posttulo en Geomtica
(Imagen Quickbird, donacin gentileza de INCOM S.A.)
Martn Faras Salvador y Rodrigo Nez Crdenas Mayo 2005
Laboratorio de Percepcin Remota
Postitulo en Geomtica
Manual Laboratorio de Percepcin Remota Software Idrisi

Tabla de Contenidos INTRODUCCIN............................................................................................................... 3 EJECUCIN DE PROGRAMAS........................................................................................ 3 CONFIGURANDO DIRECTORIOS DE TRABAJO............................................................ 3 IMPORTACIN ................................................................................................................. 4 MANTENCIN DE ARCHIVOS DE TRABAJO ................................................................. 5 VISUALIZACIN DE IMGENES EN PANTALLA ........................................................... 6 CONTRASTE EN PANTALLA Y DESPLIEGUE DE GRUPO DE IMGENES .................. 8 TALLER DE PALETA DE COLORES, SEUDOCOLOR Y FALSOCOLOR ..................... 10 INTERPRETACIN VISUAL ........................................................................................... 11 LA UTILIZACIN DE VECTORES EN IDRISI................................................................. 12 LGEBRA DE IMGENES ............................................................................................. 13 EL HISTOGRAMA DE UNA IMAGEN ............................................................................. 15 CORRECCIONES RADIMTRICAS Y ATMSFRICAS ............................................ 16 TRANSFORMACIONES ESPACIALES Y CORRECCIONES GEOMTRICAS .............. 18 DIGITALIZACIN EN PANTALLA.................................................................................. 24 EXTRACCIN DE VALORES ......................................................................................... 25 TRANSFORMACIN DE VALORES............................................................................... 26 NDICES TEMATICOS .................................................................................................... 29 CLASIFICACIONES TEMTICAS .................................................................................. 32 ANLISIS TEMPORALES .............................................................................................. 37 CORRELACIN, SIMULACIN Y MODELADO ............................................................ 40
Instituto de Geografia Pontificia Universidad Catlica de Chile
INTRODUCCIN
El software IDRISI es un grupo de programas computacionales asociados, utilizados en Procesamiento Digital de Imgenes y Manejo Computarizado de Informacin Geogrfica del tipo SIG, creado por la Escuela de Graduados en Geografa de la Universidad de Clark (Estados Unidos). IDRISI procesa datos geogrficos en un formato de matriz de celdas. Sin embargo, adicionalmente maneja datos en formatos de vectores, de tabla de valores y bases de datos, cuyas utilidades principales son apoyar algunos mdulos y facilitar la entrada y salida de datos, desde y hacia otros software o sistemas. En la actualidad estn disponibles versiones de IDRISI para Windows pasando de la versin 2.0 a la 32, hasta llegar a su ultima versin que recibe el nombre de IDRISI KILIMANJARO. En el contexto de la filosofa de WINDOWS, IDRISI cuenta con un men principal, con una barra (superior) de herramientas y con una barra (inferior) de ayuda-status. Dentro del men principal se cuenta con una opcin muy importante "La Ayuda en Lnea (On Line Help)".
EJECUCIN DE PROGRAMAS
En el men general, los diferentes submens y/o programas se pueden seleccionar con el mouse o con el teclado. Desde el teclado, si presiona la tecla Alt una vez se posibilita recorrer el men apoyndose de las teclas flechas. Hacia arriba o abajo se abre el submen en donde se estaba posicionado. Hacia la derecha o izquierda se cambia de submen de acuerdo a la direccin escogida. Habiendo abierto un submen, se puede recorrerlo con las flechas arriba-abajo. Si se est posicionado sobre un subsubmen (indicado por un tringulo hacia la derecha) y se presiona la tecla "enter", se abrir el contenido del sub-submen. Si la posicin era sobre un programa, al presionar "enter" se ejecutar ese programa. Con el mouse, al posicionar el cursor sobre un submen y presionar el botn izquierdo, se abre el submen respectivo mostrando su contenido de programas y, eventualmente, sus sub-sub mens. Si la posicin del cursor se lleva hacia un sub-submen, al presionar el botn izquierdo se abrir el contenido del sub-submen. Si la posicin es sobre un programa, presionando el botn izquierdo se logra ejecutar el programa respectivo. Varios programas tienen un icono asociado, por lo que tambin pueden ejecutarse posicionando el cursor sobre el icono y presionando el botn izquierdo.
CONFIGURANDO DIRECTORIOS DE TRABAJO

Previo a realizar cualquier proceso a travs de este software, es necesario establecer los directorios de Trabajo y de Recursos. En el primero quedaran todos los resultados sean estos imgenes, vectores, archivos de valores, etc. En tanto el segundo, que pueden ser varios, corresponde a los insumos para realizar los procesos de anlisis.
Instituto de Geografia Pontificia Universidad Catlica de Chile 3
Para conocer y/o modificar las carpetas de trabajo y de recursos seleccione el Men File y ejecute el programa DATA PATHS (o 1er icono desde la izquierda). Verifique que la carpeta de trabajo sea la que le indique el instructor del laboratorio. Si no es la misma, con el botn Browser ubique la correcta y seleccinela. Realice lo mismo para las carpetas de recursos. Para evitar todos estos pasos cada vez que se trabaja en el sistema, estas selecciones se pueden guardar en un archivo recordatorio (extensin .env). Para esto ltimo presione el botn Save as, ponga un nombre para este proyecto y gurdelo. La prxima vez, si es necesario, este archivo se puede rescatar a travs del botn Open. Si se hicieron cambios en el programa DATA PATHS, stos se ejecutan al seleccionar la opcin Ok. Para abandonar este programa, sin realizar cambios, se puede seleccionar la opcin Close.
IMPORTACIN
Por lo general el o los archivos de imgenes se encuentran en un formato distinto al que utiliza el software, para ello estn disponibles los mdulos de importacin y exportacin de archivos con lo cual se permite un intercambio con otros programas tales como ArcView, Surfer, Erdas, Mapinfo entre otros. Desde el Men File y el Sub-Men IMPORT Ud. puede observar la serie de mdulos que presenta IDRISI para transferencia de archivos. En este caso, se importar una imagen Landsat ETM+ de la Regin Metropolitana que se encuentra en un formato FAST (extensin .fst), a travs del siguiente procedimiento: 1. 2. 3. 4. Dirjase a la opcin IMPORT y al SubMen GOVERNMENT/DATA. Entre al programa Landsat ETM (NLAPS, FAST, GeoTIFF, HDF). Automticamente aparece seleccionada la opcin FAST-L7A. Dirjase a Input Fast File, y pinche en Band 1 e inserte el archivo l71233083_08320011129_b10.fst, que corresponde a la banda 1 de la imagen Landsat. Notar que automticamente el programa ha seleccionado las seis
4
5.
6. 7.
imgenes restantes a importar, otorgndole adems un nombre de salida para cada una de las bandas en Output Idrisi Image. Pinche Ok y espere que el proceso termine. Al finalizar el proceso se desplegar automticamente una imagen, no obstante por el momento se recomienda cerrarla y desplegar las imgenes recin importadas desde el mdulo Display Launcher. El sistema Idrisi maneja las bandas espectrales de una misma imagen en forma separada, a diferencia de otros sistemas que las manejan todas juntas en un solo archivo. Adems hay que destacar que las imgenes dentro de Idrisi se componen de 2 archivos, el principal (la imagen .rst) y el secundario (archivo de documento asociado .rdc) que contiene informacin crtica del principal. Si desaparece el documento, la imagen queda destruida.
MANTENCIN DE ARCHIVOS DE TRABAJO

Para una buena gestin de archivos, Idrisi presenta un mdulo llamado Idrisi File Explorer, Men File o cono . Ejecute este mdulo y se abrir una ventana conteniendo diferentes tipos de archivo que maneja el sistema, diferencindose entre ellos por su extensin. Note que para los primeros 4 tipos de archivos aparecen 2 extensiones, indicando que realmente estn compuestos por 2 y no 1 archivo solamente. Arriba a la izquierda se puede elegir el tipo de los archivos que se quieren listar y operar sobre ellos, incluyendo la flexibilidad *.*. Cuando se ocupa la ltima opcin hay que seleccionar la pequea ventana de la parte inferior e ingresar la extensin del archivo manualmente. Como se aprecia, este mdulo posibilita borrar, mover, copiar y cambiar el nombre de archivos. Seleccione las imgenes wnd3r83_4t890317r1, 2, 3, 4, 5 y 7 del directorio de recursos, luego la opcin Copy selected items, situndolas en el directorio de trabajo, para finalmente aceptar para guardar el proceso. Con este procedimiento se han generado seis imgenes idnticas, las que posteriormente sern utilizadas para crear un grupo de imgenes. Se presentan adems otras utilidades, por ejemplo seleccione la imagen wnd3r83_4t890317r1, luego la opcin Rename, X1 como el nuevo nombre y finalmente guardar para aceptar el cambio. Con este procedimiento se ha cambiado el nombre de la imagen wnd3r83_4t890317r1 por X1. En el mismo programa seleccione la imagen X1 y utilice la opcin Delete para eliminar dicha imagen. La opcin View Metadata est incluida en este mdulo pero la veremos como un programa especfico (Metadata) ms adelante. Lo mismo ocurre con la opcin Display Layer (el mdulo especfico se denomina Display Launcher). Si por curiosidad desea desplegar alguna imagen con la opcin incluida aqu, seleccione la imagen wnd3r83_4t890317r4 y el botn Display Layer. Estas opciones estn en este mdulo solamente para una visualizacin rpida.
Para conocer el valor numrico de las celdas en una imagen, utilice la opcin View Structure, la que con un mximo de presentacin en pantalla de 7 columnas y 16 filas (depende de la configuracin de la tarjeta grfica), entregar dicha informacin. Los nmeros que aparecen en pantalla son de las primeras celdas que estn ubicadas en la parte superior izquierda de la imagen. Si desea conocer los valores de otras celdas, puede ayudarse con las flechas que existen en la parte central inferior de la ventana o indicando el nmero de columna y fila de la celda que se desea. Este programa opera con nmeros Byte, Integer o Real. Seleccione la imagen wnd3r83_4t890317r4 y la opcin View Structure y recorra la imagen observando sus valores. Para abandonar esta opcin seleccione el botn Close y haga lo mismo para terminar con el programa Idrisi File Explorer. Para observar y adems modificar algunas caractersticas de los archivos de trabajo seleccione el programa METADATA o icono . Seleccione la imagen wnd3r83_4t890317r4 y observe la informacin que se entrega. Este archivo contienen informacin sobre la cantidad de filas y columnas de la imagen, sistema de referencia usado, formato del archivo, cdigo de los nmeros, coordenadas, etc. Si se tratara de una imagen temtica (con categoras), las respectivas leyendas pueden ser escritas en el tem legend de la ventana del programa. Para guardar cualquier tipo de cambio que se realice, dirjase a la ventana del programa seleccione File y Save. Este programa opera sobre los archivos de DOCUMENTO asociados a los archivos de trabajo y varias modificaciones repercuten en la estructura fundamental de la imagen, vector o archivo de valor, por lo que hay que tener mucha precaucin y conocimiento sobre los cambios que se realizan.
VISUALIZACIN DE IMGENES EN PANTALLA

El despliegue de las imgenes se realiza a travs del programa Display Launcher y se puede seleccionar en el submen Display o directamente sobre el icono Ejecute el programa Display Launcher, seleccione en File Type "Raster Layer" como tipo de archivo a desplegar y presione el botn Browser al lado de la pequea ventana en blanco, con lo que se abrir otra ventana con nombres de imgenes disponibles en las carpetas de trabajo y de recursos. Escoja la imagen wnd233083_08320011129_b40 presionando el botn izquierdo del mouse sobre ese nombre y posteriormente sobre la opcin Ok.
Con respecto a la paleta de colores, Idrisi trae una variedad de opciones, el sistema automticamente presenta un Autoscale Options (contraste en pantalla) y un Palette File predefinidos los cuales pueden ser personalizados por el usuario. Para este ejercicio mantenga las opciones que se presentan tal como lo indica la figura anterior. Lamentablemente el tamao de la ventana para la visualizacin de imgenes es algo reducido, para resolver este problema, maximice el tamao de la imagen pinchando el icono Manteniendo desplegada . la imagen
anterior, "pinche" sobre el cono (interrogador de valores), mueva el cursor, que ahora es una cruz, hasta alguna posicin de la imagen en pantalla. Automticamente en la barra inferior aparece el factor de escala (RF), la posicin del cursor, en este caso, en coordenadas columna, fila (c,r) y en un sistema de coordenadas (x,y), estas ltimas dependientes del sistema de referencia de la imagen. Para conocer el valor de celda, presione el botn izquierdo una vez y obtendr en la imagen el valor de z (z es el valor digital de la celda sobre la que se posicion el cursor). Para desactivar el modo de interrogacin de valor, "pinche" nuevamente sobre el mismo icono que activ el modo. Para realizar un ZOOM en la imagen, pinche sobre el icono . Site el cursor cerca del extremo superior izquierdo de la zona que se quiere ampliar, mantenga presionado el botn izquierdo del mouse, mueva el mouse un poco hacia el extremo inferior derecho (se va formando un rectngulo). Al abarcar el rea deseada suelte el botn del mouse. Aparece en pantalla una parte de la imagen ampliada, la que corresponde al rectngulo que se form previamente y con lo que se logr un ZOOM. Para volver a la imagen original, active el icono y despus el icono para maximizar la imagen.
Trate ahora otra alternativa de ZOOM ejecutando los iconos que estn en la parte inferior de la ventana de composicin de mapa .
Para estos iconos (el de centroizquierda amplia y el de centroderecha reduce) el cursor se transforma en una lupa, tratando de conseguir el mismo efecto. Para navegar por la imagen se utilizan los botones de flechas. Restaure la imagen con lo iconos vistos en la barra de herramientas.
CONTRASTE EN PANTALLA Y DESPLIEGUE DE GRUPO DE IMGENES

Para mejorar la interpretacin visual de una imagen, Idrisi posee una serie de opciones, las cuales se activan en la ventana derecha (Composer), para ello pinche la alternativa Layer Properties. En el mdulo Display Parameters, se pueden personalizar el autoescalamiento de la imagen (Autoscaling Options), los mximos y mnimos contrastes (Display Max/Min Contrast Settings) y la paleta de colores (Palette File). la imagen wnd233083_08320011129_b40 desplegada, pruebe el cambio de algunos de estos parmetros, en Display Max/Min Contrast Settings digite como valor mximo el nivel digital 140, manteniendo el valor mnimo, en tanto en Autoscaling Options pinche la opcin Equal Intervals. Pinche en Apply y observe los cambios, Esta satisfecho con el contraste? Si lo desea pruebe con otros valores mnimos y mximos. Establecidos los cambios segn las preferencias del usuario, al hacer clic en Ok estos sern mantenidos. Estos cambios slo son para efectos de despliegue y no han afectado los valores originales de la imagen. Presionando el botn Save los cambios de contraste pueden guardarse junto con la imagen para los eventuales futuros despliegues de ella, siempre y cuando se aplique escalamiento automtico. Al trabajar con imgenes multiespectrales, que en este caso corresponden al sensor Landsat ETM+ algunos procesos se facilitan trabajando estas imgenes como grupo. Para crear un grupo de imgenes (las cuales deben tener similares caractersticas) ejecute el programa COLLECTION EDITOR en el Men File o cono , entre y seleccione las siguientes imgenes a insertar (subescena de las imgenes que se importaron): wnd3r83_4t890317r1 wnd3r83_4t890317r2 wnd3r83_4t890317r3 wnd3r83_4t890317r4 wnd3r83_4t890317r5 wnd3r83_4t890317r7 Luego pinche en Insert Before, dirjase a File y Save As. Escriba el nombre del archivo Landsat y presione Guardar. Con esto ha generado un archivo de extensin .rgf, el que indica al sistema que las imgenes contenidas en l deben ser tratadas como un grupo asociado. En la carpeta de trabajo aparecer un subdirectorio llamado Landsat y dentro de l estarn las imgenes del grupo. Cuando se requiera trabajar con este grupo para despliegue o en algn proceso, se debe seleccionar el nombre entregado en este ejercicio. Con
Ahora se encuentra en condiciones de desplegar un grupo de imgenes, ejecute Display Launcher para desplegar la imagen de grupo wnd3r83_4t890317r4 (se ubica en la carpeta de trabajo, bajo un subdirectorio Landsat), usando grey256 como paleta y finalmente desactive el ttulo, la leyenda y el autoescalamiento. Como se aprecia en pantalla, la imagen aparece totalmente oscura y es difcil discernir los elementos, con la excepcin de algunos pocos. Para mejorar la visualizacin y por consiguiente una mejor interpretacin visual, utilic el contraste de imagen interactivo a travs de la opcin Layer Properties. Seleccione esta opcin, en ella active Autoscale Contrast Settings y con el mouse lleve el valor de Display Max aproximadamente al valor 100. Observe que la imagen est mucho ms ntida y ahora es posible discernir ms elementos. Cierre la ventana de Layer Properties y seleccione ahora la opcin Feature Properties, la que activar una pequea ventana. Lleve el cursor a algn lugar dentro de la imagen y pulse el botn izquierdo del mouse. En la tabla de la ventana aparecen los valores, para esa celda, de las 6 imgenes que conforman el grupo Landsat. Como en este caso son 6 bandas del sensor TM de Landsat, con esta opcin podremos observar la respuesta espectral de cualquier elemento de la imagen utilizando el mouse o las flechas que incluye la pequea ventana para navegar en ella. Si se presiona el botn inferior ms ancho de la pequea ventana, los nmeros en la tabla cambian por un grfico que permite simular la curva espectral de los elementos que estamos inspeccionando. Con el botn prximo (Relative Scaling) podemos ajustar los valores del grfico para mayor discriminacin. Manteniendo la imagen en pantalla, despliegue otra de las imgenes del mismo grupo (wnd3r83_4t890317r3), active el icono (Collection Linked Zoom) y ejercite las opciones de zoom. Podr apreciar que todo lo que se haga al respecto, se realizar en todas ellas. Abandone el mdulo Display Launcher. Tambin existe la posibilidad de visualizar imgenes en 3 dimensiones desplegando una imagen base (relieve-DEM) y agregar un manto proveniente de otra imagen. El manto puede tener 256 valores diferentes como mximo y se ofrecen como alternativas: diferentes exageraciones en altura, inclinaciones y orientaciones. Ejecute el programa ORTHO presionando el cono , seleccione como surface image: demcoli, como drape image: tecolin6, direccin: 25, ngulo: 25,
exageracin: 0.5 y la paleta: noaatsm. Deje las dems alternativas por defecto y presione OK. Tendr una visin en 3 dimensiones utilizando una imagen con el modelo de elevacin digital como base (demcoli) y una imagen de temperaturas como manto de informacin (tecolin6).
TALLER DE PALETA DE COLORES, SEUDOCOLOR Y FALSOCOLOR

La creacin o modificacin de paletas de colores (archivos extensin .smp) se realiza seleccionando el programa Symbol Workshop desde el Men Display o directamente con el mouse sobre el cono .
En ste, las paletas pueden llegar a tener hasta 256 colores. Una vez seleccionado el programa, se abre una ventana de trabajo en donde se puede llamar a una paleta existente para su modificacin o se puede iniciar la creacin de una nueva. En esta ventana de trabajo se asigna la cantidad de colores que va a tener la paleta y se determina cada color individualmente, teniendo como alternativa importante la determinacin automtica de colores individuales a partir de un color inicial y otro de trmino (Blend) o la posibilidad de copiar un mismo color varias veces. Otra opcin es revertir el orden de los colores. Una vez que los colores y la cantidad de ellos son los deseados, la paleta diseada se graba para ser usada en el programa Display Launcher. En la ventana que se abri seleccione del submen File la opcin Open. En la segunda ventana abierta, marque las opcin Palette. Con los procedimientos descritos en prrafos anteriores, en la pequea ventana File Name, escoja desde el directorio Idrisi Kilimanjaro Simbols el archivo de nombre NDVI256 y presione el botn izquierdo del mouse sobre OK. La ventana ahora muestra los 256 colores de la paleta ndvi256. Para modificar algn color, seleccione el cuadrado respectivo y en la nueva ventana seleccione el color deseado. Seleccione la opcin Reverse Sequence y note su efecto de cambio de colores. Con la opcin Blend puede elegir un determinado color para el valor mnimo y otro color para el valor mximo y seleccionando Blend se crearn automticamente los colores intermedios. Para visualizar este efecto seleccione el cuadrado 0 y asigne un color cualquiera, realice lo mismo para el cuadrado 255, en las casillas de Blend ponga estos nmeros y finalmente "pinche" sobre Blend. Una vez conforme con los colores de la paleta, seleccione el submen File y la opcin "Save as", la que permitir grabar esta nueva paleta con el nombre que el usuario determine. En este procedimiento debe ser cuidadoso, ya que si ocupa la opcin "Save" (a secas) va a sobreescribir la paleta que sirvi de referencia. Para abandonar el programa Symbol Workshop, en el submen File de la ventana abierta, seleccione la opcin Exit. Ahora despliegue la imagen wnd233083_08320011129_B40 y utilice la paleta de colores creada. IDRISI opera generalmente con una imagen, con un producto derivado de varias imgenes o con un solo plano de informacin. En el aspecto de despliegue de imgenes esto se denomina PSEUDOCOLOR. Sin embargo, presenta la posibilidad de simular la visualizacin
10
simultnea de tres planos de informacin, tres bandas de una misma imagen o tres imgenes independientes. Para este propsito, se incorpora el programa COMPOSITE con lo que permite una visualizacin simulada de FALSOCOLOR. Esta opcin opera slo con tipo de nmeros Byte, por lo tanto se requiere una preparacin previa de la informacin con que se trabajar. Para esta preparacin existen varias alternativas tal como el programa STRETCH u otros. El tipo de falso color simulado puede ser de 256 colores (RGB8) o de millones de colores (RGB24). El resultado de estos procesos debe desplegarse con una paleta especial de colores llamada Composit. Seleccione el programa COMPOSITE desde el men Display o pinchando el icono . Ingrese como banda azul la imagen wnd233083_08320011129_B20, como banda verde: wnd233083_08320011129_B30 y como banda roja: wnd233083_08320011129_B40. D el nombre COMPOSITE1 a la imagen resultante, seleccione las opciones linear con punto de saturacin, composicin de 24bits con valores originales, omita el valor 0 y utilice un porcentaje de saturacin igual a 0 para el proceso. Presione Ok. Obtendr una imagen compuesta, simulacin FALSOCOLOR, preparada para iniciar procesos de clasificacin digital. Visualice la imagen resultado, en particular este tipo de imagen recibe el nombre de FALSO COLOR STANDARD o CONVENCIONAL, donde se privilegia la observacin de la vegetacin en tonos rojos. Repita la operacin anterior con la opcin Histogram Equalization creando as la imagen COMPOSITE2, compare ambos resultados. Despus realice un proceso similar utilizando la imagen wnd233083_08320011129_B10 para el azul, la imagen wnd233083_08320011129_B20 para el verde y la imagen wnd233083_08320011129_B30 para el rojo. Ingrese el nombre COMPOSITE3 a la imagen resultante, tendr como producto lo que se denomina cuasi COLOR VERDADERO O REAL.
INTERPRETACIN VISUAL
Apoyado por un grfico de curvas espectrales y la informacin sobre longitud de onda de las bandas espectrales del sensor ETM+, despliegue la imagen l71233083_08320011129_b10 (banda 1). Recuerde que para una mejor visualizacin puede contrastarla y utilizar el Zoom. Trate de determinar lugares en donde se presume que existe nieve, suelo desnudo, concreto, al menos 2 tipos de vegetacin, sombras y agua. Anote la columna y fila de la zona donde supuestamente existen estos elementos. Si slo puede identificar algunos de los elementos, no importa. Pase a realizar la misma interpretacin en la banda 2. Repita el procedimiento para el resto de las bandas. Cul de ellas le permiti determinar ms elementos con mayor certeza?. Utilice ahora diversas combinaciones de bandas generando al menos 4 falsos colores. Realice el procedimiento de interpretacin hecho con las bandas individuales para cada uno de los falsos colores generados. Contribuyen stos a mejorar la interpretacin?. Analice cuntas zonas, diferentes entre ellas, puede distinguir. No importa si no puede
11
inferir que elemento existe en esas zonas. Con cul falso color se quedara para discriminar zonas diferentes?. Con cul para identificar mejor los elementos solicitados?.
LA UTILIZACIN DE VECTORES EN IDRISI

Dentro de la variedad de archivos propios del sistema Idrisi se encuentran los vectores y tal como las imgenes, en realidad estn compuestos de 2 archivos. El principal, de extensin .vct es el vector propiamente tal y el segundo de extensin .vdc es un archivo de documento asociado que contiene las caractersticas del archivo principal, las que pueden ser observadas con el programa METADATA. En este sistema los archivos vectoriales que pueden ser de puntos, lneas, polgonos o texto, se tratan como archivos separados a diferencia de otros sistemas que en un solo archivo pueden estar contenidos los distintos tipos de vectores. Ingrese al Men File, subMen Import, SubsubMen Software Specific Formats Subsubsub Men Esri Formats y ejecute el programa SHAPEIDR. Presionando en el buscador (browser) de la primera casilla seleccione el archivo comunas.shp, en la segunda casilla escriba comunas, en la tercera utm-19s y presione OK. Un archivo conteniendo polgonos vectorial de los sistemas ArcView o ArcGis ha sido convertido al sistema Idrisi con el nombre comunas. Al desplegarse automticamente el vector resultado, podr observar que contiene lmites comunales de las regiones V, VI y Metropolitana. El mismo procedimiento realiza para archivos vectoriales de punto o de lneas. Como se ha visto anteriormente, para desplegar imgenes se utilizan paletas de colores. Los vectores en cambio utilizan archivos de simbologa (extensiones .sm0, .sm1, .sm2 y .smt) dependiendo si son de puntos, lneas, polgonos o texto respectivamente. El diseo de la simbologa para estos archivos es similar al utilizado para las paletas de colores. Presione el cono . Para este ejercicio seleccione, File, New, opcin polgono, en File Name escriba comunas y Ok. Pinche la casilla 0, escoja Clear, presione sobre el color de Outline Color y escoja un color rojo y Ok. Presione la opcin Copy y lo que dise para la casilla 0 se va a copiar hasta la casilla 255. Vaya a File y presione Save, despus vaya a File y presione Exit. Con esto ha diseado una simbologa para vectores con polgonos de color rojo transparente (slo mostrar los bordes cuando se utilice) cuyo nombre es comunas. Todos los polgonos con identificadores desde 0 a 255 sern desplegados de esta misma forma. Despliegue la imagen p233r83_4t890317r4, con paleta de grises y deje las otras opciones por defecto. Cuando se despliegue contrstela y en la ventana Composer presione Add Layer, en la ventana que se abri, con el buscador de la casilla izquierda seleccione comunas (vector que se import previamente) y en la casilla derecha, con el mismo procedimiento seleccione comunas (simbologa anteriormente diseada) y finalmente presione Ok. En la ventana Composer aparece ahora el nombre del vector que sobre la imagen se ha desplegado, con las caractersticas de la simbologa elegida. Slo aparecen las comunas, o parte de ellas, que estn en el espacio geogrfico abarcado por la imagen. Si quiere ocultar este vector, en la ventana Composer pinche sobre el smbolo rojo que aparece al lado de su nombre y si desea que aparezca de nuevo vuelva a pinchar en ese lugar. Presione el cono interrogador de valores . Lleve el cursor sobre alguna comuna y presione el botn izquierdo del mouse. Se destacar la comuna elegida y se mostrar el identificador que posee dentro del archivo vectorial. Si quiere usar el cursor para visualizar
12
valores de la imagen, en Composer tiene que presionar sobre su nombre. El cursor funciona sobre la capa (Layer) de informacin cuyo nombre est seleccionado. Finalmente si quiere sacar definitivamente el vector, seleccione su nombre en la ventana Composer y presione Remove Layer. Como Idrisi no procesa datos vectoriales y solamente los utiliza para apoyar algunas de sus funciones o para ingresar informacin al sistema, en el caso que esa informacin quiera ser procesada hay que convertirla a imagen. Para ello existe el programa RASTERVECTOR que se encuentra en el men Reformat. Previo a la rasterizacin del vector hay que crear una imagen vaca en donde se volcar la informacin que contiene el vector. Vaya al men Data Entry y ejecute el programa INITIAL, en la primera casilla escriba el nombre de la imagen que se va a crear: comunas. En la segunda, seleccione la imagen p233r83_4t890317r4 con lo que se ocupar el modelo espacial de esa imagen (sistema de referencia, coordenadas de esquina y cantidad de columnas y filas). En la tercera, el tipo de nmeros que se usar: Byte y en la cuarta deje el 0 como valor que se pondr en todas las celdas de la nueva imagen. Si no existiera previamente una imagen que sirva de modelo espacial, estas caractersticas deben ser entregadas manualmente utilizando la opcin Define Spatial Parameters Individually. Presione Ok y despliegue esa nueva imagen en la que podr apreciar que todos sus valores son 0. Ejecute el programa RASTERVECTOR mencionado anteriormente y mostrado en la figura de ms arriba. Seleccione las opciones Vector to Raster, Polygon to Raster, en la primera casilla escoja el vector comunas, en la segunda la imagen comunas (est vaca) y presione Ok. Se desplegar automticamente la imagen comunas que ahora contiene la misma informacin que estaba en el archivo vectorial pero solamente para las comunas, o parte de ellas, que ocupan el espacio abarcado en la imagen. El procedimiento mostrado puede ser usado para convertir a imgenes igualmente vectores de puntos o lneas. El mismo programa sirve para realizar los procesos contrarios: convertir imgenes a vectores.
LGEBRA DE IMGENES
Para realizar operaciones matemticas y lgicas en el procesamiento de imgenes Idrisi presenta diferentes mdulos entre los cuales se destacan: OVERLAY. Este programa permite realizar, entre dos imgenes, las siguientes operaciones y como resultado crea una tercera imagen: Suma Resta Multiplicacin Divisin Razn Normalizada Exponenciacin de una Imagen en Base a la Otra
13
Reemplazo de una Imagen por Otra Excepto Donde la Imagen Reemplazante Sea CERO Toma el Valor Mnimo de las Imgenes Toma el Valor Mximo de las Imgenes Seleccione el programa OVERLAY desde el Men GIS Anlisis Submen Mathematical Operators o pinchando en
el icono . Escoja la opcin 5 Razn Normalizada (resta dividida por la suma). Como primera imagen ingrese el nombre wnd233083_08320011129_B40 y como segunda el nombre wnd233083_08320011129_B30. Al resultado dele el nombre IVN2001. Presione Ok. Con este procedimiento se ha generado una imagen, a partir de las bandas 3 y 4 del sensor ETM+, conteniendo ndice de Vegetacin Normalizado. Analice las bandas originales y el resultado. Recuerde usar el contraste para una mejor visualizacin. Ejercite otras opciones de OVERLAY. SCALAR. El programa posibilita sumar, restar multiplicar, dividir o exponenciar una imagen por un nmero entero. El resultado se expresa en una nueva imagen. Seleccione el programa SCALAR, desde el men GIS Anlisis Submen Mathematical Operators, ingrese el nombre IVN2001 como la imagen a procesar y el nombre IVN2001S para la nueva imagen. Elija la opcin Exponentiate y un valor de 2 al exponente. Presione Ok. Con este proceso todos los valores de la imagen IVN2001 se han elevado al cuadrado. Observe con Display Launcher los valores de esta nueva imagen y comprelos con la anterior. Ejercite las otras opciones de SCALAR. Tenga presente que los valores negativos elevados al cuadrado se convierten en positivos. Utilice la paleta ndvi256, contraste la imagen y compare el resultado TRANSFORM. El valor de los datos de una imagen puede ser sometido a alrededor de 15 funciones, entre ellas algunas logartmicas y trigonomtricas, creando como resultado una nueva imagen. Las posibilidades de operacin son presentadas por el programa mismo. Utilice el programa TRANSFORM desde el men GIS Anlisis Submen Mathematical Operators, tome la opcin 5
14
(raz cuadrada) e ingrese el nombre IVN2001S como imagen de entrada. A la imagen resultante denomnela IVN2001T. Presione Ok. Compare el resultado con la imagen IVN2001. Image Calculator. Todas las operaciones mostradas en los tres programas anteriores estn juntas en un mdulo llamado Image Calculator. Adicionalmente este mdulo realiza operaciones lgicas. Las frmulas que se puedan implementar a travs de este mdulo pueden quedar guardadas como un archivo (.exp), el que puede utilizarse cada vez que se necesite esta misma frmula. Para ejecutar el programa calculadora presione el cono mismo camino de los programas anteriores. Utilizando los botones de la calculadora ingrese la siguiente frmula: 14388.33/(11.45*ln(119106590/(11.45^5*[tmt2rad])+1)) Debe mantener en parntesis cuadrado el nombre de la imagen que se va a procesar. Si quiere guardar la expresin matemtica que ingres, para usarla varias veces sin tener que escribirla de nuevo, presione el botn Save Expresin, pngale un nombre y sta se guardar en el computador con la extensin .exp. En la pequea ventana de la izquierda ingrese un nombre para la imagen resultado y presione Process Expression. Con esta operacin y una imagen del infrarrojo trmico conteniendo valores de radiancia, ha creado otra nueva conteniendo valores de temperatura en K. Tambin en la calculadora puede usar expresiones lgicas seleccionando Logical Expresin. o lo encuentra por el
EL HISTOGRAMA DE UNA IMAGEN

Para varios programas de procesamiento de imgenes, especialmente aquellos que
trabajan con estadstica, el histograma de una imagen es el comienzo de los anlisis. El programa HISTO muestra grficamente la frecuencia (nmero de celdas) que contienen los distintos valores que posee la imagen, es decir, en el eje X estn los posibles valores (0-255, 0-1024, etc) mientras que en el eje Y estn las cantidades de celdas que poseen
15
cada uno de esos valores. El histograma puede ser desplegado tanto en forma grfica como en forma numrica. Ambas formas entregan varios datos estadsticos y la ltima de ellas entrega informacin adicional de porcentaje de celdas con un determinado valor respecto del total de las que tiene la imagen, adems de acumulacin de porcentaje y de frecuencia. Ejecute el programa HISTO que se encuentra en el Men Display o presionando el cono , seleccione la imagen wnd233083_08320011129_b10 y presione Ok. Aparecer en su pantalla el grfico en donde se observa la distribucin de los datos de la imagen seleccionada. Analice los datos estadsticos que nos provee este programa. Qu tipo de distribucin tienen los datos en este caso?.
CORRECCIONES RADIMTRICAS Y ATMSFRICAS

Las correcciones radiomtricas han sido necesarias para compensar problemas que ocurren en la generacin de imgenes satelitales, muchos de ellos producidos debido a las limitaciones que presentaba la tecnologa utilizada para estos efectos. Los problemas ms comunes son prdidas de celdas o lneas completas debido al mal funcionamiento de los sensores o fallas en la comunicacin entre el satlite y las estaciones terrestres que reciben su informacin, el bandeado de una imagen por el deterioro en la calibracin de los detectores de un sensor los que producen con distinta radiometra algunas lneas con respecto a otras. Afortunadamente, los avances tecnolgicos han disminuido los problemas mencionados casi en su totalidad y en la actualidad las imgenes que se distribuyen no los presentan, para satisfaccin de los usuarios que antiguamente tenan que lidiar con ellas. A pesar de los avances mencionados, las perturbaciones que provoca la atmsfera todava tienen que ser tratadas por los usuarios en forma prctica, ya que todava no existe un conocimiento cabal del comportamiento de la atmsfera que permita generar modelos simples para compensar las perturbaciones. stas, mayoritariamente, son dispersin y absorcin de los flujos electromagnticos, las que aumentan o disminuyen respectivamente la cantidad de energa que reciben los sensores, modificando aquella que realmente se produce en los objetos de la Tierra que estn siendo observados. Existen algunos modelos que necesitan mucha informacin de terreno, especialmente atmosfrica, lo que los hace poco practicable para la mayora de los usuarios. Sin embargo, es cada vez ms la informacin auxiliar incluida en las imgenes facilitando as a una aproximacin prctica de solucin a este problema. La absorcin atmosfrica se ha ido mitigando al disear las bandas espectrales ms angostas y en aquellos rangos en que el efecto es menor. En este ejercicio se tratar de eliminar la dispersin atmosfrica y para la absorcin se realizarn conversiones a radiancia de los nmeros digitales (DN) que contienen las imgenes y a partir de sta, un clculo de reflectividad real de los objetos, compensando as distintas situaciones ambientales que han perturbado la energa. Si los anlisis y procesos de las imgenes no cuentan con estos procesos y se realizan con los DN, los resultados tendrn a veces importantes errores. Mtodo del pxel ms oscuro: Despliegue la imagen wnd233083_08320011129_b10, utilice la paleta de grises. Esta es la banda azul del sensor ETM+ de Landsat (0,45 0,52 um), captada el 29 de noviembre de 2001 (da juliano 233) cerca de las 11 de la maana. En la ventana Composer seleccione Layer Properties y en esta nueva ventana la opcin Properties. Anote el valor mnimo que muestra esa ventana para esta imagen y cierre esa
16
ventana. Se supone que ese valor mnimo est representando el efecto de dispersin atmosfrica ya que debera ser 0 y este aumento se produce por la atmsfera. Para
asegurarnos que ese valor es representativo, en el men Display ejecute el programa HISTO, seleccione la imagen mencionada, en Class Width ponga 1, en Maximun Value 60 y Ok. Con esto estamos inspeccionando el rango de valores menores de la imagen (23 a 60). Efectivamente el menor valor es 23, pero el histograma tambin nos indica que este valor existe en una cantidad de celdas muy pequea. Lo mismo sucede con los valores hasta 40. Tambin note que la media de este grupo de datos es 52,2 y su desviacin tpica es 3,8 por lo tanto los valores menores a 3 desviaciones tpicas (40,8) pueden ser tomados como extremos y bastantes ajenos a esta distribucin. Para tomar una mejor decisin al respecto repitamos el proceso, pero esta vez pidamos un histograma numrico. Este nuevo grfico nos muestra que la celda con valor 23 es slo una y que los valores siguientes hasta 39 no existen. Para este caso se tomar el valor de celda, como representativo de esta distribucin, el que al menos se repita en un uno por mil de la totalidad de las celdas (787.199). Los valores 41 y menores se consideran entonces como no representativos de este grupo de celdas. Compare esta decisin con el valor para las 3 desviaciones tpicas mostrado anteriormente. Anote este valor y utilizando la calculadora rstelo de la imagen que se analiz. Repita este procedimiento para las otras cinco bandas espectrales. Lleve estos valores a Excel y grafquelos con respecto a la longitud de onda central de cada banda. Una buena comprobacin de haber hecho lo correcto es comparar este grfico con el respectivo que muestra la dispersin terica. Este procedimiento, que corrige la dispersin atmosfrica, puede realizarse con los DN, o con la radiancia.
50 45 40 35 30 25 20 15 10 5 0 0.4 0.9 1.4 1.9 2.4
DN
Longitud de onda (um)

Curva de dispersin
17
Clculo de radiancia y reflectividad: En esta oportunidad usaremos la calculadora para convertir a reflectividad las imgenes ya corregidas del efecto de la dispersin, utilizando para el mismo clculo la conversin de DN a radiancia (con negrita) en la siguiente frmula: ((1.176078 * Imagensindispersin cos(3.1416/180*(90-59.2))^2) 6.2) * 3.1416 * 0.9862^2) / (1969 *
Los datos para ejecutar la frmula han sido sacados de la informacin auxiliar que traa la imagen (pendiente, intercepto y ngulo solar) y del sitio WEB de este sensor ( distancia Tierra-Sol e irradiancia solar). Ingrese esta frmula en la calculadora para la primera banda y genere la respectiva imagen de reflectividad. Repita esta operacin para el resto de las bandas. As, hemos conseguido imgenes con valores de un parmetro cuantificado, lo que nos permitir realizar confiables anlisis y procesos tanto entre estas bandas como con imgenes captadas en otras fechas o por otros sensores, aspecto que no sera posible si los datos fueran los DN. Clculo de temperatura: El sensor ETM+ cuenta con 2 bandas en el infrarrojo trmico (10,4 12,5 um) que captando energa exactamente en la misma longitud de onda, la primera (alta ganancia) tiene mayor sensibilidad radiomtrica que la segunda (baja ganancia). Por otro lado, la de alta ganancia puede llegar a saturarse mientras que la de baja ganancia es capaz de recibir una cantidad bastante mayor de energa sin llegar a esta situacin. La utilizacin de una u otra depende de la temperatura de cada zona de la superficie que haya sido captada, prefirindose la primera siempre que la situacin de saturacin no se produzca. En este ejercicio tambin se aprovechar la operacin para convertir los DN a radiancia (en negrita) y calcular la temperatura TB en K, ingresando la siguiente frmula: 14388.33/(11.45*ln(119106590/(11.45^5*(0.066823529*[wndl71233083_08320011129_b 61]))+1)), en este caso, el intercepto es 0 y la longitud de onda central de la banda es 11,45 um. Los otros valores son constantes. Analice los valores de temperatura resultante y si encuentra que son muy elevados recuerde que esta temperatura es la conversin de la energa emitida por la superficie (temperatura brillante) y no la temperatura ambiente. Adems como no se cuenta con el coeficiente de emisividad de la materia superficial presente en cada celda, se asume que ella se comporta como un cuerpo negro, presuncin que se acerca a la realidad en el caso del agua pero que difiere en mayor o menor grado para otros tipos de materia. Se baara en el mar de esta zona?.
TRANSFORMACIONES ESPACIALES Y CORRECCIONES GEOMTRICAS

Obtencin de una sub-escena: Cuando se adquiere una imagen satelital, muchas veces sta abarca un rea mayor a la que se desea estudiar y no tiene objeto procesar zonas que no son de inters, especialmente pensando que los procesos toman mucho ms tiempo con grandes imgenes. Para obtener una sub-escena, que abarque solamente el rea de estudio, los sistemas proveen algn programa para realizar esta funcin. Si la imagen original no ha sido sometida al proceso de georreferencia, hay que tomar una precaucin al seleccionar el rea de la nueva imagen, ya que al corregirse la distorsin que trae, se puede perder la informacin en parte del rea que se necesita. Se
18
recomienda agregar unas 25 a 50 celdas a cada uno de los cuatro lados del rea de estudio. Ejecute el programa WINDOW del men Reformat. Este programa permite extraer una misma sub-escena para una o varias imgenes, ya sea que formen un grupo o estn aisladas. El rea que se extraer se puede expresar en columnas y filas, coordenadas o usar otra imagen como modelo espacial. Para este ejercicio usaremos 6 bandas espectrales del sensor TM de Landsat. Con el mouse incremente el nmero de archivos a procesar hasta 6. Utilizando el buscador (Browser) de la ventana de la izquierda seleccione la imagen p233r83_4t890317r1, pinche con el mouse en la segunda casilla de esa misma ventana y cuando aparezca el buscador seleccione la imagen p233r83_4t890317r2. Repita el procedimiento hasta agregar las 6 imgenes de la misma serie (en stas slo cambia el ltimo nmero de su nombre). En la casilla de ms abajo ponga como prefijo WND. En el ejercicio usaremos la opcin columnas y filas para seleccionar el rea que queremos, entonces en las casillas de la derecha-arriba ingrese los siguientes valores: 1100, 600, 3400 y 2300. Presione Ok. Se generaron 6 nuevas imgenes de menor rea cuyos nombres son similares a las originales pero se les antepuso el prefijo wnd. Despliegue alguna de las imgenes para visualizar la nueva rea creada en ellas y comprela con la original respectiva. Por el contrario, si se quiere hacer un mosaico de imgenes que contienen parte del rea de estudio en cada una de ellas, el programa CONCAT (que existe en el mismo Men anterior) posibilita pegar dichas imgenes para generar otra conteniendo el rea de ambas. Las imgenes que se pegarn incluso pueden tener un traslape entre ellas, en cuyo caso el programa da la posibilidad de decidir cual de ellas mantendr su contenido en el rea de traslape. Este proceso de mosaico tambin puede operar con las opciones de columnas y filas o coordenadas. En este ejercicio se ocupar la segunda opcin (coordenadas) aprovechando que ambas imgenes estn con el mismo sistema de referencia espacial. Ejecute el programa CONCAT, escoja la opcin de coordenadas, el numero de archivos a procesar 2, con los browser respectivos seleccione las imgenes AREA1 y AREA2, ingrese un nombre para la imagen que se generar y presione Ok. Se generar una imagen abarcando el rea total que contenan ambas imgenes procesadas. Despliegue las originales, la nueva imagen y analice lo que ocurri.
19
Correcciones geomtricas y georreferencia: Para que las imgenes posean una geometra espacial capaz de ajustarse a mapas, planos, otras imgenes u otras referencias, debe pasarse por un proceso de ajuste geomtrico y referencia respecto a un patrn cartogrfico. El programa RESAMPLE, que puede usarse tambin para vectores, permite posicionar cada celda en el espacio correcto de acuerdo al tipo de proyeccin cartogrfica que el usuario requiera (Utm, Lat/long, etc). Si se utilizan coordenadas geogrficas como referencia, la X corresponde a la longitud y la Y a la latitud. Recuerde que en nuestro pas ambos ejes tienen valores negativos. Gracias al avance tecnolgico, en general las imgenes nuevas se distribuyen tanto con una precorreccin geomtrica como con una georreferencia aproximada, ambas bastante aceptables que ayudan mucho para efectuar una correccin de precisin. En este aspecto, los usuarios que tuvieron que lidiar con imgenes antiguas, agradecen enormemente estos avances. Previo al proceso se deben considerar algunos aspectos importantes: a) la escala espacial de los archivos de referencia que se usen (vectores, otras imgenes, etc) debe ser igual o ms fina que la escala de trabajo con que se pretende utilizar la imagen que se procesar, b) Si la imagen abarca un rea ms grande que el rea que finalmente se utilizar, los puntos de control debern concentrarse en esta ltima, c) los puntos de control debern estar presentes en toda el rea sin dejar alguna zona desprovista de ellos, d) el nmero de puntos de control y el orden del algoritmo de correccin dependen del grado de distorsin que presente la imagen, de sus dimensiones y de la geometra del rectngulo del rea, y e) el error mximo aceptable es el equivalente al tamao de 1 celda (pxel). Se recomienda tratar primero con un algoritmo lineal y no menos de 9 puntos de control, si el error resultante es mayor a 1 pixel tratar con un algoritmo cuadrtico subiendo la recomendacin a 12 puntos y si an el error mayor a 1 celda persiste usar un algoritmo cbico con un mnimo de 16 puntos. Si al comprobar el resultado hay algunas zonas con errores, hay que aumentar el nmero de puntos de control en ellas. Para determinar las zonas que debieran tener puntos de control se usar un programa que genera puntos en el espacio, tomando como modelo espacial la imagen que se va a corregir y un nmero de puntos que determina el usuario. El programa ofrece 3 opciones: puntos equidistantes (sistemtico), distancias aleatorias y aleatorias estratificadas. Ejecute el programa SAMPLE del Men Gis Anlisis y SubMen Statistics, seleccione como imagen modelo wnd3r83_4t890317r4, la opcin sistemtico, nmero de puntos 12 y un nombre para el archivo vectorial que se generar. Presione Ok. Despliegue con grises la imagen ms arriba mencionada, contrstela y agregue el vector que se gener utilizando la simbologa puntosdecontrol. Aparecen en crculos rojos las zonas alrededor de las cuales debieran determinarse los puntos de control.
20
Cierre todas las ventanas que se abrieron en el ejercicio anterior y ejecute el programa RESAMPLE que se encuentra en el Men Reformat. En la ventana que se abri, presione el cono Display de la izquierda en Input reference, despliegue en grises la imagen wnd3r83_4t890317r4 y agregue sobre ella el vector de puntos que se gener en el ejercicio anterior. Presione ahora el cono Display de la derecha Output reference y despliegue el vector hidrografa con la simbologa del mismo nombre. Sobre este ltimo vector agregue el mismo que fue agregado sobre la imagen pero con la misma simbologa anterior. Haga un zoom en ambas ventanas asegurndose que todas las zonas de los puntos de control queden en la ampliacin. Con esto, aproximadamente ambos despliegues contienen la misma rea. En primer lugar nos concentraremos en la zona alrededor del punto superior izquierdo, para eso haga en ambos ventanas un zoom equivalente alrededor de esa zona. Como en estas condiciones es difcil encontrar un mismo elemento en ambos, la imagen y el vector, agregue sobre la imagen el vector hidrografa con la simbologa del mismo nombre. Recuerde que los vectores se pueden ocultar cuando lo requiera. En la imagen ubique la celda de la columna 285 y fila 273 y trate de dejarla en el centro del despliegue. Note que en la imagen, alrededor de la celda columna 312 fila 277, hay una figura un poco triangular que tambin puede visualizarse en el vector que est sobrepuesto a la imagen alrededor de la columna 318 fila 267. En la otra ventana, la del vector, trate de centrar esa misma figura ayudndose del hecho que el mismo vector est en ambas ventanas. Hemos encontrado un punto de control. Esta diferencia en la posicin espacial de esta figura, que parece ser el mismo elemento en ambos archivos, nos est entregando, en esta zona, la distorsin de la imagen con respecto al vector que estamos usando de referencia (el espacio real). Ahora tenemos que proceder a registrar esa distorsin. Para ello tenemos que presionar el botn Input en Digitize GCP de la ventana del programa, volver a la ventana de la imagen y arrastrar con el mouse un smbolo que apareci dejando su centro sobre la punta de la figura encontrada en la imagen. Una vez hecho esto vuelva a la ventana del programa y aprecie que en la lnea 1 de los GCPs hemos registrado la posicin del elemento encontrado, expresada en coordenadas de la imagen. Ahora tenemos que registrar la posicin del elemento en la ventana con el vector. Para esto, presione Output en Digitize GCP y vaya a la ventana del vector. Arrastre el smbolo que apareci al lugar que se estima est el mismo elemento ubicado en la imagen. Una vez hecho esto, puede apreciar en la ventana del programa que la posicin del elemento ha sido registrado, expresada ahora en las coordenadas del vector. Tenemos nuestro primer punto de control. Para asegurarnos que este registro no se pierda ante cualquier eventualidad de falla del sistema, guardemos lo hecho hasta ahora con la opcin Save GCPs poniendo un nombre a este archivo de correspondencia .cor. Para continuar con los otros puntos, reestablezca espacialmente ambas ventanas y haga Zoom en la siguiente zona de control. Si hay alguna zona que sea escasa en drenaje o cuerpos de agua (por ejemplo centros poblados), djela para ms adelante ocupando en
21
ese caso el vector caminos. Cuando se han registrado 3 puntos de control, suficientes para establecer una simulacin de posiciones con un algoritmo lineal, el sistema facilita bastante las cosas ya que al ingresar la posicin de un elemento de la imagen, en el vector aparece automticamente la simulada posicin del elemento respectivo, acercndonos bastante a encontrar un mismo elemento en ambos archivos (imagen y vector). Adems, desde ese momento el sistema nos comienza a mostrar tanto los errores de cada punto de control como un error promedio de todos ellos. Estas indicaciones pueden ayudarnos a darnos cuenta, si algn error es muy grande, que lo que hemos considerado un mismo elemento en ambos, imagen y vector, no es tal. Para ello hay que volver a revisar lo que hicimos en ese punto. Recuerde que despus del ingreso de las posiciones de cada elemento, es conveniente ir guardando el archivo de correspondencia en el computador. Cuando se han registrado los 12 puntos de control y existe alguno de ellos con un error muy diferente a los dems, se puede omitir cambiando en la lnea respectiva de los GCPs en la columna Include el Yes por No. Si el error promedio es mayor que el tamao de una celda de imagen (en este caso 28,5m), hay que ver que ocurre al cambiar el algoritmo de correccin (Mapping Function) de lineal a cuadrtico. Si en este caso el error promedio es igual o menor que 28,5m podemos incluir nuevamente aquellos eventuales puntos que hayamos omitido previamente, ya que si queda una zona sin puntos, y el error es diferente ah con respecto al error de los dems, el sistema usar todo su podero en corregir ese error pero basado en las distorsiones que tienen las otras zonas. Si el error promedio vuelve a subir al agregar algn punto omitido, entonces hay que analizar si el elemento de esa zona en ambos archivos, imagen y vector, son o no son el mismo elemento. Si despus del anlisis creemos firmemente que estuvimos en lo correcto, hay que revisar todas las otras zonas ya que si hubiera habido error en alguna de ellas, su influencia indirectamente est condicionando el error de aquella zona cuestionada anteriormente. Tambin puede experimentarse subiendo el orden del algoritmo a cbico, pero en este caso tendramos que considerar un mayor nmero de puntos de control para asegurarnos, con mayor razn, que las correcciones se realicen adecuadamente en todas partes de la imagen. Una vez satisfecho con esta etapa del proceso, en el lado izquierdo de la ventana del programa hay que seleccionar la imagen o grupo de bandas espectrales que se van a corregir, poner un nombre a la imagen o bandas corregidas que se crearn y finalmente en Output Reference Parameter ingresar las coordenadas de esquina (esta vez las coordenadas exactas del rea de estudio), la cantidad de columnas-filas de la imagen y el sistema de referencia que tendr la imagen resultante. Cuando entregamos las coordenadas de esquina y la cantidad de columnas-filas, estamos realmente determinando tambin el tamao de la celda, por lo tanto el nmero de columnas y filas debe ser determinado entre las coordenadas de esquina y el tamao de la celda que hemos escogido, de acuerdo a la escala de trabajo y a la resolucin espacial del sensor. Considerando que el error promedio de la correccin debe ser igual o menor que el tamao de la celda, generalmente el traslado espacial que se produce para cada una de
22
ellas, las puede hacer caer no exactamente en el espacio de una sola sino en un espacio compartido por ms de una (respecto al espacio original). Aqu se produce entonces un conflicto: Cul valor toma la celda (Resampling Type), si el de la celda ms cercana donde cay (nearest neighbor) el del promedio de las celdas que compartan ese espacio (Bilinear). Note que usando el promedio se producir un suavizamiento de los datos y si est pensando procesar la imagen para un anlisis de textura por ningn motivo ocupe esta opcin. Con todas estas consideraciones estamos ahora en condiciones de presionar Ok. Una vez que la nueva imagen ha sido producida hay que proceder a comprobar la correccin en las distintas partes de la imagen, especialmente en aquellas que estaban ms alejadas de los puntos de control. Para esto despliegue la imagen, contrstela para visualizar mejor y agregue los vectores que se usaron, preferentemente de a uno a la vez. Ample la imagen hasta que el indicador de la escala espacial (RF), en la barra inferior (ayudastatus), muestre un valor similar a la escala de trabajo. Entonces comience a navegar en la imagen utilizando las flechas de la ventana Composer. Cmo qued?.....no me refiero a la imagen...sino a Ud. muy cansado?. El programa trabaja para grupo de imgenes, por lo tanto todo el trabajo realizado con 1 banda sirve para georreferenciar todas las otras de una misma imagen multiespectral. Si por algn motivo el proceso se realiza separadamente para cada banda, el mismo archivo de correspondencia que se utiliz para esta banda se usa para corregir todas las otras bandas que pertenecan a esta imagen multiespectral. Solo tiene que ejecutar el programa RESAMPLE, usar el archivo de GCPs que est guardado en el computador, seleccionar la siguiente banda e ingresar un nombre para la banda que resultar corregida. Todas las otras opciones deben ser exactamente las mismas que se utilizaron para la primera correccin, incluyendo si se omitieron algunos puntos, siendo en este ltimo aspecto MUY importante no equivocarse. Otro programa de uso frecuente, es el que permite cambiar de un sistema de referencia a otro, compatibilizando as el procesamiento de imgenes que se encuentran bajo sistemas de referencia distintos, incluso conteniendo distintas elipsoides, esferas o datums. Adems este programa posibilita tanto el cambio de escala de las imgenes como dejar la misma rea de estudio para ambas. En el primer aspecto, recuerde que se puede ir de una escala ms fina a otra ms gruesa (generalizacin) pero no es conveniente hacer lo contrario, pues en este caso est inventando ms detalle que el existente. Hay algunos programas interpoladores o de otra naturaleza que infieren informacin con cierto sentido lgico, pero si puede evitarlos, tanto mejor. Ejecute el programa PROJECT, seleccione la imagen que se gener en el proceso de
23
georreferencia (el sistema detecta automticamente su sistema de referencia), ingrese un nombre para la imagen resultante y para este caso seleccione la opcin latlong como el nuevo sistema de referencia, presione Output Reference Information y despus de un momento el sistema le ofrecer, para esta nueva referencia, el rea espacial y la cantidad de columnas y filas adecuadas en esta conversin. Presione Ok en esta nueva ventana y despus lo mismo en la primera ventana que se abri. Usted posee ahora la misma banda espectral pero en 2 versiones, una en UTM y otra en coordenadas geogrficas. Si quiere conocer detalles de las proyecciones que se utilizan, ejecute el programa EDIT que est en el Men Data Entry, vaya a File, Open, en la casilla de ms debajo de la nueva ventana seleccione el tipo de archivo Reference System Parameters .ref y con el browser de la casilla superior vaya a C:/Idrisi /Georef/ y seleccione Latlong. Se abrir una nueva ventana mostrando los parmetros que se estn usando para este tipo de coordenadas. Incluso usted puede crear su propio archivo de referencia para ser usado por el sistema.
DIGITALIZACIN EN PANTALLA
Hemos visto anteriormente que si tenemos una imagen desplegada en pantalla, con el cursor podemos interrogar cada celda y obtener el valor que contiene, siendo til cuando nuestro inters se centra slo en algunas celdas. Cuando se trata de extraer valores de muchas celdas, la toma digital de muestras tanto de bandas espectrales, conteniendo DNs, radiancia o reflectividad, como de imgenes que expresan variables de temperatura, densidad de vegetacin, humedad, etc, es quizs la primera forma de averiguar que sucede en un lugar (punto), en un transecto (lnea) o en un rea (polgono). Los archivos que contienen el espacio geogrfico de donde se va a extraer la informacin, pueden originarse en mapas que muestran por ejemplo estaciones meteorolgicas (puntos), perfiles de algn tipo (lneas) o de un espacio continuo mayor como comunas (polgonos). Cuando no se cuenta con la informacin espacial de esos elementos, los sistemas ofrecen programas que nos permiten crearla en base a la digitalizacin en pantalla. Teniendo como base, desplegado en pantalla un archivo de imagen o de vector, se pueden digitalizar elementos espaciales como puntos, lneas o polgonos del rea geogrfica que abarca el archivo desplegado, generando nuevos vectores que contienen la posicin espacial de los elementos. Este sistema genera vectores que pueden contener solamente un tipo de estos elementos (o puntos o lneas o polgonos). Despliegue la imagen wnd3r83_4t890317r4 y contrstela para una mejor visualizacin. Presione el cono , en la nueva ventana seleccione la opcin Line, ponga un nombre del archivo vectorial que se crear, deje el identificador del elemento en 1 y presione ok. En este ejercicio se digitalizar un perfil como se muestra en la figura de la izquierda. Para esto, posicione el nuevo cursor que apareci cerca del extremo superior izquierdo del perfil mostrado en la figura y presione el botn izquierdo del mouse (note que se activ un segundo cono al lado derecho del que inici el proceso de digitalizacin). Despus lleve el cursor al otro extremo de la lnea mostrada y presione nuevamente el mismo botn del mouse. Para terminar presione el botn derecho (note
24
que se activ un tercer cono). El segundo cono se usa para eliminar el ltimo punto digitalizado y el tercero para guardar el archivo vectorial que se cre. Presione el tercer cono y guarde el vector. El perfil no necesariamente es formado por slo dos puntos y tampoco es obligatorio que sea completamente lineal. Si se quiere digitalizar ms perfiles se repite el procedimiento con la precaucin que estos nuevos elementos queden con distintos identificadores respecto del anterior y entre ellos. Para generar vectores con puntos o polgonos se aplica el mismo mtodo. En el caso de polgonos, el ltimo punto debe quedar cerca del primero para facilitar al sistema cerrar el rea. Existe un cuarto tipo de elemento vectorial, el texto, que se utiliza en la generacin de cartografa para impresin de resultados. Si desea comprobar el resultado de lo que hizo, remueva el vector y agrguelo de nuevo.
EXTRACCIN DE VALORES
Para extraer el valor de cada celda del perfil que se digitaliz, usaremos el programa PROFILE que se encuentra en el Men GIS Anlisis, SubMen DataBase Query. Ejecute el programa y en la nueva ventana deje la opcin Over Space (las otras opciones sern ocupadas ms adelante), seleccione el vector que se gener anteriormente y para la imagen de donde se van a extraer los valores use la del ejercicio de digitalizacin. Tambin active la opcin de crear un archivo de perfiles .ipf, pngale un nombre y presione Ok. En pantalla aparecer un grfico mostrando los valores (eje Y) de cada celda del transecto (eje X), ordenadas de acuerdo a la forma en que se digitaliz el perfil. A la izquierda, la primera celda correspondiente al primer punto del transecto y a la derecha la celda correspondiente al segundo punto con que se determin el perfil. Este grfico puede ser guardado como imagen, opcin save to Clipboard, para ser usado en documentos de texto. El archivo .ipf es un archivo que permite desplegar el grfico cada vez que uno lo desee, con la opcin Redisplay Profile, sin tener que hacer el proceso de nuevo. Otro programa bastante til es EXTRACT, que lo encuentra por el mismo camino que el programa anterior. Este programa permite generar un archivo de valores (Attribute Values Files que al igual que imgenes y vectores est compuesto por 2 archivos .avl y .dvl) conteniendo valores de celdas de una imagen cuyo espacio geogrfico est indicado por elementos espaciales presentes en otra imagen. El archivo de valores resultante puede contener valores mnimo, mximo, total, promedio, rango o desviacin estndar. Si no tenemos los elementos espaciales en una imagen, sino en un archivo vectorial como en el ejercicio anterior, debemos transformar esta informacin desde vector a imagen (procedimiento visto en un captulo anterior, pgina 13). Para este ejercicio usaremos los mismos elementos espaciales (puntos) que se utilizaron para determinar las zonas de puntos de control en el ejercicio de georreferencia, pero ahora contenidos en una imagen. Ejecute el programa EXTRACT, en la primera casilla seleccione la imagen puntosdecontrol (Feature Definition Image) y en la segunda la imagen wnd3r83_4t890317r4 que es la imagen desde donde se van a extraer los valores DN
25
(podran ser otro tipo de valores, variables o clases temticas, dependiendo de la imagen que se est procesando). Como en este caso estamos usando puntos (una sola celda por punto) da lo mismo la opcin Min, Max, Total o Average. Ponga un nombre al archivo de valores que se va a generar y presione Ok. La opcin Tabular Output se utiliza para ver en pantalla el resultado, pero cuando son muchos los valores no es conveniente. El archivo de valores es del tipo texto y se puede visualizar con el programa EDIT, Men Data Entry, seleccionando la respectiva opcin (.avl). El archivo tiene 2 columnas: la primera con el identificador del elemento espacial y la segunda con el valor que se obtuvo para ese elemento. No tome en cuenta el identificador 0. Como son archivos de texto, estos archivos pueden ser importados a Word, Excel u otros programas de anlisis estadstico. Para el siguiente ejercicio utilizaremos como elementos espaciales algunas comunas de Santiago (polgonos) contenidas en una imagen, para las cuales extraeremos los valores promedios de DN de otra imagen. Ejecute nuevamente el programa y seleccione en la primera casilla la imagen algunascomunas, en la segunda casilla la imagen wnd3r83_4t890317r4, tome la opcin promedio (Average) y ponga un nombre para el archivo de valores que se crear. Presione Ok y despus con el programa EDIT analice el contenido del archivo que se cre. Si quisiramos ahora generar una imagen conteniendo los valores promedios de cada comuna, utilizando el archivo de valores resultante en el ejercicio anterior, el sistema ofrece un programa que nos permite realizar esa funcin. Ejecute el programa ASSIGN, el que se ubica en el mismo Men SubMen que el anterior, seleccione en la primera casilla la imagen algunascomunas, en la segunda ponga un nombre para la imagen que se va a crear, en la tercera seleccione el archivo que se gener en el ejercicio anterior y presione Ok. Se desplegar ahora una imagen que contiene los promedios de DN para cada comuna. Recuerde que estos valores podran ser de cualquier otro tipo (densidad de vegetacin, temperaturas, etc).
TRANSFORMACIN DE VALORES
El programa STRETCH permite producir imgenes reduciendo el nmero de valores, reagrupando por rangos los originales. Este programa ofrece realizar una conversin lineal, entre un mnimo y un mximo, saturando algn porcentaje de valores extremos o basndose en el histograma de la imagen y con la indicacin, por parte del usuario, de la cantidad de valores diferentes deseados, se genera una nueva imagen. Otra utilidad del programa es la preparacin de imgenes para impresin con capacidad
26
de 16 colores o niveles de grises. Con Display Launcher despliegue la imagen wnd233083_08320011129_B30 utilizando tonos grises (paleta Grey Scale) y las dems alternativas por defecto. Observe la imagen, adems de ser muy opaca muestra muy pocos detalles. Seleccione el programa STRETCH desde el men Display o pinchando en el icono , ingrese el nombre wnd233083_08320011129_B30 como input file y CSTRETCH para la nueva imagen. Escoja la opcin linear, opte por un mnimo = 0 y un mximo = 120, deje fuera de proceso el valor 0 y escoja 16 niveles. El programa crear una imagen con 16 niveles que representan rangos iguales entre el mnimo y mximo entregados. Presione Ok. Compare ambas imgenes. Como en el programa anterior, la agrupacin de valores no tiene mucho control por parte del usuario, existe otro programa que permite que las decisiones las tome completamente el operador. El programa RECLASS tiene como opciones clasificacin por rangos iguales o cada rango determinado por el usuario. En el primer caso se puede especificar el nmero de clases o el rango de las clases, en el segundo caso se ofrece una total flexibilidad para reclasificar la imagen. El programa tambin permite reclasificaciones de archivos de valores. El concepto de imagen mscara tambin aparece en la literatura especializada como imagen binaria. Consiste en una imagen que contiene slo valores 1s y 0s. Su utilidad es seleccionar en otras imgenes, solamente las reas que al usuario le interesa analizar. Hay varios programas de anlisis, los que se vern ms adelante, que usan esta posibilidad. Para aclarar este concepto y el uso del programa RECLASS realizaremos el ejercicio siguiente. Despliegue la imagen algunascomunas, en donde los polgonos que representan el rea comunal tienen sus respectivos identificadores (hasta el id. 68) y el resto de la imagen contiene valores 0s. Ejecute el programa RECLASS en el Men GIS Anlisis SubMen DataBase Quero o presionando el icono , en la primera casilla seleccione la imagen mencionada ms arriba, en la segunda ponga un nombre a la imagen que se crear, en la primera lnea de la casilla mayor ingrese 1, 1 y 69 respectivamente en cada una de las 3 columnas que posee. La instruccin se entiende como: ponga un 1 para todos aquellos valores comprendidos entre 1 y 68, siendo este ltimo nmero el anterior al que pusimos en la tercera columna (as lo requiere el programa). Presione Ok. Este
27
programa posibilita reagrupar valores o rangos de valores generando nuevos. La imagen que se despleg tiene ahora 1s en todas las comunas que en la imagen anterior tenan distintos valores. Esta es una imagen mscara. Para entender su utilidad ejecute el programa OVERLAY que se encuentra en el Men GIS Analysis SubMen Mathematical Operators o pinchando el icono . En la primera casilla seleccione la imagen recin generada, en la segunda casilla seleccione wnd3r83_4t890317r4 (despliguela en pantalla tambin), tome la opcin multiplicar y presione Ok. Se ha generado una imagen, rplica de la anterior conteniendo valores solamente para las celdas correspondientes a las comunas de inters, todas las otras celdas han quedado con valor 0. La multiplicacin por 0s y 1s funciona. Esta posibilidad nos permite analizar o presentar resultados de reas de estudio con formas irregulares dejando totalmente fuera los datos del resto de la imagen. Una mezcla de los programas de extraccin de valores y el uso de la imagen mscara es el programa QUERY, el que genera un archivo con el valor de todas las celdas de una imagen cuyo espacio geogrfico est representado en una imagen mscara. Este archivo resultado puede ser procesado por el programa HISTO para analizar los datos o puede se exportado a cualquier programa estadstico para anlisis ms detallados. Ejecute el programa QUERY Men GIS Anlisis SubMen DataBase Query, en la primera casilla seleccione la imagen wnd3r83_4t890317r4, en la segunda la imagen comuna56, ponga un nombre al archivo que se va a crear manteniendo la opcion binario y presione Ok. Ejecute el programa HISTO y seleccione el archivo recin creado para ser analizado. Si desea usar los datos extrados en otro programa estadstico ms poderoso, use la opcin ASCII. En algunas ocasiones se necesita suavizar o destacar elementos al interior de una imagen, para lo cual se recurre a los filtros, que permiten transformar los niveles digitales (ND) ya sea para aproximar sus valores a los de las celdas vecinas o bien para diferenciarlos ms an. Idrisi a travs de su programa FILTER presenta filtros tanto de PASO BAJO siendo los ms utilizados: Media, Mediana, Moda, o de PASO ALTO donde uno de los ms comunes es el de Realce de Bordes. Tambin presenta opciones de filtro Adaptativo, por medio de algoritmos que van cambiando en distintas zonas de la imagen dependiendo del grupo local de datos que se est filtrando en un lugar determinado. El programa tambin ofrece la posibilidad de ingresar un filtro fabricado por el usuario. Finalmente, se aconseja utilizar el Filtro de Moda cuando el usuario requiera suavizar imgenes temticas.
28
Aplique un filtro de Paso Alto, para ello seleccione el programa FILTER desde el Men Image Processing, SubMen Enhancement, elija la opcin 9 (Laplacian Edge Enhancement), como nombres para la imagen que se va a procesar: wnd233083_08320011129_B30 y para la imagen que se producir: C1FILTER. Ventana 5x5. Presione Ok. Para visualizar mejor el efecto del filtro, contraste la imagen resultante y utilice el Zoom. Comprela con la original. Practique el filtro de media (opcin 1), de mediana (opcin 4) y de moda (opcin 7), ventanas 3x3 y 7x7. Compare este resultado con los anteriores. Hasta ahora, solo se ha trabajado con filtros digitales lineales, si bien estos son los ms empleados, tambin existen filtros no lineales que presentan cierta utilidad. Uno de ellos son los llamados extractores de bordes o de contornos, que se aplican a una imagen que presente un realce de bordes, de esta manera el reconocimiento automtico de los contornos de la imagen se realiza por clculo de las diferencias en todas las direcciones entre los niveles digitales de una celda y sus vecinas. Realice una extraccin de borde a la imagen C1FILTER, pinchando el filtro Sobel Edge Detection (opcin 11). Observe el resultado usando contraste y zoom.
NDICES TEMATICOS
Si uno analiza la curva espectral de la vegetacin llama la atencin el gran contraste, que existe en su reflectividad, entre las bandas rojo visible e infrarrojo cercano. La naturaleza de esta diferencia radica en el efecto que produce la estructura celular de las hojas en el segundo rango espectral mencionado, traducindose en una gran refleccin, y en la gran cantidad de energa que absorbe en el rojo para realizar la fotosntesis. Sacando provecho de esta situacin, se ha creado un ndice vegetacional que es interpretado de varias formas: grado de cobertura, vigor (salud) o biomasa, que matemticamente se puede expresar como la razn o la diferencia de energa reflejada de ambas bandas espectrales. Lamentablemente estas expresiones se pueden ver afectadas por condiciones ambientales como cantidad de iluminacin (invierno-verano), relieve (solanaumbra), estado de la atmsfera (nubes tenues-aerosoles), etc. Para mitigar algunos de estos efectos, el ndice de vegetacin se ha expresado finalmente como una diferencia normalizada (X1-X2)/(X1+X2), siendo X1 y X2 las energas reflejadas en el infrarrojo cercano y en el rojo respectivamente. Este ndice es conocido como NDVI (normalized difference vegetation index). Para obtener una imagen de NDVI utilice la calculadora de imgenes e ingrese la frmula utilizando la imagen wnd3r83_4t890317r3 (Rojo) y wnd3r83_4t890317r4 (Infrarrojo Cercano, IFC). Por frmula los valores de la imagen resultante pueden ser entre 1 y +1, siendo el 0 el umbral que define la existencia de vegetacin (valores positivos) y la ausencia de ella (valores negativos). Mientras ms alto el valor positivo, la interpretacin es mayor cobertura, mayor vigor o mayor biomasa. Estos valores resultantes pueden escalarse entre 0 y 255, siendo en este caso el 127,5 el umbral de ausencia o existencia de vegetacin. Este mismo clculo es realizado directamente por el programa VEGINDEX, el que posee varias
29
alternativas de ndices. Cuando la vegetacin es escasa, zonas ridas y semiridas, el brillo del suelo comienza a influir fuertemente en el resultado de los valores de este ndice, por lo que para estas condiciones se requiere realizar una correccin basada en una regresin entre las energas reflejadas en el infrarrojo cercano y en el rojo. En la imagen se ubica una zona en que la cobertura vegetacional es baja (puede ayudarse con una imagen falso color convencional), se digitaliza esa zona y se transforma en una imagen mscara. El resultado de la regresin, para esa zona limitada por la imagen mscara, presenta una lnea que se interpreta como la lnea del suelo, con cuya ecuacin (Rojo=a +b*IFC) se modifica de diferentes maneras la frmula original del NDVI con el fin de generar otros ndices (PVI, SAVI, etc). El programa VEGINDEX, se encuentra en el Men Image Processing SubMen Transformation y en su ayuda en lnea (Help) puede encontrar explicaciones ms detalladas de las distintas opciones. Este ejercicio se realizar en el captulo de estadstica con imgenes para practicar las regresiones. Cuando se cuenta con imgenes de NDVI de distintas fechas y quiere obtenerse una representacin que abarque todo el periodo de estas imgenes, se puede utilizar el programa NDVICOMP cuyo propsito es procesar una serie de imgenes de ndice de vegetacin con el objetivo de producir una representativa de la serie (representaciones semanales, mensuales, etc) o para la comparacin entre series. El proceso se realiza dejando a criterio del usuario uno de dos algoritmos: mximos o media cuadrtica. Ejecute el programa NDVICOMP, ubicado en el Men Image Processing SubMen Restoration, se procesarn 4 imgenes de NDVI mensual de la V Regin correspondientes a octubre (oct94), enero (ene95), abril (abr95), julio (jul95), tome la opcin Quadratic Mean e ingrese un nombre para la imagen que representar el periodo abarcado por las imgenes procesadas. Observe las imgenes originales y la resultante. La misma frmula que se utiliza para generar el NDVI, tambin aplica en la derivacin de otro ndice que se puede usar como un indicador de humedad NDMI (M=moisture). Recordando que las bandas en el infrarrojo medio captan energa de acuerdo al mayor o menor contenido de humedad de los elementos, el ndice ahora se realiza con infrarrojo cercano e infrarrojo medio (IFC IFM)/(IFC+IFM). Usando la calculadora procese las bandas 4 (IFC) y 5 (IFM) de la misma serie de imgenes que ocup en el ejercicio anterior. La interpretacin de los valores resultantes es de 0 hacia +1 mayor contenido de humedad y hacia los negativos como mayor sequedad.
30
Anlisis de Componentes Principales. Es una tcnica de transformacin lineal con la que a partir de un grupo de imgenes se genera un segundo grupo, llamadas componentes, cuyas caractersticas son la inexistencia de correlacin entre ellas y el orden de generacin es de acuerdo a la cantidad de varianza de las imgenes originales que estos componentes explican. Usualmente, un gran porcentaje de datos de cada una de las bandas espectrales, que conforman una imagen, se correlacionan con las otras bandas, por lo que este anlisis se ha utilizado bastante como un reductor de informacin redundante. Sin embargo, en el ltimo tiempo se han encontrado varias interpretaciones importantes de los resultados que se producen. El anlisis estadstico en base a correlacin o varianza y covarianza entre bandas, genera un nmero de nuevas imgenes no mayor al nmero de bandas que se procesan, el que como mximo puede ser 12. Adems de generar el nuevo grupo de imgenes, el anlisis entrega una tabla con las matrices de varianza/covarianza, la correlacin entre bandas, los autovalores y autovectores, y la matriz de correlacin entre las bandas originales y los componentes generados. Ejecute el programa PCA que se encuentra localizado en el Men Image Processing SubMen Transformation, seleccione las bandas espectrales de la serie wnd3r83_4t890317r.., utilice la opcin unstandardized (ms ponderacin para las bandas de mayor varianza), nmero de componentes a generar 6, ingrese un prefijo y presione Ok. Se producirn 6 nuevas imgenes con nombres del sufijo que usted ingres ms un agregado por el sistema (CMPn), siendo n del 1 al 6 indicando el nmero del componente. Adems, aparecer una tabla conteniendo las diferentes matrices que se mencionaron anteriormente. Antes de desplegar cada componente, analice las matrices tratando de apreciar los siguientes aspectos: varianzas y correlaciones de las bandas originales, los autovalores y autovectores de los componentes y finalmente las correlaciones entre las bandas y los componentes. Despliegue cada una de las nuevas imgenes y analice su sentido en relacin a las tablas generadas. Hay otro programa Canonical Components Analisys (CCA), que utilizando el mismo criterio, no procesa los datos de toda la imagen sino solamente de muestras y lo realiza a travs de archivos que se denominan de signaturas (.sig). La obtencin de estos archivos se ver en el captulo de clasificaciones.
31
Tambin relacionado con el anlisis de componentes principales, otra transformacin de valores que se realiza utilizando varias bandas reflectivas (visible, infrarrojo cercano y medio) es aquella que genera 3 nuevas imgenes representando valores temticos (brillo, verdor y humedad). El programa TASSCAP, que en Idrisi trabaja solamente con sensores del satlite Landsat (MSS, TM y ETM+), pondera cada una de las bandas espectrales con autovectores propuestos empricamente por Huang et al, 2002, para cada una de las variables que se generan. Ejecute el programa TASSCAP ubicado en el Men Image Processing SubMen Transformation, TASSCAP, seleccione la opcin TM e ingrese las respectivas bandas de la serie wnd3r83_4t890317r.., ponga un prefijo para reconocer las imgenes resultantes las que se diferenciarn entre ellas por los agregados bright, green y moist. Para interpretar los valores resultantes de las nuevas imgenes, vaya a la opcin help del programa y analice los coeficientes con los que se procesaron las bandas espectrales originales tratando de explicarse que bandas son las ms influyen en la produccin de cada variable temtica, brillo, verdor y humedad.
CLASIFICACIONES TEMTICAS
Histricamente el concepto clasificacin digital de imgenes ha sido tratado como la discriminacin de elementos con la ayuda de un sistema computacional y basndose solamente en las caractersticas espectrales de los elementos. Sin embargo en el ltimo tiempo se han agregado otro tipo de caractersticas de ellos, tales como su comportamiento temporal, el relieve y el ambiente que los acompaan as como el tipo de distribucin espacial que ellos presentan. Dentro de las tcnicas relacionadas con el tema, existe la clasificacin sin supervisin y la supervisada. La primera es automtica, en donde el sistema genera categoras basado exclusivamente en la agrupacin de valores espectrales, mientras que la segunda permite que un especialista entregue informacin de algunos sectores de la imagen para que el sistema busque, en el resto de ella, zonas en donde existen las mismas caractersticas de la informacin entregada. Tambin el tipo de clasificacin puede ser dura o moderada. Los clasificadores duros toman decisiones definitivas con respecto a la pertenencia de una celda a una clase, en cambio los moderados determinan probabilidad de pertenencia de una celda a cada una de las clases en juego. Hay varios clasificadores de probabilidades y se diferencian entre ellos por el modelo en que estn basados. Esta versin de Idrisi
32
tambin incluye clasificadores hyperespectrales, es decir aquellos que pueden procesar una inmensa cantidad de bandas espectrales y sus decisiones son apoyadas, en algunos casos, por curvas espectrales de laboratorio para los elementos que se estn analizando. Clasificadores Duros Sin Supervisin Los programas de clasificaciones sin supervisin son CLUSTER e ISOCLUST, ambos funcionan con un mximo de 7 bandas espectrales, siendo el segundo una extensin del primero. El mtodo que utilizan es en base al histograma de las bandas, en donde se localizan los mximos de frecuencia de valores como representantes de cada categora. Los lmites entre categoras se sitan a igual distancia numrica de representantes contiguos. Al realizar este mtodo, a veces dentro de una categora puede que exista un valor con una frecuencia mayor que su representante, por lo que el primer programa ofrece como alternativas aceptar esa situacin (opcin Fine) o rechazarla eliminando de esa categora al valor que produjo la situacin mencionada (opcin Broad). El segundo programa adems agrega un proceso iterativo de ajuste, en base a la comparacin de los valores de los representantes y la media de la categora que ellos representan, reagrupando los valores para que las medias se acerquen al valor del representante. Cuando el valor del representante y la media coinciden, cesa la iteracin. La cantidad de iteraciones es fijada por el usuario y en el caso que el nmero de iteraciones llega al que se fij, el proceso tambin cesa. Tambin este programa tiene una etapa intermedia en que, a travs de un histograma, presenta la frecuencia de celdas de cada categora que encontr ofreciendo al usuario la posibilidad de reducir, en el resultado, la cantidad de ellas. En general estos programas tienen procesos muy intensivos, por lo que en la medida en que tienen mayores opciones de categoras (muchas bandas, muchas categoras solicitadas o muchas iteraciones), el final no llega nunca. Ejecute el programa ISOCLUST, Men Image Processing, SubMen Hard Classifiers, procese solamente 3 bandas de la serie wnd233083_08320011129_b.. y presione Next. Terminado ese proceso intermedio, aparecer un histograma de las nuevas categoras y otra ventana en que se puede fijar la cantidad de iteraciones (para el ejercicio ponga 1), el nmero de categoras resultantes (ponga 15), la cantidad mnima de celdas en las muestras que se utilizarn para realizar el siguiente proceso (ponga 50) y el ingreso del nombre de la imagen clasificada resultante. El resultado de estas clasificaciones
33
automticas es muy til cuando se quieren estimar reas homogneas y todas, o algunas de ellas, pueden servir como base para la toma de muestras (sitios de entrenamiento) que se utiliza en la metodologa de clasificaciones supervisadas. Analice la imagen en el sector urbano, en una escala aproximada al 1:50.000, trate de explicarse las distintas categoras y tambin las asociaciones entre ellas. Si las categoras resultantes de los programas anteriores son muchas recuerde que puede realizarse una reagrupacin con el programa RECLASS, siempre y cuando se est seguro de lo que se har. Clasificadores Duros con Supervisin Primer paso de clasificacin: Creacin de firmas espectrales. MAKESIG. Previo a este programa el usuario debe escoger, en las bandas o combinaciones de bandas que se clasificarn, los sitios de entrenamiento utilizando la opcin de digitalizacin del programa Display Launcher. El archivo vectorial generado con los sitios es la primera informacin que MAKESIG solicita. Posteriormente hay que indicar la cantidad y el nombre de las imgenes que se van a procesar. A continuacin hay que entregar al sistema las identificaciones de los sitios de entrenamiento que se generaron. Con este informacin el programa genera las signaturas (firmas espectrales) de los sitios de entrenamiento. FUZSIG. Similar al anterior pero con la diferencia que permite asumir que algn sitio de entrenamiento pueda contener mezcla de clases. HYPERSIG. Se utiliza con los mismos propsitos que MAKESIG para clasificaciones hyperespectrales. Las signaturas (caractersticas espectrales) pueden ser extradas de los sitios de entrenamiento o de curvas espectrales de laboratorio. Los sitios de entrenamiento son reas (polgonos) en los que un especialista est totalmente seguro del elemento que ah existe. Algunas consideraciones al respecto: a) los polgonos de elementos diferentes deben tener distintos identificadores, b) cuando digitalice cada sitio, utilice contraste y zoom (a una escala aproximada a la que ofrece la imagen) para visualizar mejor los lmites de cada rea, c) digitalice el sitio por el lado interior del rea que supone es la correcta, con el objetivo de evitar la incorporacin de algn otro elemento, d) las reas de los sitios deben ser relativamente iguales en tamao y que no sean inferior a 50 celdas (si no puede cumplir con este requisito digitalice varios polgonos pequeos para ese elemento manteniendo el mismo identificador), e) si considera que un mismo elemento est en condiciones ambientales diferentes (solana, umbra, humedad, sequedad, plano, pendiente, etc) digitalice para ese elemento varios sitios de entrenamiento que contengan esos ambientes, y f) el o los archivos vectoriales que se genere(n) puede(n) contener el sitio de un solo elemento o los de todos los elementos juntos( en este ltimo caso lo importante es identificadores diferentes). Para trabajar en la clasificacin supervisada hgalo con la misma serie de bandas espectrales del ejercicio anterior. Despliegue diferentes bandas o haga falsos colores, utilizando aquellas que le ayuden para diferenciar de mejor forma las reas de los elementos que se van a clasificar. En este ejercicio hay que clasificar los siguientes elementos: 1) agua, 2) sombra, 3) vegetacin agrcola y pastos, 4) vegetacin arbrea-
34
arbustiva, 5) urbano con vegetacin arbrea, 6) concreto urbano-roca-suelos desnudos, 7) nieve y 8) nubes. Digitalice los sitios de entrenamiento para cada elemento requerido y guarde el o los archivos vectoriales. Ejecute el programa MAKESIG, Men Image Processing, SubMen Signature Development. Si los sitios de entrenamiento estn en varios archivos vectoriales, este programa debe ser ejecutado tantas veces como archivos haya generado. Si todos los sitios se encuentran en un solo archivo vectorial, el programa se ejecuta una vez solamente. Ingrese el nmero y nombre de las bandas que se procesarn, un nombre para cada elemento recordando que identificador us para ellos y ponga un mnimo de 20 celdas por muestra. Presione Ok. Con esto ha generado las firmas espectrales de cada sitio para cada una de las bandas que proces. Tal como se puede crear un grupo de imgenes para manejarlas en conjunto, tambin se puede crear un grupo de firmas espectrales con la misma idea (programa Collection Editor), ya que los programas que se usan en los prximos pasos de la clasificacin permiten esta modalidad. Segundo paso de clasificacin: Anlisis de las firmas espectrales. SIGCOMP. Este programa muestra en pantalla un grfico con la informacin de mximomnimo y/o la media de las signaturas que se generaron en MAKESIG, con el propsito de analizar las caractersticas espectrales de los elementos que se clasificarn. SEPSIG. Provee informacin estadstica de la separacin de las signaturas para las distintas bandas que participan en la clasificacin. Es bastante til para visualizar cuales son las mejores bandas que se pueden usar en la discriminacin de diferentes clases. Ejecute el programa SIGCOMP, ubicable por el mismo camino que MAKESIG, ingrese el nmero (puede ser un grupo) y nombre de las firmas espectrales que se analizarn, seleccione la opcin Mean y presione Ok. Se generar un grfico mostrando las curvas espectrales de los sitios de entrenamiento (en el eje X estn las bandas y en el Y estn los valores promedio de cada sitio). Si todas las curvas, en alguna banda, se diferencian entre ellas se procede a la clasificacin. Pero, si algunas curvas son muy parecidas, en todas las bandas, los programas de clasificacin tendrn problemas para su discriminacin. Si es as, debe revisar los sitios de entrenamiento en las bandas o combinaciones de bandas que utiliz para su generacin y fijarse que las reas escogidas no incorporen en algunas celdas otro elemento que no sea el que
35
corresponde a ese sitio. En caso que haya algn error en este aspecto, debe digitalizar nuevamente el o los sitios afectados. Si encuentra que est todo correcto y sin embargo hay curvas que son muy similares, se debe realizar un anlisis de separacin de firmas espectrales. La clasificacin puede hacerse para todos los sitios y con todas las bandas de una sola vez o parcialmente para algunos sitios y usando slo algunas bandas. Esta decisin debe tomarse despus del anlisis de separacin. Antes de realizar el anlisis de separacin, si el programa MAKESIG no produjo un grupo de signaturas (.sfg) genrelo con el programa Collection Editor. Despus que lo genere, ejecute el programa SEPSIG, ubquelo por el mismo camino anterior, tome la opcin Divergence, ingrese el grupo de signaturas y seleccione 3 bandas. El programa entregar una tabla con combinaciones de bandas tomadas de a 3, con puntajes de separacin entre todas las categoras tomadas de a 2. Mientras mayor es el puntaje, esa combinacin de bandas es mejor para separar categoras. Tercer paso de clasificacin: La prueba de diferentes clasificadores. Una vez que las signaturas creadas satisfacen al usuario, viene la etapa de clasificacin. Los programas que realizan este proceso son PIPED, MINDIST, MAXLIKE y otros. El primero clasifica cada dato tomando el mximo y el mnimo fijados por las signaturas. El segundo se basa en la mnima distancia hacia la media que ha fijado cada signatura; y el tercero efecta el proceso basndose en ley de probabilidades (funcin densidad de probabilidad), ofreciendo adems las posibilidades de indicar un conocimiento previo mediante la proporcionalidad en espacio que ocupara cada signatura y la eliminacin, en la clasificacin, de un porcentaje de datos. HYPERMIN es la versin hyperespectral de MINDIST e HYPERSAM es el clasificador que puede incluir signaturas espectrales obtenidas en laboratorio. Realice varias clasificaciones usando los programas PIPED, MINDIST y MAXLIKE que se encuentran en el Men Image Processing, Submen Hardeners. Cuando ejecute cada uno de ellos, pruebe con las distintas opciones que ofrecen analizando cual de todas las clasificaciones resulta ms satisfactoria para usted. El mtodo que elija como el mejor, slo lo es para esta imagen. Recuerde que todo se basa en estadstica y depende de la distribucin de los datos, por lo tanto no siempre un clasificador determinado es el mejor.
36
Clasificadores Moderados Otros clasificadores son los moderados. stos no deciden la asignacin de una celda a alguna determinada clase. Su resultado es la probabilidad o el grado de pertenencia de esa celda a cada una de las clases en juego. BAYCLASS utiliza la teora Bayesiana de probabilidades, BELCLASS la teora jerrquica de Dempster-Shafer y FUZCLASS a travs de la teora de un grupo de datos FUZZY. Los clasificadores duros de los resultados anteriores son MAXBAY, MAXBEL y MAXFUZ, respectivamente. Si bien es cierto que estos procesos de clasificacin han sido diseados para trabajar con bandas espectrales, se pueden aplicar a cualquier tipo de variables. Por ejemplo, podemos clasificar sitios con diferente riesgo de erosin teniendo en imgenes informacin de pendiente, precipitacin y cobertura vegetacional. Lo importante es que nos entregarn reas en que estas variables se comportan de diferentes maneras e interpretndolas correctamente podramos estimar, en este caso, zonas de mayor o menor riesgo de erosin. Si se desea calcular el rea de las categoras resultantes, el programa AREA, Men Gis Anlisis, Sub Men Database Query, posibilita generar un archivo de valores, una nueva imagen o un resultado tabular en pantalla de todos los polgonos con sus respectivas reas. El usuario puede seleccionar entre varias opciones la unidad de rea que se usar como resultado. Si se selecciona la opcin tabular, los resultados se pueden imprimir pinchando sobre el cono respectivo que aparece en la ventana que los contiene. El programa PERIM (en los mismos Men y SubMen anteriores) opera exactamente como el programa AREA y los resultados producidos, en este caso, son el permetro de los polgonos de la imagen analizada. Este programa obliga a entregar un nombre al resultado, incluso cuando se ha elegido la opcin tabular.
ANLISIS TEMPORALES
Deteccin de Cambios En muchas ocasiones se requiere evaluar el efecto de algn evento, ya sea causado por el hombre o natural, ante lo cual se recurre a una comparacin de imgenes de antes y despus del evento (inundaciones, sequas, incendios, expansin urbana, explotacin forestal, rotacin de cultivos, etc). En procesamiento de imgenes esta comparacin, denominada Deteccin de Cambios, se implementa mediante alguna operacin algebraica (resta, divisin) o mediante anlisis de componentes principales, especialmente del segundo componente, entre una misma banda o una misma variable (NDVI, imagen clasificada, etc), para 2 fechas. Ejecute el programa CALCULADORA, calcule la diferencia entre la imagen IVDIC98 y la imagen IVENE99. Las imgenes procesadas corresponden a Indice de Vegetacion de la VI Regin, antes de un incendio forestal (2da quincena de diciembre 98) y despus de este evento (1ra quincena de enero 99). Despliegue la imagen resultado y observe las zonas daadas por el incendio. Repita el procedimiento ejecutando ahora una divisin entre las mismas imgenes mencionadas. Seleccione el programa PCA, tome las opcines de 2 imgenes a procesar y 2 componentes a generar, por defecto deje la opcin de calcular las varianzas directamente y la opcin de variables estandarizadas en nmeros enteros. Los nombres de las
37
imgenes a procesar son los mismos del ejercicio anterior (IVDIC98 e IVENE99) y como prefijo de las imgenes resultado escriba IVC. Despliegue las 2 imgenes resultado (IVCCMP1 e IVCCMP2) y analice cual de las 2 le servira para detectar cambios. Compare los 3 resultados anteriores y analice con que procedimiento se quedara para la deteccin de cambios. Anlisis Multitemporales El comportamiento temporal de un objeto o de un paisaje, que define finalmente un proceso o un ciclo, puede estudiarse y analizarse mediante la obtencin de informacin a travs de perfiles temporales, recordando que estos perfiles pueden ser puntuales, lineales o areales. Cuando espectralmente 2 elementos son muy similares y no se pueden discriminar, el comportamiento temporal de cada uno, generalmente ayuda a diferenciarlos.
Para este ejercicio se ocupar una serie de 12 imgenes de Indice de Vegetacin mensuales de la V Regin, partiendo de septiembre del 94 (sep94) hasta agosto del 95 (ago95). Se utilizar adems una imagen de polgonos de varias zonas representando tipos de vegetacin diferentes. El proceso extraer el promedio de Indice de Vegetacin mensualmente para cada polgono y generar un grfico con los respectivos comportamientos fenolgicos. Para comprender el ejercicio despliegue la imagen ene95 y sobreponga el vector perftemp. La identificacin de los polgonos corresponde a: 1) Veg. agrcola de riego (valle del Aconcagua); 2) Vegetacin arbrea y Plantaciones Forestales (sector Peuelas); 3) Veg. natural de secano interior (sector de Petorca); 4) Veg. natural
38
de secano costero norte (sector de Quintero); 5) Veg. de secanos sur (sector frente a San Antonio) y 6) Veg. agrcola en sector de La Ligua. Para generar el archivo de serie de tiempo, selecione el programa COLLECTION EDITOR, la opcin file, new, ingrese el nombre perftemp como el archivo de serie de tiempo (.ts) y abrir. Agregue las imgenes en la siguiente secuencia: SEP94, OCT94, NOV94, DIC94, ENE95, FEB95, MAR95, ABR95, MAY95, JUN95, JUL95 y AGO95 (stas deben estar en el directorio de trabajo) y despus file-save. Previo a realizar el anlisis multitemporal hay que rasterizar el vector perftemp usando como modelo espacial cualquiera de las imgenes mencionadas en el prrafo anterior. Seleccione ahora el programa PROFILE (Men GIS Analysis SubMen Change/Time Series), opcin over time series, la imagen rasterizada conteniendo los polgonos, el archivo de series de tiempo perftemp y la opcin promedio (Mean). El resultado ser un grfico mostrando el comportamiento temporal de estos tipos de vegetacin. Analice los resultados y observe: 1) Cundo se da el mximo general de vegetacin?; 2) Cundo el mnimo general?; 3) En que meses convendra discriminar los diferentes tipos de vegetacin utilizando el comportamiento fenolgico?. Encuentra parecido este tipo de anlisis a aquel que se efecta en el grfico que genera el programa de clasificaciones SIGCOMP o aquel anlisis que realiza el programa SEPSIG?. A pesar que estas imgenes no son bandas espectrales, para todos los efectos vistos en el captulo de clasificaciones, se pueden tratar como tales no olvidando que en este caso el valor de los datos son ndices de vegetacin de diferentes fechas y no energa captada por un sensor. El mismo criterio aplica si son datos de temperatura, humedad o de cualquier otra variable que se pueda estudiar temporalmente.
Falso Color Temporal Otro anlisis temporal, es el que se realiza produciendo un falso color producido por 3 imgenes de la misma variable captadas en distintos tiempos. En este caso usaremos imgenes de ndice de vegetacin. Realice un falso color poniendo las imgenes FEB95
39
en el color rojo, OCT94 en el color verde y JUL95 en el color azul. Interprete los colores resultantes: qu zonas estn siempre con altos ndices, cuales siempre con bajos ndices? en qu zonas hay ms vegetacin en febrero, en julio, en octubre? en qu zonas hay altos ndices en octubre y julio pero bajos en febrero?. Este tipo de anlisis tambin puede hacerse para cualquier tipo de variables y no necesariamente para aquellas que pueden analizarse temporalmente. El ejemplo dado en el captulo de clasificaciones (riesgo de erosin, pgina 36) cmo podra hacerse con esta metodologa, como se interpretaran los colores resultantes, cmo podra saberse que zonas tienen ms o menos riesgo de erosin?
CORRELACIN, SIMULACIN Y MODELADO

En los procesos de simulacin y modelado, el anlisis de correlacin entre variables es fundamental para lograr buenos resultados y dentro de este anlisis la validacin de las variables es clave, especialmente si se trata de variables ambientales o bandas espectrales que por su naturaleza, pueden estar muy correlacionadas entre s. En captulos anteriores se ha visto el anlisis de componentes principales para eliminar informacin redundante, aspecto que sesga bastante los resultados. Adems se ha visto el anlisis de histogramas para eliminar datos extraos. Veremos ahora un aspecto que tambin puede sesgar mucho los resultados: el anlisis de autocorrelacin espacial. Este paso previo nos puede decir que tan cierto son las correlaciones espectaculares que podamos conseguir cuando trabajamos con el tipo de variables mencionadas anteriormente. La validez de una alta correlacin entre variables, a pesar que las pruebas de confiabilidad as lo confirman, es totalmente dudosa si cada una de las variables ya contienen una autocorrelacin espacial. La autocorrelacin espacial analiza el comportamiento de cada celda de una imagen, o parte de una imagen, respecto del comportamiento de sus vecinos. El resultado, que es entregado en pantalla, puede ser entre -1 (datos muy diferentes) y +1 (datos muy similares). Ejecute el programa AUTOCORR, localizado en el Men GIS ANLISIS, SubMen Statistics. Dentro del programa, la opcin Rook slo examina los vecinos horizontales y verticales, mientras la opcin King agrega al anlisis los vecinos diagonales. Seleccione la imagen abr95, como imagen mscara seleccione mascvregion y presione Ok. Se est analizando una imagen de ndice de vegetacin de la V Regin y como esta imagen posee sectores sin informacin se ha utilizado una imagen mscara para realizar el anlisis solamente en los sectores que si tienen informacin. En pantalla aparecer una tabla con resultados estadsticos de este anlisis conteniendo el ndice de
40
Moran (0,9627 en este caso) y una prueba z de 280, lo que nos indica una altsima autocorrelacin verificada por la prueba usada. Repita el mismo proceso para la imagen nov94 en donde obtendr un ndice de 0,9650 y una prueba z de 280. Ambos resultados nos muestran que si se hace un anlisis de correlacin entre ambas imgenes obtendremos un alto coeficiente pero de muy dudosa confiabilidad. Cuando suceden estas situaciones y se quiere salir de dudas, se recurre a realizar los anlisis para celdas separadas espacialmente con el objeto de atenuar la dependencia espacial que tienen los valores de celdas contiguas. Repita el proceso anterior para las imgenes abr95c y nov94c, use como mscara la imagen mascvregionc, anote los resultados del ndice de autocorrelacin y el valor de la prueba z. Notar que estos bajaron sustancialmente. Se han procesado ahora imgenes que fueron transformadas eliminando 9 de cada 10 columnas y 9 de cada 10 filas con un programa que se llama CONTRACT (Men Reformat). La comprobacin de la situacin planteada y su solucin, se ver a travs del siguiente ejercicio llamado regresiones. Las regresiones entre imgenes o entre archivos de valores son anlisis de correlacin entre una variable dependiente y otra o varias otras independientes. Uno de los tantos resultados importantes que arroja este anlisis, aparte del coeficiente de correlacin y su confiabilidad, es la ecuacin que explica como una variable depende de la (s) otra (s). Si no es deseable trabajar con todos los datos de una imagen, los programas ofrecen la posibilidad de intervenir con una tercera imagen (mscara). El resultado se presenta en pantalla mediante un grfico de dispersin, la curva de regresin, coeficiente de correlacin y algunos estadsticos de significacin. La ecuacin resultante es muy utilizada en simulacin y modelado. Idrisi ofrece soluciones lineales solamente. El programa de regresiones simple se llama REGRESS, para regresiones mltiples se usa el programa MULTIREG y para regresiones logsticas LOGISTICREG. Ejecute el programa REGRESS ubicado en los mismos Men y SubMen del ejercicio anterior, como variable independiente seleccione la imagen nov94, como variable dependiente abr95, como imagen mscara mascvregion y presione Ok. Como resultado obtendr un coeficiente de correlacin de 0,92 y un prueba t de 361, lo que nos indica una alta correlacin entre ambas imgenes analizadas y una buena validacin de sta a travs del valor obtenido en la prueba t. Sin embargo recuerde el ejercicio de autocorrelacin y las dudas de que esta correlacin sea realmente la que se obtuvo. Para aclarar las dudas repita el proceso de regresin utilizando ahora la imagen nov94c, abr95c y mascvregionc (imgenes en donde se usan 1 de cada 10 columnas y 1 de cada 10 filas de las originales). Obtenemos ahora el mismo coeficiente de correlacin y la prueba t baja a 35 lo cual todava nos confirma un alto nivel de significacin de esta correlacin obtenida. Por lo tanto podemos concluir que nuestras dudas no tenan base y el nivel de correlacin
41
entre ambas imgenes es cierto. Si la correlacin hubiera bajado con la misma intensidad que bajaron las autocorrelaciones en el ejercicio que se hizo previamente en este ltimo aspecto, nuestra alta correlacin no sera tan confiable.
Los mismos procedimientos anteriores se utilizan cuando son regresiones mltiples o para regresiones logsticas. Por supuesto, las ecuaciones lineales obtenidas pueden usarse ahora confiadamente, despus de estas validaciones, en simulaciones o modelado de variables.
42

Manual Idrisi PUC

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Manual Idrisi PUC

Cargado por

Copyright:

Formatos disponibles

PONTIFICIA UNIVERSIDAD CATLICA DE CHILE

Manual Laboratorio de Percepcin Remota Software Idrisi Posttulo en Geomtica

(Imagen Quickbird, donacin gentileza de INCOM S.A.)

Martn Faras Salvador y Rodrigo Nez Crdenas Mayo 2005

Laboratorio de Percepcin Remota

Manual Laboratorio de Percepcin Remota Software Idrisi

Instituto de Geografia Pontificia Universidad Catlica de Chile

Laboratorio de Percepcin Remota

CONFIGURANDO DIRECTORIOS DE TRABAJO

Laboratorio de Percepcin Remota

Instituto de Geografia Pontificia Universidad Catlica de Chile

Laboratorio de Percepcin Remota

MANTENCIN DE ARCHIVOS DE TRABAJO

Instituto de Geografia Pontificia Universidad Catlica de Chile

Laboratorio de Percepcin Remota

VISUALIZACIN DE IMGENES EN PANTALLA

Instituto de Geografia Pontificia Universidad Catlica de Chile

Laboratorio de Percepcin Remota

Instituto de Geografia Pontificia Universidad Catlica de Chile

Laboratorio de Percepcin Remota

CONTRASTE EN PANTALLA Y DESPLIEGUE DE GRUPO DE IMGENES

Instituto de Geografia Pontificia Universidad Catlica de Chile

Laboratorio de Percepcin Remota

Instituto de Geografia Pontificia Universidad Catlica de Chile

Laboratorio de Percepcin Remota

TALLER DE PALETA DE COLORES, SEUDOCOLOR Y FALSOCOLOR

Instituto de Geografia Pontificia Universidad Catlica de Chile

Laboratorio de Percepcin Remota

Instituto de Geografia Pontificia Universidad Catlica de Chile

Laboratorio de Percepcin Remota

LA UTILIZACIN DE VECTORES EN IDRISI

Instituto de Geografia Pontificia Universidad Catlica de Chile

Laboratorio de Percepcin Remota

Instituto de Geografia Pontificia Universidad Catlica de Chile

Laboratorio de Percepcin Remota

Instituto de Geografia Pontificia Universidad Catlica de Chile

Laboratorio de Percepcin Remota

EL HISTOGRAMA DE UNA IMAGEN

Instituto de Geografia Pontificia Universidad Catlica de Chile

Laboratorio de Percepcin Remota

CORRECCIONES RADIMTRICAS Y ATMSFRICAS

Instituto de Geografia Pontificia Universidad Catlica de Chile

Laboratorio de Percepcin Remota

Longitud de onda (um)

Instituto de Geografia Pontificia Universidad Catlica de Chile

Laboratorio de Percepcin Remota

TRANSFORMACIONES ESPACIALES Y CORRECCIONES GEOMTRICAS

Instituto de Geografia Pontificia Universidad Catlica de Chile

Laboratorio de Percepcin Remota

Instituto de Geografia Pontificia Universidad Catlica de Chile

Laboratorio de Percepcin Remota

Instituto de Geografia Pontificia Universidad Catlica de Chile

Laboratorio de Percepcin Remota

Instituto de Geografia Pontificia Universidad Catlica de Chile

Laboratorio de Percepcin Remota

Instituto de Geografia Pontificia Universidad Catlica de Chile

Laboratorio de Percepcin Remota

Instituto de Geografia Pontificia Universidad Catlica de Chile

Laboratorio de Percepcin Remota

Instituto de Geografia Pontificia Universidad Catlica de Chile

Laboratorio de Percepcin Remota

Instituto de Geografia Pontificia Universidad Catlica de Chile

Laboratorio de Percepcin Remota

Instituto de Geografia Pontificia Universidad Catlica de Chile