Propuesta metodolgica para la generacin de Cartografa de Hbitats de Inters Comunitario mediante teledeteccin

2.3. Materiales y procesamiento de datos

Para generar la clasificacin de los diferentes hbitats existentes en la zona de estudio ha sido
necesario el empleo de una serie de datos, herramientas y tcnicas pertenecientes al mbito de la
teledeteccin. La mejora en la precisin de la clasificacin puede atribuirse a diferentes factores, tales
como el algoritmo de clasificacin seleccionado, el procesamiento de imgenes realizado, la
complejidad de los tipos y estructuras de vegetacin, y los efectos topogrficos (Lu et al., 2008). El
objetivo es que el uso de informacin multitemporal, la realizacin de correcciones atmosfrica y
topogrfica, el clculo de ndices de vegetacin y la utilizacin de varios algoritmos de clasificacin,
facilite la discriminacin entre los distintos tipos de hbitats presentes (Chuvieco et al., 2000).
2.3.1. Imgenes Landsat TM
Constituyen la fuente de informacin principal y son el soporte bsico en el presente trabajo, para
desarrollar una propuesta metodolgica que permita llevar a cabo la clasificacin de los distintos
hbitats de inters comunitario presentes en la zona de estudio. Muchos autores han empleado este tipo
de imgenes debido a las numerosas ventajas que ofrecen, entre las que se incluyen su disponibilidad,
consistencia, precisin, resolucin espacial y temporal, y por las posibilidades que ofrecen a la hora de
manipularlas (Makkeasorn et al., 2009). Fue utilizada una serie multi-temporal de 8 imgenes libres de
nubes captadas por el sensor Landsat 5 TM los das 16 de diciembre de 2010 y 2 de febrero, 7 de abril,
9 de mayo, 26 de junio, 28 de julio, 14 de septiembre y 16 de octubre de 2011, con el fin de recoger la
variabilidad fenolgica de la vegetacin en distintas estaciones del ao, y as poder diferenciar mejor
unas formaciones de otras. Estas imgenes poseen una resolucin espacial de 30 metros de pxel. Cada
uno de estos posee un valor entre 0 y 255 (nivel digital), en funcin de la respuesta espectral del
terreno captada por las 6 bandas utilizadas para el anlisis (1-5,7), que proporcionan informacin en
distintos intervalos del espectro electromagntico.

2.3.2. Correcciones atmosfrica y topogrfica

Con las correcciones atmosfrica y topogrfica se pretende que las variaciones que se detecten entre
los distintos tipos de hbitat sean independientes de la dispersin atmosfrica y de las condiciones de
iluminacin (Chuvieco et al., 2000).
La correccin atmosfrica fue realizada para intentar eliminar el efecto de la dispersin de la radiacin
electromagntica, originada por los gases y partculas en suspensin de la atmsfera. En primer lugar
se calcul la reflectividad mediante la siguiente ecuacin [1] (Chuvieco, 1996 en Chuvieco et al.,
2000):

1 de 8

Propuesta metodolgica para la generacin de Cartografa de Hbitats de Inters Comunitario mediante teledeteccin

[1]
Donde:
k = Reflectividad en la banda k.
K = Distancia Tierra-Sol en unidades astronmicas (1 UA = 1,49598108 Km, vara a lo largo del ao
entre 0,983 y 1,017 UAs).
Lsen,k = Radiancia espectral recibida por el sensor en la banda k (W m-2 sr -1 m-1).
La,k = Radiancia atmosfrica debida a la dispersin en la banda k (W m-2 sr -1 m-1).
Eo,k = Irradiancia solar en el techo de la atmsfera en la banda k (W m-2 m-1).
cosi = Coseno del ngulo cenital del flujo incidente (complementario del ngulo de elevacin solar).
k,i = Transmisividad atmosfrica para el flujo descendente en la banda k.
Se aplic el mtodo de correccin de Chavez (1996), en Chuvieco et al. (2000), conocido como el de
la transmisividad de la atmsfera descendente por defecto, o mtodo de Extraccin del Objeto Oscuro,
y que en la ecuacin anterior usa los siguientes valores:
La,k = a0,k + a1,k NDmn. El NDmn del histograma en la banda k (ND= Nivel Digital).
k,i = 0,70, 0,78, 0,85, 0,91 para TM1, TM2, TM3 y TM4, respectivamente. Para TM5 y TM7 se toman
los valores obtenidos por Gilabert et al. (1994), en Chuvieco et al. (2000) (0,95 y 0,97).
Este mtodo recurre al Nivel Digital mnimo de cada banda, calculado a partir de los valores de los
pxeles en masas de agua limpias y profundas, como medida de la radiancia debida a la dispersin
atmosfrica (Chuvieco et al., 2000). De esta manera, los pxeles que contienen los valores de Nivel
Digital ms bajos (en masas de aguas limpias y profundas) se seleccionan de la imagen y su valor
representativo se resta a los valores del resto de la imagen para reducir las influencias de la dispersin
(Chen et al., 2005). Por otra parte, la transmisividad atmosfrica para el flujo descendente se extrapola
de experimentos fsicos llevados a cabo sobre atmsferas reales sin cobertura nubosa (Chuvieco et al.,
2000).
Al trmino de este proceso de correccin de las imgenes utilizadas, cada uno de los valores de pxel
conocido como Nivel Digital, entre 0 y 255, fue transformado a un valor de reflectividad, entre 0 y 1.
La correccin topogrfica es un procedimiento que permite compensar las diferencias de iluminacin
solar, debidas a la variacin altitudinal del terreno (Chuvieco et al, 2000). Se ha convertido en uno de
los pasos ms importantes en el pre-procesamiento de imgenes de teledeteccin en regiones
montaosas (Lu et al., 2008). Este efecto provoca que las zonas de umbra presenten una menor
reflectividad de lo que debieran, mientras que las zonas en solana presenten una reflectividad ms alta
de lo esperado (Chuvieco et al., 2000), an teniendo iguales coberturas vegetales. Esto puede dar lugar
a que durante el proceso de clasificacin, una misma formacin vegetal sea asignada a dos categoras
2 de 8

Propuesta metodolgica para la generacin de Cartografa de Hbitats de Inters Comunitario mediante teledeteccin

diferentes, por el hecho de tener una reflectividad diferente en funcin de que se encuentre en zona de
solana o de umbra. La correccin topogrfica puede mejorar la precisin en la clasificacin porque
reduce los efectos de la topografa en la reflectividad de la vegetacin, y realza las diferencias entre los
diferentes tipos y estructuras (Lu et al., 2008).
Para la correccin topogrfica, en primer lugar fueron descargadas y unificadas las hojas
correspondientes a nuestra zona de estudio del Modelo Digital del Terreno 1:50.000, disponible en el
Centro de Descargas del Instituto Geogrfico Nacional. Estos datos del Modelo fueron utilizados para
calcular pendientes y orientaciones en las imgenes. El ngulo cenital solar y el azimutal se obtuvieron
de los metadatos de la imagen Landsat TM5.
En segundo lugar se calcul la iluminacin (IL), es decir, el coseno del ngulo de incidencia ( i),
mediante la siguiente ecuacin [2] (Chuvieco et al., 2000):
[2]
Donde:
p

= pendiente del terreno: La inclinacin del terreno con respecto a la horizontal.

= ngulo cenital solar: El ngulo complementario de la elevacin solar.

a=

ngulo azimutal solar: La direccin del sol con respecto al Norte.

o=

ngulo de orientacin: El ngulo existente entre el vector que seala el Norte y la proyeccin

sobre el plano horizontal del vector normal a la superficie en ese punto.

Posteriormente, se eligi un mtodo de correccin topogrfica basado en la geometra SCS SunCanopy-Sensor. Segn destacan Soenen et al. (2005), en reas forestales ste es un mtodo ms
apropiado que las correcciones basadas en el terreno, ya que SCS mantiene el carcter geotrpico de
los rboles (crecimiento vertical), sin importar el terreno, la perspectiva o el ngulo de iluminacin.
Sin embargo, para algunas orientaciones del terreno, SCS experimenta un problema de
sobrecorreccin, por lo que estos autores propusieron una nueva correccin SCS+C que tiene en
cuenta la irradiancia atmosfrica difusa, basada en la C-correccin. Este mtodo de correccin
atmosfrica SCS+C fue el utilizado en el presente trabajo, ya que segn describen Soenen et al.
(2005), proporciona una correccin mejorada respecto al mtodo SCS y otros enfoques fotomtricos,
en un amplio rango de pendientes, exposiciones, etc.
El parmetro C posee una influencia moderadora, al emular el efecto de la iluminacin difusa del cielo
(Soenen et al., 2005). Este moderador se deduce de las ecuaciones [3] y [4], y se aplica al contexto
fsico mejorado del modelo SCS [5], obtenindose el modelo SCS+C [6]:
[3]

3 de 8

Propuesta metodolgica para la generacin de Cartografa de Hbitats de Inters Comunitario mediante teledeteccin

[4]

[5]

[6]
Donde:
L = radiancia sin corregir.
a = ordenada en el origen de la recta de regresin.
b = pendiente de la recta de regresin.
cos i = coseno del ngulo de incidencia de la luz (calculado en la ecuacin [2] como cos i.
Ln = radiancia normalizada (radiancia equivalente en una superficie plana con ngulo de incidencia
cero).
cos = coseno de la pendiente del terreno.
cos

= coseno del ngulo cenital solar.

Una vez realizado este clculo se obtuvo un valor medio de radiancia normalizada (L n), aplicable a la
totalidad de la imagen para efectuar la correccin topogrfica. Sin embargo, en base a lo descrito en un
trabajo realizado por Lu et al. (2008), la aplicacin de un nico valor global de correccin, aunque es
simple y fcil de implementar, puede ser poco til para la reduccin de los efectos topogrficos,
debido al amplio rango de pendientes existentes en zonas montaosas. De ah que en el presente
trabajo, con apoyo del estudio realizado por los autores anteriormente mencionados, se haya ido un
poco ms all, estableciendo cuatro clases de pendientes [7] para el clculo de la radiancia
normalizada, con un enfoque basado en el pxel que ajuste mejor la correccin en funcin de lo
pronunciada que sea dicha pendiente en cada caso.
1-120 / 12-200 / 20-350 / >350

[7]

En lugar de una nica recta de regresin que se ajuste a todo el rango de pendientes, para a partir de
ah obtener la radiancia normalizada, se calculan cuatro rectas de regresin mucho ms ajustadas a
cada uno de esos intervalos de pendiente preestablecidos.
Tras realizar la correccin topogrfica se verific cmo se haban eliminado ciertas sombras que
aparecan en las imgenes por la baja iluminacin, consiguiendo de esta manera homogeneizar la
variabilidad espectral dentro de cada una de las clases de vegetacin, y en definitiva, tipos de hbitat.

4 de 8

Propuesta metodolgica para la generacin de Cartografa de Hbitats de Inters Comunitario mediante teledeteccin

1. Bibliografa
Baker, C.; Lawrence, R.; Montagne, C.; Patten, D. (2006). Mapping wetlands and riparian areas using
landsat ETM+ imagery and decision-tree-based models. Wetlands 26: 465-474.
BOE (2007). LEY 42/2007, de 13 de diciembre, del Patrimonio Natural y de la Biodiversidad. BOE
299 (14 diciembre 2007): 51275-51327.
BOE (2011). Real Decreto 1274/2011, de 16 de septiembre, por el que se aprueba el Plan estratgico
del patrimonio natural y de la biodiversidad 2011-2017, en aplicacin de la Ley 42/2007, de
13 de diciembre, del Patrimonio Natural y de la Biodiversidad. BOE 236 (30 septiembre
2011): 103071-103280.
BOJA (2003). Decreto 251/2003, de 9 de septiembre, por el que se aprueban el Plan de Ordenacin de
los Recursos Naturales y el Plan Rector de Uso y Gestin del Parque Natural Sierra de
Cardea y Montoro. BOJA 213 (5 noviembre 2003): 23106-23179.
BOJA (2012). Decreto 493/2012, de 25 de septiembre, por el que se declaran determinados lugares de
importancia comunitaria como Zonas Especiales de Conservacin de la Red Ecolgica
Europea Natura 2000 en la Comunidad Autnoma de Andaluca. BOJA 200 (11 octubre 2012):
7-35.
Boyd, D. S.; Sanchez-Hernandez, C.; Foody, G. M. (2006). Mapping a specific class for priority
habitats monitoring from satellite sensor data. International Journal of Remote Sensing 27:
2631-2644.
Brodley, C. E.; Friedl, M. A. (1997). Decision tree classification of land cover from remotely sensed
data. Remote Sensing Environment 61: 399-409.
Brown De Colstoun, E. C.; Story, M. H.; Thompson, C.; Commisso, K.; Smith, T. G.; Irons, J. R.
(2003). National Park vegetation mapping using multitemporal Landsat 7 data and a decision
tree classifier. Remote Sensing Environment 85: 316-327.
Carreiras, J. M. B.; Pereira, J. M. C.; Pereira, J. S. (2006). Estimation of tree canopy cover in
evergreen oak woodlands using remote sensing. Forest Ecology and Management 223: 45-53.
Castaeda, C.; Ducrot, D. (2009). Land cover mapping of wetland areas in an agricultural landscape
using SAR and Landsat imagery. Journal of Environmental Management 90: 2270-2277.
Chastain Jr, R. A.; Townsend, P. A. (2007). Use of Landsat ETM and topographic data to characterize
evergreen understory communities in Appalachian deciduous forests. Photogrammetric
Engineering & Remote Sensing 73: 563-575.
5 de 8

Propuesta metodolgica para la generacin de Cartografa de Hbitats de Inters Comunitario mediante teledeteccin

Chen, X.; Vierling, L.; Deering, D. (2005). A simple and effective radiometric correction method to
improve landscape change detection across sensors and across time. Remote Sensing of
Environment 98: 63-79.
Chuvieco Salinero, E. (2002). Teledeteccin ambiental: la observacin de la Tierra desde el espacio.
Ariel, Barcelona.
Chuvieco Salinero, E.; Riao, D.; Salas Rey, F.J. (2000). Correccin atmosfrica y topogrfica,
informacin multitemporal y auxiliar aplicadas a la cartografa de modelos de combustible con
imgenes de Landsat-TM. Tecnologas Geogrficas para el Desarrollo Sostenible.
Departamento de Geografa. Universidad de Alcal 2000: 222-239.
Consejera de Medio Ambiente, Junta de Andaluca (2004). Formulario normalizado de datos Natura
2000. LIC: ES6130001. Direccin General de la Red de Espacios Naturales Protegidos y
Servicios Ambientales, Sevilla.
Consejo Europeo (1992). Directiva 92/43/CEE, relativa a la conservacin de los hbitats naturales y
de la fauna y flora silvestres. Consejo Europeo, Bruselas.
Costa Prez, J. C.; Valle Tendero, F. (2004). Datos botnicos aplicados a la gestin del medio
ambiente andaluz: series de vegetacin. Direccin General de Gestin del Medio Natural,
Sevilla.
Ding, F.; Fan, P. (2011) Integration of spectral indices, digital elevation data and support vector
machines for land use classification in hilly areas. Key Laboratory of Humid Subtropical Ecogeographical Process. Fujian Normal University (China).
Daz Varela, R. A.; Ramil Rego, P.; Calvo Iglesias, S.; Muoz Sobrino, C. (2008). Automatic habitat
classification methods based on satellite images: A practical assessment in the NW Iberia
coastal mountains. Environ Monit Assess 144: 229-250.
Fahsi, A.; Tsegaye, T.; Tadesse, W.; Coleman, T. (2000). Incorporation of digital elevation models
with Landsat-TM data to improve land cover classification accuracy. Forest Ecology and
Management 128: 57-64.
Gitelson, A. A. (2004). Wide Dynamic Range Vegetation Index for Remote Quantification of
Biophysical Characteristics of Vegetation. Journal of Plant Physiology 161: 165-173.
Hill, M. J.; Vickery, P. J.; Furnival, E. P.; Donald, G. E. (1999). Pasture land cover in eastern
Australia from NOAA-AVHRR NDVI and classified Landsat TM. Remote Sensing of
Environment 67: 32-50.

6 de 8

Propuesta metodolgica para la generacin de Cartografa de Hbitats de Inters Comunitario mediante teledeteccin

Joy, S. M.; Reich, R. M.; Reynolds, R. T. (2003). A non-parametric, supervised classification of

vegetation types on the Kaibab National Forest using decision trees. International Journal of
Remote Sensing 24: 1835-1852.
Lu, D.; Ge, H.; He, S.; Xu, A.; Zhou, G.; Du, H. (2008). Pixel-based Minnaert correction method for
reducing topographic effects on a landsat 7 ETM+ image. Photogrammetric Engineering &
Remote Sensing 74: 1343-1350.
Makkeasorn, A.; Chang, N.; Li, J. (2009). Seasonal change detection of riparian zones with remote
sensing images and genetic programming in a semi-arid watershed. Journal of Environmental
Management 90: 1069-1080.
McDermid, G. J.; Franklin, S. E.; LeDrew, E. F. (2005). Remote sensing for large-area habitat
mapping. Progress in Physical Geography 29: 449-474.
Melendo Luque, M. (1998). Cartografa y ordenacin vegetal de Sierra Morena: Parque Natural de
las Sierras de Cardea y Montoro (Crdoba). Tesis doctoral, Universidad de Jan, Jan.
Ministerio de Agricultura, Alimentacin y Medio Ambiente. Direccin General de Calidad y
Evaluacin Ambiental y Medio Natural (2005). Atlas y Manual de los Hbitats Naturales y
Seminaturales de Espaa. Ministerio de Agricultura, Alimentacin y Medio Ambiente,
Madrid.
Naciones Unidas (1992). Convenio sobre la Diversidad Biolgica. Naciones Unidas, Ro de Janeiro.
Price, K. P.; Guo, X.; Stiles, J. M. (2002). Optimal Landsat TM band combinations and vegetation
indices for discrimination of six grassland types in eastern Kansas. International Journal of
Remote Sensing 23: 5031-5042.
Sesnie, S. E.; Gessler, P. E.; Finegan, B.; Thessler, S. (2008). Integrating Landsat TM and SRTMDEM derived variables with decision trees for habitat classification and change detection in
complex neotropical environments. Remote Sensing of Environment 112: 2145-2159.
Singh, A.; Garg, P. K.; Singh, S. (2012). A change vector analysis technique for monitoring of
vegetation regeneration and deforestation: a case study of Chiriapur and Shampur range:
Haridwar forest division. International Journal of Advanced Scientific and Technical
Research 4: 329-341.
Soenen, S. A.; Peddle, D. R.; Coburn, C. A. (2005). SCS+C: A modified sun-canopy-sensor
topographic correction in forested terrain. IEEE Transactions on Geoscience and Remote
Sensing 43: 2148-2159.

7 de 8

Propuesta metodolgica para la generacin de Cartografa de Hbitats de Inters Comunitario mediante teledeteccin

Tuanmu, M.; Via, A.; Bearer, S.; Xu, W.; Ouyang, Z.; Zhang, H.; Liu, J. (2010). Mapping understory
vegetation using phenological characteristics derived from remotely sensed data. Remote
Sensing of Environment 114: 1833-1844.
Via, A.; Bearer, S.; Zhang, H.; Ouyang, Z.; Liu, J. (2008). Evaluating MODIS data for mapping
wildlife habitat distribution. Remote Sensing of Environment 112: 2160-2169.
VV.AA. (2009). Bases ecolgicas preliminares para la conservacin de los tipos de hbitat de inters
comunitario en Espaa. Ministerio de Medio Ambiente y Medio Rural y Marino, Madrid.
Wood, E. M.; Pidgeon, A. M.; Radeloff, V. C.; Keuler, N. S. (2012). Image texture as a remotely
sensed measure of vegetation structure. Remote Sensing of Environment 121: 516-526.

8 de 8