Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Presentado por:
Presentado por:
Presentado a:
IC MSC DIANA CATALINA MUOZ
INTRODUCCIN
OBJETIVOS
Objetivo General
Emplear imgenes satelitales Landsat y realizar las correcciones radiomtricas y
espectrales para cada caso.
Objetivos Especficos
Emplear informacin estadstica de las imgenes para calcular el factor OIF.
Determinar la mejor composicin de bandas espectrales de la imagen de acuerdo al
parmetro OIF.
Establecer los niveles digitales de diferenciacin de vegetacin para el caso de una
imagen de estudio.
GENERALIDADES
Una imagen de satlite est sometido a una serie de interferencias que hacen que la informacin que
quiere obtenerse aparezca perturbada por una serie de errores.
_ Fallos en los sensores, generan pixeles incorrectos (correccin radiomtrica)
_ Alteraciones en el movimiento del satlite y el mecanismo de captacin de los sensores, generan
distorsiones en la imagen global (correccin geomtrica)
_ Interferencia de la atmsfera, alteran de forma sistemtica los valores de los pixeles (correccin
atmosfrica).
De estas imgenes se puede decir que la imagen que permite una mejor discriminacin de
las coberturas es la combinacin de bandas 742, se puede apreciar en tonos de color verde
la vegetacin de la regin, en tonos color lavanda y rosa el suelo descubierto
Mediante el uso de la informacin estadstica de cada banda de la imagen se procede a
calcular el ndice de Factor ptimo (OIF). Para esto es necesario hacer uso de la
herramienta Metadata para conocer los valores de mnimos y mximos del histograma de
frecuencia, as como la media y la desviacin estndar. En la figura 1.3 se puede observar
la ventana de metadatos desplegada para la banda 1 con su respectivo histograma.
Media
65.426
30.517
Desv. Estndar
14.711
8.931
Mnimo
1
1
Mximo
255
255
B3
B4
B5
32.065
68.214
84.993
14.721
14.997
34.197
1
1
1
255
255
255
12.358
19.492
1
1
239
255
B6
143.644
B7
35.266
Fuente. Datos de estudio.
El uso de esta informacin es necesario para realizar el clculo del factor ptimo de la
imagen. A continuacin se emplea una ecuacin matemtica con el fin de determinar el
OIF.
OIF=
Ecuacin (1)
Para el clculo del coeficiente de correlacin es necesario emplear la funcin Model Maker
de la herramienta Toolbox. Hecho esto se obtiene el modelo que se puede apreciar en la
figura 1.4.
Figura 1.4. Clculo de coeficiente de correlacin.
El uso de este modelo genera una matriz de valores para la imagen de estudio que se
pueden apreciar en la tabla 1.2.
0.96
0.93
0.24
0.82
0.64
0.84
0.96
0.96
0.29
0.87
0.64
0.88
0.93
0.96
0.20
0.90
0.66
0.93
0.24
0.29
0.20
0.30
0.26
0.15
0.82
0.87
0.90
0.30
0.71
0.96
0.64
0.64
0.66
0.26
0.71
0.66
0.84
0.88
7
Fuente. Datos de estudio
0.93
0.15
0.96
0.66
Una vez obtenidos estos valores numricos para cada banda se procede a calcular el OIF
mediante la ecuacin 1. Los valores que se obtuvieron se encuentra resumidos en la tabla
1.3., para efectos de este ejercicio se emplearon combinaciones de bandas conocidas por
nosotros para determinar cul de todas es la mejor combinacin a tener en cuenta en
anlisis de clasificacin usando el criterio OIF.
Tabla 1.3. Factor del ndice Optimo OIF
N
RGB
321
Suma de
desviaciones
Estndar
38.363
432
3
4
Suma Coef.
Correlacin
OIF
Combinacin
2.85
13.46
38.649
1.45
26.25
453
63.913
1.9
33.63
742
49.21
1.32
37.28
TM TRUE COLOR
TM FALSE COLOR
IR
TM FALSE
NATURAL COLOR
TM PSEUDO
COLOR
Figura 2.1. Agrupacion estandar de niveles digitales segn Erdas Imagine 2014.
De acuerdo a la clasificacin visual, se asignaron los siguientes rangos de niveles para las
coberturas estudiadas. Los resultados se pueden apreciar en la tabla 2.1.
Tabla 2.1. Rangos de Niveles Digitales
COBERTURA
VEGETACIN
URBANO-SUELO
AGUA
RANGO DE NIVELES
DIGITALES
67 254
35 - 66
2 -34
COLOR
AMARILLO
MAGENTA
AZUL
Los ajustes radiomtricos por diferentes mtodos generan sobre la imagen cambios de color
en las coberturas terrestres. Cada mtodo imprime sobre la imagen cambios de contraste y
aumento de brillo, se puede apreciar que la aplicacin de estos mtodos aumenta o
disminuye una buena apreciacin de las coberturas y pueden ser un soporte a implementar
para clasificar visualmente.
3.3. MEJORAMIENTO ESPACIAL.
Jensen (1986) define la frecuencia espacial como el nmero de cambios de valores de
brillo por unidad de distancia de una porcin de la imagen.
ERDAS incluye los filtros para disminuir la frecuencia filtros de Paso Bajo; y para
aumentar la frecuencia o resaltar los bordes- filtros de Paso Alto. Tambin existe la opcin
de filtros direccionales, que resaltan las caractersticas lineales de las imgenes.
Imagen con filtro 5x5 High Pass (Figura 3.10): Este filtro agrupa los ND de las coberturas
se puede apreciar que el Circo del volcn (Cono glaciar) se encuentra mas definido en sus
bordes y no tan disperso como en la imagen sin filtro, esto mismo se puede apreciar para la
cobertura vegetal.
Ecuacin (2)
Donde:
BIRC = Banda del Infrarrojo cercano.
BR = Banda del Visible Rojo.
Los valores del NDVI son valores numricos reales, que van desde -1 a +1, donde la
vegetacin est presente en el rango de 0.1 (menor vigor vegetal) hasta 1.0 (mayor vigor
vegetal), los valores menores de este rango representa ausencia de vegetacin.
Para los dos casos es difcil percibir cambios significativos de una a la otra. Realizando un
anlisis de clasificacin visual se puede decir que los tonos rojos y amarillos corresponden
a una cobertura vegetal, en tonos magenta se presentan los suelos descubiertos. Los ndices
de vegetacin como los calculados y empleados en la imagen anterior, son de vital
importancia para facilitar el anlisis visual en la clasificacin de coberturas, estos generan
un realce en las reas con mayor vigor de vegetacin, y al igual ayudan a reducir el efecto
de sombra causado por la topografa.
CONCLUSIONES
Los filtros son herramientas que nos permiten realizar ajustes a las imgenes satelitales con
el fin de determinar cul es la mejor opcin cuando deseamos realizar clasificaciones
visuales de coberturas, por lo general los filtros aumentan o disminuyen caractersticas en la
imagen.
La informacin estadstica contenida en las imgenes satelitales es una fuente de aporte
pues nos permiten determinar la mejor combinacin de bandas mediante el IOF con el fin
de realizar una mejor clasificacin en base a una mejor discriminacin de coberturas
terrestres.
Los ndices de Vegetacin Normalizada (NVDI) y Transformada (TNVDI), mediante sus
algoritmos distinguir la cobertura vegetal, en las imgenes analizadas se pueden observar
un rango de colores desde el rojo, amarillo y verde lo cual puede ser un indicio de cuan
vigorosa se encuentra la vegetacin segn la escala de colores o qu tipo de vegetacin est
siendo analizada.
REFERENCIAS
www.usgs.gov/imagery