Mi Comunidad, Nuestra Tierra: Geografa para el Desarrollo

Sostenible (MyCOE)

Taller: Introduccin a Aplicaciones de Tcnicas Espaciales para la

Conservacin de la Biodiversidad
Universidad Tecnolgica de Panam
Ciudad de Panam. 28 de enero a 1ro de febrero, 2008
MODULO SOBRE TELEDECCION Y ANALISIS DE CAMBIO DE USOS Y
COBERTURA DE LA TIERRA
Preparado por: Rebecca Beard, M.A.
TABLA DE CONTENIDOS
Titulo
OBJETIVOS DEL MODULO
General
Especficos
DISCUSION SOBRE LA TECNICA DE
PERCEPCION REMOTA
Base Terica
Aplicaciones
APLICACION
Objetivo General
Datos
Programas
Instrucciones
Productos
REFERENCIAS

Pgina
1
1
1
2
2
8
12
12
12
13
13
25
25

1. OBJETIVOS DEL MODULO

General
Proporcionar conceptos y procedimientos bsicos en el anlisis espacial mediante
tcnicas de percepcin remota o teledeteccin.
Especficos
Familiarizarse con las tcnicas de anlisis espacial para la deteccin de cambios en el uso
y cobertura de la tierra, especficamente con la combinacin de sensores remotos y
sistemas de informacin geogrfica (SIG).

2. DISCUSION SOBRE LA TECNICA DE PERCEPCION REMOTA

Base Terica
Teledeteccin o percepcin remota es la tcnica usada para la adquisicin de datos e
informacin sobre algunas propiedades de un objeto por medio de un instrumento no en
contacto directo con el objeto de inters. Percepcin remota es la medida de propiedades
fsicas, qumicas y biolgicas de objetos sin el contacto directo.

Como trabajan los sistemas

Percepcin remota es la deteccin y medicin de energa electromagntica que

emana de objetos distantes de manera tal que el usuario puede identificar y categorizar
eses objetos en base a su clase, sustancia y distribucin espacial. Los componentes
bsicos de un sistema de percepcin remota incluyen un mdulo de adquisicin de datos
y un mdulo de extraccin de informacin a partir de esos datos. El componente de
adquisicin de datos involucra el diseo, construccin, calibracin, evaluacin y
operacin de sensores. Para extraer informacin, los datos generados por los satlites
deben ser procesados e interpretados. Un sistema de percepcin remota requiere tambin
de datos de campo, que contribuirn a mejorar los modelos conceptuales o especficos
que permitan interpretar los datos espectrales en trminos de fenmenos biofsicos o
geogrficos. Los datos corresponden a los valores medidos de un atributo por un sensor.
La informacin incluye una interpretacin de los datos de manera tal que ahora es posible
describir un aspecto de un objeto.
Aparatos miden radiacin electromagntica, acstica o campos de fuerza.
(1)
Activos: Sensores activos generan su propia energa electromagntica para
recibir posteriormente la energa del objeto de inters y as capturar sus
caractersticas de textura y espectrales.
(2)
Pasivos: Sensores pasivos dependen de la energa de radiacin solar o de
la energa de radiacin terrestre.

Percepcin Remota Pasiva

Sol

Percepcin Remota Activa

Procesamiento de Imgenes
RADAR

Absorcin
Atmosfrica

Absorcin
Atmosfrica
Reflectancia
Atmosfrica
Reflejada
por
objetos

Emitido
por
sensor

Reflejada
por objetos

Emitido por
objetos

Figura 1. Tipos de percepcin remota.

Reflectancia y longitudes de onda

Los distintos tipos de superficie difieren en su comportamiento espectral. Las

diferencias dependern de una cantidad de factores ligados por un lado a las
caractersticas qumicas o estructurales de las superficies. La reflectancia (i.e. radiacin
reflejada/radiacin incidente) de una superficie tendr un comportamiento diferencial de
acuerdo a la longitud de onda. Consideremos tres categoras de superficie con las cuales
la radiacin proveniente del sol puede interactuar: el agua, el suelo y la vegetacin.
Cuando sobre un cuerpo de agua incide igual cantidad de radiacin azul, verde,
roja e infrarroja (IR) observaremos que la reflectancia es pequea en cualquiera de esas
longitudes de onda pero que es mayor en para la radiacin azul que para la verde. A su
vez est ltima se reflejar ms que la roja. La cantidad de radiacin reflejada en el IR
ser mnima. Este comportamiento est asociado a que buena parte de la radiacin
incidente en estas longitudes de onda es transmitida y absorbida por el cuerpo de agua.
Dentro de este patrn general la reflectancia del agua se ver modificada por los
sedimentos presentes, el contenido de clorofila y la profundidad y caractersticas del
fondo. Si la misma radiacin que incida sobre el agua lo hace sobre el suelo la energa
reflejada variar en calidad respecto del incidente. Por un lado el suelo reflejar ms
radiacin en el visible. La reflectancia aumentar con la longitud de onda, desde el rojo
al infrarrojo. La mineraloga ejerce un fuerte control del comportamiento reflectivo de

los suelos. Por ejemplo, los suelos laterticos con alto contenido de xido frrico tienen
una mayor refelctancia en el rojo. La textura de la superficie del suelo, el contenido de
materia orgnica y de agua determinar tambin la reflectancia total del suelo, a mayor
rugosidad, contenido de agua sin materia orgnica ms oscuro (menos reflectivo) el
suelo.
La vegetacin muestra un comportamiento reflectivo particular. Por un lado
muestra un pico de reflexin en la porcin verde de espectro visible, por eso vemos de
este color a la vegetacin. La absorcin ser alta, y por lo tanto la reflectancia baja, en
las longitudes de onda correspondientes al azul y el rojo. Esto se debe a que a esas
longitudes de onda tiene su pico de absorcin la clorofila. En la zona de transicin entre
el visible y el infrarrojo cercano se produce un cambio muy marcado en la reflectancia de
la vegetacin. En un rango pequeo de longitudes de onda (menos de 20 nm) la
reflectancia puede aumentar ms de 10 veces. Si bien la magnitud puede variar, el pico
de reflectancia en el IR cercano es tpico de la vegetacin activa. Este comportamiento
est asociado a la estructura de las hojas, particularmente a la del mesfilo. Si bien las
plantas poseen pigmentos que absorben en estas longitudes de onda (fitocromos), estos
estn involucrados en la deteccin de seales de baja intensidad y por lo tanto no
absorben cantidades significativas de radiacin en esta porcin del espectro. Adems de
la cantidad y tipo de pigmentos y de la estructura foliar otros factores afectarn la
cantidad de radiacin reflejada. El estado hdrico de las plantas modificar la reflectancia
en el IR medio. La presencia de una dimensin vertical en un dosel hace que otros
factores tengan influencia en la respuesta espectral de la vegetacin. La arquitectura del
dosel junto con el ngulo de elevacin solar modificarn la distribucin de la radiacin
en el dosel y por lo tanto la cantidad de radiacin reflejada. La presencia de material
seca o muerta dentro del dosel modificar su comportamiento ya que parte de la
radiacin ser interceptada por un material con un comportamiento espectral diferente al
de las hojas verdes.
Los espectros de reflectancia brindan la posibilidad de comparar y caracterizar el
comportamiento de distintas superficies. La reflectancia es una funcin de la longitud de
onda. Cada superficie presentar una curva caracterstica a partir de las cuales es posible
identificar tipos individuales. De la observacin de las curvas resulta evidente que no es
posible separar simultneamente las distintas superficies representadas usando slo una
banda particular del espectro. Si bien es posible separar el agua del suelo o la vegetacin
mediante una observacin en el IR nos resulta imposible discriminar entre suelo y
vegetacin en cualquier porcin del espectro visible o del IR cercano. La variacin
interna que muestran los suelos y la vegetacin hace que en una banda del espectro
ambas superficies puedan reflejar la misma cantidad de radiacin. Esto depender de la
cantidad de pigmentos y estructura de la hoja o del contenido hdrico y de materia
orgnica del suelo. Sin embargo s es posible la separacin si se consideran
simultneamente ms de una banda. Por ejemplo, para un mismo valor de reflectancia en
el IR cercano una superficie vegetada reflejar mucho menos en el rojo que el suelo. El
potencial de la percepcin remota de la energa reflejada para discriminar superficies
deriva en buena medida del uso de varia bandas del espectro, se llama anlisis
multiespectral.

rayos
gamma

rayos X

10-12

10-14

rayos
ultra
violeta

10-8

10-10

rayos
infrarrojos
10-4

10-6

radar

10-2

FM TV

onda corta
AM

102
104
Longitud de onda (metros)

Luz Visible

400

500

600

700

Longitud de onda (nanmetros)

Figura 2. Diagrama del espectro electromagntico y longitudes de onda.

visible

IR cercano

IR medio

alfalfa
hoja de arce
suelo franco seco
suelo franco humedo
agua turbia
agua clara

Porcentaje

Reflectancia
80

60

40

20

0
0-4

0-8

1-2
1-6
Longitud de onda (micrometros)

2-0

2-4

Figura 3. Ejemplos de curvas de reflectancia de distintas superficies (Paruelo, 2007).

Tipos de satlites

Los satlites en general se caracterizan por el tipo de resolucin. La resolucin

puede ser de tres tipos: espectral, temporal y espacial. La resolucin espectral se refiere al
nmero de bandas o capas de almacenamiento de informacin espectral. La resolucin

temporal se refiere al periodo de adquisicin de datos del satlite. La resolucin espacial

se refiere al nivel de detalle que puede ser obtenido por el satlite y generalmente se
representa mediante la dimensin del pxel. La siguiente tabla presenta los tipos de
satlites ms comnmente usados y las resoluciones de cada uno.
Tabla 1. Caractersticas de los distintos satlites.
resolucin
resolucin
espacial
temporal

resolucin
espectral

LANDSAT

28.5 m

8 16 das

8 bandas

SPOT

10-20 m

10 das

4 bandas

ASTER

15 60 m

16 das

15 bandas

IKONOS

14m

5 das

4 bandas

5 das

4 bandas

8 das, 16 das

7 bandas (500 m) y
2 bandas (250 m)

QUICKBIRD 0.61 2.44 m

MODIS

250 1000 m

Herramientas relacionadas

Los siguientes programas son ejemplos de software gratis o freeware, desarrollados por
diferentes organizaciones para el anlisis de imgenes digitales:
MultiSpec (http://cobweb.ecn.purdue.edu/~biehl/MultiSpec/)
MultiSpec est disponible para las plataformas de Windows y Macintosh, y se
est desarrollando en la universidad de Purdue. Fue diseado originalmente como
una herramienta de enseanza pero ahora es utilizada por muchos usuarios de la
percepcin remota. MultiSpec ofrece algunas herramientas sofisticadas de la
clasificacin de imgenes.
FWTools (OpenEV) (http://openev.sourceforge.net/)
OpenEV es un programa que exhibe y analiza datos geoespaciales en formato
vector y raster. Funciona en Windows, Linux y algunas otras plataformas del
Unix, y una plataforma para Macintosh est en marcha. La actividad del
desarrollo es absolutamente activa y muchas nuevas capacidades estn en marcha.
ste es uno de los paquetes libres ms ampliamente utilizados de la visualizacin
de imgenes remotamente adquiridas.
NASA Image2000 (http://www.ccpo.odu.edu/SEES/ocean/oc_i2k_soft.htm)
Image2000 es un paquete para el proceso de imagenes basado en Java que fue
desarrollado por la NASA. El desarrollo ha parado actualmente pero el programa
est disponible para la transferencia directa. Image2000 proporciona una amplia
gama de funciones pero se limita en que no maneja adecuadament sets grandes de
datos.

GRASS (http://grass.itc.it/index.php)
GRASS fue desarrollado originalmente por el Cuerpo de Ingenieros de Estados
Unidos en los aos 80. GRASS es un SIG de gran alcance basado en raster con
muchas capacidades de procesamiento de imgenes. Es sobre todo un programa
de lneas de comando diseado para funcionar en plataformas de Windows, de
Mac OSX, y de Linux. GRASS es un poco incmodo para usuarios novatos.
OSSIM (http://www.ossim.org/OSSIM/OSSIMHome.html)
OSSIM usa algoritmos, herramientas y paquetes existentes para construir una
herramienta integrada para el procesamiento de imgenes remotamente adquiridas
y anlisis espacial. El equipo de desarrollo cre recientemente una interfase
grfica para OSSIM llamado ImageLinker, que funciona en todos los sistemas
operativos importantes.
RESORTE (http://www.dpi.inpe.br/spring/)
El Instituto Nacional Para la Investigacin del Espacio (INPE) de Brasil est
desarrollando RESORTE. El software puede exhibir y analizar imgenes
remotamente adquiridas, y proporciona una combinacin de SIG y de capacidades
de procesamiento de imgenes. RESORTE est sobre todo disponible en espaol
y portugus, y funciona en las computadoras con Unix y Windows.
Los siguientes programas son ejemplos de software comerciales comnmente usados:
ERDAS Imagine (http://gi.leica-geosystems.com/default.aspx)
Imagine es una paquete de software basado en raster, y diseado especficamente
para extraer informacin de imgenes remotamente adquiridas. El programa
incluye un sistema comprensivo de herramientas para crear imgenes para la
inclusin en un SIG y actualmente ofrece la opcin de crear capas de informacin
que pueden ser integradas en el formato Geodatabase de ESRI. La variedad de
herramientas permite que el usuario analice datos de las imgenes y los presente
en varios formatos.
Image Analysis de ArcGIS
(http://gi.leica-geosystems.com/LGISub1x41x0.aspx)
Image Analysis de ArcGIS se utiliza para preparar imgenes que pueden ser
usadas directamente en un SIG, para posteriormente analizar y extraer
informacin de ellas. Esta extensin de ArcGIS le permite al usuario extraer la
informacin actualizada de imgenes directamente en una estructura tipo
geodatabase de ESRI. Los problemas que usualmente se generan cuando se
aplican procesos de varios pasos puede ser evitados trabajando directamente con
los datos en un geodatabase. Tambin es posible realizar clasificaciones de la
vegetacin para determinar la composicin y cobertura vegetal. Adicionalmente,
la deteccin del cambio se puede realizar en las imgenes capturadas en diversos
tiempos. Las tcnicas del realce de la imagen estn disponibles para, por ejemplo,
ajustar brillo y contraste.

TNTmips (http://www.microimages.com/)
TNTmips es un sistema del anlisis geoespacial que proporciona un SIG
completo, un sistema de manejo de set de datos relacionales, un sistema
automatizado de procesamiento de imgenes con CAD, herramientas para el
modelamiento superficial, y herramientas para publicar los datos. TNTmips tiene
un solo sistema integrado con un interfaz, una funcionalidad, y una estructura de
geodatos para el uso en varios sistemas operativos.
ERMapper (http://www.ermapper.com/)
ERMapper es un paquete para el procesamiento de imgenes y para otros usos de
las ciencias de la tierra y de la percepcin remota. Ha sido diseado para
manipular sets grandes de datos de recursos naturales (e.g. datos del satlite,
geofsicos, ssmicos). Los usuarios pueden realizar integraciones complejas de
datos y operaciones complejas de proceso de imgenes, en capas mltiples.
Contiene una biblioteca de algoritmos estndares para el realce de la imagen, la
clasificacin y la sntesis de los datos. ERMapper puede combinarse, acortar,
muestrear, cambia la escala y hacer mosaicos de sets mltiples de datos
automticamente. Los datos raster se pueden cambiar a partir de una proyeccin
del mapa a otra. La capacidad para visualizacin 3D permite que los usuarios
vean datos vector y raster en 3D y obtener una mejor perspectiva de las escenas y
del sobrevuelo. Los usuarios pueden ver datos en estreo por lentes de LCD, y
pueden generar pares estereoscpicos de papel. Se da soporte a cerca de 100
formatos para la importacin y exportacin de raster y vector, y hay acceso
directo a las coberturas de ARC/INFO.
IDRISI (http://www.clarklabs.org/)
IDRISI es un software integrado de SIG y de procesamiento de imgenes, que
proporciona ms de 250 mdulos para el anlisis y exhibicin de informacin
espacial digital. Herramientas para la planificacin espacial, la toma de
decisiones, y el anlisis de riesgo son incluidas junto con herramientas para la
estadstica espacial, el anlisis superficial, y modelamiento espacial. IDRISI se
utiliza para explorar, predecir, y modelar los impactos en cambio de la cubierta de
tierra con la utilidad del Land Change Modeler. El programa puede procesar
imgenes remotamente adquiridas con tcnicas convencionales de procesamiento
de imgenes. Las herramientas para el manejo de incertidumbre se pueden
utilizar para asignar recursos y para crear mapas de factibilidad. Pares de
imgenes pueden ser comparados, y las tendencias y las anomalas pueden ser
analizadas a partir de imgenes adquiridas en periodos largos de tiempo.
Aplicaciones

Aplicaciones en general
Los Gegrafos usan los sensores remotos, por ejemplo, para el inventario de
recursos naturales y para la deteccin de cambios en la cobertura y uso del suelo.

Para este tipo de aplicaciones, se requiere realizar clasificaciones digitales de

imgenes satelitales en base a sistemas estndares o personalizados de
categorizacin.
Los Arquelogos utilizan la percepcin remota para identificar caractersticas
topogrficas o arqueolgicas que no se pueden detectar en fotografas
convencionales. Por ejemplo, las especies de vegetacin y la estructura de
crecimiento relacionadas con las caractersticas arqueolgicas enterradas se
pueden identificar y clasificar en imgenes remotamente adquiridas.
El espacio pblico puede ser manejado ms fcilmente usando la informacin
adquirida remotamente para clasificar las reas de disturbio de un sitio,
determinar los cambios en calidad del agua, cubierta de la vegetacin, y
topografa. Los mapas de la deteccin del cambio se pueden producir para
determinar y para cuantificar cambios en disturbio, cubierta de la vegetacin y en
terreno en un cierto periodo.
Los Bilogos utilizan imgenes remotamente adquiridas para identificar
biodiversidad en regiones para la conservacin. El xito de la re-vegetacin en
reas restauradas puede ser identificado, cuantificado y supervisado en un cierto
periodo. Se pueden realizar las clasificaciones de la vegetacin para determinar la
cubierta y la composicin del tipo de vegetacin. Las reas de pantano pueden
ser delineadas y supervisadas, y el cambio en cubierta y grado del bosque puede
ser predicho.
Los Gelogos utilizan las imgenes basadas en los satlites para identificar zonas
de fallas, estudiar la geomorfologa de formas de la tierra especficas, determinar
los cambios dinmicos de los acontecimientos naturales, interpretar las
caractersticas superficiales que indican depsitos minerales, del petrleo y gas, y
del agua subterrnea.
Los Hidrologos pueden desarrollar sistemas de supervisin de la calidad del agua
con imgenes de satlites identificando los sitios en donde el agua subterrnea se
descarga a la superficie, y determinando el grado y la intensidad de la
contaminacin del agua.
Los Cientficos del suelo pueden proporcionar detalles adicionales a las
encuestas existentes sobre el suelo para delinear tipos del suelo con datos
remotamente adquiridos, y el potencial para la erosin y la deposicin del suelo
puede ser modelado.

Aplicaciones avanzadas
Percepcin remota de Marte (http://www.mars.asu.edu/)
El Sistema de Proyeccin de Imgenes de Emisin Termal (THEMIS en ingls)
da a cientficos una vista global de Marte en las longitudes de onda visibles e

infrarrojas. Llevado a bordo de la nave espacial Mars Odyssey de la NASA,

THEMIS circunda Marte una vez cada dos horas en una rbita casi polar.
Esencialmente, el planeta rojo entero pasa bajo su vista. THEMIS es una cmara
fotogrfica de varias bandas que trabaja en cinco longitudes de onda visibles y
diez longitudes de onda infrarrojos. Las imgenes visibles consideran los
detalles en la superficie tan pequea como 18 metros de ancho; las imgenes
infrarrojas pueden detectar caractersticas 100 metros a travs. La cobertura
global deja a cientficos investigar preguntas con respecto a los volcanes, crteres,
dunas de arena, polvo atmosfrico y cambia en los casquillos polares. Adems, la
proyeccin de imgenes de varias bandas, que combina dos o ms vistas tomadas
en diversas longitudes de onda, puede dejar a cientficos estudiar las
caractersticas de los materiales superficiales a travs del planeta.
Los investigadores de la Facilitadora del Vuelo Espacial de Marte en Arizona
State University estn construyendo herramientas basadas en mapas para
apresurar el acceso a las imgenes y a los datos de las misiones presentes y
pasadas a Marte. Los datos ahora en el Internet incluyen imgenes del orbiters de
Viking 1 y 2, la Cmara Fotogrfica Orbiter de Marte (MOC) y Sistema de la
Proyeccin de Imgenes de la Emisin Termal (THEMIS). Otra herramienta del
software, JMARS, es una aplicacin basada en Java desarrollado en la
Facilitadora del Vuelo Espacial de Marte. Esta deja a usuarios combinar varios
sets de datos de muchas misiones e instrumentos en una sola imagen.
Anlisis de textura: clasificaciones orientadas a objetos
La textura se refiere al patrn de las variaciones del brillo dentro de una imagen, e
incluye conceptos tales como uniformidad, tosquedad, regularidad, frecuencia, y
linearidades. Las diferencias en textura se pueden ilustrar por imgenes de
diversos materiales (e.g. paja, arena, tela, madera). Para describir textura, el
acercamiento estructural puede ser utilizado, que asume que las imgenes estn
compuestas de los elementos primitivos repetidos en cierto patrn. Usando el
acercamiento estructural, la textura sera caracterizada describiendo la forma, el
tamao y otras caractersticas de los elementos y de su patrn de la repeticin.
Para aplicar el acercamiento estructural al patrn del paisaje, la estructura del
paisaje se describe en trminos de tamao, forma y configuracin del parche
dentro de una matriz (Musick y Grover, 1991). Sin embargo, los patrones
naturales tienen a menudo ni elementos fijos obvios ni un patrn fijo de la
repeticin (Nevatia, 1982). As, la textura se puede tambin caracterizar por las
caractersticas estadsticas de una vecindad de pixeles. Tcnicas de percepcin
remota pueden ayudar a capturar la variacin local de la intensidad y otras
estadsticas derivadas de distribuciones de frecuencia de los pixeles para
cuantificar las caractersticas de objetos (Woodcock y Strahler, 1987).

Acceso a informacin
Bases de datos en el internet:

10

Universidad de Maryland, Global Land Cover Facility (Facilitadora de

Cobertura Global de la Tierra) (http://glcf.umiacs.umd.edu/index.shtml)
La Facilitadora de Cobertura Global de la Tierra (GLCF en ingls) es un centro
para la ciencia de la cubierta de tierra con el enfoque en investigacin usando
datos de satlites para determinar el cambio de la cubierta de tierra en sistemas
locales y globales. El GLCF desarrolla y distribuye los datos de satlites y los
productos que explican la cubierta de tierra de las escalas locales a globales. El
Interfaz de los Datos de la Ciencia de la Tierra (ESDI en ingles) es la aplicacin
del Internet de GLCF para buscar y bajar datos.

Figura 4. Estas son las opciones para bajar datos de satlites (GLCF, 2007).
Si Ud. est buscando los datos de Landsat y Ud. sabe las trayectorias y las filas
para su rea de inters, utilice Path/Row Search. Utilice Map Search para hacer
consultas con un mapa interactivo. Ud. debe utilizar Map Search al buscar los
mosaicos de Landsat.
Si Ud. est buscando algunos productos derivados de MODIS o AVHRR, u otros
productos particulares, utilice Product Search. Se puede hacer consultas en estos
datos a travs de un interfaz simple. Este mtodo es mucho ms fcil que usando
Map Search.
Geography Network (Red de Geografa) (http://www.geographynetwork.com/)
La Red de Geografa es una red global que proporciona la infraestructura
necesitada para compartir informacin geogrfica entre proveedores de los datos,
proveedores de servicios y usuarios alrededor del mundo. A travs de la Red de
Geografa, se puede tener acceso a muchos tipos de contenido geogrfico
incluyendo mapas dinmicos, datos para bajar y servicios ms avanzados. La red
es manejada y mantenida por ESRI, para promover el compartido y el
descubrimiento de la informacin y de los servicios geogrficos. La red apoya
una infraestructura de datos espaciales, y permite acceso rpido y fcil a la
informacin geogrfica.
La Red de Geografa ofrece varias maneras de descubrir y de tener acceso a los
datos geogrficos para el uso con software de SIG. Unos ciertos datos estn
disponibles bajar inmediatamente o ver en el sitio de web de antemano, mientras
que otros datos se pueden bajar a otros sitios que estn referidos. Los servicios
11

dinmicos del mapa que permiten la interaccin directa con el contenido pueden
presentar datos en una de dos maneras: como imgenes del mapa generadas de
datos en el servidor del mapa o como caractersticas vector comprimidas fluyeron
en el software de SIG. Se puede pedir del editor los datos que estn en CDs o
DVDs. Tambin disponibles estn los referidos a otros sitios de web que
proporcionan datos geogrficos gratis, o permiten transferencias directas.
Land Processes Distributed Active Archive Center (Centro Distribuido de
Archivos Activos de Procesos de la Tierra)
(http://edcimswww.cr.usgs.gov/pub/imswelcome/)
El Centro Distribuido de Archivos Activos de Procesos de la Tierra fue
establecido como parte de la Sistema Para Observar la Tierra (EOS en ingls) de
NASA para procesar, archivar y distribuir datos relacionados al suelo recogi por
los sensores del EOS. El Centro procesa y distribuye los datos de Landsat 7.
Landsat 7 y el satlite Terra del EOS fueron lanzados en 1999. El satlite Aqua
fue lanzado en 2002. El sensor de Landsat 7 es el Enhanced Thematic Mapper
Plus (ETM+). El satlite Terra lleva dos sistemas de deteccin: el Radimetro
Espacial Avanzado de la Emisin Termal y de la Reflexin (ASTER en ingls) y
el Radimetro Espectro para la Proyeccin de Imgenes de Resolucin Moderada
(MODIS en ingls). Adems, el sensor de MODIS en la nave espacial Aqua
adquiere datos entregada al Centro para el almacenaje y la distribucin. Muchos
productos de los datos de ASTER y de MODIS estn disponibles del Centro. Los
productos de Landsat ETM+ fueron descontinuados en 2004.
3. APLICACION
Objetivo General
Realizar un anlisis de cambio de cobertura y uso del suelo mediante la integracin
teledeteccin y SIG.
Datos
Para esta aplicacin se necesitan los siguientes archivos:
En formato vector: En la carpeta DATOS/SHAPEFILE
Area_de_estudio.shp
En formato raster: En la carpeta DATOS/IMGENES SATELITALES
p012r54_5t861031_nn1.tif.gz
p012r54_5t861031_nn2.tif.gz
p012r54_5t861031_nn3.tif.gz
p012r54_5t861031_nn4.tif.gz
p012r54_5t861031_nn5.tif.gz
p012r54_5t861031_nn7.tif.gz
p012r054_7t20020528_z17_nn10.tif.gz
p012r054_7t20020528_z17_nn20.tif.gz
p012r054_7t20020528_z17_nn30.tif.gz
12

p012r054_7t20020528_z17_nn40.tif.gz
p012r054_7t20020528_z17_nn50.tif.gz
p012r054_7t20020528_z17_nn70.tif.gz
Programas
MultiSpec (para el procesamiento de imgenes satelitales)
ArcGIS con la extensin Spatial Analyst (para el anlisis de cambio de uso y cobertura
del suelo)
Instrucciones

Generales
En su computadora cree un directorio de trabajo. Por ejemplo:
C:\TEMP\MOD_PREMOTA
Copie los archivos especificados en la seccin DATOS en ese directorio.
Copie adems la carpeta PROGRAMAS/MultiSpecWin32 en ese mismo
directorio.

Como bajar datos de satlites del Internet

NOTA: Por motivos de tiempo los datos de satlite han sido proporcionados con
el modulo. Sin embargo, a continuacin se indica el procedimiento a seguir en caso de
necesitar acceder a la fuente original para obtener otros datos.
Para bajar informacin satelital georeferenciada se puede ir a la siguiente pgina
web: http://glcfapp.umiacs.umd.edu:8080/esdi/index.jsp. Para usar un mapa interactivo,
se hace un clic en MAP SEARCH. Para hacer consultas sobre la disponibilidad de
imgenes satelitales seleccionar las opciones ETM, TM, MSS, ASTER, ETM+ mosaics,
y TM mosaics. En la seccin PLACE, se escribe el lugar del que se desea obtener las
imgenes. En este caso, por ejemplo, Panama, Panama (formato Pas, Ciudad). Se hace
un clic con el mouse en UPDATE MAP en la parte inferior derecha de la ventana del
mapa para obtener la informacin ms actual del mapa, y despus se hace un clic en
PREVIEW & DOWNLOAD para que el buscador encuentre los tipos de imgenes
disponibles:

13

En la siguiente ventana aparecen las imgenes disponibles para la zona, las fechas
de adquisicin, y los formatos de las mismas. Para este ejercicio, se seleccionaron las
imgenes con identificadores 018-313 y 042-551 con fechas 1986-10-31 y 2002-05-28,
en formato GeoTIFF. En la prctica, para bajar las imgenes del servidor se pulsa
DOWNLOAD.

En la siguiente pgina se seleccionan las bandas de la imagen. Por ejemplo, para

la imagen con identificador 018-313, Path 12 y Row 54 (sistema utilizado por Landsat
para organizar el espacio terrestre para la toma de imgenes) se encuentran varios
archivos. Los archivos con terminacin .nnx.tif.gz son los que contienen las bandas de la
imagen. Para este ejercicio, se seleccionaron las bandas 1 a 7 con excepcin de la 6 ya
que es una banda termal con diferente resolucin que generalmente no se usa en
clasificaciones para uso y cobertura del suelo.

14

Por asunto de tiempo, los archivos con la informacin espectral de las dos
imgenes se han proporcionado con el modulo.

Como componer una imagen satelital

Es necesario unificar todas las bandas en un solo archivo para realizar la

clasificacin temtica. Para esto,
Abrir los archivos correspondientes a las bandas 1 a 7 de la primera imagen en
ArcGIS. No es necesario crear pirmides en ninguno de los archivos.

Activar ArcToolBox.

15

 En DATA MANAGEMENT TOOLS, desplegar las opciones en RASTER y

hacer doble clic en COMPOSITE BANDS.
En la opcin INPUT RASTERS seleccionar, del men desplegado, de una en
una las bandas de la imagen, desde la uno hasta la siete.
Especificar un nombre de salida para la primera imagen compuesta, por
ejemplo: P12R54_1986.TIF. Es necesario especificar la extensin TIF del
archivo ya que si no se creara un raster en formato GRID de ArcGIS.

Ir a ENVIRONMENT SETTINGS en la parte inferior derecha de la ventana y

en el men GENERAL SETTINGS
EXTENT seleccionar nuevamente el
archivo Area_de_estudio.shp para fijar las coordenadas del rea de estudio. Esta
accin nos deja cortar la imagen compuesta, para tener una imagen solo del rea
del Parque Natural Metropolitano de Panam.

En la seccin RASTER ANALYSIS SETTINGS
MASK especificar

Area_de_estudio.shp como mscara. Esto ajusta el rea de anlisis a la forma del

16

rea de estudio. As recortaremos la imagen para analizar nicamente el rea de

estudio.
Hacer clic en OK.
Repetir el mismo procedimiento para componer y cortar la segunda imagen.

Clasificacin digital

Dos tipos de clasificaciones de imgenes satelitales son las ms usadas

comnmente y se encuentran implementadas en programas computacionales accesibles al
pblico en general. Esas clasificaciones son supervisadas y no supervisadas.
En una clasificacin supervisada, la identidad y ubicacin de algunos de los tipos
de cobertura del suelo (e.g. agricultura, urbano, humedal) son conocidos de antemano a
travs de trabajo de campo, anlisis de fotos areas, o experiencia personal (Mausel et al.,
1990). En una clasificacin no supervisada, la identidad de tipos de cobertura a ser
clasificados no es conocida de antemano ya que no se tiene datos de control de campo.
En este caso, la computadora necesita agrupar pxeles con caractersticas similares en
grupos o clusters nicos de acuerdo con criterios determinados estadsticamente (Jahne,
1991). El analista combina y reclasifica los grupos estadsticos en asociaciones de
pixeles que representen la realidad del paisaje. Para esto es necesario tener un esquema
lgico de clasificacin que contenga definiciones taxonmicas correctas de las clases de
informacin, que estn organizadas de acuerdo a criterios lgicos. Por ejemplo, el U.S.
Geological Survey (USGS) utiliza un esquema de clasificacin orientado en la cobertura
del suelo para el mapeo del territorio mediante el uso de imgenes satelitales. Ya que el
territorio de los E.E.U.U. es tan extenso, la coleccin de datos in situ es inadecuada. En
su lugar, la teledeteccin se usa para la coleccin de informacin en la cual se base el
sistema de clasificacin. Otros esquemas se enfocan especficamente en el uso del suelo,
por ejemplo el Manual de Codificacin Standard de Uso del Suelo (SLUC en ingls).
Este manual se basa en observaciones in situ.
Uno de los algoritmos de clasificacin no supervisada ms usados se denomina
ISODATA, que es el acrnimo de las palabras en ingls Iterative Self-Organizing Data
Analysis Technique (Tou y Gonzalez, 1974). Este mtodo utiliza las distancias
espectrales en el set de datos e iterativamente clasifica los pixeles, redefine los criterios
en cada clase, y clasifica los pixeles nuevamente. As, los patrones de distancia espectral
en los datos emergen gradualmente.
Para realizar una clasificacin mediante ISODATA, generalmente se especifican
los siguientes parmetros:
N: El mximo nmero de clases a ser consideradas. Debido a que cada cluster es
la base para una clase, este nmero se convierte en el mximo nmero de clases a
ser extrado. El proceso de ISODATA comienza por determinar un nmero N
arbitrario de clusters. Algunos clusters con muy pocos pixeles pueden ser
eliminados, dejando por consiguiente menos que N clusters en la clasificacin
final.

17

T: Un valor de convergencia, que es el mximo porcentaje de pixeles a cuyos

valores de clase se les permite permanecer sin cambios entre iteraciones.
M: El mximo nmero de iteraciones a realizarse. En algunos programas sin
embargo este parmetro se suprime cuando el nmero de clases es el que
determina el fin del proceso iterativo.

En MultiSpec

En MultiSpec realizaremos la clasificacin digital de las imgenes

correspondientes a la zona del Parque Natural Metropolitano de la ciudad de Panam para
el perodo de estudio 1986-2002. El tipo de clasificacin digital es no supervisada y
usaremos el algoritmo ISODATA para la determinacin de grupos espectrales o Clusters.
Estos grupos se definen con un algoritmo que comnmente usa todos o varios pixeles
para su anlisis al inicio del proceso de clasificacin.
Para correr el programa MultiSpec dirigirse a la carpeta MultiSpecWin32 dentro
de PROGRAMAS y hacer doble clic en MultiSpec.exe.
En MultiSpec ir al men FILE y seleccionar OPEN IMAGE.
Abrir la imagen correspondiente al primer ao de la serie (i.e. 1986).
En la seccin CHANNELS seleccionar las bandas de la imagen
correspondientes a los respectivos caones de color Rojo (RED = 5), Verde
(GREEN = 4) y Azul (BLUE = 3). No es necesario modificar el resto de las
opciones.

En el men PROCESSOR seleccionar la opcin CLUSTER.

En la ventana SET CLUSTER SPECIFICATIONS seleccionar ISODATA.
En la ventana que aparece despus, SET ISODATA CLUSTER
SPECIFICATIONS, especificar el nmero de clases (30), el porcentaje de
18

convergencia (98), y el tamao mnimo de un cluster (7 pxeles) y hacer clic en

OK.
En la ventana SET CLUSTER SPECIFICATIONS seleccionar las opciones:
IMAGE AREA: Para visualizar el proceso iterativo de clasificacin.
TEXT WINDOW: Para obtener un reporte estadstico de la clasificacin.
CLUSTER MASK FILE: Para generar un nuevo raster con la clasificacin
temtica.
IMAGE WINDOW OVERLAY: Para obtener el raster final de clasificacin
en la pantalla.

Hacer clic en OK. El proceso iterativo se inicia y es posible visualizar la

clasificacin al final de cada iteracin. Una vez que se han obtenido N clases (30
en este ejercicio), se crea un raster temtico con la clasificacin final.
El nombre del nuevo raster ser P012R54_1986_clMask.gis. Este archivo
con la extensin .GIS se puede leer directamente en ArcGIS.
Cerrar las ventanas con las imgenes. No es necesario guardar el proyecto
antes de cerrar.
Realizar el mismo procedimiento con la otra imagen. Se puede cerrar
MultiSpec.

Anlisis visual y reclasificacin

En ArcGIS agruparemos las clases obtenidas en MultiSpec en categoras

funcionales que representen tipos de uso y cobertura del suelo reales. Es decir, de las 30
clases obtenidas en MultiSpec, se proceder a combinarlas para obtener 4 o 5 que sean
representativas del sitio de estudio y evitar redundancia de informacin. Este
procedimiento es necesario ya que dos o ms categoras de la clasificacin original
pueden estar representando un mismo tipo de uso o cobertura en la realidad. Para esto, se
necesita reagrupar las clasificaciones originales para cada ao y crear rasters con el nuevo
nmero de categoras.

19

En este ejercicio usaremos nicamente 5 clases generales con los siguientes

identificadores:
Tabla 2. Nmeros de identificacin de los tipos de uso y cobertura del suelo.
Tipo de uso o cobertura del suelo
Identificador
numrico
Nubes y Sombras
1
Cuerpos de agua (ros, mar, lagos)
2
Zona urbana
3
Zona agrcola
4
Zona de vegetacin natural
5

Abrir el archivo con extensin GIS y la imagen original para el ao 1986.

En la tabla de contenidos de ArcGIS, ubicar el raster temtico sobre la imagen
original.
Activar la barra de herramientas denominada EFFECTS que se encuentra en el
men VIEW, en la seccin TOOLBARS.
En la opcin LAYER de la barra, seleccionar el raster con la clasificacin
temtica. Seleccionar a continuacin la herramienta SWIPE LAYER que se
indica a continuacin:

Esta herramienta permite visualizar ambas imgenes interactivamente. Colocar el

cursor encima de las imgenes y moverlo en algn sentido presionando el botn
izquierdo del mouse. Esto nos permite visualizar la imagen satelital para determinar
visualmente una nueva clase.

20

El siguiente procedimiento requiere la interaccin constante entre el interpretador y la

computadora. La clasificacin final depender principalmente de la experiencia del
interpretador.

Hacer un acercamiento (zoom) hacia alguna zona de inters y con la herramienta

SWIPE LAYER mover el mouse para visualizar la clasificacin y la imagen
satelital.
Con la herramienta IDENTIFY (i) hacer clic en los pixeles de la clasificacin para
obtener el nmero de cluster correspondiente a un tipo de uso o cobertura. Es
importante recalcar que cada tipo de cobertura tendr varios valores de pxeles.
En una hoja de papel escribir las clases que correspondan a un mismo tipo de
uso/cobertura. Por ejemplo:
Valor 20, Valor 22, Valor 24, Valor 26 => Cuerpos de agua
Valor 1, Valor 2, Valor 3, Valor 5 => Nubes
Valor 14, Valor 16, Valor 18 => Zona urbana
Etc.
La reclasificacin del raster original se realiza mediante la opcin RECLASSIFY
que se encuentra en la extensin SPATIAL ANALYST.
En la opcin INPUT RASTER se selecciona el raster con la clasificacin original.
En la opcin RECLASS FIELD se especifica Value (generalmente est dado
por default).
En la seccin SET VALUES TO RECLASSIFY se encuentran dos columnas. La
columna OLD VALUES se refiere al valor original de los clusters de la
clasificacin. La columna NEW VALUES se refiere al nuevo valor que
adoptarn los pixeles de esos clusters. Para esto, se hace un clic con el botn
izquierdo del mouse en cada lnea que pertenezca a un mismo tipo de cobertura, al
mismo tiempo que se presiona la tecla CTRL. Se hace un clic derecho en las
lneas seleccionadas y se selecciona GROUP ENTRIES para agrupar los valores
pertenecientes a un mismo tipo de cobertura. Esto se hace para cada categora.
En la columna NEW VALUES se especifica el nuevo valor de los pixeles
pertenecientes a la nueva categora (vase la Tabla 2 para los nuevos
identificadores numricos). En el siguiente grafico, por ejemplo, los pixeles de
los clusters 0, 1, 2, 3, y 4 se reclasificarn con un nuevo valor.

21

El siguiente grafico indica que los clusters 0, 1, 2, 3 y 4 se reclasificarn con un nuevo

valor de 1. Los clusters 5, 6, 7, y 8 con un valor de 2, etc.

En OUTPUT RASTER especificar el nuevo nombre del raster con la

reclasificacin para el ao 1986, por ejemplo, REC_1986.
Realizar el mismo procedimiento con la clasificacin perteneciente ao 2002.
Nombrar el nuevo raster REC_2002. NOTA: Hay que recordar que solamente
existirn 5 categoras en los raster finales.

Anlisis de cambio de uso y cobertura del suelo

Para realizar el anlisis de cambio de uso y cobertura del suelo en el perodo de

estudio se usan las reclasificaciones finales de los aos de inters. Para esto, es
necesario utilizar un procedimiento que nos permita obtener numricamente todas las
posibles combinaciones de clases que resultaran de la sper imposicin de las
reclasificaciones de los aos de inters. Una opcin practica es utilizar Algebra de
Mapas para obtener esta combinacin.

22

Ya que los DOS nuevos rasters reclasificados contienen los mismos valores para
las respectivas clases (i.e. de 1 a 5), es necesario realizar alguna operacin matemtica
para obtener todos los cambios posibles. Es decir, se necesita obtener nuevas categoras
o valores que nos indiquen cuales son las reas pasaron de Vegetacin Natural a Zona
Urbana., de Zona Agrcola a Zona Urbana, de Zona Urbana a Vegetacin Natural, etc.
Una forma sencilla para obtener la nueva combinacin de clases es multiplicando
el raster perteneciente al primer ao por un valor constante, por ejemplo, 100. As, las
clases se convertirn en 100, 200, 300, 400, y 500. Seguidamente se puede sumar el
segundo raster reclasificado.
De esta forma se obtienen todas las posibles
combinaciones. El siguiente ejemplo muestra dos clasificaciones (AO 1 y AO 2) y la
combinacin de ambos raster en un nuevo mapa llamado CAMBIOS.

En el nuevo mapa de cambios, los valores de los pxeles representan las

transiciones de una clase a otra. Por ejemplo, si los valores 4 y 400 representan Zona
Agrcola y en el mapa de cambios se encuentra el valor 404, lgicamente significa que
esas reas no han sufrido cambios. Es decir, aquellas zonas se mantuvieron como rea
agrcola en el ao 1 y ao 2. En el caso de las celdas con valor 403, quiere decir que esas
reas pasaron de zona agrcola en el ao1 a zona urbana en el ao 2. En el caso de las
celdas con valor 503, quiere decir que la zona urbana creci en la zona de vegetacin
natural, etc.
Abrir en ArcGIS nicamente los archivos raster reclasificados con los valores de
1 a 5.
En el men desplegable SPATIAL ANALYST seleccionar la opcin RASTER
CALCULATOR.

23

En la ventana de texto ingresar la expresin

[REC_1986] * 100 + [REC_2002]

As:

En la tabla de contenidos en ArcGIS hacer clic derecho en Calculation (el

resultado de la operacin) e ir a DATA
MAKE PERMANENT. Ubicar el
directorio de trabajo y grabar el resultado con el nombre CAMBIO_86_02.

Este nuevo mapa representa el mapa de cambios de uso y cobertura del suelo para
el perodo 1986-2002. Es posible hacer consultas a la tabla de atributos para obtener
reas y estadsticas de que cambi a que en ese perodo. Esto sin embargo puede tomar
algn tiempo hasta tabular los datos obtenidos en forma casi manual. Una forma ms
eficiente es realizar una tabulacin automtica directamente en ArcGIS.

En ArcToolBox ir a SPATIAL ANALYST TOOLS
ZONAL y seleccionar

TABULATE AREAS.
En la seccin INPUT RASTER OR FEATURE ZONE DATA seleccionar el
archivo reclasificado en las cinco clases para el primer ao (1986). Las categoras
de este mapa sern tabuladas en las filas de la tabla (valores horizontales).
En ZONE FIELD especificar Value.
En la seccin INPUT RASTER OR FETURE CLASS DATA seleccionar el mapa
reclasificado en las cinco clases para el segundo ao (2002). Las categoras de
este mapa sern tabuladas en las columnas de la tabla (valores verticales).
En CLASS FIELD especificar Value.
Especificar un nombre para la nueva tabla en OUTPUT TABLE. Guardarla en el
directorio de trabajo.
En PROCESSING CELL SIZE especificar 28.5 ya que este es el tamao del pxel
de las imgenes satelitales originales y de los raster derivados.

24

Hacer clic en OK.

El resultado es una tabla de contingencia con valores en unidades de superficie

(m ). Esta tabla es aadida a la tabla de contenidos automticamente. Para abrir la tabla
es necesario cambiar la tabla de contenidos de DISPLAY a SOURCE haciendo un clic
en SOURCE:
2

Una vez hecho este cambio se podr observar la tabulacin en la tabla de

contenidos.
Hacer clic derecho en el nombre de la tabla y seleccionar OPEN para abrirla.
Productos
Los productos finales de esta aplicacin son dos:
Un mapa de final de cambios de uso y cobertura del suelo con una leyenda simple
indicando las transiciones entre los dos perodos.
Una tabla de de contingencia indicando los valores en unidades de superficie de los
cambios de uso y cobertura del suelo y sus respectivos porcentajes en el perodo de
estudio. Esta tabla puede ser elaborada en EXCEL.
REFERENCIAS
Jhne, B. 1991. Digital Image Processing: Concepts, Algorithms, and Scientific
Applications. Berlin: Springer-Verlag.
Mausel, P.V., W.J. Kramber, and J.K. Lee. 1990. Optimum Band Selection for
Supervised Classification of Multi spectral Data. Photogrammetric Engineering and
Remote Sensing 56 (1):55-60.
Musick, H.B. and H.D. Grover. 1991. Image textural measures as indices of landscape
pattern. In: Turner, M. & R. Gardner (Hrsg.): Quantitative methods in landscape
ecology 77-103.
Nevatia, R. 1982. Machine Perception. Englewood Cliffs, New Jersey: Prentice Hall.
Paruelo, J.M. 2007. Cartografa, Sistemas de Informacin Geogrficos y Teledeteccin:
Principios Bsicos de Percepcin Remota.
http://www.ifeva.edu.ar/~paruelo/SIG/Cap_PBPR.pdf.
Satellite Imaging Corporation. 2001-2007. Characterization of Satellite Remote Sensing
Systems. http://www.satimagingcorp.com.
Tou, J.T., and R.C. Gonzalez. 1974. Pattern Recognition Principles. Reading,
Massachusetts: Addison-Wesley Publishing Company.
25

U.S. Department of the Interior, U.S. Geological Survey. 2007. Landsat Project.
http://landsat.usgs.gov/index.php.
Woodcock, C.E. and A.H. Strahler. 1987. The factor of scale in remote sensing. Remote
Sensing of Environment 21:311-32.

26