Tema 8

Obtencin de variables fsicas a partir de Niveles Digitales

Tal como se vio en el tema 2, la signatura espectral de una porcin de la supercie terrestre (es decir los albedos que muestra para cada longitud de onda) se debe a un conjunto de factores fsicos (tipo de suelo, humedad del mismo, densidad y estado de la vegetacin, etc.). El fundamento bsico de la teledeteccin estriba en la asuncin de que podemos estimar cuales son estos factores a partir del anlisis de los valores de reectividad para cada pixel deducidos de la radiancia recibida por el sensor. Pueden plantearse dos hiptesis bsicas aunque no excluyentes: Las signaturas espectrales se deben a factores cuantitativos de tipo fsico o biofsico (biomasa, contenido de humedad, temperatura, etc.). Este es el enfoque que se aborda en este tema. Las signaturas espectrales se deben a factores cualitativos (tipo de cubierta, tipo de roca, etc.). En este caso se procede a una clasicacin de la imagen, que ser objeto del siguiente tema.

8.1 Calculo de reectividad a partir de la radiacin recibida por el sensor

. La reectividad es la variable fundamental cuyo clculo va a permitir aplicar otro tipo de tcnicas. Por tanto va a ser la primera cuya estimacin se aborde en este tema. La reectividad es la parte de la irradiancia solar que alcanza la supercie terrestre que se reeja de nuevo a la atmsfera. El modelo ms sencillo utilizara la ecuacin de la reectividad como ndice entre la radiacin que parte el suelo y la procedente del sol medida en la supercie del pixel. k = Lsue,k E 0sue,k 89 (8.1)

90 donde k es la reectividad para la banda k , Lsue,k es la radiancia que parte del suelo para la bnanda k y E 0sue,k la irradiancia solar para la banda k al nivel del suelo. La introduccin del nmero permite tener en cuenta el carcter lambertiano de la reectividad. Ya se ha visto anteriormente como resulta bastante complejo evaluar la radiancia que realmente parte de la supercie terrestre, ya que la energa recibida por el sensor es la suma de la energa reejada por el terreno y la energa dispersada y reejada por la atmsfera. La energa que llega al suelo desde el sol (Esue,k ) est tambin afectada por diversos factores: Esue,k = E 0k cosi k,d + Ed,k K (8.2)

donde E 0k es la irradiancia solar en la capa superior de la atmsfera para la banda k (ver tabla 7.4.1).Edk es la radiacin difusa, i el ngulo cenital del sol, k,d la transmisividad hacia abajo de la atmsfera y K es un coeciente de la distancia Tierra-Sol que se calcula a partir del nmero del da D (1 para el 1 de Enero, 365 para el 31 de Diciembre, etc.). K = (1 + 0.0167sen(2 (D 93.5)/365))2 Los valores de transmisividad pueden evaluarse a partir de la ecuacin: k,d = ek /cosi donde i es el ngulo de incidencia, valores promediados de k aparecen en la tabla 7.4.1. (8.4) (8.3)

8.1.1

Efecto de la topografa

Hasta aqu se ha tenido en cuenta la correccin de los efectos de la atmsfera, pero no los relacionados con la iluminacin. Para ello en la ecuacin 8.2 habra que sustituir i por que es el ngulo formado por la radiacin incidente con el plano del terreno. El coseno de se obtiene como: cos = cosc cosn + senc senn cos(c n ) (8.5)

donde es el ngulo que forma la perpendicular a la supercie del pixel con los rayos solares, c el ngulo cenital solar, n la pendiente del terreno, c el ngulo acimutal solar y n la orientacin del pixel. En la gura ?? puede verse como en pixeles llanos i = , en solana i > y en umbra i < beta. Puesto que cos( ) es una funcin decreciente (cos(0) = 1cos(90) = 0) la cantidad de radiacin solar que llega a la Tierra es nxima cuando = 0 (el sol est en la perpendicular del pixel) y mnima cuando = 90 (los rayos solares son paralelos a la supercie del pixel). Sabiendo la pendiente y orientacin de una porcin del terreno, que se obtienen de un Modelo Digital de Elevaciones, y la posicin del sol, que se obtiene a partir de la latitud del lugar el da y la hora, puede

91

Figura 8.1: Efecto de diferentes ngulos de iluminacin

calcularse fcilmente el ngulo que forma el sol con la supercie del terreno. Muchos programas de SIG tienen la capacidad de generar mapas de , para un determinado da y hora, a partir de un Modelo Digital de Elevaciones.

8.2 Indices y transformaciones

Cuando interesa detectar algn aspecto especco de la supercie terrestre, pueden utilizarse ndices que utilicen algunas de las bandas. Estos ndices suponen a su vez una transformacin de las bandas. En general podemos hablar de dos tipos de transformaciones: Orientadas: Son transformaciones en las que se conoce a priori cuales son los factores que intervienen, de modo que los coecientes de las transformaciones estn especialmente orientados para estimarlos. Indices de vegetacin Transformacin Tasseled Cap No orientadas: No se asume nada acerca de cuales son los factores implicados y se deja que un procedimiento estadstico analice los datos para buscar reglaridades que permiten extraer un conjunto de nuevas variables (componentes, factores, etc.) que explican los valores de reectividad obtenidos. Estas nuevas variables y su naturaleza fsica o meramente estadstics debern interpretarse a posteriori. Anlisis de Componentes Principales

8.2.1 Indices de vegetacin

El empleo de ndices, calculados a partir de la reectividad en diferentes bandas, que nos indiquen la abundancia y estado de la vegetacin; se basan en el comportamiento reectivo peculiar de la vegetacin. La signatura espectral caracterstica de la vegetacin sana muestra un fuerte contraste entre la baja reectividad en el rojo (0.6 0.7) y la alta reectividad en el infrarrojo de longitud de onda ms corta

92 (0.7 1.1). Esta diferencia es tanto mayor cuanto mayor es la densidad de la vegetacin y mejor su estado tosanitario. En esta idea se basan la mayor parte de los ndices de vegetacin. El ms conocido es el Indice Normalizado de Vegetacin (NDVI) cuya ecuacin es: N DV I = ir r ir + r (8.6)

donde ir es la reectividad en el infrarrojo cercano (banda 4 de landsat TM) y r es la reectividad en el rojo (banda 3 de landsat TM). En algunos casos se ha calculado este ndice a partir de los valores de ND sin realizar ningn tipo de correccin o transformacin; no hay acuerdo entre los diferentes autores acerca de la validez del NDVI calculado de este modo. Aplicando diversos modelos tericos, se ha concluido que el clculo a partir de Niveles Digitales subestima entre 0.05 y 0.2 el valor calculado con reectividades, siendo este error mayor cuando el NDVI es menor que 0.5 (mayor por tanto en medios semiridos). Por otro lado, el efecto atmosfrico tiende a reducir el valor del NDVI. Por tanto parece necesario una formulacin alternativa para corregir este error sistemtico: N Dir 0.801N Dr N Dir + 0.801N Dr

N DV I =

(8.7)

La ventaja y el inconveniente del ndice de vegetacin es que no responde a ninguna variable concreta sino a una amalgama de factores (cobertura, estado fenolgico, estado tosanitario) por tanto no resulta sencillo utilizarla para estudiar aspectos especcos de la vegetacin pero aporta una idea de conjunto acerca de su estado. Entre las variables que se han correlacionado con los ndices de vegetacin estn: Indice de rea foliar Contenido de agua de la hoja Flujo neto de CO2 Radiacin fotosinteticamente activa absorbida por la planta Productividad neta de la vegetacin Cantidad de lluvia recibida por la vegetacin Dinmica fenolgica Evapotranspiracin potencial

93 Otra ventaja es que el ndice vara entre -1 y 1 lo que facilita su interpretacin, puede sealarse como umbral crtico para cubiertas vegetales un valor de NDVI de 0.1 y para la vegetacin densa de 0.5. Cualquier valor negativo implica ausencia de vegetacin por lo que debieran reclasicarse a cero. Se han propuesto distintas variantes para mejorar este ndice. El objetivo fundamental es eliminar la inuencia que el suelo puede tener sobre las reectividades en el rojo y el infrarrojo y que pueda enmascarar las de la vegetacin (lo que resulta especialmente til en medios semiridos). Entre las formulaciones alternativas destaca el Indice de Vegetacin Ajustado al Suelo (SAVI): SAV I = ir r (1 + L) ir + r + L (8.8)

donde L es la constante que ajusta la linea vegetacin-suelo al origen. Si se representa en un grco el conjunto de pixeles situando en abcisas r y en ordenadas ir la linea de suelo es la base del conjunto de pixels, aparece como una linea recta, de tendencia ligeramente ascendente, que si se prolonga hasta cortar el eje de ordenadas lo hace en el valor de L (gura 8.2).

Figura 8.2: Linea de suelo y obtencin del parmetro L de SAVI

Otros ndices, utilizando otras bandas, permitiran analizar otros aspectos como puede ser la litologa, por ejemplo: T M 5/T M 7 para detectar rocas alteradas con alto contenido en arcilla, mica y roca sulfatada T M 5/T M 4 para aislar cubiertas vegetales de la roca desnuda T M 3/T M 1 para detectar materiales con alto contenido en limonita

94 Componente Brillo Verdor Humedad TM1 0.3037 -0.2848 0.1509 TM2 0.2793 -0.2435 0.1973 TM3 0.4743 -0.5436 0.3279 TM4 0.5585 0.7243 0.3406 TM5 0.5082 0.0840 -0.712 TM7 0.1863 -0.1800 -0.4572

Tabla 8.1: Coecientes de la transformacion tasseled cap

8.2.2

Transformacin Taselled Cap

El objetivo de esta transformacin es obtener unas nuevas bandas por combinacin lineal de las originales para realzar determinadas caractersticas. Supone pasar de las 6 bandas de landsat (todas exepto la del infrarrojo trmico) a 3 bandas con un claro sentido fsico que representan el brillo de la imagen (albedo), el verdor y la humedad. Esta combinacin lineal implica una rotacin de los ejes denidos por las bandas de forma que los ejes resultantes se corresponden con la linea de suelo (humedad), la perpendicular a esta o sea la linea de vegetacin (verdor) y un tercer eje relacionado con el lbedo de la imagen (brillo). Estas nuevas bandas se obtienen mediante:

brillo =
k=1 6

Ckb k Ckv k
k=1 6

(8.9) (8.10) (8.11) (8.12)

verdor = humedad =
k=1

Ckh k

Los coecientes Ckb , Ckv y Ckh de estas ecuaciones aparecen en la tabla 8.2.2 El brillo reeja los cambios en la reectividad total de la escena, se trata de una suma ponderara de la reectividad de todas las bandas excepto el trmico. El verdor muestra el contraste entre las bandas del visible y el infrarrojo prximo, como se puede ver en la tabla 8.2.2 la banda 4 interviene positivamente mientras que las tres bandas del visible lo hacen negativamente, especialmente la banda 3. Por tanto el resultado es similar a un ndice de vegetacin. Permite por tanto llevar a cabo anlisis de la densidad y estado de salud de la vegetacin. La humedad se relaciona con el contenido de agua de la vegetacin y el suelo. Se obtiene contrastando la reectividad en las bandas 5 y 7 en las que el agua abdsorbe la radiacin (con coecientes de ponderacin negativos) respecto al resto de las bandas menos afectadas por la humedad (coeciente bajos y positivos). Tambin se ha encontrado una relacin entre este componente y la madurez de la vegetacin.

95

Figura 8.3: Efecto de la transformacin tasseled cap

8.3 Anlisis de Componentes Principales

Uno de los problemas que aparecen cuando se utilizan tcnicas estadsticas para analizar una poblacin es la alta correlacin entre algunas de las variables utilizadas. Si el valor absoluto del coeciente de correlacin entre dos variables es muy prximo a 1, ambas variables se sitan sobre una linea recta con lo que conociendo una se puede conocer la segunda con un margen de error mnimo. Por tanto esta segunda variable es redundante e incluirla en un anlisis estadstico apenas aporta informacin nueva (gura 8.4). Debe por tanto distinguirse entre el nmero de variables disponibles y la dimensionalidad intrnseca de la muestra de datos. En el ejemplo anterior hay dos variables pero la dimensinalidad es uno. La ecuacin 8.14 muestra como calcular el coeciente de correlacin (r) a partir de la covarianza (COVxy ) que se calcula como la media de los productos de las desviaciones de ambas variables respecto a sus medias (mx y my ). COVxy x y

rxy = COVxy =
N i=1 (xi

(8.13) (8.14)

mx )(yi my ) N

En el caso de la teledeteccin, dos bandas situadas muy cerca en el espectro electromagntico tendrn

96

Figura 8.4: Alta correlacin entre bandas

una elevada correlacin. As, en el caso de landsat TM, las tres bandas del visible (muy prximas) aparecen muy correlacionadas, las bandas del infrarrojo cercano (ms distantes) aparecen algo menos correlacionadas, y el infrarrojo trmico muy incorrelacionado (en denitiva se trata de una banda de naturaleza completamente diferente). Por tanto la dimensionalidad de una imagen de satlite es inferior al nmero de bandas. La ciencia estadstica ha desarrollado un conjunto de tcnicas para manejar conjuntos de variables correlacionadas entre si, la ms utilizada en teledeteccin de estas tcnicas de anlisis multivariable es el Anlisis de Componentes Principales (ACP). La justicacin terica del mismo es que, a partir del conjunto de variables puede obtenerse un conjunto de componentes, como combinacin lineal de las variables que se caracterizan por: Contienen la misma informacin que las variables originales Se conoce el porcentaje de la varianza original que absorve cada componente Los componentes se ordenan de acuerdo con el porcentaje de varianza absorbida

97 De este modo si se tiene, por ejemplo, n variables pueden seleccionarse los primeros p < n componentes, tal que absorban un porcentaje elevado y jado de antemano de la varianza, y que adems son incorrelacionados. Por tanto podrn aplicarse ms fcilmente en algunos anlisis estadsticos como la clasicacin. El valor de p dara de este modo la dimensionalidad de la imagen. En el ejemplo de la gura 8.4 un ACP sera equivalente a rotar los datos de manera que la linea de regresin apareciera vertical. De este modo se obtendra un primer componente (en ordenadas) que absorbe la prctica totalidd de la varianza y un segundo componente que absorbe un porcentaje de varianza muy escaso. Por tanto se habran resumido dos variables en un solo componente. El resultado de un ACP realizado por cualquier programa de estadstica incluye: Una matriz de vectores propios (eigenvectors) que permiten calcular los valores de cada componente (Ci ) a partir de las variables originales (Xj ): a ij Xj i j =1
n

Ci =

(8.15)

El valor propio i eigenvalue de cada componente, que indica la varianza absorbida por el mismo. El porcentaje de varianza absorbida por el componente i se calcula como: i n j =1 j

Vi = 100

(8.16)

Estos valores y vectores propios pueden obtenerse a partir de la matriz de correlaciones o de la matriz de covarianzas. En el primer caso el efecto producido es una estandarizacin de los datos que resulta adecuada cuando estos no estn medidos en las mismas unidades. En el caso de la teledeteccin deber utilizarse la matriz de correlaciones cuando se tranbaje con ND y la de covarianzas cuando se trabaja con reectividades Los mdulos de ACP de un programa de SIG debern proporcionarnos: Los mapas de los valores de los componentes, puesto que la varianza de los primeros componentes es mayor que las de los ltimos los primeros componentes aparecern ms contrastados que los ltimos. Los valores propios para determinar el porcentaje de varianza explicada por cada componente La matriz de vectores propios que nos permitir determinar cual es el peso de cada variable en cada componente. Aunque el ACP es una tcnica estadstica sin signicado fsico, puede permitir establecer hiptesis de tipo fsico analizando la matriz de vectores propios.

98 Si la dimensionalidad de la imagen es 3, es decir los tres primeros componentes absorben la mayor parte de la varianza, pueden representarse mediante una combinacin de color que permitira tener en una sola representacin grca prcticamente toda la informacin disponible en la imagen. En ocasiones se nos plantea la posibilidad de reescalar los componentes a valores de 0-255 para facilitar la visualizacin y su utilizacin con otras tcnicas estandarizadas de teledeteccin. Hay que tener en cuenta que esta opcin tiene el efecto de igualar el rango de variacin de todos los componentes con lo que en la visualizacin no se apreciarn las diferncias en la varianza absorbida por cada componente. Las imgenes de los componentes se interpretan bien en blanco y negro. En la gura 8.5 aparecen los mapas que se obtienen tras un ACP.

Figura 8.5: Anlisis de componentes principales

Existe la tendencia a considerar a la primera componente como la ms relevante, por ser la que mayor varianza absorbe, sin embargo se trata de la varianza general ms o menos compartida por todas las

99 bandas y que se relaciona con la reectividad general de cada pixel. Ms interesantes pueden ser el segundo o incluso el tercer componente ya que muestran aquello que resulta distintivo, respecto a la reectividad general, en cada uno de los pixeles. Por ejemplo en la gura 8.5 el segundo componente parece denotar la vegetacin y el tercero la presencia de agua. Las ltimas componentes tienen adems cierta relevancia cuando la muestra de datos procede de dos o ms poblaciones diferentes con caractersticas diferentes. En el caso de la imagen de satlite anteriormente presentada, el Embalse de Puentes constituye un caso completamente distinto, en cuanto a respuesta espectral, que el resto de la imagen de modo que contina apareciendo incluso en los mapas de los componentes ms altos. Como se puede comprobar existe una gran relacin entre la transformacin TCC y el ACP. En el primer caso la matriz de vectores propios vendra predenida (la matriz de coecientes de ponderacin de la tabla 8.2.2) mientras que la matriz de la ACP es propia para cada imagen. Sin embargo la TTC tiene una interpretabilidad fsica directa mientras que en el ACP hay que deducirla de los vectores propios.

100