MITO # 1: Los satlites miden la reflectancia de las caractersticas de la planta.

Un satlite sensor mide la luminosidad en el propio sensor, no reflectancia de la

superficie del objetivo. En otras palabras, el sensor slo es la medicin de la
intensidad de la luz cuando golpea la superficie del detector. Las unidades para
esta medicin son tpicamente vatios por metro cuadrado.
Reflectancia de la superficie es la relacin de la intensidad de la luz reflejada desde una superficie
sobre la intensidad de la luz incidente. Para medir la reflectancia que necesitamos saber la
intensidad de la luz justo antes de que toque el objetivo de la superficie y del mismo modo que se
refleja desde el objetivo. Desafortunadamente, la orientacin de la caracterstica de superficie
(por lo general debido a la pendiente y de aspecto) y la dispersin atmosfrica y la absorcin
complica nuestra capacidad de medir con precisin la reflectancia de la superficie (Figura 1).

Figura 1: La luz del sol es modificado por el ambiente antes y despus de tocar la superficie de la Tierra. El sensor en la
parte superior de la atmsfera no es capaz de medir directamente la reflectancia debido a estos efectos atmosfricos.
Es necesario eliminar estos efectos antes de que podamos calcular con precisin las propiedades de reflectancia de la
cobertura de la tierra en la superficie de la Tierra.

Es importante entender este concepto errneo comn si uno ha de comprender una de las
limitaciones fundamentales de datos de teledeteccin. Si los instrumentos satelitales podran de
hecho medir la reflectancia de la superficie, nuestro trabajo sera mucho ms fcil, y nuestros
productos de cobertura del suelo asignados seran mucho ms precisos.

Mito # 2: Tierra clasificacin de la cubierta es un proceso sencillo que consiste

en agrupar los pxeles de una imagen basada en las propiedades de reflectancia
de la funcin de la ocupacin del suelo est clasificado.
Cartografa de la cubierta de la tierra y, de hecho, la interpretacin de teledeteccin, en general,
se basan en la suposicin de que dispone en la Tierra tienen firmas espectrales nicas. El trabajo
de un analista de imgenes es utilizar un software especializado para grupos de pxeles de la
imagen en categoras de cobertura del suelo adecuados. Estas categoras se basan en los valores
de los pxeles que a menudo asumimos que estar directamente relacionada con la reflectancia de
la funcin. Por ejemplo, todos los pxeles que tienen valores similares a los pxeles que sabemos
que son el agua sera clasificado como el agua, y todos los pxeles que tienen
valores similares a los pxeles que conocemos son los bosques sera clasificada como bosque, y as
sucesivamente, hasta que toda la imagen se clasifica en un tipo de cobertura terrestre u otra. Esto
suena bastante sencillo, pero en la prctica puede ser muy difcil porque no podemos determinar
fcilmente la reflectancia real de una caracterstica de la superficie en el suelo de una imagen de
satlite.
Una manera de entender este problema es contrastar la teledeteccin por satlite con mediciones
de reflectancia en un laboratorio. Entre los factores importantes en la determinacin de
reflectancia
son:
La intensidad de la radiacin entrante (es decir, la intensidad de la energa de la luz, ya que
golpea
el
objetivo),
La intensidad de la radiacin reflejada (es decir, la intensidad de la energa de la luz justo
despus
si
sale
del
objetivo),
y
Orientacin de la fuente de luz y el detector con respecto al objetivo.
En un laboratorio de ajuste es relativamente fcil para determinar las propiedades de reflectancia
de un material porque se puede medir fcilmente la intensidad de la energa de la luz cuando se
golpea un objeto (Figura 2). La trayectoria de la luz es controlada, por lo que no se pierde mucha
energa entre la fuente de luz y el objetivo o el objetivo y el detector. Adems, la orientacin de la
iluminacin y de destino se conoce con alta exactitud y precisin.

Figura 2: En un laboratorio de mediciones de reflectancia se adquieren en un entorno controlado. Este entorno es muy
limpio y el analista es capaz de ajustar la intensidad de la luz y el ngulo de la fuente de detector y la iluminacin. Los
viaja la luz camino de la fuente de iluminacin hasta el detector es tambin relativamente corto. Esto est en
contraste con el medio ambiente terrestre donde estos parmetros pueden ser difciles de controlar y medir.

En el mundo de la teledeteccin por satlite, la situacin es muy diferente. Sabemos que la

intensidad de la luz antes de que entre la atmsfera de la Tierra, pero a medida que pasa a travs
de la atmsfera, que interacta con las partculas (es decir, vapor de agua, polvo, humo) y
significativamente altera la seal antes y despus de interactuar con la diana. Una buena parte del
progreso se ha realizado en la eliminacin de estos efectos atmosfricos de una imagen, pero
todava no puede quitar fcilmente y consistentemente estos efectos.

En cuanto a la iluminacin y la orientacin del detector se refiere, podemos calcular fcilmente la

posicin del sol y el satlite cuando se adquiri la imagen. Es mucho ms difcil, sin embargo, para
conocer la orientacin del objetivo (su pendiente y de aspecto). Podemos utilizar modelos de
elevacin digital para estimar estos parmetros, pero esto normalmente proporciona slo una
estimacin aproximada de la orientacin del objetivo. Considere, por ejemplo, una imagen con la
misma vegetacin que se encuentra en dos sitios, uno en la sombra de una montaa y la otra
orientada de modo que la cantidad mxima de energa se refleja hacia el sensor (Figura 3). Bajo
estas circunstancias, puede ser muy difcil de procesar la imagen de tal manera que las dos
ubicaciones tendran los mismos valores de reflectancia.

Figura 3: Esta es una imagen Landsat TM de una regin montaosa boscosa en Vietnam. Esta imagen ilustra cmo los
tipos de bosques similares pueden ser muy diferentes a causa de su orientacin. Las reas en negro y verde oscuro son
denso bosque situado a la sombra de las montaas mientras que las reas ms brillantes verdes estn orientados de
manera que el sol da directamente sobre ella, por lo tanto haciendo que parezca mucho ms brillante. Los bosques en
estos dos lados de la montaa son muy similares, pero se ven muy diferentes debido a la diferencia en la forma en que
se iluminan. Las sombras en esta imagen son especialmente graves, ya que fue adquirida en una maana de enero,
cuando el sol estaba muy bajo.

La conclusin es que las caractersticas de cobertura del suelo similares pueden parecer muy
diferentes en un satlite imagen, y no puede haber una buena cantidad de confusin entre las
clases de cobertura de la tierra que no tienen drsticamente diferentes firmas de reflectancia,
como los diferentes tipos de bosques. Este concepto se discute ms adelante en la seccin titulada
"imgenes Landsat TM es adecuado para clasificar de forma fiable y precisa gnero vegetacin
natural y la informacin de las especies." La conclusin es que las caractersticas de cobertura del
suelo
similares
pueden
parecer
muy
diferentes
en
un
satlite
imagen, y no puede haber una buena cantidad de confusin entre las clases de cobertura de la
tierra que no tienen drsticamente diferentes firmas de reflectancia, como los diferentes tipos de
bosques. Este concepto se discute ms adelante en la seccin titulada "imgenes Landsat TM es
adecuado para clasificar de forma fiable y precisa gnero vegetacin natural y la informacin de
las especies."

Mito # 3: La resolucin espectral es el nmero de bandas (capas de imagen)

disponibles de un sensor en particular.
La resolucin espectral se refiere a la gama de longitud de onda que se mide por un canal de
imagen en particular (Figura 4). Por ejemplo, el canal 1 del sensor ETM + a bordo del satlite
Landsat 7 detecta longitudes de onda de 0.45m - 0.52m. La banda cacerola en el sensor ETM +,
detecta las longitudes de onda de 0.50m - 0.90m. Por lo tanto, se podra decir que en la ETM +
canal del sensor 1 tiene una resolucin ms fina espectral que hace la banda sartn.

Figura 4: Resolucin Espectral se refiere a la anchura de banda de los canales individuales en un sensor. En este ancho
de banda de la figura se ilustra por el rea semi-transparente que cubre el espectro. En muchos sensores
hiperespectrales el ancho de banda es incluso menos de lo que se representa en el diagrama superior. En contraste, el
ancho de banda para una cmara de blanco y negro tpico sera cubrir todo el espectro visible en la foto en estos
diagramas.

Aunque los sensores con un montn de bandas de imgenes (estos son llamados sensores
hiperespectrales) por lo general tienen una resolucin espectral muy bien, el nmero de canales
en un sensor no est necesariamente vinculada a la resolucin espectral. Para ver cmo anchos de
banda para diferentes sensores comparar van a la herramienta interactiva curva espectral.

MITO # 4: Medicin de las diferencias entre los dos mapas de cobertura

terrestre creadas a partir de imgenes adquiridas en diferentes momentos
proporcionar la estimacin ms fiable del cambio de la cubierta de la tierra.
Una forma habitual de calcular el cambio de cobertura terrestre es comparar las diferencias entre
los dos mapas de cobertura terrestre que se han creado con imgenes de sensores remotos de
diferentes fechas. Esto a menudo se llama deteccin de cambios posteriores a la clasificacin.
Aunque este mtodo parece lgico y es de uso general, rara vez es el mtodo ms adecuado para
determinar
la
cobertura
del
suelo
con
el
tiempo.
El problema es que hay errores asociados a cada uno de los dos mapas de cobertura terrestre, y
cuando stos se superponen, los errores son acumulativos. Como resultado, el error del mapa de
cambio de cobertura del suelo es significativamente peor que cualquiera de los mapas de
cobertura terrestre. Este concepto se presenta en la cobertura de la tierra gua mtodos de
cambio, que incluye ejemplos de las formas ms precisas para determinar los cambios en la
cobertura
de
la
tierra
en
el
tiempo.
Una forma de ilustrar estos errores es tener un analista imagen clasificar una imagen y luego unos
das ms tarde tener ese mismo analista clasificar la misma imagen (Figura 5). Incluso un analista
experto producir resultados diferentes. Si se superponen estos dos resultados que se vera reas
percibidas de cambio a pesar de que la misma imagen se utiliz para ambas fechas. En otras
palabras, la superposicin de las dos imgenes produce un mapa que ilustra los errores asociados
con el enfoque de post-clasificacin. Usando imgenes de la misma zona que fueron adquiridos en
diferentes fechas o con un sensor diferente que probablemente hagan aumentar las diferencias en
la clasificacin de coberturas an ms.

Figura 5: La imagen original es una imagen Landsat Thematic Mapper de Burlington, Vermont adquiri 11 de octubre
de 1997. Esta imagen fue clasificado dos veces por la misma persona. Las dos imgenes tienen diferencias resultantes
forma el error asociado con el proceso de clasificacin. Las "reas de desacuerdo / acuerdo" imagen destaca las
inconsistencias entre la clasificacin en la Ronda 1 y Ronda 2.

MITO # 5: imgenes Landsat TM es adecuado para clasificar consistentemente

gnero vegetacin natural y la informacin de las especies con un alto nivel de
precisin.
Este es un tema debatido con frecuencia en la comunidad de la percepcin remota, pero el hecho
es que cuanto ms detallados que desea su clasificacin temtica sea, los menos precisos harn
sus resultados sean para las clases individuales. En otras palabras, si se crea un mapa de cobertura
terrestre con clases slo forestales y no forestales, la exactitud de cada una de estas clases ser
mayor que si se intenta romper las clases forestales y no forestales en varias otras clases. Este es
un concepto importante de entender cuando se est desarrollando un sistema de clasificacin de
un
mapa
de
cobertura
terrestre.
Ross Nelson, del Centro de Vuelo Espacial Goddard de la NASA, ha desarrollado una regla general
sobre la base de un examen cuidadoso de la exactitud de varios estudios publicados en la
literatura teledeteccin. Por supuesto se pueden encontrar excepciones, pero stas son pautas
muy tiles. El concepto subyacente es que las ms precisas las definiciones de clase son los ms
bajos de la exactitud ser para las clases individuales. Clasificacin de Precisin:

Bosque / no forestales, de agua / sin agua, suelo / vegetacin: precisiones en el alto del 90% 's
conferas / madera: 80-90%
Gnero: 60-70%
Especie: 40-60%
Nota: Si incluye un modelo de elevacin digital (DEM) en la clasificacin, agregar 10%.

Mito # 6: Un satlite con una resolucin de 30 metros le permitir identificar

caractersticas 30m.
En la teledeteccin, la resolucin espacial se define a menudo como el tamao de un pxel de la
imagen, ya que se proyecta sobre el suelo. Por ejemplo, Landsat ETM + imgenes es a menudo un
tratamiento que tiene un tamao de 30 metros de pxeles. Esto significa que un ETM Landsat +
pxel representa un rea cuadrada de 30m x 30 m sobre el suelo.
La resolucin espacial es slo un factor que nos permite identificar caractersticas en una imagen.
Otros factores que se deben considerar para entender que puede ser identificado en las imgenes
de una resolucin particular. Estos incluyen:

Contraste entre las caractersticas adyacentes

La heterogeneidad del paisaje
Nivel de informacin

El contraste entre una caracterstica que nos gustara para detectar y el fondo tipo de cobertura
influye en gran medida del tamao de una caracterstica que podemos detectar. Por ejemplo, si
hay un camino ancho de 2 metros que se corta a travs de un denso bosque, hay una buena
probabilidad de que seramos capaces de detectar que con un pxel de 30 metros debido al fuerte
contraste entre el suelo brillante y el bosque oscuro (Figura 6). Por otro lado, si haba un parche de
1 hectrea que estaba cubierto con pequeos rboles y arbustos que podra parecer demasiado
similar a la selva de fondo para nosotros, para diferenciarla de la selva ms maduro.

Figura 6: La imagen de Burlington, Vermont fue adquirido el 11 de octubre de 1997 por el sensor Thematic Mapper
montado en el satlite Landsat. Aunque la resolucin de este sensor es de aproximadamente 30 metros podemos ver
algunas de las caractersticas ms pequeas de 30 metros. Tambin hay algn objeto que, a pesar de que son ms
grandes de 30 metros, no podemos diferenciarnos del paisaje circundante. Contraste juega un papel importante en la
diferenciacin entre las caractersticas de la planta.
Relativamente pequeo objeto, como carreteras y los interruptores en el lago son visibles debido a la gran diferencia
de las caractersticas adyacentes.

La heterogeneidad del paisaje tambin puede influir en lo bien que podemos detectar una
caracterstica. Si el paisaje es muy heterognea, debido a las variaciones del terreno o de
cobertura del suelo, es ms difcil de detectar una caracterstica de que si el fondo es muy
homognea (Figura 7).

Figura 7: Se trata de una imagen Landsat TM de una regin en el centro de Vietnam. La lnea de color morado claro
que se extiende por el centro de la imagen, de izquierda a derecha es una parte de la carretera Ho Chi Minh que va
desde Hanoi a Ho Chi Minh City. En el lado derecho de la imagen de la carretera es muy evidente debido al contraste
entre la carretera brillante y el bosque ms oscuro. En el lado izquierdo de la imagen, sin embargo, es mucho ms
difcil de localizar el camino, ya que tiende a mezclarse ms con el suelo y otras caractersticas brillantes en el valle.

Otra cuestin relacionada con la capacidad de resolver caractersticas en un paisaje es el nivel de

informacin que podemos interpretar en una situacin dada. Hay diferentes niveles de
informacin que podemos recopilar sobre las caractersticas en una imagen: la deteccin,
identificacin y la informacin contextual. En el nivel ms bsico, somos capaces de detectar que
hay una caracterstica presente que es diferente de su entorno. El siguiente nivel es ser capaz de
identificar ese objeto. El nivel final es ser capaz de derivar informacin contextual acerca de una
caracterstica.
Estos diferentes niveles de informacin se pueden ilustrar con un ejemplo. Si vemos unos pocos
pxeles brillantes en una imagen que est cubierta de bosques en gran parte, podemos decir que
hemos detectado algo en el bosque que no parece ser el mismo que el bosque circundante. Si esos
pxeles brillantes estn conectados en una lnea, podramos llegar a la conclusin de que este es
un camino. Si vemos que la lnea brillante a travs del bosque va de una ciudad a otra, podramos
concluir
que
se
trata
de
una
carretera principal entre estas dos ciudades. A medida que el nivel de informacin que queremos
extraer de una imagen, aumenta tambin el nmero de pxeles necesarios para llegar a ese nivel
de informacin. En nuestro ejemplo, podramos haber detectado que algo era diferente del
bosque por ver a pocos pxeles (es decir, menos de 10 pxeles). Para llegar a la conclusin de que
era un camino que necesitaramos ms pxeles (es decir, 20 a 40 pxeles). Para entender el
contexto de la carretera que necesitaramos cientos de pxeles. En general, por lo tanto, la
informacin ms se desea recoger de una imagen, mayor ser el nmero de pxeles son necesarios
para llegar a ese nivel. El grado de aumento vara segn la funcin que se est supervisando y el
tipo de imgenes utilizadas.

Mito # 7: El uso de imgenes referenciadas-orto es siempre una opcin mejor

que el uso de imgenes no-orto-rectificadas.
Hay tres correcciones geomtricas comunes que se aplican a las imgenes de satlite en
un intento de corregir los errores geomtricos inherentes a imgenes de teledeteccin. El
ms simple son las correcciones sistemticas en la que se eliminan las distorsiones
causadas por el sensor y por el movimiento del satlite. Un proceso intermedio se llama a
menudo la georreferenciacin. Esto implica tomar una imagen corregida
sistemticamente y luego mejorar la calidad geomtrica utilizando puntos de control en
tierra (lugares conocidos que se pueden combinar entre la imagen y el suelo) para
aumentar la precisin del sistema de coordenadas de la imagen. El proceso ms avanzado
se llama orto-rectificacin, que corrige las distorsiones causadas por los desniveles del
terreno, adems de las correcciones sistemticas. En la imagen en terreno llano, una
imagen geo-corregida es efectivamente el mismo que una imagen orto-corregida.
Una imagen orto-rectificado es efectivamente un mapa de imagen y se puede utilizar
como una base de mapa. Con el fin de crear una imagen rectificada-orto, es necesario
utilizar un modelo de elevacin digital (DEM) para la elevacin de cada pixel puede ser
determinada. Para muchas regiones del mundo, DEM con suficiente detalle a ortorectificacin moderada para resaltar las imgenes de satlite de resolucin no estn
disponibles
para
el
pblico
en
general.
Como producto de mapeo, una imagen orto-rectificado es superior a una imagen que no
ha sido orto-rectificado, ya que tiene la mejor precisin absoluta. Un problema puede
ocurrir, sin embargo, cuando uno quiere comparar una imagen orto-rectificado a una
imagen rectificada-no-orto. Al comparar las imgenes, tal como se hara la hora de
determinar los cambios en la cobertura de la tierra en el tiempo, la precisin de la
posicin relativa entre las imgenes (que tan bien se alinean las imgenes) es ms
importante que la exactitud absoluta (lo bien que la imagen coincide con una base
cartogrfica). Tratar de igualar una imagen corregida geo-corregida o sistemticamente a
uno orto-corregida puede ser una tarea muy difcil ya menudo poco prctico debido a las
complejas
distorsiones
en
una
imagen
orto-corregida.
Al tratar de lograr una alta precisin relativa entre dos o ms imgenes de satlite a
menudo es ms fcil de hacerlo por imgenes corregidas sistemticamente
georeferenciacin utilizando una de las imgenes como la imagen de referencia. En otras
palabras, si usted tena tres imgenes corregidas sistemticamente superponer, debera
seleccionar uno de ellos para ser la referencia y despus, utilizando el software de
deteccin a distancia estndar, usted georreferenciar las otras dos imgenes de la imagen
de referencia.
Dependiendo de la exactitud de las imgenes corregidas-orto, incluso puede ser poco prctico
tratar de alinear dos o ms imgenes orto-corregida. Si se utilizaron diferentes mtodos para crear
el orto-corregida, las distorsiones entre las dos imgenes pueden ser bastante diferentes,
haciendo que el proceso de alineacin muy difcil. El mejor escenario es tener todas las imgenes
corregidas-orto
utilizando el mismo proceso para que tengan una alta precisin absoluta y relativa, pero que a
menudo
no
es
prctico
cuando
se
trabaja
con
recursos
limitados.
La conclusin es que las imgenes corregidas-orto pueden tener mayor precisin absoluta, pero

cuando se necesita precisin relativa, puede ser mejor usar slo imgenes corregidas de manera
sistemtica en lugar de mezclar imgenes sistemticamente corregidas con imgenes ortocorregida.
Hay una enorme archivo de imgenes orto-rectificadas Landsat TM disponible de forma gratuita
en la Universidad de Global Land Cover Fondo de Maryland (GLCF), pero se debe tener cuidado al
utilizar estos datos con otras imgenes.

Mito # 8: Los pxeles cuadrados en una imagen representan con precisin un

rea cuadrada de la superficie de la Tierra.
Cuando nos centramos en una imagen de satlite en el equipo, podemos ver claramente pxeles
cuadrados, y es fcil pensar que esto es una representacin exacta de lo que ve el sensor como se
graba la imagen. Este no es el caso, sin embargo, debido a que el sensor de deteccin de energa
para un pxel individual en realidad ve un crculo o una elipse en el suelo. Adems de eso, es
interesante observar que el 50% o ms de la informacin para un pxel dado contiene energa
grabada de la zona de superficie que rodea un pxel individual (Figura 8). Esto tiende a contribuir a
las fronteras difusas entre los objetos en lugar de la frontera ntida que cabra esperar. Para
visualizar este efecto, la imagen utilizando el haz de una linterna para representar lo que se ve por
un elemento sensor individual (la parte de un sensor que registra la energa para un pxel
individual). Puesto que el haz sale de la linterna, se extiende hacia fuera de manera que por el
tiempo que se realiza un objetivo (una pared, por ejemplo) el extremo de la viga es mayor que el
reflector dentro de la linterna. Si tratamos de iluminar una imagen cuadrada que cuelga en una
pared, gran parte de la luz de la linterna en realidad caera fuera de la imagen. Si la linterna estaba
grabando energa de la luz (en lugar de emitirla), sera grabar energa a partir de la imagen y la
pared. Tambin es interesante observar que el haz es ms brillante hacia el centro. Una vez ms, si
pensamos en la linterna como un sensor, que iba a registrar ms energa hacia el centro del campo
de visin de hacia los bordes. Este concepto se ilustra en el Qu sensor ve herramienta interactiva.

Figura 8: Aunque pxeles aparecen tpicamente cuadrado en una imagen de la luz registrada para determinar el valor
(color) de un pixel viene de una circular (o elptica si el sensor no est mirando hacia abajo) rea que cubre
aproximadamente el doble del rea superficial de la rea cubierta por el propio pxel. A pesar de que los detectores
del sensor son ms sensibles a la luz en el centro del campo de visin del detector, lo que significa que el rea cubierta
por un pxel capta la mayor parte de la luz registrada por un detector, la luz desde fuera del rea de pxeles contribuye
al valor del pxel . En otras palabras, la ocupacin del suelo en pxeles adyacentes puede tener una influencia en el
valor de un pxel.

El efecto de distorsin de la energa de grabacin de pxeles adyacentes se amplifica si el ambiente

es nebuloso sobre la funcin que se percibi. Este desenfoque se debe a partculas en el aire que
obligan a los fotones de energa (la luz) que se rebot alrededor en lugar de viajar en lnea recta. El
rebote de electrones hace que el sensor a la energa de registro de un objeto que no est en la
lnea de visin de un elemento sensor individual. Este es el mismo efecto que hace que los objetos
parezcan un poco borrosos cuando nos fijamos en ellos en un da nebuloso o brumoso.