Está en la página 1de 85

TALLER 1

USO DEL SOFTWARE ERDAS EN EL PROCESO DE IMPORTACIN,


ANLISIS E INTERPRETACIN DE IMGENES SATELITALES
Procesamiento Digital de Imgenes

Ingeniero Especialista Javier Espejo


Diego Mauricio Pulido Castillo 20092025076

Universidad Distrital Francisco Jos de Caldas


Facultad de ingeniera
Ingeniera Catastral y Geodesia
Bogot, mircoles 02 de Octubre de 2013

Tabla de contenido
I. TABLA DE CONTENIDO
II. INTRODUCCION

III. OBJETIVOS 4
III.1. OBJETIVO ESPECIFICO
III.1. OBJETIVO ESPECIFICO
IV. TRABAJO PREVIO SELECCIN DE ZONA DE TRABAJO

V. TRABAJO PREVIO CONSULTA, SELECCION Y DESCARGA DE DATOS


10
VI. IMPORTACIN DE DATOS

17

VII. ANALISIS EXPLORATORIO -VISUAL DE LOS DATOS


VIII. ANALISIS VISUAL UNI-BANDA DE LOS DATOS
IX. ANALISIS ESTADISTICO DE LOS DATOS.

40

X. ANALISIS MULTI-BANDA DE LOS DATOS

54

XI. ANALISIS MULTIESPECTRAL DE LOS DATOS 64


XII. SEGMENTACION DE LA IMAGEN

69

XIII. CONCLUSIONES 54
XIV. BIBLIOGRAFIA

54

33

22

II. INTRODUCCION
En el presente trabajo se busca la capacitacin en cuanto al manejo de los
conceptos fsicos y matemticos que constituyen la base del procesamiento digital
de imgenes, adems la capacidad de manejar software especializados para dicho
objeto, para lograr esto se ha propuesto la eleccin de un tema que tenga que ver
con algn tipo de fenmeno capaz de generar un impacto fsico en una
determinada rea de nuestro pas; basado en este planteamiento, se ha propuesto
para el desarrollo de este taller la Determinacin del rea afectada por
incendios forestales en un periodo comprendido entre el 2007 al 2013 en
el municipio de Mapiripan departamento del Meta , se espera que al final
de este taller adems de presentar un anlisis multitemporal de dicho fenmeno
relacionando las diferentes caractersticas propias de un anlisis de imgenes
satelitales, se logre tambin el manejo, manipulacin, interpretacin y obtencin
de diferentes productos a partir de software que sern determinantes en nuestra
vida profesional como lo son ILWIS, ERDAS y PCI.

III. OBJETIVOS
III.1. OBJETIVO GENERAL
Desarrollar habilidades manejando software de procesamiento digital de imgenes
como ERDAS, con los cuales podamos extraer la mayor cantidad posible de
informacin de una imagen la cual corresponder al municipio de Mapiripan,
Meta, no solo enfocndonos en el anlisis espectral sino tambin la referida a
estructura de la imagen y estadsticas de la misma, y de esta manera mediante un
anlisis multitemporal determinar el rea de afectacin por incendios forestales en
dicho municipio.
III.2. OBJETIVOS ESPECIFICOS

Desarrollar habilidades en el manejo de software especializados como


ERDAS y PCI
Entender la estructura fsica y matemtica que hay detrs de una imagen
satelital.
Generar capacidades en cuanto a la bsqueda, seleccin, obtencin y
descarga de informacin de imgenes satelitales.
Realizar anlisis visual y espectral de imgenes satelitales.
Realizar procesos de corte y segmentacin de imgenes satelitales.

IV.

TRABAJO PREVIO SELECCIN DE ZONA DE TRABAJO.

Para afianzar los conceptos tratados durante el repaso sobre Sensores Remotos
llevado a cabo durante la primera parte del curso y empezar a desarrollar las
tareas referentes al procesamiento digital de las imgenes obtenidas por satlite
para propsito de monitoreo de la superficie terrestre, se requiere definir una
zona de inters, y a partir de all establecer y desarrollar la metodologa que le
permitir realizar diferentes anlisis y observaciones sobre la misma a partir del
trabajo con imgenes de satlite en un entorno digital.
IV.1. Defina y justifique la seleccin de una zona de su inters en el
territorio Colombiano.
Se defini como zona de inters al municipio de Mapiripan, ubicado en el
departamento del Meta, se seleccion esta zona debido a la presencia cclica de
incendios forestales a lo largo del tiempo, esta afirmacin la hago en base a que
este fenmeno se evidencia en las bases de datos de imgenes satelitales
Landsat proporcionadas por el USGS (United States Geological Service)
desde las capturas relacionadas a Landsat 4 hasta la hechas en actualidad
Landsat 7.
Por otro lado para justificar y comprobar el hecho de que en dicha zona se han
presentado incendios de gran magnitud, part como base para mi seleccin de las
siguientes imagenes publicadas por el SIAC (Sistema de Informacin
Ambiental de Colombia):

Incendio forestal. Municipio Mapiripan, departamento Meta. Fuente:


CORMACARENA
(imagen1)

Incendio de la cobertura vegetal, municipio Puerto Gaitn, departamento


Meta. Cortesa: CORMACARENA (imagen 2)

El hecho de citar la imagen correspondiente al municipio de Puerto Gaitn


(imagen 2) se hace con el fin de complementar el hecho de que evidentemente la
zona es susceptible a incendios forestales, como vemos a continuacin,
6

Mapiripan y puerto Gaitn son municipios aledaos, por tanto al presentarse un


incendio forestal en puerto Gaitn muy seguramente afectara reas aledaas
como Mapiripan, San Martin o puerto Lpez.

http://glovis.usgs.gov/ (imagen 3)

Imagen correspondiente a los Path/Row: 6/58 Mapiripan (inferior derecha), 6/57


Puerto Gaitn (superior derecha), 7/58 puerto lleras, san Martin (inferior
izquierda) y 7/57 puerto Lpez (superior izquierda), ajustada todas en la fecha
correspondiente al 10 de junio de 2010, se observa afectacin a nivel regional por
un incendio forestal.
IV.2. Realice una breve descripcin de las caractersticas Fsicas y
Socioeconmicas de la zona de su inters.
Aspectos fsicos:
En cuanto a sus aspectos fsicos, el Municipio de Mapiripan se halla localizado en la
parte sur-oriental del Departamento del Meta, dentro de las coordenadas 2
453,30 latitud norte y entre los 72 5371,06 longitud al occidente,
Tiene una extensin de aproximadamente 14.400 kilmetros cuadrados, que
corresponden al 14.8% del rea total del Departamento del Meta, sus lmites son:

Norte : Municipios de San Martn y Puerto Gaitn


Occidente: Municipios de Puerto Lleras y Puerto Concordia
Sur : Departamento del Guaviare
Oriente : Departamento del Vichada

La superficie de Mapiripan, presenta una topografa plana, fuertemente ondulada,


en donde se distinguen claramente terrazas, vegas y colinas, con alturas sobre el
nivel del mar que oscilan entre 150 y 300 metros y con pendientes entre 0% y
25%, Presenta dos estaciones bien definidas una seca con temperaturas elevadas
que va de Noviembre a Marzo (poca de mayor afectacin por incendios
forestales) y otra de lluvias que va de Abril a Octubre, donde se presentan
inundaciones en algunos sitios, especialmente en las zonas aledaas al ro
Guaviare; en cuanto a su vegetacin tenemos una extensin aproximada de 4.315
kilmetros cuadrados en bosque natural, selva virgen y transicin de bosquesabana y amplios pastizales.
Su principal red hidrogrfica del Municipio se caracteriza por pertenecer a la
macro-cuenca del ro Guaviare, que a su paso por el Municipio es irrigada por
subcuencas pertenecientes a la vertiente del Orinoco, finalmente De acuerdo al
DANE en el censo de 1.993, la poblacin del Municipio proyectada
Para 2.001 es de 10.504, distribuidos as en el casco urbano 1.774 y en el resto del
Municipio 8.730 habitantes.
Aspectos socioeconmicos:
Mapiripan como la gran mayora de los pueblos del Departamento del Meta, son
producto de la colonizacin, poseen una dinmica social, cultural y econmica, de
acuerdo a los orgenes de sus primeros pobladores; Respecto al nivel educativo se
tiene que la poblacin en edad escolar para 1999 es de 3.744 nios de los cuales
estn inscritos 210 en la cabecera municipal 1218 en el rea rural lo que significa
un bajo ndice de escolaridad en el municipio, la salud no se ha descentralizado y
presenta poca capacidad de gestin, en cuanto a la dimensin econmica
encontramos como como principales actividades econmicas la explotacin
forestal, explotacin pesquera, y en los ltimos aos la explotacin minera

IV.3. Mediante la herramienta de Visualizacin de datos espaciales


Google Earth, realice la delimitacin espacial de la zona de su inters.

Fuente: google Earth, Mapiripan, meta (imagen 4)

DELIMITACIN GEOGRFICA DEL REA DE INTERES


ESQUINA
INFERIOR IZQUIERDA (A)

COORDENADA NORTE
23531,77

COORDENADA OESTE
723531,77

INFERIOR DERECHA (B)

34730,09

721425,61

SUPERIOR IZQUIERDA (C)

34245,67

711446,73

SUPERIOR DERECHA (D)

22939,21

713335,78

Fuente: el autor
EXTENCION DEL AREA DE INTERES
HECTAREAS

Km

Como la delimitacin del rea de inters no representa un


rea regular para calcular exactamente su extensin
procedimos de la siguiente manera para su clculo:

0,01 H C =1 Km
H C =15468,1215 Km
haciendo uso del rea calculada en

Km

lado izquierdo+ ladoderecho 134,68+138,85


=
2
2

obtenemos

Lado promedio:136,765 km

15468,1215
=1546812,15 0 H C
0,01

lado superior +ladoinferior 110,86+115,34


=
2
2
Lado promedio:113,1 km
Obtenidos los lados promediados calculamos el rea

136,765 km x 113,1 km=15468,1215 Km

FUENTE: EL AUTOR

IV.3. Empleando Google Earth presente, cada esquina de su zona de inters como
una marca de posicin.

Fuente: google Earth, Mapiripan, meta (imagen 5)

V.

TRABAJO PREVIO CONSULTA, SELECCION Y DESCARGA DE


DATOS.
10

i A partir de las coordenadas de su zona de inters definidas en el punto (iii.a) de la


seccin anterior, y mediante la herramienta de identificacin de imgenes
Landsat
mediante
las
coordenadas
de
inters
(http://landsat.usgs.gov/tools_latlong.php), defina de acuerdo al WRS-2 de
Landsat, que imagen(es) del sensor ETM+ cubren su zona de inters.

Zona de inters: Mapiripan, Departamento del Meta, Colombia.


Path/Row
Latitud / longitud
k/ j

6
2.893
651

58
-71.711
344

Fuente wrs-2

ii Presente el inventario de TODAS las imgenes del programa Landsat


consultadas de la zona de su inters, as como TODAS las imgenes de
los dems programas satelitales de su zona de inters consultadas en.
A lo largo de la bsqueda y consulta de las imgenes para nuestra zona de inters
en los diferentes catlogos se bas la bsqueda en cuatro aspectos, el primero
tuvo que ver con el porcentaje de nubes que se quera permitir respecto al
hecho de que no afectara la visualizacin del fenmeno en cuestin, dicho
porcentaje se defini en un mximo del 20% con algunas excepciones en
determinadas reas en donde a pesar de presentarse altos porcentajes de
nubosidad (mayores al 60%) se podan distinguir reas en las cuales se
observaba perfectamente el rea de inters, el segundo criterio que se tuvo en
cuenta fue el de la resolucin del pixel, el cual se defini en 20 metros pues el
fenmeno que se est observando es de escala regional y esta es la resolucin
indicada para trabajar estas escalas, no nos sera til para analizar el impacto del
fenmeno incendios forestales trabajar con resoluciones de 1, 2.5 o 5 metros de
resolucin; como tercer parmetro se tuvo el tipo de producto manejado por
cada catlogo, por conveniencia se tuvieron en cuenta nicamente las imgenes
multiespectrales; finalmente, se fij una fecha correspondiente al rango de tiempo
en la que se analizara el fenmeno (2007 al 2013) haciendo nfasis en las fechas
correspondiente a Enero de 2007 y Febrero de 2007, fechas en donde segn la
investigacin hecha hasta el momento se present uno de los incendios forestales
de mayor magnitud desatados en la zona de inters, los anteriores criterios los
base en cuanto a que es ms importante la calidad de las imgenes con las que
trabajemos que la cantidad.

11

a SPOT, en el catlogo SIRIUS SPOT: En este catlogo realmente encontramos


pocas imgenes multiespectrales tiles para nuestro estudio, en la gran mayora
de casos el filtro de un 20% usado restringi el uso de pocas imgenes, la gran
mayora de imgenes disponibles eran tomadas por sensores referentes al
termal, pancromtico y en algunas ocasiones infrarojos.

IMGENES CONSULTADAS SPOT


k
651

Catalogo: SIRIUS
Fecha de
Senso
j
Misin
la Imagen
r
344
2007-02SPOT 2
HRV
01

Fuente

% CC

SIRIUS

17%

Fuente: http://spotcatalog.spotimage.com/PageSearch.aspx#

b LANDSAT, en el catlogo GLOVIS: En el catlogo del GLOVIS se fue an ms


estricto, debido en parte a la gran cantidad de imgenes disponibles para
nuestra rea de inters, por esta razn restringimos el filtro de porcentaje de
nubes al 15% y adems solo tuvimos en cuenta imgenes que potencialmente
pudieran ser descargables para ser mejor analizadas con software
especializados como ERDAS.

Imgenes Consultadas LANDSAT


Catalogo: GLOVIS
Path

Ro
w

58

58

58

58

58

58

58

58

58

58

Fecha
de la
Imagen
2007-0116
2007-0321
2007-0719
2007-0905
2008-0111
2008-0127
2008-0204
2008-0408
2008-1228
2009-03-

Misin
LANDASAT
5
LANDASAT
5
LANDASAT
7
LANDASAT
7
LANDASAT
7
LANDASAT
7
LANDASAT
7
LANDASAT
7
LANDASAT
7
LANDASAT
12

Senso
r

Fuente

% CC

TM

GLOVIS

TM

GLOVIS

14

ETM+

GLOVIS

ETM+

GLOVIS

19

ETM+

GLOVIS

13

ETM+

GLOVIS

ETM+

GLOVIS

ETM+

GLOVIS

ETM+

GLOVIS

ETM+

GLOVIS

58

58

58

58

58

10
2010-0913
2011-0831
2012-0122
2013-0313
2013-0812

7
LANDASAT
7
LANDASAT
7
LANDASAT
7
LANDASAT
7
LANDASAT
8

ETM+

GLOVIS

16

ETM+

GLOVIS

16

ETM+

GLOVIS

ETM+

GLOVIS

23

OLI

GLOVIS

68

Fuente: http://glovis.usgs.gov/

*las imgenes que sobrepasan el filtro del 15% fueron seleccionadas teniendo en
cuenta que el rea afectada por nubosidad no afecta la visualizacin del rea de
inters.
*La ltima imagen correspondiente a LANDSAT 8 se incluy en la lista siguiendo
la sugerencia del profesor de tener al menos una imagen tomada con el sensor
OLI, lamentablemente ninguna de las imgenes disponibles en el catlogo para
L8 fue de utilidad para el proyecto debido a su alta nubosidad y escases en los
datos bajo el filtro de nubosidad propuesto (30%).
c ASTER, en el catlogo GLOVIS: La interpretacin de las imgenes
presentadas en el catlogo para ASTER es un poco confusa, sumado al hecho de
que para la zona de estudio los porcentajes de permisividad para coberturas de
nubes deban ser muy altos pues realmente en pocas ocasiones eran inferiores
al 20%, debido a esto se fue un poco ms flexible respecto a el filtro propuesto
para controlar el porcentaje de nubosidad y se ha permitido que tome valores
hasta del 30%.
Respecto al mensaje que aparece en el visor GLOVIS al seleccionar el sensor L1A
de ASTER podemos decir que el catalogo REVERB de la NASA realmente es ms
organizado, pero la bsqueda de informacin es ms sencilla en GLOVIS, se
encontr el inconveniente de que para despus del mes de agosto de 2011 no se
encontraron imgenes ASTER con la especificacin requerida de un porcentaje de
nubosidad inferior al 30% por tanto si basara solo en imgenes ASTER el desarrollo
del proyecto no podra hacer el anlisis multitemporal propuesto.

Path
6

Imgenes Consultadas ASTER


Catalogo: GLOVIS
Fecha de Misi
Row
Sensor Fuente
la Imagen
n
58
2007-02ASTE
L1A
GLOVIS
13

% CC
18

58

58

58

58

09
2008-0127
2011-0220
2011-0808
2011-0808

R
ASTE
R
ASTE
R
ASTE
R
ASTE
R

L1A

GLOVIS

L1A

GLOVIS

10

L1A

GLOVIS

24

L1A

GLOVIS

Fuente: http://glovis.usgs.gov/

ALOS, en el catlogo CROSS: lamentablemente el pasado 18 de julio el


servidor ALOS denominado cruz intento ser infiltrado con el objeto de robar
informacin privada de los usuarios de esta compaa y de los contenidos
recopilados por los diferentes sensores y misiones ALOS(*ver http://www.alosrestec.jp/ ), por tal motivo el servidor fue restringido hasta nueva orden afectando
la adquisicin de la informacin requerida; por esta razn ser inevitable tomar
imgenes ALOS para el desarrollo de la temtica del presente trabajo.

d QUICKBIRD, en Image Finder: Al tratarse de un satlite comercial cuyo objetivo


es el de proporcionar imgenes de alta calidad encontramos que solo hay
disponibles pocas imgenes pues el almacenamiento de datos est relacionado
con la demanda de estos, encontramos un catlogo ms bsico que los dems,
pero con un fcil mtodo de bsqueda de informacin.

2.893

71.71
1
71.71
1

2.893

Imgenes Consultadas Quickbird


Catalogo: Image Finder
Fecha
Sens
de la
Misin
Fuente
or
Imagen
2008-09- QUICKBIR WVO1 Image Finder
12
D II
2010-1003

QUICKBIR
D II

14

WV02

Image Finder

% CC
1
16

2.893

71.71
1
71.71
1

2.893

2010-0110

QUICKBIR
D II

WV02

Image Finder

2012-0812

QUICKBIR
D II

WV01

Image Finder

Fuente. https://browse.digitalglobe.com/imagefinder/navigator.do?navAction=PANDRAG&x=47&y=67&width=636&height=434

e RapidEye en el catalogo RapidFind: El criterio de bsqueda en este catlogo


fue estimado en base a los tres productos ofrecidos por el catalogo: Basic
Product (leve 1B),ortho Product (level 3A) y mosaics (3M); para el estudio
de nuestro modelo se consider el Basic Product, pues son datos que han sido
mnimamente tratados, y que por tanto nos permite hacer un buen manejo,
interpretacin y dems de la imagen, se fue exigente en cuanto al filtro de
cobertura de nubes (10%) debido a la gran cantidad de datos disponibles para
nuestra zona, lamentablemente al ser este un proyecto multitemporal
comprendido entre el 2007 al 2013 nos vemos limitados, pues las imgenes que
ms nos interesan, correspondientes a los meses de enero a febrero del ao
2007 donde se present el fenmeno ms fuerte no pueden ser adquiridas
debido a que este programa entro en funcionamiento hasta el 2009, meses
despus de su lanzamiento el 29 de Agosto de 2008

Imgenes Consultadas RapidEye

2.893

72.24
9
71.71
1
71.71
1
71.71
1
71.71
1
71.71

2.893
2.893
2.893
2.893
2.893

Catalogo: RapidFind
Fecha
Sens
de la
Misin
or
Imagen
2013-04- RapidEye JSS56
10

Fuente

% CC

EyeFind

2013-0214

RapidEye

JSS56

EyeFind

2013-0113

RapidEye

JSS56

EyeFind

2012-0220

RapidEye

JSS56

EyeFind

2011-0827

RapidEye

JSS56

EyeFind

2011-0121

RapidEye

JSS56

EyeFind

15

2.893
2.893
2.893
2.893

1
71.71
1
71.71
1
71.711
71.711

2011-0112

RapidEye

JSS56

EyeFind

2010-0325

RapidEye

JSS56

EyeFind

2010-0109
2009-1229

RapidEye

JSS56

EyeFind

RapidEye

JSS56

EyeFind

Fuente. http://eyefind.rapideye.com/

CBERS, en el catalogo INPE: En este catlogo, me permit trabajar con el


satlite CBERS 2, con el sensor CCD (Hight Resolution CCD Camera), con un
filtro de nubosidad del 20%,

Path
185
185
185
185
185

Imgenes Consultadas CBERS


Catalogo: INPE
Fecha
Row
Senso
de la
Misin
r
Imagen
96
2007-02- CBERS
CCD
03
2B
96
2008-01- CBERS
CCD
21
2B
96
2008-04- CBERS
CCD
08
2B
96
2009-06- CBERS
CCD
18
2B
96
2010-01- CBERS
CCD
30
2B

Fuente

% CC

INPE

10

INPE

10

INPE

30

INPE

10

INPE

Fuente: http://www.dgi.inpe.br/CDSR/

iii Presente la imagen satelital seleccionada de cada programa y justifique


sus criterios para dicha seleccin.
Vista rpida de la Imagen
seleccionada

Fecha
de la
imagen

Programa
satelital

SPOT 2

200716

Criterio para la seleccin


La imagen fue seleccionada
en base a que permite
observar totalmente el rea
de inters, adems por el
hecho de que al ser una
imagen en falso color ofrece la

02-01

posibilidad
de
distinguir
claramente la vegetacin sana
en rojo y la afectada por el
fenmeno de incendio forestal
en negro.

Fuente: SIRIUS SPOT

LANDSAT 7

200801-27

Fuente: GLOVIS

ASTER

200702-09

Fuente:GLOVIS

Esta imagen fue elegida en


vista de que nos ofrece todos
los datos necesarios para
hacer el estudio de inters
(nivel 1), es decir, una
cobertura total del rea de
inters,
una
clara
diferenciacin
de
los
diferentes tipos de cobertura
presentes en la imagen, baja
nubosidad, visualizacin clara
del fenmeno y su impacto,
adems de poca pixelacion y
una muy buena resolucin.

Realmente fue la mejor imagen


que se consigui, su seleccin se
basa en el relativamente bajo
porcentaje de nubosidad (17%),
si fuese necesario descargarla,
ofrecera al igual que la imagen
SPOT
una
gran
ventaja
relacionada
al
hecho
de
permitirnos
diferenciar
claramente reas de vegetacin
sanas y reas de vegetacin
afectadas, tambin se seleccion
debido a que cubre toda el rea
de inters.

ALOS: Servidor restringido por acceso no autorizado


De todas las imgenes es la que
nos
permitira
con
mayor

17

QUICKBIRD

201001-10

Fuente: Image Finder

RAPIDEYE

201003-25

Fuente: RapidFind

CBERS

200801-21

Fuente: INPE

18

facilidad identificar las reas


afectadas por el fenmeno,
gracias al hecho de que por su
gran eficiencia en el sensor
WV02 se pueden distinguir
claramente los diferentes tipos
de vegetacin y asi podemos
inferir si el fenmeno se dio
debido a la quema de pastos
para preparacin de suelos de
uso ganadero y dems, es decir
dar una hiptesis del posible
determinante que desato el
fenmeno; se observa que cubre
casi la totalidad del rea de
inters, adems tiene porcentaje
de
nubosidad nulo y una
excelente resolucin.
Adems del hecho de que
presenta baja afectacin por
nubosidad y cubre el rea de
inters,
esta
imagen
se
seleccion dado que nos da una
clara confirmacin de que el rea
de
estudio
tiende
a
ser
vulnerable
a
los
incendios
forestales, en esta imagen fui
afortunado por el hecho de que el
sensor capturo la imagen en el
momento en que se estaba
desarrollando un incendio forestal
de gran magnitud el cual como
se puede apreciar abarcaba un
rea
comprendida
entre
Mapiripan, Puerto Lpez y
Puerto Gaitn.

La imagen se escogi en vista


de que cubre la totalidad del
rea de inters y presenta
baja nubosidad, adems al ser
capturada un ao despus de
que se diera el incendio
forestal entre enero y febrero
del 2007 permitira hacer un
claro anlisis de que tan
fuerte fue el impacto en la
zona,
esto
podra
determinarse
fcilmente
analizando en un ao cuanto
se recuper la vegetacin

desde el momento en que se


logr extinguir el fuego del
incendio forestal y adems
inferir
cuanto
tiempo
le
llevara a la zona recuperarse

iv Realice una comparacin de la imagen seleccionada en Landsat con al


menos otras dos imgenes de los proveedores consultados. Establezca
claramente las diferencias:
program sensor
rea
R.
R.
R.
%
Calidad
a
cubierta
Tempo
Espacial
Radiomt CC
km
ral
rica
LANDSA
ETM+
34225
16 das
XS:30 m
8 bits
1
Muy
T7
buena
QUICKBI
WV02
272.25
3,5 das XS: 2,4 m
11 bits
0
Muy
RD
buena
RAPIDEY RAPIDEY
5929
5,5 das XS: 6,5 m
12 bits
2
buena
E
E
v

Presente un resumen del metadato de la imagen Landsat descargada.

IMAGEN LT50060582008035 de febrero del 2008


Dimensiones de la imagen

Sistema
proyeccin
Universal
transversal de
mercator
(UTM),Z19

filas

colum
nas
7851

695
1
formato: TIFF

pixel

Sistema de coordenadas
UL(X)=88200.00000000001
50
LR(Y)=323700.0
UL(Y)=421200.0
LR(Y)=212700.0

swath

30
metros

208,23 X
239,13
Estructura: BSQ (bandas

Tamao en disco: 399,08

secuenciales)

Coordenadas de la imagen(tomadas del metadato de GLOVIS)


Superior izquierda

Inferior izquierda

:
3.80267(348'09"N)

:
-72.70627
(7242'22"W)

: 1.92032

(155'13"N)
: -72.70022
(7242'00"W)

VI.

Superior derecha

:
3.80920
(348'33"N)

:
-70.58765
(7035'15"W)

IMPORTACIN DE DATOS.
19

Superior izquierda

1,92362(15525N)

:
-70.58505
(7035'06"W)

Para comenzar el procesamiento y anlisis visual y estadstico de los datos


satelitales, estos deben incorporarse al software de procesamiento digital. Estas
herramientas Como cuentan con un gran conjunto de utilidades y aplicaciones
enfocadas a tareas de procesamiento de datos como soporte al anlisis y gestin
de informacin para propsitos de investigacin, cartografa o produccin de
datos.
I.

Desarrollo de la prctica.

LT50060582008035_B1

LT50060582008035_B2

LT50060582008035_B3

LT50060582008035_B4

20

LT50060582008035_B5

LT50060582008035_B7

Luego de cargar en el software ERDAS IMAGINE 2011 las respectivas bandas


correspondientes para formar la imagen multiespectral (B1, B2, B3, B4, B5,
B7) se procede a armar la imagen multiespectral mediante la siguiente manera:
1. Raster- group espectral layer stack

2. En la ventana que se abre (layer stack) procedo a cargar cada una de las
bandas de menor longitud (B1) a mayor longitud (B7) de onda, exceptuando
la banda 6 y la banda 8, doy un nombre de salida y de entrada y acepto.

21

3. luego de que el programa arme la imagen multiespectral procedemos a


buscarla, de acuerdo al nombre que le hallamos asignado y asegurndonos
de buscarla ya no como .TIFF sino como .Img

22

4. finalmente, obtenemos nuestra imagen multiespectral, a partir de esta


podemos tambin obtener imgenes en color natural u otras combinaciones
de realce o podemos hacer lo que ms nos interesa: realizar el anlisis de los
tipos de coberturas presentes, los fenmenos que queremos estudiar, en
este caso el de incendios forestales y la identificacin de reas afectadas por
el fenmeno en cuestin.
* Para obtener nuestra imagen en color natural bastara con dirigirnos nuevamente
la opcin Raster- group espectral y en ves de seleccionar la opcion layer stack
seleccionamos la de natural color

PRODUCTOS OBTENIDOS CON LA HERRAMIENTA LAYER STACK

Imagen multiespectral

Imagen color natural

23

5. mediante la herramienta de zoom de caja visualizaremos a continuacion 3


zonas que hallan llamado nuestra atencion, dichas zonas en la imagen
natural estan encerradas en cuadrados.
zona

descripcion
Zonas muy brillantes: llegue a la
conclusion de que las zonas que
desde lejos(fit to frame) se veian
como puntos brillantes corresponden
a areas deforestadas parcial o
totamente, esto se debe a que al
estar expuesto el suelo e interactual
con la radiacion electromagnetica
proveniente de la fuente este refleja
la mayor parte de la energia
incidente.
Zonas negras: basado en lo que
hasta el momento se ha desarrollado
del trabajo puedo afirmar que las
areas de este tipo corresponde a
vegetacion afectada directamente por
incendios forestales, ya que al estar
muerta esta no tiene la capacidad
de emitir y/o reflejar la energia que
incide sobre ella, la cual le da su
caracteristico color verde.

Zonas brillantes en las rondas de


los rios: llamo mi atencion el hecho
de que desde lejos el rio orinoco
pareciera un camino destapado con
forma
irregular,
al
hacer
el
acercamiento
encontre
que
seguramente la imagen se capturo en
una epoca calida donde el nivel
freatico del rio estaba bajo, razon por
la cual muchos de los sedimentos de
este quedaron expuestos a lado y
lado del rio generando este curioso
efecto visual.
24

a Con sus palabras


PCI/ERDAS.

cmo

definira

la

imagen

Multiespectral

en

En mi concepto, definira la imagen multiespectral(xs) como una herramienta


fundamental en el proceso de anlisis de coberturas en una zona determinada,
pues como hemos visto el hecho de que se nos permita combinar los diferentes
tipos de bandas espectrales nos da la capacidad de realizar un anlisis mucho
ms detallado y global que al hacerlo banda por banda, por tanto tener la
capacidad de generar una imagen multiespectral significara el hecho de realizar
una interaccin entre los niveles digitales en cada uno de los pixeles de las
diferentes bandas en la misma posicin, creando as una objeto nico, que es la
imagen caracterizada por el color que esta posee.
b Qu ventajas tiene la
procesamiento digital.

utilizacin

de

este

objeto

en

tareas

de

Dira que la principal ventaja estara relacionada al hecho de que con el orden en
que se ingresan las bandas espectrales al momento de aplicar el Maplist variara
el color resultante de la imagen, por tanto podremos obtener tantas
combinaciones de color como bandas hallan, en mi opinin, bsicamente de esta
idea se desprenderan las dems ventajas, basadas en que la interaccin de un
cuerpo fsico capturado en una imagen satelital (en nuestro caso Landsat 7,
sensor ETM+) podr resaltar ms a nuestra voluntad a una longitud de onda
especfica, lo que determinara cuando sean varios elementos de nuestro inters
que unos se distingan de otros(siempre y cuando la estructura interna de la
imagen asi lo permita(altas dispersiones)), permitindonos un nivel de detalle y
anlisis mucho mejor, es decir bsicamente podramos obtener varias firmas
espectrales de un mismo elemento o cobertura y con esto obtener un anlisis
desde diferentes puntos de vista respecto a un fenmeno.

VII. ANLISIS EXPLORATORIO-VISUAL DE LOS DATOS.


Cuando la informacin digital puede ya ser desplegada en pantalla, los primeros
anlisis son los meramente visuales, se buscan los principales rasgos
caractersticas en la imagen digital que pueden dar indicativos sobre las
caractersticas de la zona que estamos estudiando y de la que hemos adquiridos
los datos. Se conoce por lo general la posicin aproximada de los datos, el rea
que cubre la imagen y la fecha de toma de la misma, podemos entonces
comenzar a realizar un anlisis de las caractersticas de los datos y las coberturas
que se representan en estos.

25

i Realice las dos composiciones de color bsicas en Procesamiento


Digital (Color Natural y Falso Color Estndar) con la imagen empleada
sobre la zona de su inters.
En el punto anterior se defini como crear una imagen color natural en el
software ERDAS IMAGINE 2011(Raster- group espectral -natural color,
pero ahora usaremos un nuevo mtodo el cual consistir en determinar el
orden de las bandas antes de cargar la imagen multiespectral. El cual para un
color natural ser una combinacin (3, 2, 1), (Rojo, verde, azul); luego nos
remitiremos a dar la explicacin de cmo generar la imagen falso color
estndar, estableciendo una combinacin de color correspondiente a (4, 3, 2)
1

Imagen color natural: Definimos las bandas de la siguiente manera B3 para


el rojo, B2 para el verde y B1 para el azul.

2 Imagen falso color estndar: Definimos las bandas de la siguiente manera


B4 para el rojo, B3 para el verde y B2 para el azul.

26

Una vez cargadas las correspondientes imgenes multiespectrales


seleccionando las bandas de las dos anteriores maneras obtenemos los
siguientes productos
Imagen color natural(3, 2, 1)

Imagen falso color estndar(4, 3, 2)

Solo con el objeto de fortalecer la interaccion con el software se ha decidido


desarrollar el siguiente ejercicio, las dos imgenes superiores corresponden a
las dos combinaciones hechas anteriormente (3 ,2, 1) y (4, 3, 2), las dos
imgenes de la parte inferior corresponden a dos combinaciones de color (3,
5,4) y (5, 4, 6) respectivamente.
27

ii En ambas combinaciones de color realice un anlisis y comparacin


visual de la totalidad de la imagen.
a Cul es el rea total cubierta por la imagen Landsat en Km 2 y
hectreas.
Para desarrollar este punto hicimos uso de la herramienta measurementmeasure perimeters and areas, mediante la cual solo seleccionando las
esquinas de la imagen podemos
obtener el rea en hectreas de la imagen,
para obtener el rea en Km simplemente se aplic un factor de conversin.

rea total cubierta por la imagen


Hectreas(Ha)
Kilmetros cuadrados(Km)

28

3634774, 6646153275
=36347,74665
100

3634774, 6646153275

Fuente: el autor

b Que regiones, zonas y/o rasgos (naturales y/o artificiales) cubre dicha
imagen, descrbalas a partir de sus rasgos generales y observables en
las composiciones de color
Para el desarrollo de este punto se hizo necesario por razones de facilidad el uso
de la herramienta link views la cual a partir de la creacin de dos visores en
Erdas (add views) nos permite ver simultneamente los recorridos que hago en
una imagen, es decir si tengo 2 imgenes y hago zoom de caja en una en la otra
el mismo zoom se hara permitiendo hacer un anlisis comparativo de coberturas
mucho ms sencillo.

Imagen color natural

Zona o regin

Ubicacin
(coordenadas)

Rio Orinoco

Latitud:25233,592
0
Longitud:
715011,3404

Imagen falso color estndar

Descripcin general
cuerpo de agua bastante irregular, en su
recorrido atraviesa de oriente a occidente la
escena, la imagen falso color estndar
ofrece un mejor anlisis pues nos permite
ver de manera clara que a lado y lado de la
ronda del rio se presentan
sedimentos
expuestos, contrario a la color natural en

29

donde podramos decir errneamente por el


color azul claro que presenta esta cobertura
que se da debido a que a lado y lado del rio
hay zonas de inundacin lo cual no es cierto,
en cuanto a la calidad del agua fue
necesario usar una combinacin (5,4,6)
pues en la (4,3,2) y (3,2,1) el color aparece
azul y con esto no se podra decir algo
concreto, ahora el color del agua es de tono
oscuro, lo que est indicando que es limpia,
pero que contiene grandes cantidades de
material edafolgico, sedimentos y dems.

Imagen color natural

Zona o regin
Lago
Toninas

las

Imagen falso color estndar

Ubicacin
(coordenadas)

Descripcin general

Latitud:25257,490
3

Nuevamente encontramos el problema bajo


la combinacin (4,3,2) y (3,2,1) de analizar
el grado de contaminacin de esta laguna
podemos decir que es agua limpia y que su
tonalidad verde oscura se debe al contenido
de
grandes
cantidades
de
material
orgnico(edafolgico) y a los altos niveles de
sedimentacin que recoge el rio Orinoco a lo
largo
de
su
recorrido
desde
su
delta(nacimiento) en los lmites con el
departamento del vichada hasta el sitio en
cuestin, respecto a la imagen natural,
vemos un color brillante, lo que indica alta
reflectividad, de lo cual podramos inferir
que esto se debe a que este lago tiene una
profundidad relativamente baja.

Longitud:
72557,4903

Imagen color natural

Imagen falso color estndar

30

Zona o regin
Municipio de
Mapiripan

Ubicacin
(coordenadas)

Descripcin general

Latitud:25336,349
7

Este anlisis resulto un poco ms complejo


de lo que se esperaba debido a las
condiciones geomorfolgicas de la zona,
debido a que, la deforestaciones areas
aledaas al municipio debido al uso de
tierras para pastoreo de ganado produce la
misma
respuesta
espectral
que
las
edificaciones, pero gracias a el hecho de
que en la imagen falso color estndar
podemos apreciar la vegetacin en un color
rosado oscuro (indica vegetacin sana) se
puede observar claramente hacia el centro
de la imagen que esta reflectividad hace
referencia a areas construidas es decir es el
municipio, y que los colores rosados
delimitan al municipio, basado en la
herramienta
inquire y su ayuda de
google Earth se puede afirmar que el rea
respectiva a la esquina superior derecha,
corresponde a un rea deforestada.

Longitud:
7287,3497

Imagen color natural

Imagen falso color estndar

31

Zona o regin
Rio
Cabuyarito

Ubicacin
(coordenadas)

Descripcin general

Latitud:3445,1632

La determinacin de esta cobertura como un


cuerpo de agua se bas en la forma irregular
de su recorrido pues, en la imagen natural
pareca un camino, gracias al anlisis bajo la
combinacin (5,4,6)donde los cuerpos de
agua aparecen en color negro se lleg a la
conclusin de que era un rio, al igual que los
dems
cuerpos
de
agua
explicados
anteriormente, podemos decir que sus
aguas no son contaminadas, pero que si
presentan
contenidos
importantes
de
material edafolgico y sedimentos aunque
en menor escala a los que presenta el rio
Orinoco debido a su tonalidades oscura ms
clara.

Longitud:
712358,6130

Imagen color natural

Imagen falso color estndar

32

Zona o regin
Cerro
alta

loma

Ubicacin
(coordenadas)

Descripcin general

Latitud:3022.6448

cerro de una altura promedio, textura muy


rugosa y tonalidad variada, esta variacin
de tonalidad se debe a la presencia de tres
tipos de cobertura de vegetacin, la primera
vegetacin sana, la segunda vegetacin
enferma y la tercera vegetacin afectada,
dicha afectacin producida por el fenmeno
de nuestro inters incendios forestales, en
la imagen natural vemos como estas zonas
negras debido a la carbonizacin de la
vegetacin no se ven tan claramente debido
a que nuestra imagen se ve afectada por la
dispersin rayleght, pero en la imagen
falso color estndar (5,4,6) podemos
apreciar
de
manera
contundente
la
magnitud del impacto en este cerro, vale la
pena resaltar que a diferencia de la
combinacin (4,3,2) en donde la vegetacin
sana aparece en tonos de rosado, en la
combinacin (5,4,6) el tono rosa hace
referencia a suelos expuestos o con poca
vegetacin y el color verde representa la
vegetacin sana.

Longitud:
721151,2747

Imagen color natural

Imagen falso color estndar

Zona o regin

Ubicacin
(coordenadas)

Descripcin general

Rio

Latitud:33443,702

Rio que atraviesa de norte a sur la


33

Manacacias

7
Longitud:
722040,2765

imagen al costado izquierdo de esta, de


forma ms regular que los otros cuerpos
de agua explicados, en cuanto ha estado
de pureza podemos decir que su
comportamiento es similar al de los otros
ros
mencionados,
presenta
baja
profundidad.

c Presente y muestre la ubicacin de su zona de inters en la imagen.


Zona de inters fenmeno incendios forestales

En la parte izquierda podemos observar el rea de inters enmarcada por un cuadro sobre
la imagen natural con la ayuda de la herramienta zoom de caja, en la parte derecha
observamos el rea correspondiente al cuadro especificado sobre la imagen natural
obtenida mediante la opcin de link views, en la cual se puede observar la magnitud del
fenmeno que se va a estudiar.

d Defina los lmites exactos de su zona de inters, a partir de la lectura


de los datos de posicin en la imagen.
Esquina Superior
Izquierda

122948,52

Lat.

403893,58

Lon

34

2416,149
2
722324,6

Fila

574,4443

Column

1155,846

g
Esquina Superior
Derecha
Esquina Inferior
Izquierda
Esquina Inferior
Derecha

236442,85

Lat.

403966,70

Lon
g

122948,52

Lat.

297302,97

Lon
g

236442,85

Lat

297302,49

Lon
g

521
3395,825

712221,4
693
33851,61
20
722335,9
386
24114,85
94
712211,1
958

Fila

574,4433

Column
a

4941,428
4
4127,463
8
1155,846
7
4127,463
8
4941,428
4

Fila
Column
a
Fila
Column
a

iii Cuantas Filas y Columnas componen su rea de inters.


filas
3553

Columnas
3768,4284

Fuente: el autor

iv Realice el corte de la imagen completa (Maplist) a partir de los lmites


definidos en ii.d mediante la operacin Submap of a Raster Map.
Haciendo uso de la opcin inquire box defino el tamao del rectngulo que me
interesa cortar, para ello determino las coordenadas superior izquierda y la inferior
derecha.

A continuacin en la opcin raster selecciono la opcin subset & chip,


finalmente selecciono crate subset & chip me aseguro de que las coordenadas
sean las correctas y finalmente le doy ok, el producto generado (imagen color
natural (3, 2, 1)) es:

35

v Presente el resultado del proceso de corte de la imagen en una combinacin de


Falso Color Estndar, donde se presenten, sealen y enumeren las principales
caractersticas de por lo menos 3 Y NO MS DE 6 COBERTURAS de su zona de
inters.
Siguiendo el anterior proceso de corte y cargando las imgenes con las
combinaciones de banda (4, 3, 2) y (5, 4, 6) obtengo:
Combinacin (4,3,2)

Combinacin (5,4,6)

36

Cobertura

Caractersticas Generales

Cuerpos de agua

Encontramos
Superficies
y
volmenes de agua esttica y
de movimiento constante, con
presencia de altas cantidades
de
sedimentos
y
material
edafolgico, que reposan sobre
la superficie terrestre.
Son todas aquellas obras hechas
por el hombre para su servicio y
beneficio
en
las
que
comnmente usan materiales
como
el
hierro,
cemento,
ladrillo, madera, etc. Presentan
un
arreglo
geomtrico
caracterstico
segn
su
dedicacin.

Construcciones

Tierras eriales
De acuerdo al significado del
trmino erial, a esta clase
corresponden todas aquellas
superficies
de
tierra
sin
capacidad para ser cultivadas y
labradas. No quiere esto decir
que por no ser agrcolamente
productivas, estas tierras o
superficies sean intiles, por el
contrario muchas encierran un
valor econmico.
Bosque y/o Montes
Son todas aquellas coberturas
vegetales
cuyo
estrato
dominante
est
conformado
principalmente de especies con
tallo o tronco leoso. Ambos son
usados para denominar un sitio
poblado de arboles

37

VIII. ANLISIS VISUAL UNI-BANDA DE LOS DATOS.


La identificacin de las caractersticas y diferenciacin espectral de las coberturas
en la imagen de la zona de su inters, facilitan los posteriores procesos de
identificacin y clasificacin. Encontrar o definir mediante un primer anlisis visual
las bandas que presentan la mejor separabilidad por tono o brillo (contraste) de las
coberturas de inters es un paso muy conveniente, en el proceso de identificacin
de las variables ms importantes en procesos de separabilidad espectral.
i

Mediante la opcin de despliegue en pantalla de varios datos en una


misma pantalla de Erdas (ADD VIEWS), cargue los datos para cada una
de las bandas de la imagen en una nueva ventana, asegurndose de
usar la representacin GRAY, y posteriormente adicione los datos de la
misma banda en su respectiva ventana empleando una representacin
PSEUDO, y tambin despliegue los datos con una representacin
INVERSE.

ii

Analice para cada una de las bandas lo que las 3 diferentes


representaciones o PSEUCOLOR TABLES le permiten diferenciar de
acuerdo a los rasgos: tono o color y niveles digitales de las coberturas
ms generales para la imagen.
Complete con la informacin anterior la siguiente tabla, adicione las
filas que considere necesarias.

iii

Banda 1
Intervalo: 0,4 -0,5 m
longitud de onda
GRAY

cobertura
1 .cuerpos de agua

Nombre: Azul
PSEUDO

INVERSE

anlisis
En la imagen Grey se identifican claramente los cuerpos de
38

agua con tonalidad clara, en la imagen pseudo se alcanza a


apreciar nicamente los grandes cuerpos de agua como el
Orinoco pero en la inverse no se identifican los cuerpos de
agua que estn presentes en el rea de inters.
2. construcciones

En las tres imgenes se diferencian con dificultad (luego de


realizar un zoom de caja por su tonalidad que se confunde
con el entorno) son edificaciones en concreto. En la imagen
Grey se identifican gran parte de las vas por su forma y su
tonalidad clara al ser vas sin pavimentar en la mayora de
casos. En las otras dos imgenes no se diferencian las vas.

3.bosque y/o monte

En la imagen inverse no se logra discriminar la zona del


cerro loma alta debido a que las zonas aledaas a estas
poseen la misma tonalidad, pero en las imgenes gray y
pseudo se ve claramente.

4. tierras eriales

Los suelos ms erosionados tienen tonalidades gris claro en


la representacin gray, en el inverse no se distinguen y en
la pseudo las tonalidades rojas nos indican este tipo de
tierra erosionada o sin capa vegetal o tierra con baja o nula
materia orgnica.
Banda 2
Intervalo: 0,5-0,6 m

longitud de onda
GRAY

cobertura
1 .cuerpos de agua

Nombre: Verde
PSEUDO

INVERSE

anlisis
En la imagen Gray y pseudo se identifican claramente los
lagos con tonalidad oscura, aunque la tonalidad de la
39

imagen en general sea oscuro, los cuerpos de agua tienen


un tamao y forma caracterstico que ayuda
su
discriminacin del entorno general de la imagen, la imagen
inverse fue totalmente descartada.
2. construcciones

En la imagen Gray se identifican gran parte de los ros


gracias a que la exposicin de sedimentos a lado y lado de
su ronda lo hace ver brillante adems por su forma y su
tonalidad clara al ser vas sin pavimentar. En las otras dos
imgenes no se diferencian bien las vas y se confunden
con algn tipo de drenaje que se presenta en la zona. En las
imgenes gray e inverse las edificaciones se diferencia
fcilmente por su tonalidad, textura y forma, aunque en la
pseudo se presente como un cumulo de pequeos puntos
rojos en una rea pequea.

3.bosque y/o monte

La discriminacin de montes o bosques en el gray e inverse


no es muy sencilla, en cambio la pseudo esta cobertura
tiende a tomar colores rosados.

4. tierras eriales

Sabemos que los suelos destapados presentan una mayor


reflectividad, por esta razn, en la representacin gray y
pseudo se observa mejor esta caracterstica, pero aun asi
es difcil determinar exactamente en donde quedan.
Banda 3
Intervalo:0,6-0,7 m

longitud de onda
GRAY

cobertura
1 .cuerpos de agua

Nombre: Rojo
PSEUDO

INVERSE

anlisis
Encontramos que, bajo esta combinacin el rea azul hace
40

2. construcciones

3.bosque y/o monte

4. tierras eriales

de la imagen pseudo hace referencia no a cuerpos de agua


sino al contenido de humedad de la vegetacin,
afortunadamente en nuestro caso, se diferencian
claramente los cuerpos de agua debido a su alto contenido
de sedimento y materia orgnica los cuales lo hacen ver
brillante, en la imagen gray se observan muy bien los
cuerpos de agua y en la inverse solo se observan los
cuerpos de agua grandes, zonas referidas a suelos
destapados o vegetacin enferma aparecen en verde.
En la imagen Gray se identifican gran parte de las vas por
su forma y su tonalidad clara al ser vas sin pavimentar. En
las otras dos imgenes no se diferencian bien por presentar
la caracterstica de estar segmentadas a largo de la zona.
En las imgenes grey se diferencia fcilmente por su
tonalidad son edificaciones en concreto. En la pseudo
tiende a tener la misma tonalidad de zonas erosionadas y
no es fcil su identificacin exceptuando ciertos puntos de
color rojo dentro del permetro urbano.
La imagen gray muestra tonalidades gris oscura en la
parte inferior derecha, la inverse toma tonalidades ms
oscuras que no permiten diferenciar las zonas de inicio o
final de algn tipo de vegetacin y en la representacin del
pseudo la zona montaosa toma un color verde al igual que
los cuerpos de agua, asimilamos esto al alto contenido de
partculas de agua.
En la tonalidad del gray, las tonalidades son gris claro y en
la pseudo toma tonalidades verdes en las zonas ms
erosionadas o sin capa vegetal.
Banda 4
Intervalo: 0,8-1,4 m

longitud de onda
GRAY

Nombre: IRC(infrarrojo cercano)


PSEUDO

41

INVERSE

cobertura
1 .cuerpos de agua

2. construcciones

3.bosque y/o monte

4. tierras eriales

anlisis
En la tonalidad del gray, las tonalidades son gris claro, en la
inverse tonalidades de gris muy claro y para finalizar en la
pseudo toma tonalidades verdes en las zonas ms
erosionadas o sin capa vegetal, Los cuerpos de agua toman
una tonalidad muy oscura en la representacin del gray y
del inverse, permitiendo una clara diferenciacin de estos,
igualmente se identifican perfectamente las areas
afectadas por incendios forestales, en la pseudo la
distincin de cuerpos de agua es complicada pero se
observan muy bien diferencias entre suelos destapados en
verde y areas afectadas en marrn
La visualizacin de cualquier tipo de construccin es
prcticamente
nula
en
cualquiera
de
las
tres
representaciones debido en parte a que se muestran las
areas cubiertas de vegetacin como areas reflectivas
confundindose con esta cobertura.
En la representacin gray hay secciones de monte en la
parte superior izquierda distinguida por su color gris claro y
gris oscura, podemos decir que hay vegetacin sana en las
partes claras, en la inverse sucede lo contrario y en la
pseudo toma tonalidades verdes (estado de la planta),
azules (contenido de agua) y algunas rojas.
la falta de capa vegetal en gran parte de la imagen tiende a
asimilar la misma reaccin de plantas no sanas o faltas de
mayor contenido de clorofila en las tres imgenes se
distinguen claramente que tierras pueden ser de este
tipo(verde) gracias a que no se vieron afectadas por el
incendio forestal.
Banda 5
Intervalo:1,6 1,8 m

42

longitud de onda
GRAY

Nombre: IRM (infrarrojo medio)


PSEUDO

INVERSE

cobertura
1 .cuerpos de agua

anlisis
Los cuerpos de agua toman una tonalidad muy oscura en la
representacin del gray y del inverse, y muy brillante en el
pseudo, haciendo que se delimiten y diferencien dentro de
la zona de inters.

2. construcciones

En las imgenes gray e inverse Las edificaciones no se


reconocen por lo tanto
es muy difcil discriminar
informacin ya que la tonalidad de las edificaciones como
las vas no tienen un tono de color tan contrastante con los
dems elementos que los rodean, pero en la imagen
pseudo se aprecian claramente gracias al hecho de que su
reflectividad la hace aparecer como la nica cobertura de
color blanco en la imagen.

3.bosque y/o monte

Se aprecian perfectamente las areas con gran contenido de


vegetacin en las tres imgenes, las cuales aparecen en
gris oscuro para gray e inverse y de color rojo para
la
pseudo, lo que resulta difcil de determinar es decir dentro
de dichas areas que tanto porcentaje corresponde a
bosques y que tanto a pastos, asi mismo se observa que lo
correspondiente a montes aparece en verdes claros.

4. tierras eriales
Las zonas ms erosionadas en la representacin gray se
denotan con tonalidad gris claro en algunas zonas llegando
casi al blanco, en el caso del inverse se presentan tonos
de gris ms claros y en la representacin pseudo tiene
tonalidades de verdes oscuros.
Banda 7
43

Intervalo:2,0 - 2,6 m
longitud de onda
GRAY

Nombre: IRL(infrarrojo lejano)


PSEUDO

INVERSE

cobertura
1 .cuerpos de agua

anlisis
Los cuerpos de agua toman una tonalidad muy brillante en
la representacin del gray y del pseudo, haciendo que se
delimiten y diferencien de la zona de inters, en la inverse
es complicado distinguir estos cuerpos de agua debido a
que su color se confunde con el de otras coberturas, pero
se observan claramente los lagos como puntos brillantes.

2. construcciones

Las edificaciones y varias de las vas (sin pavimentar) que


poseen una tonalidad clara, que se asume al material de
estos que hace que la onda sea reflejada en la
representacin del gray, En la pseudo la acumulacin de
varias zonas brillantes representa parte de las edificaciones
pero no delimita perfecta y/o claramente, esta zona de
edificaciones, en el inverse no es posible hacer esta
distincin.
En el gray las zonas con mayor tono de grises oscuros y
claros para el inverse en la parte izquierda de la imagen
nos indica la reflectividad de esta cobertura que posee
mayor cantidad de partculas de agua que hace que estas
partculas absorban la onda y tomen colores oscuros (en el
gray) o claros (en el inverse). En el pseudo los tonos
azulados a verdes nos indican lo anterior dicho en las otras
representaciones, contenido de mayor cantidad de agua en
las hojas.
Se presentan como tonos verdes claros en la parte izquierda
y algunos de sus alrededores, aunque los suelos en general
que posean loa anteriores tonos de color pueden deberse

3.bosque y/o monte

4. tierras eriales

44

que presentan afectacin por el fenmeno en cuestin.

IX.

ANLISIS ESTADSTICO DE LOS DATOS.

El anlisis de los datos fundamentales que conforman la imagen digital, los Niveles
Digitales que representan de acuerdo al nivel de cubanizacin del Sensor el valor
de radiancia que llegan a los detectores del sensor, constituyen la matriz de datos
que permiten formar la imagen digital en pantalla. Los datos son susceptibles a ser
analizados mediante diferentes parmetros estadsticos univariados y
multivariados que facilitan la compresin y mejor entendimiento de la disposicin
de los mismos en la imagen.
i

Para cada una de las bandas de la imagen (completa) realice un


anlisis del Histograma que muestra ERDAS, indicando sus principales
caractersticas.
Banda 1(azul) - imagen completa
Histograma
Su histograma es puntudo lo que
representa un contraste de grises bajos
se da por ser una banda del visible por lo
tanto su amplitud es baja por ser
apuntalado, con respecto a la varianza
media
lo que nos indica
es poca
amplitud y dispersin de los datos estn
lejos del centro.
Por otro lado encontramos que se repiten
dos modas una en 62,148 en donde se
observa
alta
reflectividad
de
la
vegetacin enferma o muerta y/o suelos
expuestos y otra moda en 71,248 en
donde se observa poca reflectividad
indicndose posiblemente un cuerpo de
agua o vegetacin.

moda
60

Tendencia central
media
62,148
dispersin
45

mediana
61

varianza
50,623

mnimo
54

Desviacin estndar
7,115

rango
mximo
158
Banda 2(verde)- imagen completa
Histograma

rango
100

Su histograma es puntudo generalmente se da en las bandas del visible lo que


representa un contraste de grises bajos por lo tanto su amplitud es baja por ser
apuntalado, con respecto a la varianza media mayor a la de la banda 1 lo que nos
indica la poca amplitud pero es ms amplio que el de la banda 1 as mismo la
dispersin de los datos estn lejos del centro.
Al igual que en la banda 1 encontramos que se repiten dos modas una en 26,923en
donde se observa alta reflectividad posiblemente de un suelo expuesto o por
vegetacin enferma o muerta otra moda en 34,133 en donde se observa poca
reflectividad indicndose posiblemente un cuerpo de agua, una construccin o
vegetacin sana.
moda
25

Tendencia central
media
26,924

46

mediana
25

dispersin
varianza
27,931

mnimo
21

Desviacin estndar
5,285
rango
mximo
93
Banda 3(roja)- imagen completa
Histograma

rango
72

Nuevamente encontramos un histograma apuntalado esto est indicando que la


imagen como hemos visto a lo largo de este trabajo presenta bandas oscuras y
adems la diferencia entre una cobertura y otra en ocasiones es relativamente baja
lo que representa un contraste de grises bajos por lo tanto su amplitud es baja por
ser apuntalado
Encontramos dos diferentes coberturas correspondientes a los niveles digitales
22,418 donde se observa alta reflectividad posiblemente de un suelo expuesto, un
rea construida o por vegetacin enferma o muerta luego de la afectacin por el
incendio forestal, la otra cobertura la encontramos en el nivel digital 30,117 en
donde se observa muy poca reflectividad indicando posiblemente un cuerpo de agua
con poca presencia de sedimentos y/o material edafolgico o vegetacin vigorosa.
moda
19

Tendencia central
media
22,042
47

mediana
20

dispersin
varianza
67,535

mnimo
15

Desviacin estndar
8,218

rango
mximo
115
Banda 4(IRC)- imagen completa
Histograma

rango
100

Su histograma es puntudo pero es mucho ms amplio que el de las anteriores


bandas, con respecto a la varianza es la ms alta lo que nos indica una gran
amplitud y la dispersin de los datos est cerca del centro, Esta caracterstica es
propia de las bandas del infrarrojo por lo tanto tienen la capacidad de discriminacin
de respuesta espectral.
Encontramos tres diferentes coberturas o modas correspondientes a los niveles
digitales 37,145 donde se observa poca reflectividad indicando posiblemente un
cuerpo de agua con poca presencia de sedimentos y/o material edafolgico o
vegetacin vigorosa, la segunda corresponde al ND 62,243 la cual indica alta
absorcin posiblemente causada por vegetacin y finalmente la tercera cobertura
correspondiente al ND 77,017 indica muy alta reflectividad lo cual indica suelo
expuesto, construcciones o vegetacin enferma .
moda

Tendencia central
media
48

mediana

82

77,017

82

Dispersin
varianza
260,241

mnimo
1

Desviacin estndar
16,132

rango
mximo
255
Banda 5(IRM)- imagen completa
Histograma

rango
244

Su varianza es alta lo que nos indica una gran amplitud y que la dispersin de los
datos est cerca del centro, Esta caracterstica es propia de las bandas del infrarrojo
por lo tanto tienen la capacidad de discriminacin de respuesta espectral
especialmente de los cuerpos de agua y la vegetacin.
Encontramos dos diferentes coberturas o modas correspondientes a los niveles
digitales 11,043 donde se observa muy alta absorcin posiblemente causada por
vegetacin sana o cuerpos de agua sin presencia de contaminantes o material
edafolgico o de lavado, la segunda cobertura correspondiente al ND 65,005 cuyo
nivel digital indica muy alta reflectividad refirindose a suelo expuesto,
construcciones o vegetacin enferma o muerta.
moda
62

Tendencia central
media
65,006
49

mediana
63

Dispersin
varianza
353,891

mnimo
2

Desviacin estndar
18,812
rango
mximo
179

rango
177

Banda 7(IRL)-imagen completa


Histograma

Su histograma es puntudo y adems poco amplio con respecto a las otras dos
bandas del infrarrojo, su varianza es media lo que nos indica la baja amplitud y la
poca dispersin de los datos los cuales segn el histograma estn cerca del centro,
Esta caracterstica es propia de las bandas del infrarrojo por lo tanto tienen la
capacidad de discriminacin de respuesta espectral aunque en el infrarrojo lejano la
respuesta es menor que la del cercano y el medio.
Encontramos dos diferentes coberturas o modas correspondientes a los niveles
digitales 7,027 donde se observa muy alta absorcin casi pasando a la emitividad a
la transmitividad posiblemente causada por cuerpos de agua sin presencia de ningn
tipo de contaminantes o material edafolgico o de lavado, es decir aguas cristalinas y
profundas, la segunda cobertura correspondiente al ND 20,604 cuyo nivel digital
indica muy alta reflectividad refirindose a suelo expuesto, construcciones o
vegetacin enferma o muerta.

50

moda
18

Tendencia central
media
20,604

mediana
18

Dispersin
varianza
114,789

mnimo
1

Desviacin estndar
10,714
rango
mximo
110

rango
109

ii Para cada una de las bandas de la imagen (cortada) realice un anlisis


del Histograma que muestra ERDAS, indicando sus principales
caractersticas.
Banda1(azul)-cortada
Histograma

Vemos que la banda 1 resalta espectralmente tres modas o niveles digitales, la ms alta en
68,1793 correspondiendo a vegetacin , otra en 72,2824 correspondiendo a suelos con
poca presencia de vegetacin y una ltima muy cercana a la segunda en 75,2491 la cual
est dentro del rango de suelos expuestos pero puede tener nula o nada de vegetacin,
encontramos como gran desventaja en esta banda que las tres coberturas son
espectralmente muy parecidas(desviacin estndar baja) y por tanto visualmente no se
pueden distinguir unas de otras, vemos que su media tiende a 68,179, indicando que la
cobertura que ms se distingue es vegetacin.

51

moda
62

Tendencia central
media
68,179

mediana
68

Dispersin
varianza
45,037

mnimo
0

Desviacin estndar
6,711
rango
mximo
255

rango
255

Banda 2(verde)-cortada
Histograma

Observamos una desviacin estndar tan baja que visiblemente nos presenta el problema de
poca dispersin entre los datos, es decir ser muy difcil realizar un anlisis visual en el cual
podamos distinguir con certeza unas coberturas de otras, para este caso las coberturas que
son muy parecidas espectralmente se encuentran en los niveles digitales 29,8815 ,
34,1333 y 36,1412 lo que nos indica cuerpos de agua que se comportan morfolgicamente
de manera distinta, es decir puede que unos tengan altas presencias de material de
lavado(edafolgicos y sedimentos) y otros tengan presencia nula o muy poca presencia de
estos elementos, vemos que su media tiende a 29,882, indicando que la cobertura que ms
se distingue son cuerpos de agua.

52

moda
25

Tendencia central
media
29,882

mediana
29

Dispersin
varianza
20,25

mnimo
0

Desviacin estndar
4,50
rango
mximo
255

rango
255

Banda 3(rojo)-cortada
Histograma

Nuevamente encontramos que bajo esta banda, el comportamiento espectral de


varias coberturas es muy similar, y nuevamente dicha cobertura hace referencia a
cuerpos de agua, pero con una diferencia respecto a la banda 2 la cual indica que en
el ND 28,33el contraste de grises en muy bajo pero que a partir del ND 25,098 hasta
41,1608 este contraste se hace mucho ms alto permitindonos distinguir unos
cuerpos de agua de otros segn su contenido, nuevamente podemos observar la
variacin entre aguas limpias hasta aguas no contaminadas pero con presencia de
sedimentos y material edafolgico, vemos que su media tiende a 28,336, indicando que la
cobertura que ms se distingue son cuerpos de agua.

53

moda
21

Tendencia central
media
28,336

mediana
26

Dispersin
varianza
72,5392

mnimo
0

Desviacin estndar
8,517
rango
mximo
255

rango
255

Banda 4(IRC) - Cortada


Histograma

Definitivamente trabajar con los infrarojos es muchos ms eficiente que trabajar con
el visible pues nos permite caracterizar espectralmente mucho mejor las coberturas,
encontramos un histograma amplio(ND 15-ND 111) con una varianza alta, lo cual
nos indica que hay una gran dispersin entre los datos y que por tanto se distinguen
unas coberturas de otras, encontramos dentro de las coberturas ms sobresalientes
los cuerpos de agua (ND 38,149), vegetacin (ND 62,2431) y suelos expuestos o
con poca presencia vegetal en su superficie (ND 84,3294), vemos que su media tiende
a 68,905, indicando que la cobertura que ms se distingue es vegetacin.

Tendencia central
54

moda
82

media
68,905

mediana
75

Dispersin
varianza
369,7159

mnimo
1

Desviacin estndar
19,228
rango
mximo
110

rango
109

Banda 5 (IRM) - cortada


Histograma

Nuevamente encontramos un dispersograma amplio apuntalado hacia el ND


77,3839(suelos expuestos) pero que aporta muy buena informacin espectral, vemos
que su media tiende a 77,384 indicando que la cobertura que ms se distingue son suelos
expuestos, encontramos que es la banda que nos aporta ms anlisis visual tenido la
varianza ms alta de todas la bandas( 545,6896), encontramos que caracteriza o distingue
las 4 coberturas de nuestro inters (cuerpos de agua, vegetacin, construcciones y tierras
eriales)

moda

Tendencia central
media

55

mediana

61

77,384

69

Dispersin
varianza
545,6896

mnimo
1

Desviacin estndar
23,360
rango
mximo
255

rango
254

Banda 7 (IRM) - cortada


Histograma

A pesar de ser una banda del infrarrojo no sorprende su comportamiento espectral,


el cual respecto a las otras bandas del infrarrojo resulta muy bajo, pues tericamente
esta banda ofrece menos caracterizacin espectral que las del IRC Y la del IRM,
encontramos una desviacin estndar relativamente alta (208,542)la cual explica el
comportamiento de las coberturas relacionadas a cuerpos de agua y algunas
construcciones (15,0588 55,2157),su media es 30,583 indicando que la cobertura
que ms distingue son los cuerpos de agua.
moda
18

Tendencia central
media
30,583
Dispersin
56

mediana
25

varianza
208,542481

mnimo
1

Desviacin estndar
14,491
rango
mximo
255

rango
254

iii Realice una comparacin y anlisis banda por banda de los anteriores
resultados para la imagen completa y la imagen cortada.
band
a

B1

Imagen completa

Imagen cortada

Encontramos
un
histograma
bimodal los niveles digitales estn
asentados en valores pequeos
haciendo que la imagen presente
tonalidades dominantes de grises
oscuros. Debido a que los valores
de
los
niveles
digitales
se
encuentran en un intervalo muy
reducido, el contraste de la imagen
es relativamente bajo, observamos
que la desviacin estndar tiene un
valor bajo lo que quiere decir que
los niveles digitales presentan una
variacin baja respecto a la media,
es decir que la imagen no tiene un
tono
predominante.
No
se
presentan datos atpicos. Respecto
a la moda se da porque la imagen
posee muchos gaps por lo tanto su
nivel digital es cero y por ello el que
tiene mayor frecuencia.

Conforme al histograma, se observa


que los niveles digitales estn
asentados en valores pequeos
haciendo que la imagen presente
tonalidades dominantes de grises
oscuros. Debido a que los valores de
los niveles digitales se encuentran en
un intervalo muy reducido y son muy
cercanos,
observamos
que
la
desviacin estndar tiene un valor
pequeo lo que quiere decir que los
niveles
digitales
presentan
una
variacin mnima respecto a la media,
es decir que la imagen tiene un tono
predominante.
Al
presentar
el
histograma variaciones casi nulas en
su pico de frecuencia, las coberturas
que puede analizar la banda son muy
pocas, pues las informacin de las
diferentes superficies es capturada
con
valores
radiomtricos
muy
parecidos
Acorde al histograma, se observa que
los niveles digitales estn asentados
en valores pequeos haciendo que la
imagen
presente
tonalidades
dominantes de grises oscuros. Debido
a que los valores de los niveles
digitales se encuentran en un

El valor numrico asociado a la


media es muy pequeo teniendo en
cuenta que el valor de los nivele
digitales se encuentra en un
intervalo entre 0 y 255, as que la
imagen presentar en su mayora
tonos grises oscuros y muy oscuros.
57

B2

B3

La desviacin estndar es pequea,


lo que confirma un rango reducido
pues su variacin respecto al nivel
digital medio es minsculo y por lo
tanto su varianza es baja. La
imagen obtenida de esta banda
expresa poco contraste debido al
tono que predomina, el histograma
es apuntalado y bimodal lo que
confirma el anterior argumento.

intervalo muy reducido y son muy


cercanos, el contraste de la imagen
es relativamente bajo, la desviacin
estndar tiene un valor pequeo lo
que quiere decir
que los niveles
digitales presentan una variacin
mnima respecto a la media, es decir
que la imagen tiene un tono
predominante.
Al
presentar
el
histograma variaciones casi nulas en
su pico de frecuencia, las coberturas
que puede analizar la banda son muy
pocas, pues las informacin de las
diferentes superficies es capturada
con
valores
radiomtricos
muy
parecidos.

La banda 3 presenta niveles


digitales con valores bajos, pero a
diferencia de las bandas anteriores,
sus niveles digitales tendrn la ms
alta concentracin alrededor de la
media. La variacin en los picos de
frecuencia es mucho ms evidente,
as que la cantidad de coberturas
que puede analizar esta Banda es
menor con respecto con la Banda 1
y 2. La desviacin estndar
asociada nos muestra que los
niveles digitales se encuentran en
un rango menor, lo que permite que
no exista un tono predominante en
la imagen capturada. A pesar que
sus niveles digitales albergan
valores pequeos, el contraste de
la imagen es relativamente bueno,
pues no se asientan en torno al
nivel digital medio, nuevamente
encontramos
un
histograma
apuntalado
con
tendencia
a
describir cuerpos de agua.

Se observan niveles digitales con


valores bajos y los cuales no tendrn
alta concentracin alrededor de la
media. La variacin en los picos de
frecuencia es mucho ms evidente,
as que la cantidad de coberturas que
puede analizar esta Banda es mayor
en la imagen recortada. La desviacin
estndar asociada nos muestra que
los niveles digitales se encuentran en
un rango mucho ms amplio, lo que
permite que no exista un tono
predominante
en
la
imagen
capturada. A pesar que sus niveles
digitales albergan valores pequeos,
el contraste de la imagen es
relativamente bueno, pues no se
asientan en torno al nivel digital
medio.

El histograma de la Banda 4 se
comporta
bastante
diferente.
Analizando la desviacin estndar

La imagen cortada de la banda 4


presenta niveles digitales con valores
altos y sus niveles digitales no

58

B4
(IRC)

B5(IR
M)

B6(IR
L)

nos damos cuenta que el rango de


los niveles digitales es muy amplio,
as que existe gran variacin entre
sus valores y por ende el contraste
de la imagen mejora en relacin
con las bandas anteriores pues hay
menos valores repetidos entre los
niveles digitales. En la imagen
capturada por esta banda no hay
un tono predominante gracias a la
alta variacin entre sus niveles
digitales. En cuanto al nmero de
coberturas que puede analizar la
imagen, es evidente que es mucho
mayor ya que los picos de
frecuencias del histograma son
variantes.

tendrn alta concentracin alrededor


de la media. La desviacin estndar
es alta, lo que significa que la
variacin en los picos de frecuencia
es mucho ms evidente, as que la
cantidad de coberturas que puede
analizar esta Banda es mayor. La
desviacin estndar asociada nos
muestra que los niveles digitales se
encuentran en un rango mucho ms
amplio, lo que permite que no exista
un tono predominante en la imagen
capturada. A pesar que sus niveles
digitales albergan valores altos.

El histograma de la Banda 5 tiene


la varianza ms alta de todas las
bandas, esto indica que es la que
mayor disperso tiene los datos y
por tanto es la banda ptima para
desarrollar
este
proyecto
de
investigacin.
En
la
imagen
capturada por esta banda no hay
un tono predominante gracias a la
alta variacin entre sus niveles
digitales. En cuanto al nmero de
coberturas que puede analizar la
imagen, es evidente que es mucho
mayor ya que los picos de
frecuencias del histograma son
variantes y con buen contraste.

El nmero de pixeles que maneja el


corte de esta imagen es el ms bajo
de todos, posee una
de las
desviaciones estndar ms altas en el
corte de la imagen, pero lo que hace
que mantenga una forma amplia
entre los rangos de niveles digitales
ms pequeos es que la mayora de
sus datos como la media, moda y
mediana estn muy cerca, aunque es
apuntalada hacia el nivel digital 77
presenta una desviacin
hacia la
izquierda, indicando que los pixeles
que componen la imagen tienen una
tonalidad gris oscura

Los valores de los niveles digitales


no se asientan alrededor del nivel
digital medio. Los niveles digitales
se extienden hacia valores ms
pequeos. Analizando la desviacin
estndar nos damos cuenta que el
rango de los niveles digitales es
muy amplio (no tanto como las
anteriores), as que existe gran

El nmero de pixeles que maneja el


corte de esta la banda 7 es bajo,
posee una desviacin estndar bajamedia, la imagen respectiva a esta
banda muestra que los pixeles tienen
un nivel digital muy cercano a 0 o
muy bajo en su nivel digital, haciendo
que la gran mayora de los pixeles en
la imagen manejen unas tonalidades

59

variacin entre sus valores y por


ende el contraste de la imagen es
bueno aunque no tanto como las
otras bandas del infrarrojo. En la
imagen capturada por esta banda
no hay un tono predominante
gracias a la alta variacin entre sus
niveles digitales.

iv

de gris muy oscuro que se evidencia


en la altura del histograma, pareciera
que los valores tienden a un nivel
bajo y por esta razn el histograma se
inclina en poca proporcin hacia la
izquierda.

Para cada una de las bandas de la imagen (cortada) realice un anlisis


de las diferentes estadsticas, y determina las caractersticas bsicas
de su distribucin, amplitud y dispersin.

Respecto a este punto podemos observar que dicho anlisis fue incluido en cada
una de las tablas con el nico fin de relacionar de mejor manera el histograma con
su inmediata explicacin, adems se hizo el requerido anlisis no solo con las
bandas de la imagen recortada sino tambin se le hizo el respectivo anlisis a las
bandas de las imgenes completas

X.

ANLISIS MULTI-BANDA DE LOS DATOS.

La disponibilidad de datos multiespectrales facilita la identificacin y


separabilidad de las coberturas presentes en la imagen gracias las diferentes
propiedades fsicas que estn poseen y que puede analizarse e identificarse en
diferentes longitudes de onda. El anlisis de los datos en forma de una anlisis
multibanda, ya sea este visual o estadstico, facilita una mejor visualizacin,
separabilidad e interpretabilidad de los rasgos ms importantes y caractersticos
de las coberturas presentes.

i.

Genere, presente y analice la matriz de correlacin de los datos de la


imagen de su zona de inters.

60

Fuente: ERDAS IMAGINE 2011 MODEL MAKER

B1
B
1
B
2
B
3
B
4
B
5
B
7

1
0,973965
648
0,903951
109
0,834697
317
0,848483
508
0,751976
985

B2
0,973965
648
1
0,937215
696
0,822799
977
0,872676
177
0,787061
14

B3
0,9039511
09
0,9372156
96
1
0,6837623
93
0,8964021
04
0,8850254
45

B4
0,834697
317
0,822799
977
0,683762
393
1
0,736084
146
0,491389
663

B5
0,848483
508
0,872676
177
0,896402
104
0,736084
146
1
0,893382
782

B7
0,7519769
85
0,7870611
4
0,8850254
45
0,4913896
63
0,8933827
82
1

Se tomaran los siguientes criterios para evaluar el resultado de la correlacin


entre bandas:
Si la correlacin = 0 no habr dependencia lineal ente las bandas.
Si correlacin >0 la dependencia lineal ser positiva.
Si correlacin <0 la dependencia lineal ser negativa.
Donde 1 y -1 representaran una dependencia positiva y negativa respectivamente
y 0 indicara una independencia entre las bandas.
Por lo tanto en nuestra rea de estudio no vemos que en ninguno de los casos
que la correlacin de las entre bandas sea nula lo cual es bueno porque hay
dependencia lineal entre las bandas lo que nos indica que cada banda nos muestra
informacin diferente cada una.
El segundo caso hay dependencia lineal positiva en las bandas 5-4, 7-5, 7-3, 1-2,13,2-3,1-5,5-2,5-3,7-1,7-2,7-3 por lo tanto las bandas son lineales y directamente
proporcionales cuando una banda aumenta la otra tambin lo hace.
Por ltimo encontramos que no hay casos de dependencia lineal negativa entre
las bandas por lo tanto no hay bandas que sean lineales e inversamente
61

proporcionales es decir que


viceversa.
ii.

mientras una banda aumenta la otra disminuye o

Genere, presente y analice la matriz de varianza-covarianza de los


datos de la imagen de su zona de inters.

Fuente: ERDAS IMAGINE 2011 MODEL MAKER

B
1
B
2
B
3
B
4
B
5
B
7

B1
899,7798
011
386,8004
604
351,5898
341
928,0023
87
895,2778
698
343,9002
683

B2
899,77980
11
386,80046
04
351,58983
41
928,00238
7
895,27786
98
343,90026
83

B3
351,58983
41
160,89332
39
168,13049
64
328,60972
69
408,85794
3
174,96003
26

B4
928,00238
7
403,75828
78
328,60972
69
1373,7380
01
959,67845
3
277,67566
38

B5
895,277869
8
406,419622
3
408,857943
959,678453
1237,35024
5
479,119391
6

B7
343,900268
3
158,870601
4
174,960032
6
277,675663
8
479,119391
6
232,444723
6

En la matriz obtenida La varianza se analiza mediante la variabilidad de la


banda consigo misma y la covarianza la variabilidad con respecto a las otras
bandas por lo tanto los valores que toma la diagonal principal describen la
varianza de cada banda de forma individual y donde los dems componentes de
la matriz indican la varianza de una banda respecto a otra, estos valores nos
indica que tanto varan los niveles digitales uno respecto a al otro, por lo tanto
los valores grandes nos dirn que en este caso las bandas con dependencia
directa ms grande son las bandas 5-1 , 5-2 y 4-2 como no hay valores
negativos no se habr dependencia inversa entre bandas.

62

iii.

Presente y analice los Dispersogramas para el par de bandas con


mayor y menor nivel de correlacin.

Par de bandas con Mayor correlacin


B1-B2
B2-B3

0,973965648
0,937215696

Par de bandas con Menor


correlacin
B4-B7
B3-B4

0,491389663
0,683762393

Mayor Correlacion

Menor correlacion

B1-B2

B4-B7

B2-B3

B3-B4
Bandas intermedias

63

0,736084146 (B4-B5)

0,751976985 (B1-B7)

iv. Realice un anlisis de las estadsticas y graficas multivariadas obtenidas


y explique por qu se presentan estos valores en funcin de:
a. La longitud de onda que representa cada banda.
En el caso de la correlacion mas alta dada entre la banda 1 y la banda 2 el
valor de la correlacion fue de 0,973965648 por tal razon el comportamiento de
los diagramas con una nube de puntos que caracteriza los niveles digitales y
tiende a comportarse como una linea recta con aproximadamente 45 de
inclinacion.
Para la correlacion mas baja encontramos que La independencia lineal existe
cuando hay correlacion indirecta, esto quiere decir que los valores son 0 o muy
cercanos, por tal razon el comportamiento de los diagramas se da con una nube
de puntos que tiende a tener un comportamiento sin mucha variacion en su
pendiente en la totalidad de los datos.

b. Las coberturas predominantes en la imagen


Si nos remitimos a la matriz de correlacin del punto 7ii, podemos observar el
grado de correlacin de una banda contra las dems, los valores cercanos a 1,
como lo son las correlaciones entre las bandas del visible y la banda del IRL,
manejan una alta correlacin, como ya sabemos que la banda 1 es del azul, la 2
del verde la 3 del rojo y la 6 del IRL podemos remitirnos a que tipos de cobertura
se estn presentando en la rea de estudio, estas coberturas ya establecidas y
definidas, tienen un porcentaje de reflectividad similar para los tipos de coberturas
anteriormente mencionados, que hacen que la correlacin entre bandas sea
prcticamente similar.

64

Las bandas con menor correlacin son las bandas del IRC y IRM con las dems
bandas, eso se atribuye a que los elementos o coberturas que se estn trabajando
en el rea de estudio responde de forma muy diferente a cada una de las
longitudes, entre la comparacin de las bandas 4 y bandas 7 como se puede ver
en la tabla.
En las grficas multivariadas, se representaron las bandas con mayor y menor
correlacin, como sabemos la banda 1 y banda 2 tienen mucha correlacin
haciendo que el conjunto de puntos se pueda aproximar a una funcin lineal, esto
quiere decir que los elementos de la cobertura de la imagen, tienen un porcentaje
de reflectividad prcticamente igual o similar, por ende nos muestran lo mismo o
no hay gran diferencia en poder discriminar informacin una y en la otra. Caso
contrario, en la visualizacin entre las bandas 4 y 7, en donde observamos que los
puntos se encuentran en un mayor grado de dispersin en la grfica multivariada,
esto es atribuido a que las coberturas responde diferente entre estas dos bandas
(responden muy diferente a la longitud de onda), en una banda puede que su
porcentaje de reflectividad sea bajo (como la cobertura de cultivos en el azul) y en
la banda 4 (IRC) su reflectividad sea muy alto, otro ejemplo, las tierras eriales en la
banda del visible, tiene bajo porcentaje de reflectividad a pesar de que estos
suelos no presentan algn tipo de capa vegetal, mientras que en la banda del
infrarrojo cercano la reflectividad es mayor, otro ejemplo para complementar son
los cuerpos de agua, que en las bandas del visible tienen un grado bajo de
reflectividad pero en la del infrarrojo cercano hasta el lejano baja hasta hacerse
nulo, podemos decir que un cuerpo de agua en el infrarrojo es un cuerpo negro.
v.

Determine el nmero de combinaciones de color que puede realizarse


con las bandas disponibles, indique el procedimiento.
BANDA
B1

COMBINACION
(1,2,3)
(1,2,4)
(1,2,5)
(1,2,7)
(1,3,4)
(1,3,5)
(1,3,7)
(1,4,5)
(1,4,7)
(1,5,7)

B2

(2,3,4)
(2,3,5)
(2,3,7)
(2,4,5)
(2,4,7)
(2,5,7)

B3

(3,4,5)
(3,4,7)

65

(3,5,7)
B4

(4,5,7)

B5
B7

Es combinacin de las dems


Es combinacin de las dems

Total de combinaciones posibles: 20


Fuente.: el autor

vi.

vii.

Presente en forma de tabla las posibles combinaciones de color de


acuerdo a los resultados del punto 7-v y calcule el Factor de ndice
Optimo (OIF) para cada una de las combinaciones. Agregue las filas
que considere necesario.

De acuerdo a los
5-vi,
realice
en
opcin de OPEN
COMPOSITE
del
de su zona de
4
combinaciones
2 con el ms bajo
los
resultados.
considere necesario.

OIF

1
1

2
2

3
4

1
1
1

2
3
3

7
4
5

1
1
1
2
2

4
4
5
3
3

5
7
7
4
5

2
2
2
3
3
3

4
4
5
4
4
5

5
7
7
5
7
7

23,3629
19,6006
27,205
5
15,5092
19,8255
18,1261
14,191
7
24,4920
24,0895
19,5193
17,9708
15,6432
10,753
9
22,5106
19,9712
16,8766
22,7602
19,0597
15,1303
25,143
04

OIF altos

66

resultados del punto


Erdas
mediante
la
AS
COLOR
MAPLIST de la imagen
inters (cortada) las
con el ms alto y las
valor de OIF, presente
Agregue las filas que

G
2
OIF: 27,2055

G
5
OIF: 25,1430

G
3
OIF: 14,1917

OIF bajos

viii.

G
3
OIF:10,7539

Analice visualmente la composicin de color con el valor ms alto y


ms bajo de OIF, e indique para las coberturas predominantes
definidas en el punto 4-v, de acuerdo a lo analizado durante la
presente gua, las ventajas que ofrecen dichas composiciones de color
para establecer o mejorar la separabilidad de dichas coberturas de
acuerdo a las variables visuales o criterios de interpretacin ya
mencionados en clase. Agregue las filas que considere necesario.
67

cobertu
ra

Imagen Detalle de la Imagen Alto


OIF

Imagen Detalle de la imagen Bajo


OIF

Cuerpo
s de
agua

Con respecto a la cobertura de cuerpos de agua en las dos imgenes se identifican claramente por su
tonalidad brillante, en la imagen de alto OIF se observa ms claramente por lo tanto se reconoceran
ms fciles los niveles digitales a la hora de separar las coberturas bajo la combinacin de bandas
RGB(1,2,5)

cobertur
a

Imagen Detalle de la Imagen Alto


OIF

Imagen Detalle de la imagen Bajo


OIF

constr
ucciones

Esta cobertura en las dos imgenes es identificable aunque caso curioso para analizar esta cobertura
sera mejor escoger los niveles digitales correspondientes a la imagen de bajo OIF ya que la tonalidad de
las construcciones es ms clara en este caso.

cobertu
ra

Imagen Detalle de la Imagen Alto


OIF
68

Imagen Detalle de la imagen Bajo


OIF

Tierras
eriales

Esta cobertura en las dos imgenes es claramente identificable aunque en esta cobertura sera mejor
para escoger los niveles digitales la imagen de bajo OIF ya que la tonalidad de las tierras eriales es
ms clara en este caso entonces seria fcilmente separable.

cobertu
ra

Imagen Detalle de la Imagen Alto


OIF

Imagen Detalle de la imagen Bajo


OIF

Bosqu
es y/o
monte
s

Es ms sencillo identificar esta cobertura en la imagen de OIF alto gracias a su color especfico, su
forma irregular y su textura predominante ya que en la imagen de OIF bajo no se puede diferenciar ni
la forma ni la textura de otras coberturas adjuntas a esta solo la tonalidad que es oscura por lo tanto no
se diferenciara con los cultivos en caso de que existieran.

69

PARA RESALTAR
cobertura

Imagen Detalle de la Imagen


Alto OIF

Imagen Detalle de la imagen


Bajo OIF

Identifica
cin del
fenmen
o

Haciendo uso de esta combinacin de bandas (mayor y menor OIF) se pudo observar de manera
clara y contundente en la fila/columna nmero 1595,1212/669,2496 lo que al parecer es un
incendio forestal en desarrollo, esto nos sirve para confirmar de manera contundente la presencia
de incendios forestales en nuestra zona de estudio.

XI.

ANALISIS MULTIESPECTRAL.

i Firmas espectrales
Cobertura

Cuerpos de
agua

Firma 1

column
a
Lat

2763.000

fila

205770.00

Long

3064.000
312060.000

70

band
a
ND

B1

B2

B3

B4

B5

B7

68

32

26
Firma 2

16

column
a

268,00

fila

Lat

130920.12
2

Long

400134.888

B1

B2

B3

B4

B5

B7

75

36

43

22

16

band
a
ND

128,00

Cobertura

construccio

Firma 1

column
a

966.000

fila

2800.000

71

nes

Lat

band
a
ND

151860.00
0

Long

319980.000

B1

B2

B3

B4

B5

B7

78

39

49
Firma 2

82

140

68

column
a

960.000

fila

Lat

151680.00
0

Long

320250.000

B1

B2

B3

B4

B5

B7

85

42

51

81

130

51

band
a
ND

2791.000

*Para esta cobertura no fue posible comparar 2 zonas distantes en la imagen puesto que las nicas areas con
presencia de construcciones hacan parte del municipio de Mapiripan.
Cobertura

Firma 1

72

Tierras
eriales

column
a

668.000

fila

Lat

142920.00
0

Long

321810.000

B1

B2

B3

B4

B5

B7

73

31

35
Firma 2

59

101

44

band
a
ND

2739.000

column
a

3195.000

fila

Lat

218730.00
0

Long

403410.000

B1

B2

B3

B4

B5

B7

68

30

28

58

74

29

band
a
ND

19.000

73

Cobertura

Firma 1

Bosques
y/o
montes

column
a

2887.000

fila

Lat

209490.00
0

Long

361380.000

B1

B2

B3

B4

B5

B7

67

28

23
Firma 2

71

59

20

band
a
ND

Colum
na

1210.000

fila

1420.000

3166.000

74

Lat

band
a
ND

159180.00
0

Long

309000.000

B1

B2

B3

B4

B5

B7

62

26

19

75

57

17

ii Para cada una de las coberturas identificadas en la imagen, y sus dos


correspondientes lecturas espectrales (punto 8-i), determine en DIPS
(Modulo RGB Viewer) u otra herramienta (Paleta de colores de
Microsoft Office, Paint, Photoshop, etc.) cul es el color que tomara
ese determinado pixel, en las combinaciones de color:
1 Color Natural.
2 Falso Color Estndar
3 Las dos combinaciones con mayor OIF.
Cobertura

Color Pixel 1

RGB(3,2
,1)

RGB(4,
3,2)

RGB(1,
2,5)

Color Pixel 2

RGB(4,
5,7)

RGB(3,
2,1)

RGB(4,
3,2)

RGB(1,
2,5)

RGB(4,5
,7)

Cuerpos
de agua

Fila/columna: 2763.000/3064.000
Cobertura

Fila/columna:268/128

Color Pixel 1

RGB(3,2
,1)

RGB(4,
3,2)

RGB(1,
2,5)

Color Pixel 2

RGB(4,
5,7)

RGB(3,
2,1)

RGB(4,
3,2)

RGB(1,
2,5)

RGB(4,
5,7)

construccio
nes

Fila/columna: 966.000 /2800.000


Cobertura

Fila/columna: 2791.000/960.000

Color Pixel 1

RGB(3,2
,1)

RGB(4,
3,2)

RGB(1,
2,5)

Color Pixel 2

RGB(4,
5,7)

RGB(3,
2,1)

RGB(4,
3,2)

RGB(1,
2,5)

RGB(4,
5,7)

Tierras
eriales

Fila/columna: 2739.000/668.000
Cobertura
Bosques

Fila/columna: 3195.000/19.000

Color Pixel 1

RGB(3,2
,1)

RGB(4,
3,2)

RGB(1,
2,5)

Color Pixel 2

RGB(4,
5,7)

75

RGB(3,
2,1)

RGB(4,
3,2)

RGB(1,
2,5)

RGB(4,
5,7)

y/o
montes

Fila/columna: 2887.000/1420.000

Fila/columna: 3166.000/1210.000

iii Apoyndose en los anteriores resultados, as como en el trabajo


desarrollado hasta el momento realice un anlisis general de las
caractersticas espectrales observadas en las coberturas de la imagen
de su zona de inters. Adicione las filas que considere necesarias.
Anlisis Espectral
Cobertura

Los rangos en
esta cobertura
son ms altos en
las bandas del
visible que en las
del infrarrojo en
las cuales son
ms bajos.
En todas las
bandas tiene
valores altos,
destacndose la
banda 1 y la
banda 5 en
donde el infrarrojo
medio nos
proporciona una
reflectancia
mayor respecto a
las dems bandas.
Tiene valores
variables segn la
longitud de onda
resaltndose la
banda 1y la banda 5
en las cuales se
produce la mayor
reflectancia.
En las bandas 1,4 y
5 presenta valores de
reflectancia, vemos
que en el infrarrojo
lejano su reflectancia

Descripcin

B1
(azul)
mi
ma
n
x

B2
(verde)
mi
ma
n
x

B3 (rojo)

B4 (IRC)

B5 (IRM)

B7 (IRL)

mi
n

ma
x

mi
n

ma
x

mi
n

ma
x

mi
n

ma
x

Cuerpos
de agua

69

80

26

44

32

44

15

26

23

16

construccio
nes

78

10
5

39

52

44

65

63

75

108

15
1

53

79

Tierras
eriales

70

73

31

34

31

35

52

60

90

10
1

40

45

58

69

25

30

19

24

77

89

58

68

16

21

Bosques
y/o montes

76

es baja al igual que en


las bandas 2,3 y 7
las cuales tienen
problemas para
distinguir la cantidad
de humedad de la
vegetacin.
*para el desarrollo de la tabla anterior, los niveles mximos y mnimos se obtuvieron a partir de la herramienta
INQUIRE de ERDAS IMAGINE 2011 mediante el mtodo de exploracin de la imagen.

XII. SEGMENTACION DE LA IMAGEN.


Al determinar los patrones espectrales generales de las coberturas y rasgos
presentes en la imagen, es posible entonces sintetizar y generalizar dichas
caractersticas en un producto temtico, que ponga de manifiesto dichas
diferencias mediante la determinacin y asignacin de una conjunto de reglas de
asignacin a dichos patrones, cuando dicha determinacin y asignacin se realiza
para una sola de las bandas de la imagen se denomina Segmentacin o Density
Slicing, y cuando se realiza para todo el espacio de caractersticas de una imagen
se denomina clasificacin multiespectral.
i.

ii.

A partir de los datos obtenidos en la seccin anterior (punto 8-iii),


realice un proceso de Segmentacin (Image Processing\Slicing) para
las coberturas de su zona de un inters sobre las bandas con el Mayor
y el Menor rango de distribucin (punto 6-iii).
Presente, analice y compare los dos mapas obtenidos a partir del
procedimiento anterior.
Niveles digitales empleados (banda 4)

cdigo
1
2
3
4

cobertura

ND mnimo

Cuerpos de agua
15
Tierras eriales
51
construcciones
61
Bosques y/o
76
montes
Niveles digitales empleados (banda 1)

ND mximo
50
60
75
90

cdigo

cobertura

ND mnimo

ND mximo

Bosques y/o
montes
Cuerpos de agua
Tierras eriales
construcciones

58

68

69
70
82

80
73
105

2
3
4

77

Modelo generado con la herramienta


model maker de ERDAS IMAGINE 2011
hace referencia a la generacin del
modelo para el respectivo mapa temtico
haciendo uso de la tabla multicriterio y
usando una salida tipo raster.

tabla multicriterio respectiva a la generacion Y


delimitacion (nivel digital maximo y minimo) de cada una
de las coberturas que formaran parte del respectivo mapa
tematico para la BANDA 4 y la BANDA 1

78

Banda con mayor dispersin (Banda 4. Infrarrojo cercano-recorte)


Banda 4 sin segmentar
Banda 4 segmentada sin
modificacin de la tabla de
atributos(Nivel Visual)

Banda 4 segmentada con modificacin de la tabla de atributos(Nivel Visual)

Banda con menor dispersin (Banda 1. Azul-recorte)


Banda 1 sin segmentar
Banda 1 segmentada sin
modificacin de la tabla de
atributos(Nivel Visual)

79

ANALISIS COMPARATIVO:

De acuerdo con los datos obtenidos en la tabla 8iii se procedi a establecer los
intervalos para determinar la separabilidad de las coberturas de las imgenes
teniendo en cuenta los rangos de mnimos y mximos para las dos bandas en
cuestin siendo la banda 4 la que mayor dispersin presento y la banda 1 la
de menor dispersin, de acuerdo a los resultados obtenidos al ejecutar en model
maker el proceso de generacin del modelo podemos concluir que los rangos
estipulados en las dos bandas no ayudan a discriminar con claridad cada una de
las coberturas creando inconsistencias; Una de las inconsistencia y de hecho la
ms trascendental tuvo que ver con el hecho de que independientemente de la
cobertura que estemos tratando, el comportamiento espectral de esta puede
asemejarse o ser igual visualmente al de otra cobertura, concretamente en este
caso, se present el problema de que la cobertura relacionada a construcciones
se comportaba espectralmente de manera idntica a areas de la imagen donde
se presentaban suelos descubiertos o con poca presencia vegetal en sus
superficie, como consecuencia, al generar el mapa temtico el nivel visual de lo
que debera ser areas de construccin termino siendo igual para la cobertura de
suelos descubiertos, lo que para un lector u observador del mapa temtico podra
conllevarlo a la idea de que una gran parte de la imagen presenta una extensa
cobertura relacionada a construcciones cuando no es cierto, otra gran confusin
presente en ambas imgenes tiene que ver con el contenido hdrico de la
vegetacin, lo que ocasiona que un rea que debera aparecer naturalmente
verde aparezca de color azul, no por el hecho de que existan grandes superficies
hdricas en la imagen, como se podra pensar al ver la imagen y compararla con
la leyenda, sino porque este es el comportamiento espectral del pixel referido a
vegetacin.
Finalmente encontramos que es mucho mejor trabajar con la banda 4 pues esta
tiene la capacidad de distinguir como se ha mencionado a lo largo del presente
taller mucho mejor la energa capturada de la superficie terrestre que las bandas
que manejan longitudes de onda relacionadas con el espectro visible.
iii.

De acuerdo al proceso realizado hasta el momento, la definicin de los


lmites espectrales de cada cobertura y el resultado de la segmentacin de
la imagen a partir de dichos valores, que puede concluir sobre la relacin
entre la amplitud del histograma y la separabilidad de las coberturas
presentes.
Histograma BANDA 4 segmentada

Histograma BANDA 1 segmentada

80

De acuerdo a los histogramas de las dos bandas obtenidos luego del proceso de la
segmentacin se puede apreciar que el histograma de la banda 4 a pesar de no
tener una distribucin normal presenta la mayor amplitud comparado con las otras
bandas, y la banda1 es la banda de menor amplitud lo que nos lleva a concluir
que:

iv.

Al tener mayor amplitud la informacin de cada cobertura se puede discriminar


con mayor facilidad ya que tendr la capacidad de manejar un mayor rango de
nivel digital para cada cobertura, al ser la banda del infrarrojo cercano muchas
de las coberturas poseen la misma reflectividad por lo tanto algunas coberturas
no se diferencian en la imagen a la hora de la segmentacin como por ejemplo
para nuestro caso la cobertura de construcciones y areas descubiertas tienen
bsicamente un porcentaje de reflectividad similar por lo tanto se combinan y
hacen ms difcil el proceso de diferenciacin entre coberturas.

Por otro lado al tener la menor amplitud, visualmente las coberturas poseern
rangos de niveles digitales ms pequeos lo que conlleva a no tener facilidad
en la discriminacin de la informacin a pesar de ser una de las bandas del
visible, apoyndose en las firmas espectrales se puede observar que la mayora
de las coberturas tienen poco porcentaje de reflectividad haciendo que gran
parte de la tonalidad de la imagen presente tonos grises oscuros por lo tanto
sus niveles digitales son muy similares lo que hace difcil los criterios de
seleccin de intervalos para la segmentacin de la imagen y as mismo poder
lograr la separacin de las coberturas de manera exacta.

Calcule y compare el rea que ocupa en los 2 mapas temticos


obtenidos cada una de las coberturas definidas. Agregue ms filas si
lo considera necesario.

A partir de la herramienta add rea de la opcin table de ERDAS IMAGINE


2011, se obtuvo el rea en hectreas:

81

Banda 4

Banda 1

Cobertura
Cuerpos de
agua
construccion
es
Tierras
eriales
Bosques y/o
montes

Mapa 1
(Banda Mayor rango:
4 )
Numero
rea
Pixeles
(Km2)

Mapa 2
(Banda Menor rango:
1 )
Numero
rea
Pixeles
(Km2)

2324990

2092,49

1351307

1216,18

816,31

1734904

1561,41

1703340

1533,01

16,6

2083388

1875,05

3385729

3047,16

1172,11

1734904

5625,62

6922626

6230,36

604,74

Diferencia de
Areas
Km2

Al analizar el rea correspondiente a cada cobertura en cada una de las respectivas


bandas encontramos que dichas areas cambian notoriamente, esto en mi concepto,
se debe al comportamiento espectral de cada pixel segn el sensor que captura la
respuesta espectral emitida por este.

82

GRACIAS!!

XIII. CONCLUSIONES
Ha quedado de experiencia el hecho de que al seleccionar una imagen satelital con el
fin de extraer de ella informacin, no debemos concentrarnos nicamente en que se
muestre solo el fenmeno de nuestro inters, ya que distinguir ms fenmenos nos
permitir realizar una mejor identificacin y anlisis del problema.
Es de vital importancia el hecho de aprender a distinguir como se presentan
visualmente las diferentes coberturas al ir cambiando las bandas espectrales en que
cargamos una imagen, esto nos permitir desarrollar un anlisis visual ptimo de una
imagen en cualquier escenario que se nos presente en el mbito laboral.
Una imagen satelital no se limita nicamente a permitirnos realizar un anlisis visual,
pues como hemos visto tiene una estructura sumamente completa a partir de la cual
podemos realizar anlisis estadsticos, espectrales y dems.
Para el anlisis estadstico de las bandas es casi una regla asumir de manera inversa
lo que hemos aprendido en materias como estadstica y probabilidad, esto debido al
hecho de que en procesamiento digital de imgenes entre ms dispersin, mayores
valores de desviacin estndar , de varianza y de mas es lo ptimo en una imagen.
Antes de inferir respecto de algn tipo de cobertura en una imagen, debemos analizar
espectralmente las bandas y el orden en que se nos da la imagen, pues hemos visto a
lo largo del trabajo que visualmente cada cobertura se comporta de manera diferente
de acuerdo a como se organicen los caones de color ((3, 2,1) imagen color natural,
(4,3, 2) imagen falso color estndar, etc.)
ERDAS IMAGINE 2011 es un software de fcil manejo, el cual nos permite una
manipulacin sencilla de la imagen gracias a su completa y explicada interfaz.

en cuanto al problema del cruce de coberturas visto en el punto IX, se


espera que a lo largo del curso de PDI se adquieran herramientas ms
complejas que nos permitan manejar de mejor manera el proceso de
segmentacin.

83

XIV. BIBLIOGRAFIA
Respecto a la seleccin del rea (Mapiripan) y la formulacin de la
pregunta de trabajo:

https://www.siac.gov.co/Seguimiento_y_evaluacion_bosques/Incendios_forestales.aspx
(identificacin del fenmeno)

http://190.85.6.170/search_news.asp?idnoticia=1754 (identificacin del fenmeno)

http://www.scielo.org.co/pdf/cal/v31n2/v31n2a7.pdf (identificacin del fenmeno)

http://www.colombiassh.org/site/IMG/png/Meta_A3_sin.png (mapa meta)

http://cdim.esap.edu.co/BancoMedios/Documentos%20PDF/pd-mapirip%C3%A1n-meta2001-2003-(71%20p%C3%A1g%20-%20167%20kb).pdf
aspectos fsicos econmicos
Mapiripan

Respecto al desarrollo del taller 1

http://glovis.usgs.gov/ Catlogo de LANDSAT Y ASTER

https://cross.restec.or.jp/crossex/topControl!loginerror.action?language=ja-JP.
ALOS_CROSS

http://www.innovanet.com.ar/gis/TELEDETE/TELEDETE/teledete.htm
Teledeteccin

Sistemas de clasificacin de cobertura y uso del suelo ITC. Disponible en: Formato PDF.

84

Catlogo

Fundamentos

de
de

http://www.rapideye.com/products/eyefind.htm Catlogo de SPOT SIRIUS


httpshttps://browse.digitalglobe.com/imagefinder/main.jsp;jsessionid=476B7B92A7D31A40D
C721902D87CD082? Catlogo de QUICKBIRD IMAGEFINDER
http://www.rapideye.com/products/eyefind.htm Catlogo de RAPIDEYE EYEFIND

EMILIO CHUVIECO SALINERO ,TELEDETECCION AMBIENTAL

Introductory Digital Image Processing: A Remote Sensing Perspective. John R. Jensen

https://sites.google.com/site/pdiudcatastral/system/app/pages/search?
scope=searchsite&q=ejercicios+en+clase : ejercicios en clase parte 1 y 2.

Software implementado en el desarrollo del presente taller:

ERDAS IMAGINE 2011


DIPS
GOOGLE EARTH

MICROSOFT EXCEL 2010

85