Documentos de Académico
Documentos de Profesional
Documentos de Cultura
R e v i s t a d e
Teledeteccin
R E V I S TA D E L A A S O C I A C I N E S PA O L A D E T E L E D E T E C C I N
ASOCIACIN
AET
E S PA O L A
DE TELEDETECCIN
SUMARIO
Consejo de Redaccin y Junta Directiva de la AET............................................................................................. 1
Editorial ................................................................................................................................................................... 2
ARTCULOS CIENTFICOS
Aplicacin del anlisis textual a datos de retrodispersin de sonda multihaz para la clasificacin de fon-
dos marinos.
F. Carreo, I. Lpez, J. Payn, C. Arranz y E. Castellanos.............................................................................. 5
Implementacin CPGS y altimetra en los Puertos de Ibiza, l'Estartir y Barcelona para monitorizacin del
nivel del mar.
J. J. Martnez Benjamn, M. A. Ortiz Castelln, A. Ruiz, E. Bosch, A. Termens, M. Martnez Garca, X. Mar-
tnez de Oss, B. Prez Gmez, G. Rodrguez Velasco, F. Pros, J. Gili, A. Tapia y R. Lpez ......................... 20
Anlisis comparativo entre las mquinas de vectores soporte y el clasificador de mxima probabilidad
para la discriminacin de cubiertas de suelo.
J. P. Argaaraz e I. Entraigas ............................................................................................................................. 26
Cadena de pre-procesamiento estndar para las imgenes Landsat del Plan Nacional de Teledeteccin.
S. Hantson, E. Chuvieco, X. Pons, C. Domingo, C. Cea, G. Mor, J. Cristbal, J. J. Peces y J. A. Tejeiro .. 51
CASOS PRCTICOS
TESIS DOCTORAL: Efectos de la comprensin con prdida en las imgenes de teledeteccin y la car-
tografa resultante.............................................................................................................................................. 101
REVISTA DE TELEDETECCIN Depsito Legal: B-9.502.1993
Revista de la Asociacin Espaola de Teledeteccin ISSN: 1988-8740
Director
Jos Antonio SOBRINO
Dep. de Fsica de la Terra i Termodinmica. Facultat de Fsica. Universidad de Valencia. C/ Dr. Moliner, 50.
46100 Burjassot (Valencia). Tel.: 96 354 31 15. Fax: 96 354 30 99. director.revista@aet.org.es
Secretario
Juan Carlos JIMNEZ MUOZ
Unidad de Cambio Global Dep. de Fsica de la Terra i Termodinmica. Facultat de Fsica. Universidad de
Valencia. C/ Dr. Moliner, 50. 46100 Burjassot (Valencia). Tel.: 96 354 37 81. Fax: 96 354 32 02. jcjm@uv.es
Consejo de Redaccin
Luis ngel RUIZ-FERNNDEZ. Universidad Politcnica de Valencia. Valencia
Carlos PREZ. Universidad de Salamanca. Salamanca.
Alfonso CALERA. Universidad de Castilla La Mancha. Albacete.
Federico GONZLEZ. Instituto Nacional de Investigaciones Agrarias (INIA). Madrid.
Xavier PONS. Universitat Autnoma de Barcelona (UAB). Barcelona.
Jos MORENO. Universitat de Valncia. Valencia.
Massimo MENENTI. Universidad de Delft. Holanda
Jean-Pierre LAGOUARDE. INRA Burdeos. Francia
Leo PAOLINI. Laboratorio de Investigaciones Ecolgicas de las Yungas. Argentina.
Comit Cientfico
Fernando CAMACHO. Earth Observation Laboratory Spin-off Universidad de Valencia.
Fernando.camacho@eolab.es
Eduardo DE MIGUEL. Laboratorio de Teledeteccin INTA. demiguel@inta.es
Arnon KARNIELI. The Remote Sensing Laboratory. Jacob Blaustein Institute for Desert Research. Ben
Gurion Univ. of the Negev. Sede Boker Campus 84990, ISRAEL. karnieli@bgu.ac.il
Agustn LOBO, Institut de Cincies de la Terra Jaume Almera. CSIC. Agustin.lobo@ija.csic.es
Luis MORALES. Dpto. de Ciencias Ambientales y Recursos Renovables. Universidad de Chile.
lmorales@uchile.cl
Ismael MOYA. LMD-CNRS. Ecole Polytechnique. moya@lmd.polytechni-que.fr
Franoise NERRY. LSIIT/TRIO. Louis Pasteur University. nerry@lsiit.u-strasbg.fr
Albert OLIOSO. INRA-Avignon. olioso@avignon.inra.fr
Antonio PLAZA. Dpto. Tecnologa Computacional y Comunicaciones. Universidad de Extremadura.
aplaza@unex.com
Jean-Louis ROUJEAN. Meteo-France. jean-louis.roujean@meteo.fr
Alain ROYER. Dpartement de gomatique applique. Universit de Sherbrooke.
Alain.Royer@USherbrooke.ca
Jiancheng SHI. Institute for Computational Earth System Science. University of California.
shi@icess.ucsb.edu
Wout VERHOEF. Dept. of Water Resources. ITC. verhoef@itc.nl
Ral ZURITA-MILLA. Laboratory of geo-information science and remote sensing. Wageningen University.
Raul.zurita@wur.nl
Junta Directiva
Presidente: FEDERICO GONZLEZ ALONSO. INSTITUTO NACIONAL DE INVESTIGACIN Y
TECNOLOGA AGRARIA Y ALIMENTARIA (INIA). Departamento de Proteccin Forestal. Centro de
Investigacin Forestal. Carretera de la Corua, km 7. 28040 Madrid. Tel.: 91 347 68 28. alonso@inia.es
Vicepresidente: ABEL CALLE MONTES. UNIVERSIDAD DE VALLADOLID. Laboratorio de
Teledeteccin LATUV. Edificio I+D. Paseo de Beln, 1. 47011Valladolid. Tel.: 98 342 39 52. abel@latuv.uva.es
Secretario: JUAN JOS PECES MORERA. INSTITUTO GEOGRFICO NACIONAL. Servicio de
Teledeteccin. C/ General Ibez bero, 3. 28003 Madrid. Tel.: 91 597 95 26. jjpeces@fomento.es
Tesorero: ANTONIO RUIZ VERD. INSTITUTO NACIONAL DE TCNICA AEROESPACIAL (INTA).
Carretera de Ajalvir (km 4). 28850 Torrejn de Ardoz (Madrid). Tel: 91 520 15 13. aruiver@gmail.com
Vocal: SILVIA MERINO DE MIGUEL. UNIVERSIDAD POLITCNICA DE MADRID. Escuela
Universitaria de Ingeniera Tcnica Forestal. UD Topografa. Ciudad Universitaria s/n. 28040 Madrid.
Tel.: 91 336 76 68. silvia.merino@upm.es
Vocal: MARA DEL CARMEN RECONDO GONZLEZ. UNIVERSIDAD DE OVIEDO. Departamento de
Explotacin y Prospeccin de Minas. C/ Gonzalo Gutierrez Quirs. 33600 Mieres. Tel.: 98 545 80 34.
crecondo@etsimo.uniovi.es
Vocal: SALOMN MONTESINOS ARANDA. GEOSYS, SL. Sector Foresta, 23, locales 7 y 8.
Tres Cantos. 28760 Madrid. Tel.: 91 279 72 32. Fax: 91 229 83 94. smontesinos@geosys.es
Foto portada: Porcin de imagen correspondiente al modo espectral de CASI clasificada mediante
rbol de decisin (derecha) y mediante SAM (izquierda).
Asociacin Espaola de Teledeteccin Revista de Teledeteccin 36, 2
ISSN: 1988-8740
Editorial
Este nmero incluye tambin la publicacin de un caso prctico, en el que se utilizan tcnicas
fotocartogrficas como herramienta para la deteccin de impactos y problemas ambientales en una
zona de la provincia de Buenos Aires, en Argentina.
En Reseas de Tesis se incluyen dos tesis doctorales, una de ellas desarrollada en el De-
partamento de Geografa de la Universitat Autnoma de Barcelona, y dedicada al estudio de los
efectos de compresin con prdida en las imgenes de teledeteccin y la cartografa resultante, y la
segunda realizada en el Departamento de Ecologa de la Universidad Autnoma de Madrid, dedi-
cada a la cartografa de especies de matorral de la Reserva Biolgica de Doana mediante el sen-
sor hiperespectral aeroportado AHS.
Para finalizar, slo me resta seguir animando a los lectores a enviar sus trabajos a las diferen-
tes secciones de la Revista de Teledeteccin.
Jos A. Sobrino
Director
Asociacin Espaola de Teledeteccin Revista de Teledeteccin 36, 3-4
ISSN: 1988-8740
Las citas de autor, en el texto, irn en mins- Estos artculos no se incluirn en el proceso
cula (ej. Fernndez, 2006 Fernndez et al., 2005). de revisin estndar de la revista, sino que sern
Las tablas y figuras debern llevar un ttulo evaluados por el director de la misma o persona
y estar numeradas consecutivamente. Se indicar en quien delegue. Seguirn, por lo dems, la mis-
su insercin en el texto con el texto: Insertar fig. ma estructura formal de los artculos, aunque las
XX. Las figuras pueden insertarse en el texto pa- referencias bibliogrficas sern ms sucintas.
ra la versin de evaluacin, pero se requerir pos-
teriormente remitirlas en ficheros grficos (tif, 3. CRTICAS DE LIBROS
jpg), con suficiente resolucin (300 ppp o supe- O PROGRAMAS
rior). Se debe prestar especial atencin a la rotu- Se incluirn recensiones crticas de libros, pro-
lacin, para que sean legibles al tamao final de re- gramas o material docente relacionados con m-
produccin. Se pueden incluir figuras en color, todos o aplicaciones de la teledeteccin, as co-
aunque conviene considerar que slo se reprodu- mo resmenes de tesis doctorales. Se incluir en
cirn en color para la edicin electrnica de la re- las mismas los datos completos de la obra recen-
vista, mientras sern en blanco y negro para la ver- sionada: ficha bibliogrfica del libro, datos de re-
sin impresa. Las tablas se enviern en un ferencia del programa (incluyendo versin, cos-
archivo de Microsoft Excel, evitando insertar fi- te, direccin de contacto), o de la pgina web
guras en ellas. comentada (incluyendo ltimo acceso), as como
Se intentar evitar la inclusin de notas a los del autor de la crtica.
pie de pgina. En caso necesario, la numeracin Todos los trabajos se enviarn a la siguiente
ser correlativa. Se indicarn en el texto como direccin: director.revista@aet.org.es
superndices.
Las referencias irn al final del texto del art- ASOCIACIN ESPAOLA
culo y slo se incluirn las citadas en el texto. Es- DE TELEDETECCIN
tar dispuesta por orden alfabtico por el apelli-
La Asociacin Espaola de Teledeteccin
do del autor o autores, en mayscula y nombre o
(AET) se inscribi en el Registro de Asociacio-
nombres propios con inicial, seguido de la fecha,
nes del Ministerio del Interior el 8 de Septiem-
ttulo en cursiva, lugar de edicin, editorial y n-
bre de 1988 con el nmero nacional 81537.
mero de pginas (ej: CHUVIECO, E. 2002. Te-
Los fines son fomentar, facilitar, aunar y di-
ledeteccin Ambiental, Barcelona, Ariel, 586
fundir los trabajos de investigacin interdiscipli-
pags). Los artculos de revista habrn de redac-
nar en todos los aspectos de la Teledeteccin en
tarse como sigue: apellidos del autor o autores
Espaa mediante:
con las iniciales de sus nombres propios, fecha
a) Organizacin de reuniones, peridicas o
de edicin, ttulo del trabajo, nombre de la revista
no, para la exposicin y discusin de trabajos
en cursiva, nmero del volumen y/o del fasccu-
cientficos.
lo, primera y ltima pgina (ej. VENTURINI, V.,
b) Revista, actas, boletines y servicios de in-
RODRGUEZ, L. y ISLAM, S. 2007. Metodolo-
formacin bibliogrfica.
ga para la estimacin de la faccin evaporable y
c) Organizacin de cursillos, conferencias y
la evapotranspiracin con productos MODIS. Re-
publicaciones para la difusin de la investigacin
vista de Teledeteccin. 27: 44-52).
cientfica en la relacin de la Teledeteccin.
d) Creacin de Grupos temticos de trabajo
2. PRESENTACIN DE CASOS
para el estudio de problemas concretos.
PRCTICOS
e) Fomento de las enseanzas y estmulo de
La revista incluir una seccin que describa la investigacin en relacin con las ramas de la
experiencias prcticas en las que se haya utiliza- ciencia vinculadas con Teledeteccin.
do la teledeteccin para desarrollar un proyecto f) Y la ejecucin de cualesquiera otros fines
de gestin o anlisis territorial, desarrollo de mi- en relacin con la actividad principal, siempre
siones, sensores, segmentos terrestres, etc. Su ob- que sean compatibles con las disposiciones lega-
jetivo es mostrar ejemplos de cmo la teledetec- les y con las normas dictadas al efecto por los or-
cin se emplea en situaciones prcticas. ganismos competentes.
Asociacin Espaola de Teledeteccin Revista de Teledeteccin 36, 5-19
ISSN: 1988-8740
Resumen
En el presente trabajo se detallan los resultados del anlisis de variables texturales aplicada a los
datos de retrodispersin de 5 metros de tamao de pxel tomados con una sonda multihaz EM3000 D
para caracterizar y cartografiar los diferentes tipos de fondo marino, que son clave en la interpreta-
cin de los procesos geolgicos de la plataforma continental de la Regin de Murcia.
La extraccin de este tipo de informacin temtica se realiza habitualmente aplicando las tcnicas de
clasificacin a los valores de retrodispersin. Los resultados obtenidos con esta metodologa muestran
errores importantes en la asignacin vlida de clases debido a que se trabaja con una nica banda, a la
propia geometra de adquisicin de datos y a los cambios constantes en las variables ambientales durante
la toma de la informacin. En este trabajo se han aplicado tcnicas de anlisis textural de la componen-
te espectral de la retrodispersin para identificar diferentes tipos de fondos marinos, que se pueden uti-
lizar bien individualmente o como nuevas bandas a considerar en las clasificaciones supervisadas.
Los resultados muestran que el anlisis textural aplicando filtros estadsticos y matrices de ocurren-
cias y co-ocurrencias de niveles de grises, mejora notablemente la identificacin de las clases de fondo
marino. De todas las variables texturales, las variables de co-ocurrencia de la Media y Homogeneidad
son los que mejor informacin aportan para determinar los lmites de cada clase de sedimentos marinos.
Palabras clave: Anlisis textural, matriz de ocurrencia, matriz de co-ocurrencia, retrodispersin,
ecosonda multihaz, plataforma continental espaola
Abstract
Application of texture analysis of multibeam bakscatter data for seabed classification
In this work we present the results of the textural analysis of seafloor reflectivity data (5 meters/pixel
resolution) obtained with a EM3000D multibeam. These backscatter values are used to map different
materials on the seafloor and are a key dataset to the study and interpretation of the geologic processes
that take place and shape the continental shelf in the Murcia Region (SE of Spain).
Extraction of this type of thematic information is being carried out by applying different classification
procedures to the reflectivity values. The results obtained through this working procedure show errors
in the class assignation during classification due to: a) use of an unique band, b) acquisition geometry
of the data and c) change of environmental variables during data acquisition. We apply differents
techniques of textural analysis to the spectral component of the reflectivity to identity different types
of seafloor materials. These new datasets can be used as new bands and be used in later supervised
classifications.
The results of this work show that textural analysis carried out using statistical filters and matrices
of occurrences and coocurrences improve the classification of the different textural classes in the
seafloor obtained and help to identify other classes that were not possible to differentiate with the
original data. Textural variables co-occurrence of the Media and Homogeneity are best because allow
to better determine the boundaries of each class of marine sediments
Key words: texture analysis, occurrence matrix, co-occurrence matrix, backscattering, Multibeam
echosounder, continental shelf.
sidad, etc. que estn relacionadas entre s (Me- La Torre (Alicante) y guilas (Murcia). Esta
dialdea et al., 2008; Lynn y Flood, 2006). Tam- zona del SE de la Pennsula Ibrica se en-
bin se pueden detectar numerosos procesos cuentra en un lugar muy importante en el
geodinmicos, como los involucrados en la for- Mediterrneo Occidental, ya que es una zona
macin de deltas submarinos (prodeltas) en las intermedia entre el mar de Alborn, con ca-
desembocaduras de los ros, y gracias a stos, ractersticas atlnticas, y el resto de cuencas
poder evaluar los procesos que ocurren a lo lar- mediterrneas, que presentan unas caracters-
go de ellos (Lobo et al., 2006). Otra aplicacin ticas ms mediterrneas (Mas, 1996). La pla-
es el estudio de los procesos hidrodinmicos taforma continental de la zona de estudio pre-
que actan en el transporte y deposicin de par- senta diferencias en cuanto a su extensin de N
tculas mediante corrientes marinas, como las a S, siendo ms extensa entre los cabos de La
que atraviesan el estrecho de Gibraltar (Han- Nao y Palos, que entre el Cabo de Palos y Al-
quiez et al., 2007). mera (Rey y Daz del Ro, 1983). Entre el ca-
Se estn desarrollando tcnicas de procesa- bo de Palos y Almera hay una alternancia en-
miento de los datos de las sondas multihaz que tre zonas de sedimentacin carbonatada y zonas
permitan detectar desde presencia de residuos de sedimentacin silicoclstica, aunque hay un
orgnicos antropognicos hasta carbonatos re- claro predominio de las primeras. En la zona
lacionados con la oxidacin bacteriana del me- hay un recubrimiento sedimentario muy esca-
tano (Medialdea et al., 2008). Aun as, no es so e irregular debido a que el sustrato rocoso
sencillo saber la contribucin de cada uno de aflora muy prximo a la superficie del fondo.
los elementos a las variaciones en la seal de En el litoral encontramos estructuras terrgenas
retrodispersin, sobre todo si suceden simul- que se van sustituyendo por arenas en la plata-
tneamente varios procesos de los anterior- forma interna, fangos arenosos en la platafor-
mente citados (Lo Iacono et al., 2008). ma media, y fangos terrgenos en la plataforma
La cartografa de calidad del fondo marino externa y borde del talud (Mas, 1996). Entre los
se obtiene fundamentalmente a partir de la in- cabos de La Nao y Palos encontramos mayores
formacin que proporciona la imagen de re- extensiones de afloramientos rocosos, ms con-
trodispersin acstica monobanda, y por tan- cretamente en las barras consolidadas afloran-
to, presenta el inconveniente de la falta de otras tes situadas en la plataforma continental fren-
bandas para discriminar adecuadamente las te al Mar Menor que estn relacionadas con
clases temticas planteadas con la precisin y migraciones de la lnea de costa (Mateu et al.,
fiabilidad requerida. 1984). En definitiva es una zona con diferentes
En este trabajo se ha realizado un anlisis caractersticas sedimentolgicas y morfolgi-
textural que mide la variacin espacial del con- cas que implica gran variedad de fondos a es-
traste entre valores de retrodispersin de pxe- tudiar (Ruiz Fernndez, 2005).
les vecinos, esto es la variabilidad local de la Para este trabajo se han utilizado datos del
retrodispersin dentro de una unidad que a ma- proyecto ESPACE facilitados y publicados por
yor escala se puede considerar como homog- la Secretara General del Mar del Ministerio de
nea para obtener nuevas bandas que describan Medio Ambiente, y Medio Rural y Marino que
propiedades como la Varianza, Media, Entro- se detallan a continuacin:
pa, etc., y que se puedan utilizar individual- Informacin obtenida con tcnicas geo-
mente o combinadas con otras bandas para car- fsicas (profundidad y retrodispersin del fon-
tograf iar e interpretar los fondos marinos a do marino) empleando una ecosonda multihaz
partir de datos de sonda multihaz. dual de alta resolucin EM3000 D.
Muestreo de sedimentos superf iciales
con dragas, anlisis granulomtrico de las
Datos y metodologa muestras y tratamiento estadstico de los re-
sultados.
El estudio se realiz en el tramo de la pla- Transectos submarinos con fotos, video
taforma continental espaola de la Regin de y visu, para la caracterizacin bionmica en
Murcia comprendida entre los municipios de detalle.
8 F. Carreo / Revista de Teledeteccin (2011) 36, 5-19
Estos datos se han implementado en una he- Tabla 1. Ecuaciones de las variables texturales co-
rramienta SIG para visualizar, generar mode- ocurrencia
los 3D, analizar y obtener los documentos car- Variable textural Ecuacin
togrficos cuyo contenido final se compone de:
Modelo digital de profundidades (MDP),
obtenido a partir de los datos de la ecosonda, Media p 2
i, j
i, j
debidamente corregidos y filtrados con el pro-
grama Neptune. La resolucin de este grid con Varianza p(i, j )(i j ) 2
i, j
Figura 1. Arriba izquierda, imagen de retrodispersin de una de las zonas de estudio en niveles de gris. Arriba
derecha, variable textural de co-ocurrencia Entropa obtenido de la imagen de retrodispersin en la que se defi-
nen nuevos bordes que corresponden a lmites de tipos de sedimentos. Abajo izquierda, sombreado obtenido a
partir del Modelo Digital de Profundidades (MDP) con el que se identifican bien los afloramientos rocosos y al-
gunos lmites de clases. Abajo derecha, ejemplo de la cartografa final interpretada del fondo marino.
Para llevar a cabo la interpretacin y carto- cial los sombreados con diferentes parme-
grafa final de los procesos geolgicos de la tros), la batimetra, y el contexto geolgico de
plataforma continental en la zona de estudio, la zona (Figura 1).
se ha tenido en cuenta la informacin integra-
da en la base de datos espacial, pero en las que
tiene un papel importante la informacin deri- Resultados
vada de las variables texturales extradas de la
retrodispersin, las clasificaciones realizadas, En cuanto a los valores originales de retro-
los diferentes modelos topogrficos (en espe- dispersin para toda la zona de estudio varan
10 F. Carreo / Revista de Teledeteccin (2011) 36, 5-19
16
18,92dB y 18,45 dB, respectivamente.
20
Una vez extradas las variables texturales de
24 la imagen de retrodispersin se realiz el an-
lisis e interpretacin visual de los resultados
28
ya que es la metodologa que se usa habitual-
32 mente para elaborar cartografa de fondos ma-
Fangos Arenas Arenas Arenas Gravas rinos a partir de valores de retrodispersin. Con
finas medias gruesas
este anlisis se quiso tener una primera apro-
Figura 2. Valores de retrodispersin de las clases de
ximacin visual para distinguir diferentes es-
fondos marinos: Fangos, Arenas finas, Arenas medias,
Arenas gruesas y Gravas. tructuras y tipos de fondos marinos de la zona
tras aplicar cada una de las matrices de co-ocu-
rrencia, y las variaciones existentes entre ellas.
entre 10 dB y 40 dB. y son coherentes con La caracterstica visual ms destacable de
los de otros autores (Hughes Clarke et al, 1996; estas imgenes es la presencia del ruido que
Mitchel y Clark, 1994). Los valores ms altos genera un bandeado artificial segn la direc-
corresponden a los afloramientos rocosos y cin de la trayectoria del barco debido al error
gravas (entre 10 dB y 14 dB), los primeros total propagado inherente a la propia tcnica
perfectamente identificables con el modelo de de adquisicin desde el barco y la toma de da-
sombreado. Las fracciones arenosas tienen va- tos en el muestreo. Las condiciones de adqui-
lores tpicos en un intervalo de retrodispersin sicin de datos y su posterior procesado tam-
ms amplio (15 dB y 32 dB) en el que se in- bin generan zonas sin datos debido a las
cluyen sedimentos de arenas gruesas (entre 15 regiones en sombra en la cobertura de las eco-
dB y 19 dB), arenas medias (entre 20 dB y sondas y a la limpieza lnea por lnea de los da-
23 dB) y arenas finas (entre 25 dB y 32 dB). tos originales (Figura 3).
Por ltimo, los trminos fangosos presentan los
valores ms bajos de energa (entre 33 dB y
39 dB). Anlisis visual de las variables
En la Tabla 2 se muestran los valores medios texturales
y desviacin estndar de los valores originales
de retrodispersin y de cada variable textural A priori, no hay variables texturales concre-
correspondientes a las muestras de sedimentos tas que sean de mayor utilidad ya que la textu-
ms homogneos en cuanto a tamao de grano ra es una variable especfica para cada imagen
que se han considerado en este trabajo (Ta- y muchas de las medidas estn correlacionadas
bla 1). entre s, con lo que en realidad, existen pocas
En el caso de las muestras seleccionadas pa- verdaderamente independientes. Los buenos re-
ra nuestro estudio, los valores siguen la ten- sultados obtenidos en una imagen no implica
dencia y separabilidad de tipos de fondos ma- que puedan ser aplicados de modo general, y
rinos pero en general con valores de por tanto, la seleccin de las variables textura-
retrodispersin ms altos (Figura 2). Existe una les adecuadas debe basarse en el anlisis inter-
clara relacin entre tamao de grano y valores activo de los resultados para cada imagen par-
de retrodispersin, de tal modo que a mayor ta- ticular (Franklin, 2001).
mao de grano mayor valor de retrodispersin. Presutti (2001) propone realizar el anlisis
Mientras que las gravas presentan valores si- visual para determinar la medida textural id-
milares a los encontrados en la bibliografa nea y el mejor tamao de nuestra ventana pa-
(10 dB y 15 dB), los fangos presentan los va- ra cada imagen y aplicacin concreta. En este
lores ms bajos (20 dB y 29 dB) bien dife- trabajo, las imgenes de todas las matrices tex-
renciables del resto de clases de fondo marino. turales obtenidas han aportado, en mayor o me-
Aplicacin del anlisis textural a datos de retrodispersin de sonda multihaz... 11
Tabla 2. Media (X) y desviacin tpica (DT) de cada uno de los anlisis texturales para cada clase de sedi-
mentos: fangos, arenas medias, arenas gruesas y gravas
Tabla 2 (cont.). Media (X) y desviacin tpica (DT) de cada uno de los anlisis texturales para cada clase
de sedimentos: fangos, arenas medias, arenas gruesas y gravas
Figura 3. Detalle de la retrodispersin en la zona de estudio (izquierda), indicndose la zona donde se ha reali-
zado la ampliacin (derecha).
54
53
53
52
52
3X3_ 1
3X3_ 5
3X3_ 9
3X3_ 3
3X3_ 5
3X3_ 7
X9Y9
5X5_ 3
5X5_ 7
5X5_ 1
5X5_ 1
X7Y1
7X7_ 1
X1Y1
7X7_ 5
7X7_ 9
7X7_ 3
7X7_ 5
7X7_ 7
X9Y9
do Momento Angular para ventana 33 y desplaza-
X1Y
X1Y
X1Y
X3Y
X5Y
X7Y
X1Y
X1Y
X3Y
X5Y
X9Y
X1Y
X1Y
X3Y
X5Y
X7Y
miento 1,1. Arriba derecha, filtro textural del Segun-
3X3_
5X5_
5X5_
7X7_
do Momento Angular para ventana 33 y
desplazamiento 1,9. Abajo izquierda, filtro textural del ESP03MU-M017 ESP03MU-M264 ESP03MU-M181
Segundo Momento Angular para ventana 77 y des-
plazamiento 1,1. Abajo derecha, filtro textural del Se- Figura 6. Valores texturales de la variable textural de
gundo Momento Angular para ventana 77 y despla- la Media para diferentes tamaos de ventanas y des-
zamiento 1,9. plazamientos variables.
gundo Momento Angular (Figura 5), si se ob- consideradas de la Media, Homogeneidad y Se-
serva un realce de los bordes entre regiones que gundo Momento Angular.
no se discriminaban en los casos anteriores. Al Como se puede apreciar en la grf ica de
igual que en el caso de la variable textural de la Figura 6, el valor textural Media de las
la Homogeneidad, la direccin de desplaza- muestras disminuye al aplicar tamaos de
miento determina el resultado, de tal modo que ventana mayores pero dentro de un mismo ta-
desplazamientos de la ventana paralelos al ban- maos de ventana se mantiene constante pa-
deado realzan mejor los bordes texturales de ra todos los desplazamientos. Esto indica que
las clases de sedimentos marinos. el valor textural de la Media para estas im-
Con respecto al resto de matrices no consi- genes est determinado por el tamao de la
deradas de ocurrencia (Entropa, Media, Va- ventana que se aplica y no tanto por el des-
riancia, y Sesgo), y co-ocurrencia (Varianza, plazamiento y su orientacin. Esto se puede
Contraste, Disimilaridad, Correlacin y En- deber a la abundante presencia de zonas sin
tropa) no resultan variables texturales indica- registros de retrodispersin en este tipo de
das para las imgenes de retrodispersin de imgenes de tal modo que al aumentar el ta-
fondo marino de este estudio, ya que tras rea- mao de ventana (77) disminuye el valor
lizar su inspeccin visual aportan poca infor- textural Media al incluirse pxeles sin valor
macin de inters. en la matriz de clculo.
En el caso de la variable textural de la Ho-
mogeneidad (Figura 7), a mayor distancia de
Anlisis de valores texturales desplazamiento, tanto en la componente X, co-
mo en la Y, como en ambas, resultan valores
Una vez que se analizaron visualmente las texturales ms bajos (entre 0,2 y 0,4). Sin em-
variables de modo iterativo junto al resto de da- bargo, el tamao de la ventana apenas modifi-
tos del proyecto ESPACE (modelos digitales ca los valores con respecto a otro tamao de
del terreno, batimetra, muestreos de sedi- ventana. Distintos tamaos de ventana con
mentos, transectos submarinos, etc.) para se- iguales desplazamientos resultan valores tex-
leccionar las que mayor informacin aportan, turales de Homogeneidad similares.
se procedi a la evaluacin estadstica de las En el caso del Segundo Momento Angular
muestras de entrenamiento para cada clase de (Figura 8) los valores texturales disminuyen
sedimento marino. Para ello se utilizaron dia- una media de 0,2 a medida que aumenta el ta-
gramas donde se analiza la separabilidad y va- mao de la ventana (33_X1Y1 a 77_X9Y9).
lores caractersticos de las variables texturales A diferencia de las variables texturales de Me-
14 F. Carreo / Revista de Teledeteccin (2011) 36, 5-19
1,0 0,6
0,8
0,4
0,6
0,4
0,2
0,2
0,0 0,0
3X3_ 1
X1Y5
3X3_ 9
3X3_ 3
3X3_ 5
3X3_ 7
X9Y9
5X5_ 3
5X5_ 7
5X5_ 1
5X5_ 1
5X5_ 1
7X7_ 1
7X7_ 1
7X7_ 5
7X7_ 9
7X7_ 3
7X7_ 5
7X7_ 7
X9Y9
3X3_ 1
X1Y5
3X3_ 9
3X3_ 3
3X3_ 5
3X3_ 7
5X5_ 9
5X5_ 3
5X5_ 7
5X5_ 1
5X5_ 1
5X5_ 1
X9Y1
7X7_ 1
7X7_ 5
7X7_ 9
7X7_ 3
7X7_ 5
7X7_ 7
X9Y9
X1Y
X1Y
X3Y
X5Y
X7Y
X1Y
X1Y
X3Y
X5Y
X7Y
X9Y
X1Y
X1Y
X1Y
X3Y
X5Y
X7Y
X1Y
X1Y
X3Y
X5Y
X7Y
X9Y
X1Y
X1Y
X3Y
X5Y
X7Y
X1Y
X1Y
X1Y
X3Y
X5Y
X7Y
3X3_
3X3_
5X5_
3X3_
3X3_
7X7_
ESP03MU-M017 ESP03MU-M318 ESP03MU-M181 ESP03MU-M017 ESP03MU-M318 ESP03MU-M181 ESP03MU-M264
Figura 7. Valores texturales de la variable textural de Figura 8. Valores texturales de la variable textural del
la Homogeneidad para diferentes tamaos de ventanas Segundo Momento Angular para diferentes tamaos
y desplazamientos variables. de ventanas y desplazamientos variables.
dia y Homogeneidad, los mnimos dentro de ral, la separabilidad entre los valores textura-
una misma ventana coinciden con las mayores les de las clases generales (fangos, arenas, can-
diferencias entre la componente X e Y (X1Y9 tos y gravas) est bien definida pero se obser-
y X9Y1). van solapes entre las diferentes clases de
Resultan especialmente interesantes los re- arenas. El valor de la retrodispersin y de la
sultados obtenidos en el procesado de las im- Media aumentan a medida que el aumenta tam-
genes de reflectividad de ecosondas ya que de- bin el tamao de grano. En los otros grficos
pendiendo el tipo de tratamiento de anlisis (Retrodispersin/Homogeneidad y Retrodis-
textural aplicado y las variables texturales los persin/Segundo Momento) no existe un pa-
efectos dentro de una misma imagen son dife- trn claro de separabilidad y viene determina-
rentes. Al aumentar el tamao de ventana en la do fundamentalmente por los valores originales
variable Homogeneidad se produce una ate- de retrodispersin.
nuacin en las diferencias de los valores con La separabilidad de clases teniendo en cuen-
un efecto de suavizado de los bordes de clases ta los valores texturales (Figura 10) no es tan
en la imagen. En el caso de la variable textural clara como en el caso anterior. Si bien se ob-
del Segundo Momento Angular segn aumen- serva una ligera tendencia en la distribucin de
ta el tamao de la ventana y las distancias de las nubes de puntos para las diferentes clases
desplazamiento, se produce una generalizacin de fondos, ms clara en los trminos extremos
de los valores, segn nos encontremos en la zo- (fangos y gravas) en las nubes de valores, no
na central o en los bordes de las franjas de ad- se puede establecer unos lmites definidos pa-
quisicin de los datos. ra ninguna clase. De las tres posibles combi-
naciones de valores texturales, donde se pro-
duce un menor solape de clases es en la
Anlisis de las clases Media-Homogeneidad. En general, los valores
de fondo marino de las clases fangos y rocas se identifican me-
jor que los de las arenas, ya que se pueden con-
Contrastando los valores originales de re- siderar como clases ms homogneas y ms f-
trodispersin con los valores texturales de las cilmente clasif icables que las de arenas. Al
categoras de fondos marinos se puede anali- considerar 3 grupos distintos de arenas puede
zar su separabilidad. En la Figura 9 se observa ocurrir que dichos grupos no sean tan homo-
que los valores texturales de la Media frente a gneos en cuanto a la naturaleza y caracters-
los valores originales de retrodispersin son ticas de los sedimentos y en realidad son cla-
los que mejor definen los espacios caracters- ses muy heterogneas, lo que provoca mayores
ticos de cada tipo de fondo marino. En gene- solapes en sus valores.
Aplicacin del anlisis textural a datos de retrodispersin de sonda multihaz... 15
Figura 9. Distribucin de valores de las diferentes clases de fondos marinos. Arriba izquierda, retodispersin y
variable textural de la Media. Arriba derecha, retodispersin y variable textural de la Homogeneidad. Abajo, re-
todispersin y variable textural del Segundo Momento angular.
Figura 10. Distribucin de valores texturales de las diferentes clases de fondos marinos. Arriba izquierda, va-
riable textural de la Homogeneidad frente a la variable textural de la Media. Arriba derecha, variable textural del
Segundo Momento Angular frente a la variable textural de la Media. Abajo, variable textural de la Homogenei-
dad frente a la variable textural del Segundo Momento Angular.
clases de fondos marinos, enmascarando sus bandeado cercanos a los polgonos. En algunos
fronteras, y por tanto, dificultando las clasifi- casos, siendo incluso mayor dicha desviacin
caciones. que para la retrodispersin de la imagen origi-
Era de esperar que la medida de la variable nal. Esto hace tener en cuenta de modo espe-
textural de la Entropa hubiera aportado bue- cial que obliga a escoger adecuadamente el ta-
nos resultados puesto que mide la probabilidad mao de la ventana debido a la presencia de
de que se produzca la ocurrencia de cada com- pxeles sin valor.
binacin de pxeles. El ya comentado bandea- Para la variable textural de la Homogenei-
do sistemtico de las imgenes hace que se in- dad, se observ visualmente que la componente
troduzca un ruido con un peso importante que del desplazamiento de la ventana cambia no-
no permita caracterizar bien las diferentes cla- tablemente la apariencia de la imagen, mejo-
ses de fondo marino, tal y como se vio en el rndola en aquellas zonas donde la orientacin
anlisis visual de esta variable. coincide con la de la muestra. Al aumentar el
En cuanto al anlisis visual de la variable tex- tamao de la ventana (99) se produce un li-
tural de la Media, se comprob que slo exis- gero efecto de suavizado pero cuando se dis-
tan variaciones en la visualizacin tras modi- minuye la desviacin general de los datos. Es-
f icar el tamao de ventana. Al aumentar el to hace que esta variable textural tenga que ser
tamao de ventana, se incrementaba tambin la tenida en cuenta porque dependiendo de la zo-
desviacin estndar debido seguramente a que na de la imagen muestreo y del desplazamien-
toman valores sin valor de los pxeles nulos del to de la ventana, puede aumentar la desviacin
Aplicacin del anlisis textural a datos de retrodispersin de sonda multihaz... 17
estndar vindose muy afectada por el ruido cidente en este aspecto, e indica que cuanto ma-
inherente de la imagen. De igual modo se pue- yor es el tamao de ventana, menos se distin-
de utilizar para disminuir la desviacin en los guen los bordes de clase, que en este caso se
polgonos de muestra. traduce en una atenuacin de las diferencias
Los resultados obtenidos con el Segundo con las zonas sin valores de retrodispersin.
Momento Angular son parecidos a los de la Ho-
mogeneidad pero necesita mayores tamaos de
ventana para eliminar los pxeles sin valor. Conclusiones
Adems, y de modo contrario a lo que ocurre
con la textura Homogeneidad, esta variable tex- El anlisis textural aplicado a imgenes de
tural se ve ms influenciada por los pxeles sin retrodispersin obtenidas con sondas multihaz
valor. Esto puede ser interesante porque se pue- para el estudio de la plataforma continental ge-
de utilizar cada una de estas variables en fun- nera nuevos niveles de informacin que ayu-
cin del efecto de suavizado y relleno de pxe- dan en la interpretacin y cartografa de las di-
les sin valor que queramos obtener ferentes clases de fondos marinos. Pero hay
dependiendo de las caractersticas de nuestra otras muchas variables que influyen en la co-
imagen de partida. rrecta interpretacin de estos datos como son:
Al analizar los datos por variables textura- la orientacin en la toma de la retrodispersin;
les y clases se comprob que este mtodo po- y los errores presentes en la toma de datos, tan-
da servir para destacar errores de asignacin to si son debidos al ruido del barco o a zonas
de clases, y es destacable que influye ms el sin datos, que poda hacer que dicha homoge-
contexto de los alrededores del polgono que neidad no fuera la caracterstica de textura id-
los propios pxeles que abarca. Para la varia- nea.
ble textural de la Media, se resalta la mayor se- Comprobamos que la respuesta acstica nos
parabilidad de las clases con respecto a las va- puede dar informacin sobre la distribucin de
riables Homogeneidad y Segundo Momento los sedimentos marinos, pero es indispensable
Angular. Los trminos extremos de sedimen- tomar datos adicionales, como fotografas del
tos marinos aparecen con buena separabilidad fondo, videos de transectos o los propios dra-
mientras que las diferentes clases de arenas se gados, ya que si no es imposible explicar a que
solapan ms. Hay que tener en cuenta que la se deben las diferencias en los valores de re-
mayora de las muestras son trminos hetero- trodispersin. Esto se debe a que para las ma-
gneos que incluyen varias clases de tamaos trices de co-ocurrencia no hay ningn modelo
de sedimentos, y por tanto, su respuesta de re- que las vincule con las propiedades fsicas a un
trodispersin y textural va a estar condiciona- fondo marino especfico, de manera que dos
da por la proporcin de cada uno de ellos. Ade- fondos de litologas diferentes pueden exhibir
ms, hay que tener en cuenta que los lmites las mismas caractersticas de textura.
entre clases no son netos y definidos ya que Los patrones definidos por la retrodisper-
hay una constante transicin espacial de los se- sin de sonda multihaz han sido interpretados
dimentos que dificulta la identificacin exac- para determinar las clases de sedimentos esta-
ta de los lmites de cada tipo de sedimentos ma- blecidas (de acuerdo al tamao de grano) pre-
rinos (Bureau Hidrogrf ico Internacional, sentes en el fondo marino. Los valores extre-
2005). Con estos valores se puede identificar mos permiten diferenciar los grandes grupos
con fiabilidad los tres trminos generales de (valores altos corresponden a gravas, valores
sedimentos (gravas-arenas-fangos) pero para bajos a fangos y valores intermedios a arenas).
diferenciar los trminos intermedios (arenas Los anlisis de media e intervalo de datos
finas-arenas medias-arenas gruesas) hay que permiten identificar en situaciones favorables
contar con otro tipo de anlisis y tratamientos. fronteras entre tipos de sedimentos que no se
De esta manera, se comprueba que el tama- aprecian en otros niveles de informacin. El
o de ventana y el desplazamiento en muchas bandeado sistemtico del nivel de procesado de
ocasiones es decisivo para el xito de las cla- los datos de retrodispersin multihaz que he-
sificaciones. Fernndez et al. (2003) es coin- mos utilizado dificulta la identificacin de las
18 F. Carreo / Revista de Teledeteccin (2011) 36, 5-19
diferentes clases granulomtricas de arenas de sity with grain size distribution of shelf sedi-
fondo marino utilizando variables texturales. ments. New Jersey margin. Geo Mar. Lett. 20,
Para el caso de las clases de fangos y gravas es- 4349.
HANQUIEZ, V., MULDER, T., LECROART, P.,
te tipo de anlisis es ms eficaz y preciso. GONTHIER, E., MARCHS, E. & VOISSET, M.
El anlisis textural (matriz de ocurrencia y 2007. High resolution sea floor images in the
matriz de co-ocurrencia) de estos valores apor- Gulf of Cadiz, Iberian margin. Marine Geology,
ta nuevos niveles de informacin que, junto a 246, 42-59.
los sombreados y la batimetra, permiten iden- HARALICK, R. M., SHANMUGAN, K. & DINS-
tificar lmites entre diferentes clases de sedi- TEIN, I. 1973. Textural features for image clas-
sification. IEEE Transactions on Systems, Man
mentos y su clasificacin que nicamente con
and Cybernetic. 3, 610-621.
la imagen de retrodispersin no es posible, y HERZFELD, U. C. 1993. A method for seafloor clas-
por tanto, es una metodologa que debe des- sification using directional variograms, demon-
arrollarse y ser tenida en cuenta para trabajos strated for data from the western flank of the Mid-
con objetivos similares. Atlantic Ridge. Math. Geology, 25, 901-924.
HUGHES CLARKE, J. E., MAYER, L. A. &
WELLS, D. E. 1996. Shallow-water imaging mul-
tibeam sonars: A new tool for investigating sea-
Agradecimientos floor processes in the coastal zone and on the con-
tinental shelf. Marine Geophysical Researches,
Los datos utilizados para este trabajo perte- 18, 607-629.
necen al proyecto ESPACE (Estudio de la pla- JACKSON, D. R., WINEBRENNER, D. P. & ISHI-
taforma continental espaola) de la Secretara MARU, A. 1986. Application of the composite
General del Mar perteneciente al Ministerio de roughness model to high-frequency bottom scat-
tering. J. Acoust. Soc. am, 79, 14101422.
Medio Ambiente, y Medio Rural y Marino.
LOBO, F. J., FERNNDEZ-SALAS, L. M., MO-
RENO, I., SANZ, J. L. & MALDONADO, A.
2006. The sea-floor morphology of a Mediterra-
Referencias nean shelf fed by small rivers, northern Alborn
Sea margin. Continental Shelf Research, 26:
ANYS, H., BANNARI, A., HE, D. C. & MORIN, 2607-2628.
D. 1994. Texture analysis for the mapping of ur- LYNN FERINI, V. & FLOOD, R. D. 2006. The ef-
ban areas using airborne MEIS-II images. Pro- fects of fine-scale surface roughness and grain
ceedings of the First International Airborne Re- size on 300 kHz multibeam backscatter intensity
mote Sensing Conference and Exhibition, 3, in sandy marine sedimentary environments. Ma-
231-245. rine Geology, 228, 153-172.
BLONDEL, P. & MURTON, J. 1997. Handbook of LO IACONO, C., GRCIA, E., DIEZ, S., BOZZA-
seafloor sonar imagery. Publisher John Wiley NO, G., MORENO, X., DAOBEITA, J. & ALON-
&Sons, Chichester/Praxis Publishing, Chiches- SO, B. 2008. Seafloor characterization and backs-
ter, 1997, 314 pp. catter variability of the Almeria Margin (Alborn
BUREAU HIDROGRFICO INTERNACIONAL. Sea, SW Mediterranean) based on high-resolution
2005. Clasificacin del fondo marino y deteccin acoustic data. Marine Geology, 250, 1-18.
de accidentes. En: Organizacin Hidrogrfica In- MAILLARD, P. 2003. Comparing Texture Analysis
ternacional (eds.). Manual de Hidrografa (Pu- Methods through Classif ication, PE&Remote
blicacin M-13, 199-256. Mnaco. Sensing, 69. pp. 357-367.
FERNNDEZ-SARRA, A., RECIO-RECIO, J. & MAS, J. 1996. Aspectos oceanogrficos y biogeo-
RUIZ-FERNNDEZ, L. 2003. Anlisis de im- grficos de sureste peninsular. Algunas conside-
genes mediante texturas: aplicacin a la clasifi- raciones ambientales. Accesible en URL:
cacin de unidades de vegetacin. GeoFocus, 3, http://www.dipalme.org/Servicios/Anexos /ane-
143-159. xosiea.nsf/VAnexos/IEA-RNMA-c1/$File/RNMA-
FERRO, C. & WARNER, T. 2002. Scale and textu- c1.pdf Consultado el 27 de octubre de 2011.
re in digital image classification. Photogramme- MATEU, G., REY, J. & DAZ DEL RO, V. 1984.
tric Engineering and Remote Sensing, 68, 51-63. Las barras submarinas de la zona interna de la
FRANKLIN, S. E. 2001. Remote Sensing for Sus- plataforma continental frente al Mar Menor
tainable Forest Management. Ed. Lewis Publis- (Murcia, Espaa): Estudio ssmico y crono-
hers. pp 407. bioestatigrfico. Thalassas, 22, 33-42.
GOFF, J. A., OLSON, H. C. & DUNCAN, C. S. MEDIALDEA, T., SOMOZA, L., LEN, R., FA-
2000. Correlation of side scan backscatter inten- RRN, M., ERCILLA, G., MAESTRO, A., CA-
Aplicacin del anlisis textural a datos de retrodispersin de sonda multihaz... 19
SAS, D., LLAVE, E., HERNNDEZ-MOLINA, sifcation of multisource satellite image spectral
F. J., FERNNDEZ-PULGA, M. C. & ALONSO, and texture data for agricultural crop mapping in
B. 2008. Multibeam backscatter as a tool for sea- Buenos Aires Province, Argentina. Canadian
floor characterization and identification of oil Journal of Remote Sensing, 27, 6, 679-684.
spills in the Galicia Bank. Marine Geology, 249, REY, J. & DAZ DEL RO, V. 1983. La Plataforma
93-107. Continental mediterrnea entre Cabo de Palos y
MITCHELL, N. C. & HUGHES CLARKE, J. E. Cabo Tioso. Morfologa y estudios ssmicos de
1994. Classification of seafloor geology using la cobertura sedimentaria. Informacin Tcnica
multibeam sonar data from the Scotian Shelf. Ma- del Instituto Espaol de Oceanografa, 11, 26 pp.
rine Geology, 121, 143-160. RNHOVDE, A. 1999. High Resolution of Beam
NITSCHE, F. O., BELL, R., CARBOTTE, S. M., forming of SIMRAD EM3000 Bathymetric Mul-
RYAN, W. B. F. & FLOOD, R. 2004. Process-re- tibeam Sonar Data. Cand Scient thesis (Univer-
lated classification of acoustic data from the Hud- sity of Oslo).
son River Estuary. Marine Geology, 209, RUIZ FERNNDEZ, J. M. 2005. Impacto ambien-
131145. tal de las desaladoras sobre las comunidades ben-
PONCE, R. A. 2005. Mtodos de Anlisis y Proce- tnicas marinas. I. T, 72, 40-47.
samiento de Datos Batimtricos Monohaz y Mul- SANZ, J. L., 2009. La investigacin de la platafor-
tihaz, Presente y Futuro. Convencin Nacional ma continental espaola. El proyecto ESPACE.
de Geografa 2005. Manzanillo, Colombia. Accesible en URL: http://www.ieo.es/ESPA-
PRESUTTI, M. E. 2004. La matriz de co-ocurren- CE/descripcion_ESPACE.htm Consultado el 24
cia en la clasificacin multiespectral: tutorial pa- de Agosto de 2009.
ra la enseanza de medidas texturales en cursos URGELES, R., LOCAT, J., SCHMITT, T. & HUG-
de grado universitario. 4 Jornada de educacao HES CLARKE, J. E., 2002. The July 1996 flood
em Sensoramiento Remoto no mbito do Merco- deposit in the Sanguenay Fjord, Quebec, Cana-
sul. 2004. So Leopoldo, Brasil. da: implications for sources of spatial and tem-
PRESUTTI, M. E., FRANKLIN, S. E., MOSKAL, poral backscatter variations. Marine Geology,
L. M. & DICKSON, E. E. 2001. Supervised clas- 184, 4160.
Asociacin Espaola de Teledeteccin Revista de Teledeteccin 36, 20-25
ISSN: 1988-8740
Resumen
Dos campaas areas con el LIDAR Optech ALTM-3025 del ICC (Instituto Cartogfico de Cata-
lua) fueron realizadas el 16 de Junio de 2007 de da con un Partenavia P-68 y el 12 de Octubre de
2007 de noche con un Cessna Caravan 208B. La validacin posible de esta nueva tecnologa LIDAR
puede ser til para suministrar medidas en reas costeras, de unos 15 a 20 km desde la lnea de costa,
donde la altimetra radar por satlite da problemas severos debido al amplio haz (footprint) que abar-
ca zona de tierra. La segunda campaa aerotransportada se realiz coincidiendo con el paso del sat-
lite ICESat provisto de un lser altmetro. Se describe la situacin actual de las infraestructuras CGPS
en Ibiza, lEstartit y Barcelona as como sus aplicaciones a la monitorizacin del nivel del mar y ca-
libracin altimtrica. El objetivo principal es la integracin de datos geodsicos espaciales, aero-
transportados e in-situ para establecer reas de calibracin altimtrica en el Mediterrneo Occidental
en el marco del estudio del Cambio Global.
Palabras clave: maregrafo, LIDAR, altimetria lser, GPS, nivel del mar.
Abstract
CGPS Implementation and Altimetry in the Ibiza, lEstartit and Barcelona Harbours
for Sea Level Monitoring
Two airborne calibration campaigns carrying an Optech Lidar ALTM-3025 (ICC) were made on Ju-
ne 16, 2007 with a Partenavia P-68 and October 12, 2007, with a Cessna Caravan 208B flying along
two ICESat target tracks including crossover near lEstartit. The validation of this new technology LI-
DAR may be useful to fill coastal areas where satellite radar altimeters are not measuring due to the
large footprint and the resulting gaps of about 15-30 km within the coastline. The second airborne
campaign was made at night at the same time of the ICESat overflying. A description of the actual ge-
odetic CGPS (Continuos GPS) infrastructures at Ibiza, lEstartit and Barcelona is presented as their
applications to sea level monitoring and altimeter calibration. The main objective is the integration of
spaceborne, airborne and in-situ data for the establishment of altimeter calibration areas in the wes-
tern Mediterranean in the framework of Global Change.
Key words: Tide gauge, LIDAR, laser altimetry, GPS, sea level.
Introduccin
El nivel del mar es una variable medioam-
biental de importancia ampliamente reconoci-
da en muchas disciplinas cientficas como pa-
rmetro de control en procesos dinmicos
costeros o procesos climticos en los sistemas
atmsfera-ocano asi como en aplicaciones ge-
odsicas y medioambientales en la Ingeniera.
La fuente principal de datos de nivel del mar
son las redes nacionales de maregrafos en la
costa, en Espaa perteneciendo a diferentes
instituciones como el Instituto Geogrfico Na-
cional (IGN), Puertos del Estado (PE), Insti-
tuto Hidrogrfico de la Marina (IHM), etc. Los
maregrafos miden el nivel del mar relativo a
la tierra. Buenos modelos de mareas existen en
el Mediterrneo Occidental. Criticamente de-
penden de la informacin batimtrica precisa
que ha mejorado recientemente.La variacin
del nivel del mar para perodos largos ha sido Figura 1. Infraestructura CGPS en el Puerto de Bar-
cuantificada recientemente usando datos del celona (imagen superior) y del Puerto de Ibiza (ima-
Topex/Poseidn, Jason-1/2, ERS-1/2, Envisat gen inferior).
y mareogrficos a largo perodo (varias dca-
das hasta 100 aos).
adems de un CGPS en el Puerto de Ibiza b-
sico en la campaa IBIZA2003 (Martinez-Ben-
Infraestructura geodesica jamin et al., 2004), (Martinez-Benjamin et al.,
en los puertos de Ibiza, 2007) de calibracin altimtrica del Jason-1.
lEstartit y Barcelona La determinacin del sistema de referencia al-
timtrico portuario (SRAP), est basada en los
La instrumentacin de las medidas del ni- registros histricos realizados con maregra-
vel del mar est siendo mejorada con la insta- fos, de los niveles del mar en cada puerto. En
lacin de un nuevo maregrafo radar de pul- el puerto de Barcelona desde hace 20 aos se
sos DATAMAR 3000C, de Genica, S. L., en dispone de instrumentacin mareogrfica in-
el Puerto de Barcelona en donde la Autoridad tegrada en la red REDMAR de PE.
Portuaria de Barcelona (APB) ya dispone de Las medidas mareogrficas permiten la de-
una estacin GPS, formada por un sensor de terminacin de ceros niveles de referencia,
Leica Geosystems GRX1200 GG Pro y una an- la realizacin de dragados, el clculo de cons-
tena AX 1202 GG capaz de realizar un segui- tantes armnicas del puerto para prediccin de
miento constante de las constelaciones NAVS- la marea, el estudio de las tendencias del nivel
TAR y GLONASS asi como de la futura medio del mar a largo plazo, la ayuda a la na-
constelacin GALILEO, en la nueva torre de vegacin en el puerto, contribucin al sistema
control situada en el muelle de inflamables. Se de alerta de los tsunamis, etc. (Fig. 1).
espera constituya el conjunto una estacin La ubicacin de la estacin GPS en el
CGPS (Continuous Global Positioning Puerto de Barcelona es particularmente ade-
System) de las redes ESEAS (European Sea cuada debido a la proximidad del maregra-
Level) y TIGA (GPS Tide Gauge Benchmark fo que estara ubicados a escasos 50 m. de la
Monitoring). torre de control posibilitando que se tengan
Puertos del Estado dispone de un mare- cubiertas tanto las necesidades de posiciona-
grafo radar MIROS en el Puerto de Barcelona miento para la topografa terrestre como pa-
22 J. J. Martnez et al. / Revista de Teledeteccin (2011) 36, 20-25
Figura 4. Periodos de observacion del ICESat en los puertos de Ibiza, Estartit y Barcelona
conjunto de datos focalizados en el rea de es- medio. Se han realizado medidas de ICESat en
tudio de Ibiza y lEstartit. Todos los productos las reas de los puertos de Ibiza, Estartit y Bar-
de ICESat/GLAS son descritos en la direccin celona (Fig.4).
http://glas.wff.nasa.gov/, en particular, los pe- Se muestra L3i, en el que la observacin de
rodos operacionales de GLAS. GLAS el 12 de octubre de 2007 fue dirigida al
La campaa con el Laser 3, L3k, comenz area de lEstartit al mismo tiempo que el avin
el 4 de octubre de 2008 y el fallo definitivo del Cessna del ICC sobrevolaba el luga,r asi como
Laser se produjo el 19 de octubre de 2008. Se las alturas hae sobre el elipsoide (TOPEX), en
pas al Laser 2 comenzando L2d el 25 de no- donde se diferencian las trazas de referencia (en
viembre y finalizando el 17 de diciembre de puntos) de las trazas observadas por GLAS en
2008. Se realiz un nuevo perodo operacional observacin oblicua (tras solicitud al Goddard
con el Laser 2, L2e, que comenz el 9 de mar- Space Flight Center GSFC/NASA) a los lugares
zo y termin el 11 de abril de 2009 (los 33 das). de calibracin de Ibiza y lEstartit (en trazo con-
Finalmente otro perodo observacional, L2f, tinuo) (Martinez-Benjamin et al., 2008) (Fig.5).
comenz el 30 de septiembre y termin con el Para estudiar el potencial del Lidar para co-
fallo definitivo del Laser y la misin ICESat nectar las medidas del nivel del mar de los ma-
el 11 de octubre de 2009. El satlite dej de regrafos en la costa con las medidas altim-
funcionar despues de solo unos 10 das y tricas en mar abierto se ha considerado la
Implementacin CGPS y altimetra en los Puertos de Ibiza, l'Estartir y Barcelona... 25
campaa Lidar aerotransportada con vuelo so- Este trabajo ha sido realizado dentro del Pro-
bre la traza de ICESat del 12 de octubre. El al- yecto ESP2005-05829 y de la Accin Com-
tmetro lser GLAS del ICESat suministra al- plementaria ESP2005-25306-E f inanciados
turas elipsoidales y puede ser usado sobre tierra por el Plan Nacional I+D+i del Ministerio de
para calibrar el Lidar aerotransportado dentro Educacin y Ciencia.
del avin y en consecuencia puede ser utiliza-
do sobre el ocano para obtener la altura de la
superficie marina SSH. Actualmente no hay Referencias
ningn altmetro radar que suministre datos
f iables a una distancia de la costa menor de MARTINEZ BENJAMIN, J. J., et al. 2004, Ibiza
unos 15 km, sin embargo hay mareas en aguas Absolute Calibration Experiment: Survey and
someras y fenmenos de dinmica ocenica Preliminary Results, Marine Geodesy, Tay-
lor&Francis, Vol.27 (ISSN 0149-0419
que son observados por los maregrafos pero print/1521-060X online).
no por la altimetra aunque un sistema Lidar MARTINEZ BENJAMIN, J. J., et al. 2007, Cam-
podria ser usado para conectar estos dos siste- paas altimtricas de calibracin en el Medite-
mas diferentes de medidas. Dado que el Lidar rrneo Occidental, XII Congreso de la Asocia-
aerotransportado est afectado por inclinacio- cin Espaola de Teledeteccin, Mar del Plata,
nes en actitud y bias, una calibracin sobre tie- Argentina.
MARTINEZ BENJAMIN, J. J., SCHUTZ, B., UR-
rra podria realizarse y solo la altimetria ICE- BAN, T., & ORTIZ CASTELLON, M. A. 2008,
Sat suministra elevaciones precisas sobre tierra Space Borne Laser and Airborne Lidar Expe-
en comparacin a las mucho menos precisas riences at lEstartit (Spain), Internacional Geos-
del altmetro radar sobre tierra. cience and Remote Sensing Symposium,
IGARSS2008, Proceedings CD 4p., Boston, Mas-
sachussets, Estados Unidos.
MOYSSET, M. 2008, Informe del projecte cam-
Agradecimientos panyes LIDAR a lEstartit, Informe interno, ICC.
SCHUTZ, B., et al. 2005, Overview of the ICESat
Se agradece a los dos revisores annimos misin, Geophysical Research Letters, Vol.32,
sus interesantes observaciones y sugerencias. L21S01, doi:10.1029/2005GL024009.
Asociacin Espaola de Teledeteccin Revista de Teledeteccin 36, 26-39
ISSN: 1988-8740
Resumen
El mapeo de los tipos de cubierta de suelo es una de las aplicaciones ms comunes de la teledetec-
cin. A tal efecto, las imgenes Landsat TM resultan de gran utilidad por su adecuada resolucin es-
pacial, espectral, temporal y accesibilidad. Una de las formas ms empleadas para extraer informa-
cin temtica a partir de imgenes satelitales es la clasificacin supervisada y la estrategia para aplicarla
puede diferir desde el algoritmo de asignacin seleccionado, el nmero de bandas incluidas y el ta-
mao de las reas de entrenamiento. El objetivo del presente trabajo fue comparar clasificaciones re-
alizadas con un algoritmo tradicional paramtrico: el de mxima probabilidad (MLC) y uno no para-
mtrico de uso relativamente reciente: las mquinas de vectores soporte (SVM), utilizando tres
combinaciones de bandas de uso tradicional: 345, 3457, 1-5 y 7 y una combinacin de bandas infra-
rrojas: 457 y distintos tamaos de reas de entrenamiento. Con ambos algoritmos, las clasificaciones
que incluyeron cuatro y seis bandas (combinaciones 3457 y 1-5 y 7, respectivamente) fueron signifi-
cativamente mejores que con tres bandas (345) pero, en general, no presentaron diferencias entre s.
La combinacin 457 demostr ser til para discriminar cubiertas de suelo, con precisiones compara-
bles a las combinaciones tradicionales. El aumento del tamao del rea de entrenamiento tuvo un im-
pacto diferente en la precisin alcanzada por los clasificadores, dependiendo de la combinacin de
bandas utilizada y, en todos los casos, se observ la estabilizacin de la precisin global frente al in-
cremento del tamao del rea de entrenamiento. La combinacin 3457 result ser la ms adecuada pa-
ra la discriminacin de cubiertas de suelo, optimizando la relacin entre el nmero de bandas inclui-
do y la precisin global obtenida. En general, las SVM tuvieron mejor desempeo que MLC con la
combinacin de tres bandas, mientras que con cuatro y seis bandas las diferencias no fueron signifi-
cativas.
Palabras clave: clasificacin supervisada, clasificador de mxima probabilidad, mquinas de vec-
tores soporte, tamao del rea de entrenamiento, combinacin de bandas, Landsat TM
Abstract
Land cover mapping is one of the most common applications of remote sensing. For that purpose
Landsat TM imagery is of great usefulness due to its appropriate spatial, spectral and temporal reso-
lution and accessibility. One of the most used ways of extracting thematic information from satellite
imagery is supervised classification and the strategy to apply it may differ as to the classification al-
gorithm, number of bands included and the size of the training set. The objective of the present arti-
cle was to compare classifications made with a traditional parametric algorithm: the maximum like-
lihood classifier (MLC) and a non parametric and of relatively recent application: the support vector
machines (SVM), with three traditional band combinations: 345, 3457, 1-5 and 7, and an infrared band
combination: 457, testing different training set sizes. Using both classifiers, the classifications ob-
tained with both four and six bands (combinations 3457 and 1-5 and 7, respectively) were significantly
better than with three bands (345), however, in most cases there were no differences between them.
The 457 combination proved to be useful characterize land covers, showing precisions comparable to
traditional band combinations. Increasing training size had a different effect on the precision reached
by the classifiers, depending on the band combinations used and, in every case, a stabilization of the
global precision was observed with an increase in the training size. Combination 3457 was the most
appropriate to land cover discrimination, optimising the relationship between the number of bands in-
cluded and the global precision obtained. In general, SVM had better performance than MLC with the
three band combination, whereas with four and six bands differences were not significant.
Keywords: supervised classification, maximum likelihood classifier, support vector machines, trai-
ning size, band combination, Landsat TM
mtica por su buena resolucin espacial (30 m de tes: Cultivo estival, Cultivo invernal, Campo na-
pxel en las bandas reflexivas), espectral (3 ban- tural y Pajonal.
das en el visible, 1 en el infrarrojo cercano, 2 en El clasificador de mxima probabilidad es un
el infrarrojo medio y 1 en el infrarrojo trmico algoritmo paramtrico que supone la distribucin
de menor resolucin espacial), temporal (16 d- normal de los valores de los pxeles de cada cla-
as de revisita) y accesibilidad de las imgenes se. De esta forma, cada tipo de cubierta puede ser
(Chuvieco, 2002). La imagen utilizada corres- descrita por una funcin de probabilidad y los p-
ponde a la escena 225/85 y fue tomada el xeles a clasificar se asignan a aquella clase que
18/10/2009. La misma fue corregida radiomtri- maximice dicha funcin. Este algoritmo es uno
camente a valores de reflectividad al tope de la de los ms empleados en teledeteccin por su ro-
atmsfera segn Chander et al. (2007) y luego bustez (Chuvieco, 2002).
corregida geomtricamente utilizando una ima- Las mquinas de vectores soporte, en cambio,
gen base Landsat 7 ETM+ pancromtica del no requieren de la estimacin de la distribucin
15/10/2000 georreferenciada utilizando las car- de los datos para la asignacin de los pxeles, si-
tas topogrficas del IGM 1:50.000 (Proyeccin no que utilizan un criterio geomtrico basado
Gauss-Krger, Datum Campo Inchauspe, Elip- en el concepto de maximizacin de margen entre
soide Internacional de 1924), con 27 puntos de clases (Melgani y Bruzzone, 2004). En el caso de
control y un error RMS < 1 pxel. dos clases linealmente separables, las SVM iden-
tifican el hiperplano ptimo de separacin entre
clases en el espacio multidimensional (en una cla-
sificacin, la dimensin esta dada por el nmero
Clasificacin digital de bandas incluidas en el anlisis), basados en los
datos de entrenamiento. El hiperplano ptimo es
A partir de la observacin de la imagen sate- aquel que maximiza la distancia entre el hiper-
lital y viajes al rea de estudio, se identificaron plano y los datos de entrenamiento ms cercanos.
7 clases de cubiertas de suelo (Tabla 1). Las cla- En la mayora de los casos, sin embargo, las cla-
ses que presentaron lmites ntidos, como es el ses no son linealmente separables y las SVM
caso de los Cuerpos de agua, Montes y Urbani- transforman los datos de entrenamiento a un es-
zaciones, se mapearon mediante interpretacin pacio vectorial de mayores dimensiones a travs
visual y digitalizacin en pantalla (ver Argaa- de un kernel, donde se puede establecer un hi-
raz y Entraigas, 2010), con la finalidad de sim- perplano de separacin lineal. En este estudio, se
plificar el anlisis digital. La comparacin de los utiliz un kernel gaussiano denominado Funcin
clasificadores de inters, el de mxima probabi- de Base Radial (RBF), que es considerado como
lidad y las mquinas de vectores soporte se rea- una primera eleccin razonable (Hsu et al., 2009).
liz para la discriminacin de las clases restan- Este kernel requiere la determinacin de dos pa-
Tabla 1. Descripcin de los tipos de cubiertas de suelo en la cuenca baja del Arroyo del Azul.
Campo natural (CN) Incluye potreros abandonados que con los aos han sido dominados por espe-
cies espontneas, nativas o naturalizadas (Len et al., 1979), pastizales natu-
rales y pasturas implantadas. Generalmente pastoreados.
Cultivo estival (CE) Potreros destinados al cultivo de girasol, maz y soja, principalmente (en sus
primeros estadios en la imagen del 18/10/2009).
Cultivo invernal (CI) Principalmente trigo y en menor medida avena y otras especies para forraje.
Algunos potreros son luego utilizados para hacer soja de segunda.
Pajonal (PJ) Pajonales abiertos de Paspalum quadrifarium, generalmente sometidos a pas-
toreo y a fuego (ocasionalmente), y pajonales casi puros que forman matas al-
tas y densas.
Cuerpos de agua Incluye el Arroyo del Azul, sus tributarios y otros cursos de carcter tempora-
rio, adems de las reas bajas e inundables, con agua en forma temporaria o
permanente.
Montes Incluye arboledas de origen antrpico, generalmente asociadas a bordes de ca-
minos y cascos de chacras y estancias.
reas urbanizadas Comprende parte de la ciudad de Azul y la localidad de Cachar.
30 J. P. Argaaraz et al. / Revista de Teledeteccin (2011) 36, 26-39
centaje de cubierta real incluida en la clasifica- El cuadrado de Z sigue una distribucin Chi-
cin y la segunda, el porcentaje del mapa que no cuadrado (X 2) con un grado de libertad (Agres-
se corresponde con la realidad (Congalton, 1991). ti, 2007) y la evaluacin de la significancia de las
diferencias se basa en la comparacin del X 2 es-
timado con los valores tabulados.
Comparacin de clasificaciones
Tabla 3. Precisin global (%) de las clasificaciones realizadas con MLC y SVM sobre dis-
tintos conjuntos de bandas y diferentes tamaos de reas de entrenamiento y el valor de Chi-
cuadrado de la prueba de McNemar utilizada para su comparacin. Las diferencias signifi-
cativas se indican como ** P < 0,01; *** P < 0,001. 3B: tres bandas, 4B: cuatro bandas, 6B:
seis bandas
Nmero Set de
MLC SVM Chi-cuadrado
de bandas entrenamiento
criminacin de las cubiertas de suelo de inte- menor nmero de bandas posibles y as evitar
rs, respecto de las bandas 1 y 2. El anlisis de el mayor volumen de clculo que implica el uso
las firmas espectrales de las clases explica es- de mas bandas, sin que ello mejore la discrimi-
te resultado, ya que las diferencias entre los ti- nacin de cubiertas. Al respecto, otros trabajos
pos de cubierta discriminados son mayores en tambin utilizaron informacin proveniente de
la banda 7 que en las bandas 1 y 2 (Figura 2). estas bandas para la discriminacin de cubier-
Por ello, la combinacin de cuatro bandas tas de suelo (Johansen y Phinn, 2006; Voguel-
(3457) sera la ms adecuada para la identif i- mann et al., 1998) y tipos de prcticas agrco-
cacin y mapeo de cubiertas de suelo en el rea las (van Deventer et al., 1997), reconociendo
de estudio, al proveer la mayor precisin con el as su utilidad para esta tarea.
Huang et al. (2002) sugieren que con un me-
0,4 nor nmero de variables (bandas), las SVM pue-
den ser menos exitosas al intentar transformar las
CI
superficies de separacin complejas del espacio
0,3 CE vectorial de dimensiones original a una superfi-
CN cie lineal en el espacio transformado. Sin em-
Reflectividad (%)
PJ
bargo, la mejora significativa en la precisin ob-
0,2
tenida al incluir una sola banda adicional
(banda 7) indicara la importancia de la infor-
0,1
macin contenida en las bandas incluidas en el
anlisis, ms all del nmero de variables en s
mismo. Este incremento en la precisin al incluir
0,0 la banda 7 reafirma la utilidad de la inclusin de
Banda 1 Banda 2 Banda 3 Banda 4 Banda 5 Banda 7
las bandas del infrarrojo medio para la discrimi-
Figura 2. Firmas espectrales de las cubiertas de suelo nacin de cubiertas de suelo, al igual que lo re-
de la cuenca baja del Arroyo del Azul correspondien- portado por Thenkabail et al. (2003) y van Aardt
tes a la imagen Landsat TM 225/85 del 18/10/2009. y Wynne (2001).
Anlisis comparativo entre las mquinas de vectores soporte... 33
MLC SVM
4B 6B 4B 6B
Efecto del tamao del rea de entrenamiento de mayor tamao, aunque sta
de entrenamiento report mejores precisiones. Si bien este resul-
tado no sera el esperado, otros autores tambin
Las clasificaciones de tres bandas no mostra- hallaron valores de precisin sin una tendencia
ron diferencias significativas con el aumento del clara al aumentar el volumen de datos de entre-
tamao del rea de entrenamiento para MLC a namiento clasificando con MLC (ver Huang et
partir de t5 (Tabla 5), donde las diferencias en la al., 2002).
precisin global fueron menores a 1,3 % (Ta- En las clasificaciones de cuatro bandas, los re-
bla 3). Esto coincide con lo reportado por Van sultados no muestran una tendencia clara entre el
Niel et al. (2005), en que la precisin alcanz un volumen de datos de entrenamiento y la precisin
valor relativamente estable a partir de aumentos para MLC, mientras que las clasificaciones de
en el tamao del rea de entrenamiento por enci- seis bandas parecen compensar estas diferencias
ma de 3 a 5p (siendo p el nmero de bandas), que ya que, en general, no hay variacin significati-
es considerablemente superado por t5. La clasi- va en las precisiones (Tabla 5). Esto podra indi-
ficacin con t2,5, en cambio, s result signifi- car que se haba alcanzado el valor de precisin
cativamente diferente de las obtenidas con reas estable obtenido por Van Niel et al. (2005). Sin
3B 4B 6B
t5 t10 t30 t50 t70 t5 t10 t30 t50 t70 t5 t10 t30 t50 t70
MLC t2,5 25,0*** 20,7*** 20,5*** 22,5*** 16,2*** 8,1** 1,4 4,0* 0,1 0,1 0,2 0,0 0,6 0,5 0,5
t5 0,9 1,2 0,9 2,8 3,0 1,8 8,8** 7,9** 0,1 0,3 2,5 2,2
t10 0,0 0,1 0,6 0,6 1,3 1,2 0,7 1,3 1,1
t30 0,0 1,8 8,3** 6,4* 7,1** 6,8**
t50 3,5 0,0 0,1
SVM t2,5 10,1** 6,0* 14,5*** 14,5*** 23,1*** 9,6** 7,4** 28,0*** 30,9*** 27,4*** 8,8** 7,7** 27,0*** 22,1*** 27,4***
t5 23,7*** 25,7*** 30,3*** 32,2*** 29,8*** 44,7*** 50,6*** 43,6*** 23,4*** 38,3*** 36,0*** 40,0***
t10 0,1 0,2 0,7 4,2* 6,6* 4,2* 4,1* 2,9 5,1*
t30 0,1 1,8 1,4 0,0 0,8 0,5
t50 0,9 1,3 0,2
34 J. P. Argaaraz et al. / Revista de Teledeteccin (2011) 36, 26-39
embargo, las mejoras en la precisin al incre- lousov et al., 2002; Foody y Mathur, 2004; 2006;
mentar el tamao de muestra de t30 a t50 y t70 s Foody et al., 2006). Los buenos resultados obte-
fueron significativos, revelando la posibilidad de nidos con ambos clasificadores indican la posi-
obtener aumentos de importancia en la precisin bilidad de discriminar cubiertas de suelo en for-
an para conjuntos de entrenamiento de 50p y ma precisa an con volmenes de datos de
75p por clase, que es lo que representa t50 para entrenamiento relativamente pequeos, siendo
las clasificaciones de seis y cuatro bandas res- esto de gran inters ya que muchas veces la toma
pectivamente. de datos en campo requiere de la disponibilidad
El efecto del tamao del rea de entrenamien- de recursos y puede presentar dificultades de ti-
to en las clasificaciones con MLC ha sido estu- po logstico.
diado por otros autores y los resultados son dis- Las diferencias no significativas entre las cla-
miles. Waske y Benediktsson (2007) obtuvieron sificaciones entrenadas con t50 y t70 para MLC
un aumento en la precisin al incrementar el vo- y que se hace extensiva a t30 para SVM, sugie-
lumen de datos de entrenamiento, clasificando ren un lmite en la utilidad de la informacin
las seis bandas reflexivas de Landsat TM (con aportada por un incremento en la cantidad de da-
mejoras en la precisin an para muestras de en- tos de entrenamiento.
trenamiento correspondientes a 25p y 50p por
clase). Oommen et al. (2008) obtuvieron un va-
lor estable o decreciente en la precisin al au- Efecto del algoritmo
mentar el tamao del rea de entrenamiento,
mientras que Huang et al. (2002) no observaron Cuando la clasificacin se realiz con el set
una tendencia clara entre la precisin y el tama- de tres bandas, las SVM tuvieron un desempeo
o del rea de entrenamiento. significativamente mejor que MLC para los ta-
En cuanto a SVM, las clasificaciones con t2,5 maos de reas de entrenamiento a partir de t10,
y t5 para las tres combinaciones de bandas utili- con incrementos en las precisiones globales del
zadas alcanzaron precisiones significativamente orden del 2,5 y 3,5 % (Tabla 3). Con t2,5, MLC
menores que con las reas de entrenamiento de mostr mejor desempeo, mientras que con t5 no
mayor volumen. Este resultado tambin se obser- se encontraron diferencias significativas entre
v para t10 en las clasificaciones de cuatro y seis ambos clasificadores. En las clasificaciones con
bandas, con excepcin de t50 para 6B. Esto se po- cuatro y seis bandas, las diferencias se acentua-
dra explicar porque las muestras ms grandes ron a favor de MLC para t2,5 y t5, con incre-
(t30, t50 y t70) contienen ms pxeles situados en mentos significativos de precisin, mayores a 3
el lmite de clases, siendo stos los que determi- %. En cambio, las diferencias de precisin no fue-
nan el hiperplano ptimo de separacin entre las ron significativas (<1 %) a partir de t10. De ma-
mismas (Foody y Mathur, 2004; Huang et al., nera similar, Hermes et al. (1999) obtuvieron es-
2002). Sin embargo, el hecho de que no se veri- te mismo margen de diferencia entre
fique esta diferencia en las clasificaciones con t10 clasificaciones realizadas con SVM y MLC so-
y tres bandas sugiere que la informacin adicio- bre una imagen Landsat, entrenando con un vo-
nal contenida en las combinaciones de cuatro y lumen de datos mayor a 2200 pxeles. Estas di-
seis bandas est influenciando este resultado. ferencias no signif icativas sugieren que los
Otros autores tambin reportaron una estabi- tamaos de reas de entrenamiento a partir de t10,
lizacin de la precisin al emplear volmenes de en conjuncin con la regiones del espectro com-
datos crecientes para entrenar las SVM en la cla- prendidas por los datos de entrenamiento cuan-
sificacin de las bandas reflexivas de una ima- do se incluyeron cuatro y seis bandas, satisfacen
gen Landsat TM para discriminar clases litolgi- los requerimientos necesarios para entrenar am-
cas (Oommen et al., 2008) y cubiertas de suelo bos algoritmos, es decir, la caracterizacin de la
(Waske y Benediktsson, 2007). En cambio, funcin de probabilidad de cada clase que utili-
Huang et al. (2002) obtuvieron valores crecien- za MLC y los pxeles de borde entre categoras
tes de precisin frente al aumento del tamao del que emplean las SVM para determinar el hiper-
rea de entrenamiento. plano ptimo de separacin. Contrariamente, en
A pesar de la menor precisin obtenida con los Huang et al. (2002) el mejor desempeo de SVM
volmenes de entrenamiento mas pequeos, la sobre MLC aument al incluir un mayor nmero
exactitud obtenida para todas las combinaciones de bandas, independientemente del tamao del
de bandas fue muy buena, al igual que lo repor- rea de entrenamiento utilizado, mientras que
tado en numerosos estudios que utilizan SVM en- Oommen et al. (2008) reportaron un mejor des-
trenadas con volmenes menores al valor de 30p empeo de SVM sobre MLC utilizando el mis-
por clase que recomienda Mather (2004) (Be- mo set de bandas que en este trabajo.
Anlisis comparativo entre las mquinas de vectores soporte... 35
Por otro lado, la consideracin de la precisin cepcin de t5 (Tabla 7). Estos resultados de-
a nivel de clases puede mostrar diferencias entre muestran que el uso de un bajo nmero de varia-
los algoritmos y, de esta forma, influenciar la se- bles (bandas) no es limitante para que SVM es-
leccin de un clasificador u otro, en funcin de tablecezca la superf icie de separacin en el
los propsitos del usuario. A modo de ejemplo, espacio transformado, como sugieren Huang et
si se comparan las matrices de confusin de am- al. (2002), sino que es mas importante la infor-
bos algoritmos, realizadas a partir de cuatro ban- macin que aportan las bandas. Por otro lado, los
das y el set de entrenamiento t70 (Tabla 6), se valores de precisin obtenidos con las bandas in-
puede observar que MLC identifica con mayor frarrojas, comparables a las combinaciones de
exactitud que SVM las clases cultivo invernal uso tradicional, ponen en evidencia la capacidad
(CI) y pajonal (PJ), con diferencias de PP de de discriminar cubiertas de suelo a partir de la
14% y 22% respectivamente, aunque la corres- respuesta espectral debida a la estructura celular
pondencia del mapa con la realidad es menor con y contenido de humedad de la hoja (Infrarrojo
el primer clasificador, siendo las diferencias de cercano y medio) (Chuvieco, 2002). As, se de-
PU de 6% y 13% respectivamente. Por ello, si muestra que esta combinacin no slo es til pa-
se tuviera especial inters en el relevamiento de ra identificar reas quemadas y humedales (Cas-
la superficie de cultivos invernales, se podra op- taneda et al., 2005; Dorrego et al., 2009), sino
tar por el clasificador de mxima probabilidad, tambin, cubiertas vegetales.
aunque a nivel global las diferencias de precisin
no sean significativas.
Conclusiones
Desempeo de la combinacin
de bandas del infrarrojo Tanto el algoritmo de mxima probabilidad co-
mo las mquinas de vectores soporte tuvieron un
Las precisiones obtenidas con la combinacin buen desempeo para la discriminacin de cu-
de bandas infrarrojas estuvieron entre 83 y 89 biertas de suelo en la zona llana de la cuenca del
% para ambos clasif icadores (Tabla 7), indi- Arroyo del Azul a partir de una imagen Landsat
cando el potencial de esta combinacin para dis- TM, alcanzando precisiones globales mayores o
criminar cubiertas de suelo a partir de clasifi- iguales a 83 %.
caciones digitales. A nivel de algoritmos, SVM La combinacin que incluy las bandas del ro-
mostr mejores resultados que MLC en la ma- jo, infrarrojo cercano y las dos bandas del infra-
yora de los casos, con diferencias en la preci- rrojo medio (3457) result ser la ms adecuada
sin global entre 4 y 5,5 %; mientras que las di- al optimizar la relacin entre el nmero de ban-
ferencias no fueron signif icativas para los das utilizado y la precisin global obtenida, sien-
conjuntos de entrenamiento ms pequeos (Ta- do sta semejante para ambos clasificadores. La
bla 7). El comportamiento de ambos clasifica- inclusin de la banda 7 aument en forma signi-
dores present la misma tendencia que para las ficativa la precisin, respecto de la combinacin
combinaciones de bandas tradicionales: MLC 345, mientras que la incorporacin de las bandas
mostr precisiones del productor y del usuario 1 (azul) y 2 (verde), no aport informacin adi-
altas para todas las clases, excepto para pajonal cional significativa para la identificacin de las
donde PU fue menor al 50 %, mientras que SVM clases de inters.
tambin present valores altos de PP y PU para La combinacin de bandas infrarrojas (457)
todas las clases, excepto para pajonal, donde la demostr una utilidad igual o superior que las
deteccin fue slo del 55 % de la superficie re- combinaciones de bandas tradicionalmente em-
al (Tabla 6). pleadas para discriminar cubiertas de suelo, cons-
Al comparar las clasificaciones infrarrojas con tituyendo as una alternativa vlida para su uso
las de tres y cuatro bandas, MLC no mostr di- en clasificaciones digitales que persigan esta fi-
ferencias significativas con las clasificaciones de nalidad.
tres bandas, mientras que cuando se incluy la El efecto del tamao del rea de entrenamien-
banda 3 (R), la precisin global fue hasta 5,5 % to fue diferente para los dos clasificadores y es-
mayor. Por el contrario, el desempeo de las SVM tuvo relacionado con el nmero de bandas in-
fue significativamente mejor para la combina- cluido. Las mquinas de vectores soporte
cin infrarroja que para la de tres bandas tradi- tuvieron mejores desempeos con tamaos de
cional, en la mayora de los casos; mientras que reas de entrenamiento mayores para todas las
no hubo diferencias significativas entre las cla- combinaciones de bandas. Con MLC, en cambio,
sificaciones 457 y las de cuatro bandas, con ex- los resultados no mostraron una tendencia clara,
36 J. P. Argaaraz et al. / Revista de Teledeteccin (2011) 36, 26-39
Tabla 6. Matrices de confusin para clasificaciones con tres combinaciones de bandas utilizando MLC y
SVM entrenadas con t70 (3B = tres bandas, 4B = cuatro bandas y 6B = seis bandas). PG: Precisin global,
PP: precisin del productor, PU: precisin del usuario
PP (%) 80,4 96,1 83,9 82,7 PP (%) 79,6 88,5 97,3 44,1
PP (%) 84,5 96,1 90,4 83,2 PP (%) 85,3 81,9 97,3 61,5
PP (%) 89,8 94,0 90,7 82,1 PP (%) 84,5 81,9 97,3 61,5
PP (%) 86,1 94,0 83,0 85,5 PP (%) 86,1 79,7 97,6 55,3
Tabla 7. Precisin global (%) de las clasificaciones 457 y valores de Chi-cuadrado de la prueba de McNe-
mar resultantes de la comparacin entre algoritmos para esta combinacin y entre las clasificaciones 457
y las de tres y cuatro bandas. Las diferencias signif icativas se indican como * P < 0,05; ** P < 0,01;
*** P < 0,001. 3B: tres bandas, 4B: cuatro bandas
en concordancia con los resultados dismiles re- de suelo mediante clasificacin digital de im-
portados por otros autores, y las precisiones ob- genes satelitales. Asimismo, se recomienda el re-
tenidas con el conjunto de entrenamiento de me- porte de las alternativas analizadas en las publi-
nor tamao (t2,5) fueron mayores o iguales a las caciones cientficas ya que aportara informacin
alcanzadas con los conjuntos de mayor tamao. de inters para otros estudios.
Esto indica que no se necesitan grandes volme-
nes de datos de entrenamiento para obtener cla-
sificaciones de buena precisin, sino que la in- Agradecimientos
formacin contenida brinde lo necesario al
clasificador para discriminar las cubiertas de in-
El presente trabajo fue parcialmente financia-
ters. La estabilizacin de la precisin obtenida
do con fondos otorgados por la Secretara de
para ambos clasificadores frente al aumento del
Ciencia, Arte y Tecnologa de la Universidad Na-
tamao del rea de entrenamiento, indica una co-
cional del Centro de la Provincia de Buenos Ai-
ta en la influencia que tiene este aspecto de la cla-
res y la Comisin de Investigaciones Cientficas
sificacin.
de la provincia de Buenos Aires. Los autores
El desempeo de ambos algoritmos en la dis-
agradecen a los tcnicos del Instituto de Hidro-
criminacin de cubiertas de suelo estuvo rela-
loga de Llanuras Dr. Eduardo J. Usunoff, En-
cionado con la combinacin de bandas y con el
rique Queupn y Joaqun Rodrguez por su cola-
tamao del rea de entrenamiento. En general,
boracin en los trabajos de campo.
MLC dio mejores precisiones que SVM para los
sets de entrenamiento de menor tamao. En los
conjuntos restantes, por el contrario, las SVM
mostraron un mejor desempeo que MLC para la Referencias
combinacin 345, mientras que al incorporar la
banda7, estas diferencias en la precisin global AGRESTI, A. 2007. An introduction to categorical
no resultaron significativas. data analysis, segunda edicin, New Jersey, Wi-
Este estudio comparativo constituye un apor- ley-Interscience, 394 pags.
te de valor para quienes tienen como objetivo la ARGAARAZ, J. P. & ENTRAIGAS, I. 2010. An-
discriminacin de cubiertas de suelo a partir de lisis de los tipos de cubiertas de suelo en la cuen-
sensores remotos, debido a los diversos factores ca baja del Arroyo del Azul (Buenos Aires, Ar-
puestos en consideracin en el mismo y por con- gentina) a partir de imgenes Landsat 5 TM. En:
VARNI, M., ENTRAIGAS, I. & VIVES, L. (Eds.)
tar con un abundante volumen de datos de ver-
Hacia la gestin integral de los recursos hdri-
dad de campo, lo que le otorga un grado de vali-
cos en zonas de llanuras. Tomo II, Mar del Pla-
dez considerable a los resultados alcanzados. Los
ta, Editorial Martin, 623-630.
rangos de precisiones obtenidos, tanto a nivel glo- BELOUSOV, A. I., VERZAKOV, S. A. & VON FRE-
bal como de clase, para las distintas combina- SE, J. 2002. A flexible classification approach
ciones de variables utilizadas en este estudio in- with optimal generalisation performance: sup-
dica la importancia de analizar distintas port vector machines. Chemometrics and Intelli-
alternativas al momento de discriminar cubiertas gent Laboratory Systems. 64: 15-25.
38 J. P. Argaaraz et al. / Revista de Teledeteccin (2011) 36, 26-39
CASTANEDA, C., HERRERO, J. & CASTERAD, HALL, F. G., TOWNSHEND, J. R. & ENGMAN,
M. A. 2005. Landsat monitoring of playa-lakes E. T. 1995. Status of remote sensing algorithms
in the Spanish Monegros desert. Journal of Arid for estimation of land surface state parameters.
Environments. 63: 497-516. Remote Sensing of Environment. 51: 138-156.
CHANDER, G., MARKHAM, B. L. & BARSI, J. A. HERMES, L., FRIEAUFF, D., PUZICHA, J. &
2007. Revised Landsat-5 Thematic Mapper ra- BUHMANN, J. M. 1999. Support vector machi-
diometric calibration. IEEE Geoscience and Re- nes for land usage classification in Landsat TM
mote Sensing Letters. 4 (3): 490-494. imagery. Proc. IGARSS, 1: 348-350.
CHEN, D. & STOW, D. 2002. The effect of training HERRERA, L. P., GMEZ HERMIDA, V., MAR-
strategies on supervised classification at diffe- TNEZ, G. A., LATERRA, P. & MACEIRA, N.
rent spatial resolutions. Photogrammetric Engi- 2005. Remote sensing assessment of Paspalum
neering & Remote Sensing. 68 (11): 1155-1161. quadrifarium grasslands in the Flooding Pam-
CHUVIECO, E. 2002. Teledeteccin ambiental, pa, Argentina. Rangeland Ecol. Manage. 58:
Barcelona, Ariel, 586 pags. 406-416.
CONGALTON, R. G. 1991. A review of assessing HERRERA, L. P., LATERRA, P., MACEIRA, N. O.,
the accuracy of classifications of remote sensed ZELAYA, K. D. & MARTNEZ, G. A. 2009.
data. Remote Sensing of Environment. 37: 35-46. Fragmentation status of tall-tussock grassland re-
DEMARA, M. R., AGUADO SUREZ, I. & STEI- licts in the Flooding Pampa, Argentina. Range-
NAKER, D. F. 2008. Reemplazo y fragmentacin land Ecol. Manage. 62: 73-82.
de pastizales pampeanos semiridos en San Luis, HUANG, C., DAVIS, L. S. & TOWNSHEND,
Argentina. Ecologa Austral. 18: 55-70. J. R. G. 2002. An assessment of support vector
DIMITRIADOU, E., HORNIK, K., LEISCH, F., machines for land cover classification. Int. J. Re-
MEYER, D. & WEINGESSEL, A. 2010. e1071: mote Sensing. 23 (4): 725-749.
Misc Functions of the Department of Statistics HSU, C. W., CHANG, C. C. & LIN, C. J. 2009. A
(e1071), TU Wien. R package version 1.5-24. practical guide to support vector classification.
http://CRAN.R-project.org/package=e1071 National Taiwan University. Disponible en
DORREGO, X., ALVAREZ, G., RECONDO, C., http://www.csie.ntu.edu.tw/~cjlin. ltima actua-
CABO, C., MARTINEZ, S. & RAMIL, P. 2009. lizacin: 19 de Mayo de 2009.
Cartografa histrica de zonas quemadas en Ga- HSU, C. W. & LIN, C. J. 2002. A comparison of me-
licia mediante el empleo de la teledeteccin. En: thods for multiclass support vector machines.
MONTESINOS ARANDA, S. & FERNANDEZ IEEE Transactions on Neural Networks. 13 (2):
FORNIOS, L. (Eds.). Teledeteccin: Agua y de- 415-425.
sarrollo sostenible. XIII Congreso de la Asocia- INSAUSTI, P., CHANETON, E. J. & GRIMOLDI,
cin Espaola de Teledeteccin. 285-288. A. A. 2005. Las inundaciones modifican la es-
FOODY, G. M. 2004. Thematic map comparison: tructura y dinmica de la vegetacin en los pas-
evaluating the statistical significance of differen- tizales de la Pampa Deprimida. En: OESTER-
ces in classification accuracy. Photogrammetric HELD, M., AGUIAR, M. R., GHERSA, C. M. &
Engineering & Remote Sensing. 70 (5): 627-633. PARUELO, J. M. (Eds.). La heterogeneidad de la
FOODY, G. M. & MATHUR, A. 2004. A relative vegetacin de los agroecosistemas, Buenos Ai-
evaluation of multiclass image classification by res, Editorial de la Facultad de Agronoma, Uni-
support vector machines. IEEE Transactions on versidad de Buenos Aires, 253-269.
Geoscience and Remote Sensing. 42 (6): 1335- JENSEN, J. R. 1996. Introductory digital image pro-
1343. cessing, Segunda edicin, New Jersey, Prentice
FOODY, G. M. & MATHUR, A. 2006. The use of Hall, 318 pags.
small training sets containing mixed pixels for JOHANSEN, K. & PHINN, S. 2006. Mapping struc-
accurate hard image classification: training on tural parameters and species composition of ri-
mixed spectral responses for classification by a parian vegetation using IKONOS and Landsat
SVM. Remote Sensing of Environment. 103: 179- ETM+ data in australian tropical savannahs. Pho-
189. togrammetric Engineering & Remote Sensing. 72
FOODY, G. M., MATHUR, A., SANCHEZ-HER- (1): 71-80.
NANDEZ, C. & BOYD, D. S. 2006. Training set LATERRA, P., VIGNOLIO, O. R., HIDALGO,
size requirements for the classification of a spe- L. G., FERNNDEZ, O. N., CAHUP, M. A.
cific class. Remote Sensing of Environment. 104: & MACEIRA, N. O. 1998. Dinmica de pajona-
1-14. les de paja colorada (Paspalum spp.) manejados
GUERSCHMAN, J. P., PARUELO, J. M., DI BE- con fuego y pastoreo en la Pampa Deprimida Ar-
LLA, C., GIALLORENZI, M. C. & PACIN, F. gentina. Ecotrpicos. 11 (2): 141-149.
2003. Land cover classification in the Argentine LEN, R. J. C., BURKART, S. E. & MOVIA, C. P.
Pampas using multi-temporal Landsat TM data. 1979. Relevamiento fitosociolgico del pastizal
Int. J. Remote Sensing. 24 (17): 3381-3402. del norte de la Depresin del Salado (Partidos
Anlisis comparativo entre las mquinas de vectores soporte... 39
de Magdalena y Brandsen, Pcia. de Bs. As.). Ve- LEMCOFF, J. F. 1992. Ro de la Plata grasslands.
getacin de la Repblica Argentina, Serie Fito- En: COUPLAND, R. T. (Ed.). Natural grass-
geogrfica 17. Buenos Aires, INTA, 90 pags. lands: introduction and western hemisphere.
MATHER, P. M. 2004. Computer processing of re- Ecosystems of the World 8A, Netherlands, Else-
motely-sensed images: an introduction, Tercera vier, 367-407.
edicin, Chichester, John Wiley & Sons, 442 pags. THENKABAIL, P. S., HALL, J., LIN, T., ASHTON,
MATTEUCCI, S. D. 1979. Anlisis regional de la M. S., HARRIS, D. & ENCLONA, E. A. 2003.
vegetacin y el ambiente del Estado de Falcn: Detecting floristic structure and pattern across
I. Metodologa, Falcn, Publicaciones del De- topographic and moisture gradients in a mixed
partamento de Investigacin, Instituto Universi- species Central African forest using IKONOS and
tario de Tecnologa de Coro, Venezuela, 145 pags. Landsat-7 ETM+ images. International Journal
MATTEUCCI, S. D. 1998. El anlisis regional des- of Applied Earth Observation and Geoinforma-
de la ecologa. En: MATTEUCCI, S. D. & BU- tion. 4: 255-270.
ZAI, G. D. (Eds.). Sistemas ambientales com- USUNOFF, E., VARNI, M., WEINZETTEL, P. &
plejos: herramientas de anlisis espacial, Buenos RIVAS, R. 1999. Hidrogeologa de grandes lla-
Aires, Eudeba, 117-150. nuras: la pampa hmeda argentina. Boletn Geo-
MELGANI, F. & BRUZZONE, L. 2004. Classifi- lgico y Minero. 110 (4): 391-406.
cation of hyperspectral remote sensing images VAN AARDT, J. A. N. & WYNNE, R. H. 2001.
with support vector machines. IEEE Transac- Spectral separability among six southern tree spe-
tions on Geoscience and Remote Sensing. 42 (8): cies. Photogrammetric Engineering & Remote
1778-1790. Sensing. 67 (12): 1367-1375.
MUCHONEY, D. M. & STRAHLER, A. H. 2002. VAN DEVENTER, A. P., WARD, A. D., GOWDA,
Pixel- and site-based calibration and validation P. H. & LYON, J. G. 1997. Using thematic map-
methods for evaluating supervised classification per data to identify contrasting soil plains and ti-
of remotely sensed data. Remote Sensing of En- llage practices. Photogrammetric Engineering &
vironment. 81: 290-299. Remote Sensing. 63 (1): 87-93.
OOMMEN, T., MISRA, D., TWARAKAVI, VAN NIEL, T. G., McVICAR, T. R. & DATT, B.
N. K. C., PRAKASH, A., SAHOO, B. & BAN- 2005. On the relationship between training sam-
DOPADHYAY, S. 2008. An objective analysis of ple size and data dimensionality: Monte Carlo
support vector machine based classification for analysis of broadband multi-temporal classifi-
remote sensing. Math. Geosci. 40: 409-424. cation. Remote Sensing of Environment. 98:
PAL, M. & MATHER, P. M. 2003. An assessment 468-480.
of the effectiveness of decision tree methods for VERVOORST, F. B. 1967. Las comunidades vege-
land cover classification. Remote Sensing of En- tales de la Depresin del Salado (Prov. de Bs.
vironment. 86: 554-565. As.). La vegetacin de la Repbica Argentina,
PONTIUS, R. G. Jr. & MILLONES, M. 2011. De- Serie Fitogeogrfica N 7. Buenos Aires, INTA,
ath to Kappa: birth of quantity disagreement and 262 pags.
allocation disagreement for accuracy assessment. VOGELMANN, J. E., SOHL, T. L., CAMPBELL,
International Journal of Remote Sensing. En P. V. & SHAW, D. M. 1998. Regional land cover
prensa. characterization using Landsat Thematic Mapper
R DEVELOPMENT CORE TEAM. 2010. R: A data and ancillary data sources. Environmental
language and environment for statistical com- Monitoring and Assessment. 51: 415-428.
puting. R Foundation for Statistical Computing, WASKE, B. & BENEDIKTSSON, J. A. 2007. Fu-
Vienna, Austria. ISBN 3-900051-07-0, URL sion of support vector machines for classifica-
http://www.R-project.org. tion of multisensor data. IEEE Transactions on
SALA, J. M., KRUSE, E. & AGUGLINO, R. 1987. Geoscience and Remote Sensing. 45 (12): 3858-
Investigacin hidrolgica de la Cuenca del Arro- 3866.
yo Azul, Prov. de Bs. As., Informe 37, La Plata, WOLTER, P. T., MLADENOFF, D. J., HOST, G. E.
CIC, 235 pags. & CROW, T. R. 1995. Improved forest classifi-
SORIANO, A., LEN, R. J. C., SALA, O. E., LA- cation in the Northern lake states using multi-
VADO, R. S., DEREGIBUS, V. S., CAHUP, temporal Landsat imagery. Photogrammetric En-
M. A., SCAGLIA, O. A., VELZQUEZ, C. A. & gineering & Remote Sensing. 61 (9): 1129-1143.
Asociacin Espaola de Teledeteccin Revista de Teledeteccin 36, 40-50
ISSN: 1988-8740
Resumen
La calidad de las aguas continentales (lagos, embalses) se est viendo mermada por el fenme-
no de eutrofizacin. Se ha demostrado que la informacin obtenida desde satlite permite determinar
variables que indican el estado trfico del agua, tales como la concentracin de clorofila a, transpa-
rencia, y partculas en suspensin (seston).
Un estudio reciente, utilizando las diferentes bandas del sensor Thematic Mapper (TM), consigue
relacionar la clorofila a, y la transparencia con la reflectividad de la banda 2, as como, las partcu-
las en suspensin con la banda 4 (Doa et al., 2009). Siendo posible utilizar estos modelos para ma-
sas de agua con caractersticas desde el extremo hipereutrfico a oligotrfico.
En este trabajo se utilizan datos de una nueva campaa experimental en el Parque de LAlbufera pa-
ra validar estas relaciones. Se comparan, en 15 puntos de muestreo, los valores medidos con los re-
sultados obtenidos para cada parmetro utilizando el modelo. Los resultados de este anlisis muestran
la necesidad de redefinir esos modelos para adaptarlos a las condiciones de eutrofizacin de nuestra
zona experimental.
Se obtienen nuevos modelos de clorofila a, seston y transparencia, mejor adaptados a las condi-
ciones de eutrofia de la zona de estudio. Los resultados sobre LAlbufera muestran un error de esti-
macin inferior al 12% para los tres parmetros analizados.
Este trabajo supone un paso ms hacia la obtencin de modelos que nos den informacin sobre el
estado de calidad de aguas continentales sin tener que realizar medidas in situ. .
Palabras clave: estado trfico, Thematic Mapper, Albufera, clorofila.
Abstract
Tool For The Study Of The Trophic State Of Continental Water Bodies
Quality of continental water (lakes, reservoirs) is being affected by the eutrophif ication
phenomenon.
It has been demonstrated that remote sensing data allows us to estimate variables indicator of the
trophic state, such as concentrations of chlorophyll, seston and transparency in the water.
A recent study using the different bands of the Thematic Mapper sensor, relates chlorophyll a and
transparency with refectivity in band 2, as well as seston with band 4 (Doa et al., 2009). These models
can be used under water conditions ranging from oligotrophic to hypertrophic. Data from a new
experimental campaign in LAlbufera Park were used to test those relationships. 15 sampling points
were used to compare measured and modeled values of the different parameters. Results showed the
necessity of redefining the models in order to adapt the previous equations to the new eutrophication
conditions.
New models are obtained to calculate chlorophyll a, seston and transparency. Results over LAlbufera
show an estimation error lower than 12% for the three parameters analysed.
This work is a step forward in the development of models to obtain information on the quality of
continental water bodies without the necessity of ground data.
Key words: trophic state, Thematic Mapper, Albufera, chlorophyll.
3921N
3921N
3918N
3918N
Con el presente trabajo se intenta validar el 1.200 metros cubierta de pinares de pino de
modelo establecido en el que utilizando las re- Alepo y monte bajo conocida como la Dehesa
flectividades de las bandas 2 y 4 podemos ob- de El Saler, que constituye el dique natural de
tener la concentracin de clorofila a y part- la laguna. A travs de esta faja costera se abren
culas en suspensin, y la transparencia, los tres canales de desage o golas (de El Pu-
respectivamente (Doa et al., 2009). Para ello jol, El Perellonet y El Perell) que regulan me-
se utilizan los datos obtenidos en dos nuevas diante compuertas el nivel de las aguas del la-
campaas en L'Albufera. go, segn los valores ms adecuados para el
ciclo del cultivo del arrozal.
En las ltimas dcadas del siglo XX, sin em-
Zona de estudio bargo, lo que fue una zona eminentemente ru-
ral se ha convertido en una de las reas ms di-
El Parque Natural de la Albufera de Valen- nmicas de la Comunidad Valenciana, con la
cia constituye uno de los espacios naturales consiguiente generacin de importantes con-
ms representativos e interesantes de la Co- flictos con la conservacin de este espacio na-
munidad Valenciana, y se ha reconocido su va- tural. As, los ncleos que rodean al lago han
lor en el mbito nacional e internacional. La experimentado un fuerte crecimiento (conse-
Albufera de Valencia (39 20'N, 0 20'W), lo- cuencia del desarrollo agrario, turstico o in-
calizada a unos 10 kilmetros del extremo sur dustrial) aumentando la presin urbanstica,
de la ciudad de Valencia, constituye el mayor humana e incrementando la contaminacin so-
lago de la Pennsula Ibrica (fig. 1). bre el espacio natural, principalmente del agua.
El lago fue ms extenso en el pasado pues, La intensificacin de la agricultura y la trans-
por una parte, tiende a colmatarse y, por otra, formacin de cultivos tradicionales han gene-
los cultivos de arroz le han ido restando su- rado conflictos en relacin con el agua princi-
perficie. En la actualidad puede estimarse su palmente, y el aterramiento de terrenos
superficie en unas 2.320 hectreas y su pro- hmedos; asimismo la creciente afluencia de
fundidad media es aproximadamente de 1,2 m visitantes y la presencia de enclaves costeros
(Romo et al., 2008). tursticos de importancia han dado lugar igual-
Es un antiguo golfo marino, cerrado por una mente a problemas ambientales importantes.
restinga o cordn litoral y alimentado por las A partir del reconocimiento del parque en
aguas dulces de barrancos, acequias, ros (Tu- rgimen jurdico como Parque Natural por de-
ria y Jcar), y surgencias denominadas ullals creto de la Generalitat Valenciana de 8 de ju-
(Soria et al., 2002). El lago propiamente dicho, lio de 1986 y su incorporacin cuatro aos ms
pertenece en su totalidad al trmino municipal tarde a la lista de humedales de importancia in-
de Valencia, por el este, la separa del Medite- ternacional designada por el Gobierno espa-
rrneo una estrecha franja arenosa de unos ol, como hbitat de aves acuticas (Soria et
Herramienta para el estudio del estado de eutrofizacin de masas de agua continentales 43
Pto. muestreo lat (N) long (W) UTM30 X (m) UTM30 Y (m)
al., 2002), la Albufera ha sido motivo de mu- zona y a las condiciones meteorolgicas. Los
chos estudios que en menor o mayor medida das elegidos fueron el 20 de julio y el 5 de
intentan mejorar su estado en todos los mbi- agosto de 2010. Se intent que el momento
tos. A nivel estatal, mediante el Plan Hidrol- central del periodo de muestreo (toma de mues-
gico de la Cuenca del Jcar, se ha intentado tra del punto 7 u 8 de los 15 totales) coincidiera
mejorar la calidad del agua del lago, aportan- con el paso del satlite por la zona.
do caudales externos, aunque no llegando a los En cada punto se realiz el trabajo siguiente:
objetivos propuestos la Directiva Marco del Anotacin de las coordenadas geogrfi-
Agua (Directiva 2000/60/CE). cas (GPS).
El lago de la Albufera es un sistema hipe- Recogida de 0,5-1 L de agua para el an-
reutrfico. Tiene la particularidad de disponer lisis del material en suspensin.
de puertas o golas que posibilitan la reno- Filtrado del volumen mximo posible so-
vacin peridica de sus aguas. Estos flujos de bre filtro de fibra de vidrio marca Whatman de
agua dentro del lago determinan la evolucin 47 mm de dimetro, anotacin del mismo y re-
anual del sistema (Caselles et al., 1986). cogida de filtro en tubo.
Medida del disco de Secchi.
Tanto las botellas como los tubos con los fil-
Medidas y mtodos tros se conservaron refrigeradas en una neve-
ra hasta su anlisis, el cual comenz el mismo
Se ha dividido la zona en 15 sectores (ta- da de la toma de muestras.
bla 2), intentando que los puntos de muestreo La medicin de los pigmentos fotosintti-
esten lejos de la orilla y que abarquen todos los cos, clorofila a (mg/m3), se realiz siguiendo
tipos de masas de agua existentes en el lago (fig. Mtodo tricromtico de Strickland y Parsons
1). La metodologa consta de dos partes, por un (1968) para clorofilas algales.
lado un trabajo en el laboratorio de tratamien- Para determinar las partculas en suspensin
to de las muestras recogidas en los distintos (seston, mg/l) se utiliz un mtodo gravim-
puntos seleccionados de la Albufera, y por otro trico (diferencia de pesada) (APHA/AWA/
lado un procesado de imgenes de satlite. WEF 1995).
En cuanto a la medida de la transparencia, se
realiz in situ mediante un disco de Secchi (SD).
Trabajo de campo
En la Tabla 3 se muestra un resumen delos
Se seleccionaron dos das para la campaa resultados de la nueva campaa en intervalos
en base al calendario de paso del satlite por la para cada parmetro.
44 C. Doa et al. / Revista de Teledeteccin (2011) 36, 40-50
Tabla 3. Intervalo de reflectividades de los canales 2 y 4 del sensor TM, y de las medidas correspondien-
tes a cada parmetro, para los dos das de campaa
Zona TM2 (%) TM4 (%) [Cla] (mg/m3) Seston (mg/l) Transp. (m)
5 a) 5 b)
4.5 4.5
4 4
Transparencia (m)
3.5 3.5
[Cla]1/3 (mg/m3)1/3
3 3
2.5 2.5
2 PRSE 2 PRSE
1.5 Albufera 1.5 Albufera
1 1
0.5 0.5
0 0
0 5 10 15 0 2 4 6 8 10 12
Reflectividad TM2 (%) Reflectividad TM2 (%)
10 c)
9
8
[Seston]1/2 (mg/l)1/2
7
6
5
4 PRSE
3 Albufera
2
1
0
0 1 2 3 4 5
Reflectividad TM4 (%)
Figura 2. Representacin de los valores utilizados para la modelizacin de los distintos parmetros: a) clorofila
(mg/m3)1/3, b) seston (mg/l)1/2 y c) transparencia (m), respecto a la reflectividad en la banda adecuada. En los tres
casos se superpone mejor el ajuste por regresin a los datos.
90 4.5
a) b)
80 4
[Cla] estimada (mg/m3)
70 3.5
60 3
50 2.5
40 2
PRSE PRSE
30 1.5
Albufera Albufera
20 y = 0,63x +11,59 1 y = 0,63x +11,59
10 R3 = 0,51 0.5 R3 = 0,51
0 0
0 50 100 150 0 1 2 3 4 5
[Cla] in situ (mg/m3) Transparencia in situ (m)
80 c)
[Seston] estimada (mg/l)
70
60
50
40
30 PRSE
Albufera
20 y = 0,63x +11,59
10 R3 = 0,51
0
0 20 40 60 80 100
[Seston] in situ (mg/l)
Figura 3. Representacin de los valores estimados y observados de: a) Clorofila (mg/m3), b) seston (mg/l) y c)
transparencia (m), con el modelo obtenido y su coeficiente R2 de correlacin.
46 C. Doa et al. / Revista de Teledeteccin (2011) 36, 40-50
n
a
Biased Estimator: BIAS = ( Pi Oi ) / n
i =1
1/ 2
n
b
Root Mean Square Difference: RMSD = ( Pi Oi )2 / n
i=1
n
c
Mean Absolute Difference: MAD = Pi Oi / n
i =1
n __
d
Mean Absolute Porcentual Difference: MADP = Pi Oi / O
i =1
res a 20 mg/m3 para la clorofila, a 15 mg/l pa- do trfico del agua, como la clorofila a, trans-
ra el seston y a 25 cm para la transparencia, o parencia y seston.
en trminos relativos inferiores al 12% en to- Con este trabajo se ha demostrado que exis-
dos los casos. Estos indicadores son incluso ten condiciones de eutrofia para las que los mo-
ms favorables cuando los modelos se aplican delos descritos por Doa et al. (2009) necesi-
solamente a los datos de L'Albufera. En este tan ser modificados. Para ello se han utilizado
caso los errores relativos son del 6, 5, y 7 %, los datos recogidos en dos fechas distintas en
para la clorofila, seston y transparencia, res- L'Albufera de Valencia. Como resultado se ob-
pectivamente. tienen unos nuevos modelos que reproducen
Con los modelos obtenidos podemos reali- mejor los valores observados de los distintos
zar mapas temticos del lago, y de esta forma parmetros, ofreciendo una mejor correlacin
realizar un seguimiento de la evolucin de ca- que la observada con los modelos anteriores.
da parmetro por toda la extensin de nuestra La validacin en la zona de L'Albufera
rea de estudio. En la figura 4 se muestran los muestra unos errores relativos inferiores al
mapas temticos obtenidos para las dos fechas 12% para la estimacin de la clorofila, el ses-
de estudio de este trabajo. ton o la transparencia, a partir de los nuevos
En prximos trabajos se tratar de comple- modelos obtenidos.
tar la validacin de este modelo con nuevas En cuanto a los mapas temticos obtenidos
campaas experimentales, as como extender de la zona de estudio, se puede observar que
la aplicacin de los modelos a sensores de ma- la masa de agua es hipertrfica tanto en valo-
yor resolucin espacial. Tambin se podran in- res de clorofila a, mayores de 25 mg/m 3, co-
troducir mejoras en el mtodo experimental mo en valores de transparencia, menores de
empleado en el anlisis de las muestras. 70 cm.
Con este artculo se logra dar un paso ade-
lante para la obtencin de una herramienta que
Conclusiones nos de informacin sobre el estado ecolgico
de las masas de agua, segn la Directiva Mar-
El sensor TM del Landsat es til para la de- co del Agua (European Comisin, 2000), sin la
terminacin de variables indicadoras del esta- necesidad de realizar medidas in situ.
Herramienta para el estudio del estado de eutrofizacin de masas de agua continentales 47
20/07/2010 05/08/2010
a)
b)
c)
Figura 4. Mapas temticos de la zona de estudio para las dos fechas de estudio (izq. der.) de los diferentes pa-
rmetros: a) Clorofila (mg/m3), b) seston (mg/l) y c) transparencia (m).
48 C. Doa et al. / Revista de Teledeteccin (2011) 36, 40-50
ANEXO I.
Informacin detallada de los resultados estimados y observados
Comparacin de los resultados obtenidos de Clorofila a. Valores observados y estimados con los
diferentes modelos en las diferentes campaas. Los valores en blanco corresponden a los puntos
utilizados para la construccin del modelo.
20/07/2010 05/08/2010
Comparacin de los resultados obtenidos de seston. Valores observados y estimados con los di-
ferentes modelos en las diferentes campaas. Los valores en blanco corresponden a los puntos
utilizados para la construccin del modelo.
20/07/2010 05/08/2010
Resumen
El presente artculo describe el flujo de pre-procesamiento de imgenes Landsat de diversos orge-
nes, tanto adquiridas a Eurimage por entidades diversas, descargadas del servidor GloVis, como ad-
quiridas en el marco del Plan Nacional de Teledeteccin (PNT). Se presenta, adems, un resumen de
los resultados de la comparacin entre los diferentes algoritmos validados, tanto en la correccin ge-
omtrica como en la radiomtrica y topogrfica, junto con una descripcin de los algoritmos a apli-
car. Se pretende facilitar a los usuarios de los productos de media resolucin del PNT la informacin
necesaria para pre-procesar imgenes Landsat permitiendo la generacin de series temporales de im-
genes de media resolucin.
Palabras clave: Landsat, correccin atmosfrica, correccin geomtrica, correccin topogrfica,
Plan Nacional de Teledeteccin.
Abstract
Standard pre-processing flow for Landsat imagery within the Spanish remote sensing program
This article describes the flow of pre-processing algorithms for the correction of Landsat imagery
acquired from different origin; from Eurimage by different institutions, from the GloVis server and
imagery acquired within the framework of the Spanish Remote Sensing Program (PNT). A short
summary of the inter-comparison exercise between the algorithms considered is given, next to a
description of the algorithms that will be applied. Like this the users of the products offered by the
PNT know which algorithms were applied to the Landsat imagery and are able to apply the same
algorithms to the imagery acquired by the proper users. This will help to generate stable temporal
series of medium resolution imagery.
Key words: Landsat, atmospheric correction, topographic correction, geometric correction,
Spanish National Plan in Remote Sensing
cin, administracin y pre-procesamiento. Por zada tuvo como objetivo elaborar series tem-
estas razones, no todos sus potenciales usua- porales radiomtricamente estables. Para ma-
rios emplean este tipo de imgenes o bien se yor informacin sobre las validaciones aplica-
limitan a una interpretacin visual o anlisis das y los resultados obtenidos se puede
muy bsicos. Si se mejorara la disponibilidad consultar la memoria final del proyecto: Es-
de imgenes debidamente calibradas, se ex- tudios de procesos a aplicar y productos a ob-
tendera tambin el nmero y diversidad de los tener de las imgenes de satlite a media reso-
usuarios de stas. lucin: http://www.ign.es/PNT/pdf/especi-
Con la puesta en marcha del Plan Nacional f icaciones-tecnicas-pnt-mediar-landsat_v2-
de Teledeteccin (PNT), el Instituto Geogrfi- 2010.pdf.
co Nacional (IGN) quiere facilitar y aumentar Publicar todos los resultados de las pruebas
el uso de la teledeteccin en las administra- de validacin est fuera del objetivo de este ar-
ciones pblicas espaolas, empresas y ciuda- tculo, que presenta un resumen de los resulta-
danos en general. dos y avances de los ltimos aos del PNT de
Este plan est dividido en tres ramas de- media resolucin, orientado sobre el estable-
pendiendo de la resolucin espacial: imgenes cimiento del primer flujo de pre-procesamien-
de baja resolucin (Terra/Aqua-MODIS, Me- to (versin 1) de imgenes Landsat, tanto pa-
teosat-SEVIRI,), imgenes de media reso- ra las bandas del espectro ptico como las del
lucin (Landsat-MSS/TM/ETM+, CBERS- espectro trmico. El esquema del flujo de tra-
HRCC/IRMSS/MUXCAM, Deimos-1-SLIM6, bajo para la correccin de las imgenes esta
), e imgenes de alta resolucin (SPOT- presentado en la figura 1.
HRV/HRVIR/HRG, Ikonos-OSA, CBERS-
HRPC/PANMUX,).
En el caso de las imgenes de media reso- Correccin geomtrica
lucin, el PNT pondr a disposicin de los
usuarios nacionales la serie histrica de im- La primera etapa para utilizar la informa-
genes adquiridas por los satlites Landsat, des- cin de las imgenes de satlite es la georre-
de su lanzamiento en 1972. Actualmente el ferenciacin, asignndole a cada pxel su co-
IGN est facilitando imgenes adquiridas en ordenada geogrf ica correspondiente, o
tiempo real de la misin Landsat-5 TM, que es encontrando el pxel o grupo de pxeles que
la que en estos momentos genera una mejor ca- proporcionan informacin sobre una determi-
lidad de datos. nada coordenada geogrfica. El mtodo tradi-
Dada la importancia histrica y actual de la cional, seleccionando puntos de control ma-
familia de satlites Landsat, pareci razonable nualmente en cada imagen no es una opcin
elaborar una metodologa estndar de proce- operativa cuando se requiere procesar una gran
samiento de las imgenes adquiridas por los cantidad de imgenes. Para facilitar la selec-
distintos sensores de la serie. Contar con pro- cin de puntos de control, la Universidad Au-
ductos calibrados, tanto geomtrica como ra- tnoma de Barcelona/Centro de Investigacin
diomtricamente, resultar de una ayuda ines- Ecolgica y Aplicaciones Forestales
timable para la mayora de los potenciales (UAB/CREAF) ha desarrollado un algoritmo
usuarios de estos datos, evitando una realiza- automtico para la correccin geomtrica
cin de una serie de procesos bastante tedio- (Pons et al., 2010 y Pons et al., in prep.).
sos y no siempre suficientemente precisos. El algoritmo desarrollado por estos autores
Para determinar de entre los mltiples algo- se estructura en los siguientes pasos:
ritmos de correccin existentes (geomtrica, 1) Seleccin de una imagen de referencia,
atmosfrica, topogrfica, etc.) los que sern de alta resolucin espacial, con una ptima ge-
utilizados, se contact a distintos especialistas orreferenciacin. Se utiliz para ello el mosaico
que trabajan en estas temticas, realizndose SPOT con 2.5 m de resolucin generado en el
diversas pruebas y una validacin rigurosa pa- marco del PNT (Tejeiro, 2010) y las ortofotos
ra asegurar una alta consistencia temporal de 1:25.000 del plan nacional de ortofotografa (p-
los productos generados. La validacin reali- xel de 0.5 m). En ambos casos, las imgenes de
Cadena de pre-procesamiento estndar para las imgenes Landsat... 53
Imgenes ya rectificadas?
No S
productos se procesan con dos tipos de re- cesamiento de las imgenes que realizan es di-
muestreo, correspondientes al vecino ms pr- ferente al del USGS, cuando estas fueron ad-
ximo y a la convolucin cbica. Conviene con- quiridas antes del verano de 2009. Para que la
siderar en este sentido que la cadena estndar radiometra sea igual para los diferentes pre-
de proceso del United States Geological Sur- procesamientos, es necesario convertir todos
vey (USGS) aplica una interpolacin de con- los parmetros para hacerlos comparables con
volucin cbica (Chander et al., 2009). las imgenes ofrecidas por el USGS, siguien-
El tamao de pxel es otro tema controver- do las curvas de degradacin presentadas por
tido. Se ha comprobado que con un menor ta- Chander et al (2007). El proceso de esta para-
mao de pxel que el original se conserva me- metrizacin esta explicado en Saunier y Ro-
jor ciertos aspectos visuales y estructuras drguez (2006).
dentro de la imagen, especialmente cuando se Una vez obtenida la radiancia espectral re-
corrige con el vecino ms prximo. En conse- cibida por el sensor se puede calcular la re-
cuencia, se propone que el tamao de pxel re- flectividad aparente (en el techo de la atms-
sultante sea de 25 m, aunque la resolucin no- fera, TOA) con la siguiente frmula:
minal sigue siendo obviamente de 30 m.
L d 2
TOA = [3]
E0, coss
Correccin radiomtrica
Siendo:
en el ptico d: Distancia Tierra-Sol en el momento de la
toma de la imagen, expresada en unidades as-
Para las bandas 6 en el espectro ptico (vi-
tronmicas (ua).
sible e infrarrojo cercano y medio), se calcu-
L: Radiancia espectral, calculada como en
lan en primer lugar las radiancias a partir de
el punto anterior.
los coeficientes de conversin, empleando la
E 0, : Irradiancia espectral solar exoatmos-
siguiente ecuacin:
frica
Ll= G ND + B [2)] s: ngulo cenital solar.
Los parmetros d y E0, estn recogidos en
siendo L la radiancia espectral obtenida por el el artculo de Chander et al. (2009), y el ngu-
sensor (W m2 sr1 m1), ND los niveles di- lo cenital solar en los metadatos de la propia
gitales de la imagen, G la ganancia y B el sesgo. imagen.
Para las imgenes obtenidas desde el USGS
se aplican los parmetros dados en los meta-
datos, que coinciden con los aportados por Correccin radiomtrica
Chander et al. (2009), obtenidos a partir de las en el trmico
nuevas curvas de calibracin radiomtricas
temporales (Chander y Markham, 2003; Chan- Para la obtencin de radiancias en el espec-
der et al., 2007). Para las diferentes imgenes tro trmico se emplea la misma metodologa
MSS se aplican los nuevos parmetros pro- antes descrita para el espectro ptico (ecua-
puestos por Helder (2009) para tomar en cuen- cin 1), usando los coeficientes de calibracin
ta la sobre/sub calibracin de los distintos sen- del sensor trmico.
sores. La aplicacin de estos parmetros para Para imgenes Landsat 5 TM adquiridas des-
MSS no ser necesaria en el futuro para im- pus de 1/04/1999 se propone aadir un
genes ofrecidas por parte del USGS cuando el 0,092 W m2 sr1 m1 a la radiancia obtenida
nuevo pre-procesamiento de las imgenes MSS (Barsi et al., 2007). Esto es necesario para las
est en marcha a fines del 2011 (comunicacin imgenes Eurimage, aspecto que ya ha sido in-
personal, USGS). troducido como parte del pre-procesamiento
En las imgenes del sensor TM-5 obtenidas de las imgenes del USGS (Chander et al.,
a partir del EURIMAGE se observaron distin- 2009). En la tabla 2 se presentan los valores de
tos problemas radiomtricos, dado que el pro- G y B para los sensores del Landsat 4,5 y 7. A
Cadena de pre-procesamiento estndar para las imgenes Landsat... 55
Tabla 2. Valores de K1 y K2 para los sensores Land- que el algoritmo genera valores de reflectivi-
sat 4, 5 y 7 (Chander et al., 2009) dad errneos para algunas imgenes difciles
K1 K2 de corregir. Para los otros dos mtodos anali-
zados, el mtodo de Chavez da coeficientes de
L4 TM 671.62 1284.3 variacin ms bajos en el espectro visible, en
L5 TM 607.76 1260.56 cambio el algoritmo propuesto por Pons & So-
L7 ETM+ 666.09 1282.71 l da coeficientes de variacin ms bajos en el
infrarrojo. Dado que el efecto de la atmosfera
es ms importante en el espectro visible que en
partir de la radiancia, la temperatura de brillo el infrarrojo, se ha optado para utilizar el m-
se calcula usando la siguiente frmula: todo de Chavez para la correccin atmosfri-
ca. El modelo toma en cuenta la transmisivi-
K2
Tsen = dad de la atmsfera en el camino sol-tierra y la
K1 [4] dispersin atmosfrica:
ln( + 1)
L
[ L La ] d 2
Siendo: = [5]
cos E0 1 2
Tsen: temperatura de brillo (K)
K1: constante de calibracin 1 Siendo la reflectividad, E 0 la irradiancia
(Wm2 sr1 m1) exoatmosfrica solar (en Wm 2 mm 1), 1 es
K2: constante de calibracin 2 (K) el coeficiente de transmisin atmosfrica en el
camino Sol-Tierra, 2 el coeficiente de trans-
misin atmosfrica en el camino Tierra-sensor
Correccin atmosfrica La es la radiancia recibida por el sensor en un
en el ptico rea donde slo hay contribucin de la atms-
fera (rea de sombra o agua segn la regin es-
Para poder comparar la radiometra entre pectral), L la radiancia del pxel a corregir, el
imgenes en una serie temporal es necesario ngulo cenital solar y d la distancia Tierra-Sol
convertir la reflectividad aparente (TOA) a re- en unidades astronmicas.
flectividad de la superficie terrestre. Esto re- Hemos recogido una de las propuestas de Cha-
quiere abordar la correccin atmosfrica y la vez de su trabajo de 1996, que basaba la estima-
del sombreado topogrfico. El algoritmo de co- cin de la transmisin atmosfrica con valores
rreccin atmosfrica aplicado aqu corrige la estndar. Para 1 se emplean los valores estndar
seal recibida por el sensor de la influencia y (0,70; 0,78; 0,85 y 0,91) dados por Chavez
distorsiones radiomtricas causadas por la at- (1996) para las bandas 1-4, respectivamente, y
msfera. Durante el estudio se ha analizado la (0,95 y 0,97) para banda 5 y 7, propuestos por
estabilidad temporal de tres mtodos distintos: Gilabert et al. (1994). Para los valores de 2 se
el mtodo basado en el objeto oscuro (Chavez, considera cos o, siendo o el ngulo cenital del
1988; Chavez, 1996), una versin adaptada del sensor. Sera 1 para imgenes Landsat, ya que la
mismo (Pons y Sol-Sugraes, 1994) y otro observacin es siempre vertical.
mtodo basado en modelos de transferencia ra- Para la estimacin de La se utiliza el valor m-
diativa (Guanter et al., 2009). Otros mtodos nimo de ND del histograma, con el umbral de
existentes de correccin atmosfrica con mo- 200 pxeles (se elige como ND mnimo el valor
delos de transferencia radiativa o el mtodo que primero supere la cantidad de 200 pxeles),
SMAC no fueron analizados por falta de ope- utilizando solo la parte central de la imagen (pa-
ratividad o la necesidad de datos adicionales ra evitar valores anmalos en los bordes).
no disponibles para toda la seria temporal. Ana-
lizando la estabilidad temporal de cada algo-
ritmo a partir de pixeles pseudo-invariantes, se Correccin topogrfica
observ que el algoritmo de Guanter daba co-
eficientes de variacin ms altos que los otros Los mtodos de correccin topogrfica, co-
dos algoritmos en todas las bandas. Esto es por- mnmente utilizados fueron analizados por su
56 S. Hantson et al. / Revista de Teledeteccin (2011) 36, 51-61
consistencia temporal, mediante la medida de mica es necesario realizar una correccin tan-
la desviacin tpica (DT) en pxeles de suelo to del efecto atmosfrico como de la emisivi-
desnudo observados bajo distintos ngulos de dad de la superficie.
incidencia solar. Los mtodos analizados son: Para llevar a cabo la correccin radiomtri-
C de Teillet, coseno, minnaert, minnaert in- ca a partir de la banda(s) trmica de Landsat
cluyendo la pendiente and emprico-estadsti- (banda 6) y obtener as la TST, se usa un algo-
co. Ms informacin sobre los distintos me- ritmo mono-canal descrito por Jimnez-Muoz
thodos y los resultados de la validacin se et al. (2009). El mtodo se basa en la correc-
puede encontrar en Hantson y Chuvieco cin atmosfrica a partir de la estimacin del
(2011). La disminucin en DT para el mtodo vapor de agua (w). Para llevar a cabo la co-
emprico-estadstico y C de Teillet en el es- rreccin atmosfrica se necesita una estima-
pectro visible era mayor que 100% comparado cin del vapor de agua en la atmsfera y una
con los otros mtodos y mayor que 50% en el estimacin de las emisividades. El producto
infrarrojo. MODIS de vapor de agua se considera muy
El mtodo emprico-estadstico gener ma- preciso, pero slo se encuentra disponible des-
yormente valores de DT ms bajos en los dis- de el ao 2000.
tintos anlisis, considerndose el ms adecua- Para poder corregir toda la serie temporal es
do para el PNT. Este mtodo slo se aplica a necesario utilizar datos obtenidos por otro sen-
las bandas pticas, y es un mtodo solamente sor, optndose por estimar el vapor de agua a
estadstico, pero no sobre-corrige las imge- partir de imgenes NOAA-AVHRR. En conse-
nes, siendo unos de los mayores problemas de cuencia, se estima w como variable de entrada
los mtodos convencionales. Este mtodo se en el modelo de generacin de la TST a partir
aplica independiente para coberturas de suelo, del producto de w de MODIS (MOD05) para
separando entre zonas con vegetacin y zonas las imgenes con fecha posterior al 2000 y a
de suelo desnudo, utilizando un umbral de 0.4 travs del clculo del w a partir de imgenes
de NDVI para la separacin entre ambas. El AVHRR para las imgenes anteriores al 2000
mtodo emprico-estadstico est descrito por a partir de la metodologa de Sobrino et al.
el siguiente algoritmo: (1999). La estimacin de las emisividades se
describe en el prrafo siguiente.
,h,i = ,i cos i m b + ,i [6] El algoritmo para el clculo de TST se basa
Siendo: en la inversin de una ecuacin de transferen-
,h,i: reflectividad de un pxel en terreno ho- cia radiativa (Jimnez-Muoz et al., 2009).
rizontal Con el fin de que el algoritmo pueda aplicarse
,i: reflectividad de un pxel en terreno en de forma operacional se propone una aproxi-
pendiente macin de las funciones atmosfrica (1, 2,
,i: reflectividad promedio de todos los ,i 3) nicamente con el vapor de agua. La esti-
i: : ngulo de incidencia en un pxel i macin de la TST se realiza utilizando la si-
b: la ordenada en el origen de la regresin guiente ecuacin:
lineal entre i y ,i 1
m: la pendiente de la regresin lineal entre Ts = (1 Lsen + 2 ) + 3 + [7]
i y ,i
c c12 c13 w 2
1 11
2 = c21 c22 c23 w [8]
Estimacin de la Temperatura c
3 31 c32 c33 1
de la Superficie Terrestre
2
Tsen
Esta metodologa an no ha sido desarro- [9]
llada operativamente, pero est planeada para b Lsen
un futuro prximo. 2
Tsen
Para obtener la Temperatura de la Superfi- Tsen [10]
cie Terrestre (TST) a partir de la radiancia tr- b
Cadena de pre-procesamiento estndar para las imgenes Landsat... 57
b : igual a 1.290 K, 1.256 K, y 1.277 K res- donde los valores de NDVIv = 0.5 y NDVIs = 0.2
pectivamente para L4B6, L5B6, y L7B6 fueron propuestos por Sobrino y Raissouni
Los coeficientes para la estimacin de las (2000) para una aplicacin global. Aunque estos
funciones atmosfricas fueron tomados de (Ji- valores de NDVI pueden variar en el caso de im-
mnez-Muoz et al., 2009) para las bandas tr- genes de mayor resolucin, se ha optado de se-
micas de Landsat 4, 5 y 7. Los parmetros ob- guire estos umbrales en la falta de disponibilidad
tenidos de la base de datos TIGR61 contienen de valores mas adaptados a imgenes de media
una cantidad de valores de vapor de agua bien resolucin. Para obtener valores consistentes de
distribuidos y por tanto podran ser utilizados Pv, se debe asignar el valor 0 en el caso que NDVI
para un producto global. Los parmetros para < NDVIs y 1 en el caso de pxeles donde NDVI >
los distintos sensores Landsat son entonces: NDVIv. En el caso de zonas urbanas se tratarn
Landsat 4: como si fuera un suelo desnudo.
0.07247 0.06968 1.07880 w 2
1
2 = 0.60283 0.68176 0.13311 w [11] Clculo de la emisividad en cuerpos de agua,
0.01999 1.43469 0.46157 1 nieves y hielo
3
Landsat 5:
Para aguas continentales o marinas, se em-
0.08735 0.09553 1.10188 w 2 plea una mscara, asignando al pxel un valor
1 de 0.99. Estos cuerpos de agua son detectados
2 = 0.69188 0.58185 0.29887 w [12]
a partir de un umbral de 0.15 en las banda 4 y
0.03724 1.53065 0.45476 1
3 5, pero slo para las zonas con posibilidad que
Landsat 7: haya agua, extradas a partir del mapa topo-
grfico 1:50.000 del IGN.
0.07593 0.07132 1.08565 w 2 En el caso de la nieve y el hielo, no es posi-
1
2 = 0.61438 0.70916 0.19379 w [13] ble la utilizacin de una mscara estndar de-
0.02892 1.46051 0.43199 1 bido a la alta variabilidad estacional de este ti-
3 po de cubiertas. Por ello se propone determinar
la cubierta de nieve y hielo a travs de la me-
todologa basada en el clculo del ndice Nor-
malized Difference Snow Index (NDSI), del
Correccin de emisividades
cual se obtiene una mscara que permite asig-
nar un valor aproximado para este tipo de cu-
Emisividad en suelos y zonas con vegetacin bierta, tpicamente 0.98.
Digitalizacin
Mscaras Mscara de masas de agua
de la mscara perimetral
(Topogrfico 1:50000 ICC)
SUPERFICIE NIVAL
del mapa topogrfico 1:50.000 del IGN. As se rencia entre una imagen de referencia (libre de
evita tambin, en la mayora de los casos, la nubes) y la imagen a evaluar, excluyendo los
confusin con zonas de sombras que tambin falsos positivos, fijando un umbral en la banda
presentan valores muy bajos en ambas bandas. trmica. Debido a que el algoritmo tambin de-
tecta parte de las zonas cubiertas por nieve se
sobrepone la mscara de nieve obtenida con
Deteccin de nieve otro algoritmo. Se puede ver el algoritmo de de-
teccin de nubes esquematizado en la figura 3.
El algoritmo a aplicar fue desarrollado por En detalle se compara el TOA de la banda 1
Cea et al. (2007), y se basa en el Normalized entre la imagen de referencia y la banda a anali-
Difference Snow Index (NDSI): zar. Si la diferencia es mayor que 0.08 se consi-
dera posiblemente una nube. Para eliminar los
banda 2 banda 5 [17]
NDSI = > 0.4 falsos positivos se propone un umbral en la ban-
banda 2 + banda 5 da trmica (banda 6, de ganancia baja en el ca-
fijando el umbral en el valor 0.4. Para dis- so de ETM+) que cambia a lo largo del ao. En
minuir la confusin de las superficies de agua, verano la propuesta es de 290K y, para invierno,
se excluyen del anlisis las zonas detectadas de 272K. Restando ambas capas se obtiene un
como agua. El esquema utilizado para la de- resultado de pxeles que aumentan su reflectivi-
teccin de nieves se observa en la figura 2. dad en la banda 1 y que tienen una baja tempe-
Se obtuvieron buenos resultados en la dis- ratura. Para evitar confusin con capas de nieve
criminacin de la nieve (Cea et al., 2007), mi- se resta tambin la mscara de nieve del resulta-
nimizando los posibles errores de comisin de do. Despus de eliminar los grupos de menos de
otras cubiertas utilizando la mscara de cuer- 3 pxeles se obtiene la mscara de nubes.
pos de agua.
Eliminacin de polgonos
de rea < 3 pixeles (1.200 m2)
Mscara de nubes
raban un resultado estable en el tiempo. Futu- CHANDER, G., MARKHAM, B. L., & HELDER,
ros trabajos tendrn que verificar la exactitud D. L. (2009). Summary of current radiometric ca-
de la informacin distribuida. libration coeff icients for Landsat MSS, TM,
ETM+, and EO-1 ALI sensors. Remote sensing
Como hemos indicado, es la primera versin of environment 113: 893-903.
del flujo de pre-procesamiento, que segn la CHAVEZ, P. S. (1988). An improved dark-object
disponibilidad de nuevos algoritmos, informa- subtraction technique for atmospheric scattering
cin o parmetros, podran generar nuevas ver- correction of multispectral data. Remote Sensing
siones que mejoren los resultados obtenidos. of Environment 24: 459-479.
En este artculo se describen los algoritmos CHAVEZ, P. S. (1996). Image-based atmospheric
corrections. Revisited and improved. Photo-
de pre-procesamiento, para que as los usua-
grammetric Engineering and Remote Sensing 62:
rios comprendan el producto que utilizan, ade- 1025-1036.
ms de ofrecer la oportunidad a usuarios que GILABERT, M. A., CONESE, C., & MASELLI, F.
poseen una base de datos Landsat adquirida an- (1994). An atmosferic correction method for the
teriormente de poder aplicar este pre-procesa- automatic retrieval of surface reflectance from
miento para que as su base de datos sea com- TM images. International Journal of Remote Sen-
parable con la informacin ofrecida por parte sing 15: 2065-2086.
GUANTER, L., RICHTER, R., & KAUFMANN, H.
del PNT. (2009). On the application of the MODTRAN4
atmospheric radiative transfer code to optical re-
mote sensing. International Journal of Remote
Agradecimientos Sensing 30: 1407-1424.
HANTSON, S., & CHUVIECO, E. (2011). Evalua-
tion of different topographic correction methods
Este proyecto fue financiado por parte del for Landsat imagery. International Journal of Ap-
IGN (Instituto Geogrf ico Nacional), en el plied Earth Observation and Geoinforma-
marco de Plan Nacional de Teledeteccin. tion13(5): 691-700.
Agradecemos especialmente las contribucio- HELDER, D. L. (2009). Consistent Radiometric Ca-
nes de los asistentes de diferentes institucio- libration of Landsat TM and MSS Sensors. In:
nes a las reuniones en la UAB, UAH e IGN. Landsat Science Team Meeting (Fort Collins,
CO).
JIMNEZ-MUOZ, J. C., CRISTBAL, J., SO-
BRINO, J. A., SRIA, G., NINYEROLA, M., &
Referencias PONS, X. (2009). Revision of the Single-Chan-
nel Algorithm for Land Surface Temperature Re-
BARSI, J. A., HOOK, S. J., et al. (2007). Landsat- trieval From Landsat Thermal-Infrared Data.
5 Thematic Mapper Thermal Band Calibration IEEE Geoscience and Remote Sensing Letters 47:
Update. IEEE Geoscience and Remote Sensing 339-349.
Letters 4(4): 552-555. PONS, X., MOR, G., & PESQUER, L. (2010). Au-
BUSTAMANTE, J., DAZ-DELGADO, R., & tomatic matching of Landsat image series to high
ARAGONS, D. (2005). Determinacin de las resolution orthorectif ied imagery. in Lacoste-
caracteristicas de masas de aguas someras en las Francis (ed.) Proc. 2010 ESA Living Planet
marismas de Doana mediante teledeteccin. Re- Symposium, ESA Communications, Noordwijk,
vista de Teledeteccin 24: 107-111. Holanda (CD-ROM, ISBN: 978-92-9221-250-6)
CEA, C., CRISTBAL, J., & PONS, X. (2007). An PONS, X., & SOL-SUGRAES, L. (1994). A sim-
improved methodology to map snow cover by me- ple Radiometric Correction Model to Improve
ans of landsat and MODIS imagery. Paper pre- Automatic Mapping of Vegetation from Multis-
sented at: IEEE International Geoscience and Re- pectral Satellite Date. Remote sensing of envi-
mote Sensing Symposium (IEEE international). ronment 48: 191-204.
CHANDER, G., & MARKHAM, B. L. (2003). Re- SOBRINO, J. A., JIMNEZ-MUOZ, J. C.,
vised Landsat-5 TM Radiometric Calibration Pro- SRIA, G., ROMAGUERA, M., GUANTER, L.,
cedures and Postcalibration Dynamic Ranges. MORENO, J., PLAZA, A., & MARTNEZ, P.
IEEE Transactions on Geoscience and Remote (2008). Land Surface Emissivity Retrieval From
Sensing 41: 2674-2677. Different VNIR and TIR Sensors. IEEE Transac-
CHANDER, G., MARKHAM, B. L., & BARSI, tions on Geoscience and Remote Sensing 46: 316-
J. A. (2007). Revised Landsat-5 Thematic Map- 327.
per Radiometric Calibration. IEEE Geoscience SOBRINO, J. A., & RAISSOUNI, N. (2000). To-
and Remote Sensing Letters 41: 490-494. ward remote sensing methods for land cover
Cadena de pre-procesamiento estndar para las imgenes Landsat... 61
dynamic monitoring: Application to Morocco. In- rived from the AVHRR data: application to the
ternational Journal of Remote Sensing 21: 353- Iberian Peninsula. IEEE Transactions on Geos-
366. cience and Remote Sensing 37: 1425-1434.
SOBRINO, J. A., RAISSOUNI, N., SIMARRO, J., TEJEIRO, J. A. (2010). Procedimiento Operativo
NERRY, F., & PETITCOLIN, F. (1999). Atmos- Estndar. Plan Nacional de Teledeteccin. Pro-
pheric water vapor content over land surfaces de- cesado Bsico Alta Resolucin. IGN. Madrid.
Asociacin Espaola de Teledeteccin Revista de Teledeteccin 36, 62-72
ISSN: 1988-8740
Resumen
Este estudio presenta un mtodo simple para la correccin del efecto de la vegetacin en la esti-
macin de la humedad de la superficie (ws) utilizando medidas radiomtricas en banda-L. El m-
todo se fundamenta en una relacin semi-emprica entre la humedad del suelo y la reflectividad po-
larizada incluyendo el efecto del espesor ptico de la vegetacin, que a su vez se parametriza en
funcin del ndice de vegetacin normalizado NDVI. El mtodo se aplic a medidas in-situ adqui-
ridas sobre una zona de hierba en el marco del experimento SMOSREX entre los aos 2004 y 2007.
Dos polarizaciones (horizontal y vertical) as como cinco ngulos de incidencia (20, 30, 40, 50
y 60) fueron consideradas en el anlisis. La mejor estimacin de ws se obtuvo al utilizar dos pola-
rizaciones y un ngulo de incidencia de 40. En promedio, la precisin obtenida en las estimacio-
nes de la humedad del suelo considerando los efectos de la vegetacin fueron aproximadamente de
0.06 m 3/m 3, mejorando la estimacin en 0.02 m 3/m 3 en relacin al caso en que el efecto de la vege-
tacin no es considerado. Los resultados indican que la inclusin de la vegetacin (a travs de un
ndice como el NDVI) resulta til para la estimacin de la humedad del suelo a travs de regresio-
nes semi-empricas.
Palabras clave: Humedad del suelo, Microondas Pasivas, Banda L, SMOS.
Abstract
Soil moisture retrieval from vegetation indices and passive microwaves
A simple approach for correcting for the effect of vegetation in the estimation of the surface
soil moisture (wS) from L-band passive microwave observations is presented in this study. The
approach is based on semi-empirical relationships between soil moisture and the polarized re-
flectivity including the effect of the vegetation optical depth which is parameterized as a func-
tion of the Normalized Vegetation Difference Index (NDVI). The method was tested against in si-
tu measurements collected over a grass site from 2004 to 2007 (SMOSREX experiment). Two
polarizations (horizontal/vertical) and f ive incidence angles (20, 30, 40, 50 and 60) were con-
sidered in the analysis. The best wS estimations were obtained when using both polarizations at
an angle of 40. The average accuracy in the soil moisture retrievals was found to be approxima-
tely 0.06 m 3/m 3, improving the estimations by 0.02 m 3/m 3 with respect to the case in which the ve-
getation effect is not considered. The results indicate that information on vegetation (through a
vegetation index such as NDVI) is useful for the estimation of soil moisture through the semi-em-
pirical regressions.
Key words: Soil moisture, Passive microwave, L-band, SMOS.
Datos
Medidas in-situ de humedad del suelo, tem-
peratura de la superficie, temperatura de bri-
llo en el rango de las microondas y reflectan-
cia visible/infrarroja-cercana adquiridas
durante la campaa Surface Montoring of the
Soil Reservoir Experiment (SMOSREX) (de
Rosnay et al., 2006) han sido utilizadas en es-
te trabajo. El sitio SMOSREX est localizado
en el rea experimental de la National Office
of Aerospace Study and Research (ONERA)
cerca del pueblo de Mauzac en Francia Figura 1. Series temporales entre 2004-2007 para las
medidas realizadas sobre el sitio SMOSREX (a) Tem-
(4323'8.74"N; 117'32.63"E; 188 m. a. s. l). peratura de brillo a 20 y 40 a una polarizacin verti-
SMOSREX integra un variado nmero de es- cal y horizontal respresentadas por las lneas negra,
tudios en el rango de las microondas pasivas, roja, verde y azul respectivamente, (b) contenido vo-
precisamente en banda-L, con el fin de desa- lumrico de la humedad del suelo (m3/m3) entre 0-5
cm y (c) temperatura de la superficie (K) a 0-1 cm.
rrollar modelos de emisin y simulacin de da- DoE representa el da del experimento.
tos para estimar la humedad del suelo en la zo-
na radicular (0-1 m). El experimento de
SMOSREX comenz en el ao 2001, pero a caneo de este sensor est diseado para un pa-
partir del ao 2003 se pusieron en pleno fun- so automtico en cinco ngulos de incidencia
cionamiento todos los sensores que realizan las diferentes (20, 30, 40, 50 y 60) registrando
medidas. En el presente trabajo se procesaron ocho medidas por da. En este estudio slo se
datos adquiridos a partir del 1 de enero del utilizaron las medidas sobre la zona de hierba.
2004 hasta el 31 de diciembre del 2007. Estos Tambin se ha utilizado perfiles de humedad
aos son representativos de una gran variedad de la superficie y temperatura medidos cada 30
de condiciones meteorolgicas. En particular, minutos por sensores de impedancia (ML2-
los rangos de precipitacin variaron entre 474 Theta-probes) y termistores, respectivamente,
mm en 2005 hasta los 766 mm en 2004 (los va- instalados a diferentes profundidades del per-
lores para el 2006 y 2007 son 624 y 589 mm fil edfico. Para este trabajo se seleccionaron
respectivamente). las realizadas en la primera capa de suelo que
Las mediciones radiomtricas en banda-L se corresponden a 0-5 cm para humedad y 1 cm
obtuvieron con el radimetro LEWIS (L-band para temperatura del suelo. Una completa des-
radiometer for Estimationg Water in soils), con cripcin de las medidas de perfiles de tempe-
una precisin de 0.2 K y un campo de visin de ratura y humedad del suelo puede encontrarse
13.5 a 3 dB (Lematre et al., 2004). LEWIS es- en de Rosnay et al. (2006). A modo de ejemplo,
t instalado en lo alto de una torre de 13.7 m y la figura 1 muestra los datos de temperatura de
est configurado para realizar mediciones au- brillo registrada por LEWIS, as como los va-
tomticas sobre hierba y suelo desnudo. El es- lores de humedad y temperatura del suelo re-
Estimacin de la humedad del suelo a partir de ndice de vegetacin... 65
( )
Tb( , p ) = (1 ) (1 ) 1 + S ( , p ) TVE +
[1]
Combinando la ecuacin [2] y la ecua-
cin [5], es posible obtener la siguiente ex-
( )
1 S ( , p ) TsE + TbSKY S ( , p ) 2 ( , p )
presin:
66 C. Mattar et al. / Revista de Teledeteccin (2011) 36, 62-72
Reordenando la ecuacin [8], la humedad donde es una constante que considera los
del suelo puede expersarse como una funcin efectos de la estructura del a vegetacin. Uti-
de las reflectividades y del espedor ptico: lizando las ecuaciones [9] y [10], la humedad
del suelo queda expresada como una funcin
de las reflectividades en las microondas y el
(
log ( wS ) = c0 log ( , p ) + ) [9] NDVI:
c1 ( ) ( , p ) + c2 ( , p )
( ) (
log wS = a0 log ( , p ) + ) [11]
donde c0, c1, y c2 son coeficientes de regresin
a1 NDVI + a2 ( , p )
en los cuales el parmetro a est implcitamente
considerado. Para el espesor ptico se puede
asumir una independencia del ngulo de inci- donde a0, a1 y a2 son los coeficientes de la re-
dencia y la polarizacin como (Wigneron et al., gression.
2004). En este contexto, varios trabajos han de- La ecuacin [11] fue inicialmente desarro-
mostrado que el espesor ptico puede relacio- llada para una polarizacin y un ngulo de in-
narse con algn indicador de la vegetacin ya cidencia. Sin embargo, la expresin es vlida
sea el ndice de rea foliar (Leaf Area Index, para las polarizaciones horizontales y vertica-
LAI), el NDVI o el EVI. Por ejemplo, relacio- les y para todos los ngulos de incidencia. Por
nes entre t y el contenido de agua de la vege- lo tanto, las contribuciones obtenidas a dife-
tacin (Water Vegetation Content, WVC) e n- rentes polarizaciones y ngulos de incidencia
dices de vegetacin calculados a partir de pueden ser sumadas. Esto se realiza con el fin
imgenes Landsat fueron analizados en Jack- de que las estadsticas en los modelos de re-
son et al. (2004). A escala global, se ha de- gresin sean ms eficientes mientras ms n-
Estimacin de la humedad del suelo a partir de ndice de vegetacin... 67
gulos y polarizaciones existan. Por ejemplo, te, para evitar el efecto de saturacin del agua,
considerando la ecuacin [11] aplicada a dos los das que presentaban precipitaciones supe-
ngulos (1 y 2) y dos polarizaciones (V y H), riores a cero y el da despus de este fueron ex-
y utilizando la razn entre las temperaturas de cludos del anlisis. Otro filtro utilizado se ba-
brillo y de superficie( = 1 Tb / Tc), la hume- s en el ndice de razn de polarizacin
dad del suelo puede expresarse como: descrito como PR = (Tbv Tbh) / (Tbv + Tbh)
donde TBv y TBh son las temperaturas de bri-
Tb Tb
log(ws ) = a + b log 1 1,V + c log 1 2,V + llo vertical y horizontal, respectivamente. Es-
Tc Tc te ndice permite identificar los suelos con co-
[12] berturas de hielo (de Rosnay et al., 2006) y los
Tb Tb
d log 1 1,H + e log 1 2,H + f NDVI valores negativos de PR indican una inversin
Tc Tc en la magnitud de la TBh sobre la TBv, corres-
pondiendo a un patrn anmalo. Por lo tanto,
siendo a, b, c, d, e y f los coeficientes de re- los das con valores negativos o bajos de PR
gresin de la ecuacin. Pruebas estadsticas (< 0.02) se filtraron, de forma anloga a lo pro-
preliminares (no mostradas en este artculo) puesto por Saleh et al. (2006b).
fueron realizadas con el fin de encontrar el n- A partir de los datos ya filtrados, se realiz
mero de ngulos ms significativos para esti- el proceso de calibracin para obtener las me-
mar la humedad de la superficie. Como resul- jores correlaciones estadsticas entre la hume-
tado, la informacin contenida en las firmas dad del suelo, la temperatura de brillo (a 40 y
multiangulares utilizando una bi-polarizacin 20-40) y el NDVI. Estos resultados se com-
fueron similares a la utilizacin de una firma pararon con los obtenidos cuando el NDVI no
bi-angular y bipolarizada (con la excepcin de se tiene en cuenta (NDVI = 0) con el fin de eva-
que el ruido del radimetro decrece cuando el luar las mejoras potenciales obtenidas cuando
nmero de observaciones independiente se in- se considera el NDVI.
crementa). Estos resultados son consistentes A partir de los cuatro aos de datos dispo-
con los resultados numricos descritos en nibles (2004 a 2007), uno ao fue utilizado pa-
(Wigneron et al., 2000). Finalmente, estas ra la calibracin de la regresin semi-empri-
pruebas estadsticas mostraron que la mejor ca, y los otros tres aos fueron utilizados para
combinacin se presenta en un modo bipolari- su validacin. Los resultados obtenidos se eva-
zado a una configuracin angular de 40 (mo- luaron a partir de diferentes estadgrafos como
no-angular) y a una configuracin bi-angular el coeficiente de determinacin (R2), el ajuste
de 20 y 40. Los resultados mostrados a conti- estadstico (p < 0.05*) y el Error Cuadrtico
nuacin se centran en estas dos configuracio- Medio (Root Mean Square Error, RMSE).
nes angulares.
Ao de
N a b(TbV20) c(TbV40) d(TbH20) e(TbH40) f(NDVI) R2
calibracin
Ao de
N a b(TbV20) c(TbV40) d(TbH20) e(TbH40) f(NDVI) R2
calibracin
Ao de
N a b(TbV20) c(TbV40) d(TbH20) e(TbH40) f(NDVI) R2
calibracin
Ao de
N a b(TbV20) c(TbV40) d(TbH20) e(TbH40) f(NDVI) R2
calibracin
NDVI fue incluido en la ecuacin de regresin, aprecia que la informacin sobre la dinmica
aprecindose una mayor precisin en las esti- de la vegetacin por ejemplo a travs del NDVI
maciones para la configuracin mono-angular. es ms til en la ecuacin de regresin mono-
Esto puede explicarse parcialmente debido a angular que en la bi-angular.
que el NDVI incluye informacin de la din- Los resultados de la calibracin muestran
mica de la vegetacin en la ecuacin de regre- una gran diferencia en trminos de R2 en fun-
sin. En el proceso de estimacin de humedad cin de si el NDVI es considerado o no para la
del suelo, el efecto de la vegetacin se corrige configuracin mono-angular. El R2 vari entre
mejor mediante observaciones bi-angulares y 0.861 para el ao 2004 a 0.854 utilizando da-
bi-polarizadas que por observaciones mono- tos del ao 2007. Los resultados de la calibra-
angulares y bi-polarizadas (Wigneron et al., cin fueron ligeramente mejores para los aos
1995). A partir de los resultados obtenidos, se 2004 y 2006, pero una explicacin de este fe-
Estimacin de la humedad del suelo a partir de ndice de vegetacin... 69
Tabla 2. Valores del error cuadrtico medio (RMSE) calculados a partir de la comparacin entre los valo-
res de humedad del suelo medidos y estimados para cada ao de validacin para las dos configuraciones
(mono y bi-angular) en ambas polarizaciones (V y H). Se muestra la comparacin del efecto del NDVI y
cuando este es considerado igual a cero. En el clculo de los valores de RMSE se excluye el ao de cali-
bracin (dado en la primera columna). N representa el nmero de observaciones de fase utilizadas para la
comparacin
40 VH 20 and 40 VH
N NDVI NDVI=0 NDVI NDVI=0
Bias RMSE Bias RMSE Bias RMSE Bias RMSE
2004 3022 0.042 0.064 0.045 0.075 0.011 0.064 0.032 0.091
2005 2559 0.007 0.068 0.020 0.052 0.018 0.083 0.041 0.096
2006 2738 0.002 0.058 0.005 0.064 0.007 0.062 0.006 0.065
2007 2295 0.001 0.053 0.006 0.057 0.023 0.054 0.050 0.078
nmeno resulta no trivial. Sin embargo, es po- do el mtodo combinado en configuracin mo-
sible establecer que el ao 2005 fue un ao se- no-angular se muestra en la figura 3a. A partir
co y las precipitaciones sobre el sitio SMOS- de estos resultados es posible establecer algu-
REX fueron inclusive menores que en el 2003, nos periodos donde la humedad del suelo pre-
el ao de una sequa severa en Europa. senta un sesgo positivo en comparacin con la
humedad del suelo estimada (primavera y oto-
o). Los resultados mejoran cuando se utiliza
Validacin del mtodo utilizando datos el NDVI (RMSE = 0.064 m3/m3 versus 0.075
SMOSREX m3/m3) para estos dos periodos del ao. Com-
parativamente, se obtuvo un sesgo menor en la
La tabla 2 muestra los resultados de la vali- estimacin de la humedad del suelo utilizando
dacin utilizando datos in-situ, al igual que en el mtodo combinado pero con la configura-
el caso de la calibracin (seccin anterior), los cin bi-angular (f igura 3b) e incluyendo el
mejores resultados se obtienen para la confi- NDVI (sesgo = 0.015 m 3/m 3 y 0.041 m 3/m 3
guracin mono-angular, siendo sta ms ro- respectivamente para la configuracin bi y mo-
busta cuando se utiliza en el modo de estima- no angular considerando el NDVI). De manera
cin en lugar de la calibracin. similar, la humedad del suelo tiende a ser so-
En la mayora de los casos obtenidos en los breestimada para el periodo de invierno (esta-
resultados anteriores (excepto para la confi- cin hmeda). Adems, grandes discrepancias
guracin mono-angular utilizando el ao 2005 entre la estimacin y la medida de la humedad
para calibracin), el RMSE entre los valores del suelo pueden observarse para este periodo,
observados y estimados de humedad del suelo especialmente para el caso en el que no se con-
es menor cuando el NDVI se incluye en la ecua- sidera el NDVI.
cin de regresin. Los valores mnimos de
RMSE (0.051 y 0.053 m3/m3) se obtuvieron pa-
ra la configuracin mono-angular y los aos Discusin
de calibracin 2005 y 2007, mientras que los
valores mximos de RMSE (0.091 y 0.095 El algoritmo presentado en este trabajo me-
m3/m3) se obtuvieron para la configuracin bi- jora la regresin semi-emprica propuesta por
angular y NDVI=0 en los aos 2004 y 2005. Wigneron et al. (2004) para estimar la hume-
Las ilustraciones de los resultados obtenidos dad del suelo utilizando observaciones reali-
se muestran en la figura 3, en la que se repre- zadas en la banda-L. En este estudio se evalu
senta la estimacin de la humedad del suelo en- adems si la informacin de la dinmica de la
tre 2005 y 2007 utilizando el 2004 como un ao vegetacin a travs del NDVI puede ser til pa-
de calibracin. La humedad del suelo utilizan- ra corregir los efectos de la vegetacin y me-
70 C. Mattar et al. / Revista de Teledeteccin (2011) 36, 62-72
Proc. Passive Microw. Remote Sens. Land-At- RRAZZOLI, P. 2003. Retrieving near-surface
mosphere Interactions, ESA/NASA Int. Works- soil moisture from microwave radiometric ob-
hop, B. J. Choudhury, Y. Kerr, E. Njoku, and P. servations: current status and future plans. Re-
Pampaloni, Eds., St. Lary, France, pp. 17-54. mote Sensing, of Environment, 85, 489-506.
PELLARIN, T., WIGNERON, J.-P., CALVET, J. C., WIGNERON, J.-P., CHANZY, A., CALVET J.-C.,
BERGER, M., DOUVILLE, H., FERRAZZOLI, & BRUGUIER, N. 1995. A simple algorithm to
P., KERR, Y., LPEZ-BAEZA, E., PAULLIAI- retrieve soil moisture and vegetation biomass
NEN, J., SIMMONDS, L., & WALDTEUFEL, P. using passive microwave measurements over crop
2003. Two-Year Global Simulation of L-Band fields. Remote Sens. Environ. Vol. 51, 331-341.
Brightness Temperatures Over Land. IEEE WILSON, M. F, HNDERSON-SELLERS, A., DIC-
Trans. Geos. Rem. Sens. 2003, 41 (9), 2135-2139. KINSON, R., & KENNEDY, P. J. 1987. Sen-
SALEH, K., WIGNERON, J.-.P., WALDTEUFEL, sititivty of the Biosphere-Atmosphere Transfer
P., DE ROSNAY, P., SCHWANK, M., CALVET, Scheme (BATS) to inclusion of variable soil
J.-C., & KERR, Y. 2007. Estimates of surface characteristics. J. Climat Appl. Meteorl., 60,
soil moisture under grass covers using L-band ra- 341-362.
diometry Rem Sens. Env, vol. 109, 42-53. WIGNERON, J.-P., KERR, Y., WALDTEUFEL, P.,
SALEH, K., WIGNERON, J.-P., DE ROSNAY, P., SALEH, K., ESCORIHUELA, M. J., RICHAU-
CALVET, J.-C., ESCORIHUELA, M. J., KERR, ME, P., FERRAZZOLI, P., DE ROSNAY, P.,
Y., & WALDTEUFEL, P. 2006b. Impact of rain GURNEY, R., CALVET, J.-C., GRANT, J. P., GU-
interception by vegetation and mulch on the L- GLIELMETTI, M., HORNBUCKLE, B., MTZ-
band emission of natural grass. Rem Sens. Env, LER, C., PELLARIN, T., & SCHWANK, M.
vol. 101, 127-139. 2007. L-band Microwave Emission of the Bios-
SALEH, K., WIGNERON, J.-P., DE ROSNAY, P., phere (L-MEB) Model: Description and calibra-
CALVET, J.-C., & KERR, Y. 2006a. Semi-em- tion against experimental data sets over crop
pirical regressions at L-bad applied to surface soil f ields. Remote Sensing of Environment, 107,
moisture retrievals over grass. Rem Sens. Env., 639-655.
vol. 101, 415-426. WIGNERON, J.-P., PARD, M., WALDTEUFEL,
SCHMUGGE, T., & JACKSON, T. J. 1994. Map- P., CHANZY, A., KERR, Y., SCHMIDL, A., &
ping soil moisture with microwave radiometers. SKOU, N. 2004. Characterizing the dependen-
Meteorl. Atmos. Phys., vol. 54, 213-233. ce of vegetation parameters on crop type, view
ULABY, F., MOORE, R., & FUNG, A. 1986. Mi- angle and polarization at L-band. IEEE Trans.
crowave remote sensing-Active and passive. Gesoci. Remote Sensing, vol. 42, 416-425.
Norwood, MA: Artech House, vol. III. WIGNERON, J.-P., WALDTEUFEL P., CHANZY
WETZEL, P. J., & CHANG, J. T. 1988. Evapora- A., CALVET J.-C., & KERR Y., 2000. Two-D
tion from non-uniform surface: a first approach microwave interferometer retrieval capabilities
for short-term numerical weather prediction. of over land surface (SMOS Mission), Remote
Monthly Weather Rev., vo. 116, 600-621. Sens. Environ., 73: 270-282.
WIGNERON, J.-P., CALVET, J.-C., DE ROSNAY, WOOD, E. F., LIN, S., TROCH, P. A., MANCINI,
P., KERR, Y., WALDTEUFEL, P., SALEH, K., M., & JACKSON, T. J. 1995. Soil moisture es-
ESCORIHUELA M. J., & KRUSZEWSKI, A. timation: Comparisons between hydrologic mo-
2004. Soil moisture retrievals from biangular L- del estimates and remotely sensed estimates. In:
Band passive microwave observations. IEEE Proc. Passive Microw. Remote Sens. Land-At-
Geosc. Rem. Sens., 1(4), 277-281. mosphere Interactions, ESA/NASA Int. Works-
WIGNERON, J.-P., CALVET, J.-C., PELLARIN, T., hop, B. J. Choudhury, Y. Kerr, E. Njoku, and P.
VAN DE GRIEND, A., BERGER, M., & FE- Pampaloni, Eds., St. Lary, France, pp. 17-54.
Asociacin Espaola de Teledeteccin Revista de Teledeteccin 36, 73-83
ISSN: 1988-8740
Resumen
La teledeteccin se considera una tcnica no invasiva para la delimitacin y caracterizacin de las
fanergamas marinas. La evaluacin del empleo de imgenes y su anlisis es el inicio de una nueva
lnea de investigacin que permitir conocer los procedimientos ms adecuados para realizar el se-
guimiento del ecosistema marino del litoral mediterrneo andaluz.
La caracterizacin biofsica y ambiental de la zona de estudio, el Parque Natural Martimo Terres-
tre de Cabo de Gata-Njar, se realiz durante diferentes campaas de campo entre 2007 y 2009, en las
cuales se midieron las propiedades aparentes del agua (reflectancia y atenuacin difusa), la respues-
ta espectral de los diferentes tipos de fanergamas marinas (Posidonia oceanica y Cymodocea nodo-
sa) y los tipos de sustrato. A partir de estos datos se seleccionaron los sensores ms adecuados para el
estudio, tanto en plataforma area como espacial, considerando sus resoluciones espectral y espacial
(sensores CASI y CHRIS-Proba).
Como resultado de esta investigacin se obtuvo una cartografa de los fondos marinos de la zona de
estudio y una metodologa detallada para su elaboracin, ampliable al contexto mediterrneo costero.
Palabras clave: hiperespectral, irradiancia, modelos de transferencia radiativa, fanergamas mari-
nas, reflectancia del fondo, cartografa, rbol de decisin.
Abstract
Development of a methodology for the characterization of seagrass on the andalusian coast
using remote sensing techniques with hiperspectral sensors
Remote sensing is considered a non-invasive technique to identify and characterize seagrass. The
evaluation of the use of images and their analysis is the beginning of a new line of research to know
the best way for mapping the ma-rine ecosystem of the Mediterranean coast of Andalusia.
The biophysical and environmental characterization of the studied area, the Maritime Terrestrial
Natural Park of Cabo de Gata-Nijar was conducted during different field campaigns between 2007 and
2009, with the objective of measuring the apparent water properties (reflection and diffuse attenuation),
the spectral response of the different types of seagrass (Posidonia oceanica and Cymodocea nodosa)
and bottom substrate types. From these data, we selected the most appropriate airborne and spaceborne
sensors for the study and its spectral and spatial resolution (CASI and CHRIS-Proba sensors).
As a result of this research, maps of the seabed were obtained in the study area as well as a detailed
methodology for the characterization of seagrass, extendable to the Mediterranean coast.
Key words: hyperspectral, irradiance, radiative transfer models, seagrass, bottom reflectance, map-
ping, decision tree.
Tipo de sustrato
Cymodocea
Posidonia 0-25
25-50
50-75
75-100
100
RMSXY (pxel)
Figura 7. Espectro de campo (azul). Correccin atmosfrica 6S en el mismo punto (rojo). Mejora emprica de la
correccin atmosfrica del modelo 6S (verde) en las imagenes CASI.
Desarrollo de una metodologa para la caracterizacin de praderas... 79
Tabla 4. ndices espectrales y cocientes entre bandas (band ratios) calculados y utilizados en las posterio-
res clasificaciones mediante rboles de decisin
Posidonia Cymodocea No
Total
oceanica nodosa vegetacin
Posidonia oceanica 36 2 4 42
Pxeles imagen
clasificada
Cymodocea nodosa 4 6 0 10
No vegetacin 0 2 10 12
No clasificado 0 0 0 0
Total 40 10 14 64
Figura 10. Porcin de imagen correspondiente al modo espectral de CASI clasificada mediante rbol de deci-
sin (derecha) y mediante SAM (izquierda).
Desarrollo de una metodologa para la caracterizacin de praderas... 81
cea nodosa. Esto es debido en gran parte a que Teniendo en cuenta lo anterior y valorando
esta fanergama presenta una estructura de cs- las dificultades encontradas durante la fase de
ped ms o menos disperso que deja ver el fon- correccin de imgenes y anlisis de los datos,
do, el clasificador debe estimar un umbral a se puede decir que los resultados ms fiables se
partir del cual el espectro del pxel a clasificar han obtenido de la clasificacin del vuelo en
es considerado fondo, o en cambio, es consi- modo espectral de CASI. No obstante, la me-
derado Cymodocea porque mantenga algn jor resolucin del vuelo CASI en modo espa-
rasgo ms o menos intenso en las bandas ms cial, independientemente de los resultados de
caractersticas de sta. Los espectros de Cymo- la clasificacin, hace que se aprecie mejor la
docea presentan siempre rasgos del fondo (are- estructura interna de la pradera, pudiendo uti-
nas o rocas), por lo que ha sido necesario tra- lizarse no tanto para la caracterizacin de la pra-
tarlos con sumo cuidado para minimizar dera sino para su evolucin. Por otro lado, los
errores en la clasificacin. Hay que aadir que resultados obtenidos con la imagen CHRIS pue-
a lo largo de toda la zona existe un pasillo de den tener inters cuando se trate de hacer un se-
transicin entre tierra y mar clasificado como guimiento de las praderas a nivel global y co-
Indeterminado, debido a que se trata de una mo punto de partida para estudios posteriores.
zona intermareal con un escaso rango de ma- En resumen, la metodologa presentada ha
reas, formada por una mezcla de rocas, cantos, permitido obtener una cartografa a diferentes
arena, grava y vegetacin de difcil acceso, es- escalas del fondo marino del litoral mediterr-
pecialmente en la costa acantilada, que ocupa neo andaluz, no conseguida por tcnicas con-
la mayor parte de nuestra zona de estudio. La vencionales.
proximidad del acantilado ha influido alteran- En la figura 11 puede observarse una de las
do los valores normales del fondo. cartografas obtenidas, en la que se aprecia la
Figura 11. Cartografa derivada de la imagen CASI (resolucin: 4 m). La imagen ampliada co-
rresponde a la Cala de San Pedro, la zona de mayor diversidad encontrada en el rea estudiada.
82 E. Mndez et al. / Revista de Teledeteccin (2011) 36, 73-83
delimitacin e identificacin de las dos espe- DIERSSEN, H. M., ZIMMERMAN, R. C., LEA-
cies presentes, diferencindose claramente del THERS, R. A., VALERIE DOWNES, T. & DA-
suelo desnudo que configura el fondo, siendo VIS, C. O. 2003. Ocean color remote sensing of
seagrass and bathymetry in the Bahamas Banks
esto posible en los dos tipos de imgenes uti- by high-resolution airborne imagery. Linmology
lizadas, tanto CASI, a dos resoluciones dife- and oceanography, 2003, Vol. 48, no.1, part 2,
rentes, como CHRIS. Adems se ha caracteri- 444-455.
zado espectralmente el fondo marino de la zona DOMINGUEZ GMEZ, J. A., CHUVIECO SALI-
de estudio, con lo que se ha generado una li- NERO, E. & SASTRE MERLN, A. 2009. Moni-
brera espectral especfica. toring transparency in inland water bodies using
multispectral images, International Journal of Re-
La comparacin entre imgenes de alta re-
mote Sensing, 2009, Vol. 30, no. 6, 1669-1586.
solucin espacial del sensor CASI con la me- GREEN, A. A., BERMAN, M., SWITZER, P. &
dia resolucin del sensor CHRIS, as como la CRAIG, M. D. 1988. A transformation for orde-
posibilidad de analizar la multiangularidad de ring multispectral data in terms of image quality
este sensor, presenta una extensa gama de po- with implications for noise removal. IEEE Trans-
sibilidades de estudio mediante teledeteccin. actions on Geoscience and Remote Sensing,
1988, Vol. 26, no. 1, 65-74.
La teledeteccin aerotransportada y espacial
GREEN, E. P., MUMBY, P. J., EDWARDS, A. J. &
se presenta pues como alternativa no invasiva CLARK, C. D. 2000. Remote sensing handbook for
para la elaboracin de cartografas de faner- tropical coastal management. Coastal Management
gamas y sustratos marinos en aguas claras y a Sourcebook 3, Unesco Publishing, 316 pags.
diferentes escalas. GUANTER, L., ALONSO, L., GOMEZ-CHOVA, L.
& MORENO, J. 2006. Coupled Approach for
Spectral/Radiometric Calibration and Surface
Reflectance Retrieval from CHRIS/PROBA Da-
Agradecimientos ta. 4th ESA CHRIS/PROBA Workshop, 2006,
ESA/ESRIN.
Queremos expresar nuestro ms sincero JERLOV, N. G. 1976. Marine Optics, Amsterdam,
agradecimiento a todas las personas que en ma- Elsevier, 231 pags.
yor o menor medida han colaborado en el pro- KIRK, J. T. O. 1984. Dependence of relationship
between inherent and apparent optical properties
yecto y en buena medida lo han hecho posible:
of water on solar altitude. Limnology and Ocea-
Alicia Palacios Orueta, Antonio Campos Ra- nography, 1984, Vol. 29, no. 2, 350-356.
mirez, Beatriz Cuesta Barco, David Ciudad KUTSER, T., VAHTME, E. & MARTIN, G. 2006.
Delgado, Diego Moreno Lampreave, Emilio Assessing suitability of multispectral satellites
Garca Adiego, Francisco Fernndez Baos, for mapping benthic macroalgal cover in turbid
Imanol Echave Calvo, Jess Rodriguez San- coastal waters by means of model simulations.
Estuarine Coastal and Shelf Science, 2006, Vol.
taella, Juan de Dios Rico Ferrer, Juan Navarro
67, no. 3, 521-529.
Casas, Luis Manuel Canedo Huescar, Luis KUTSER, T., VAHTME, E. & PRAKS, J. 2009. A
Guanter Palomar, Manuel Juan Cazorla, Mara sun glint correction method for hyperspectral
Isabel Garca Olid, Mnica Santos Lle, Peter imagery containing areas with non-negligible wa-
Fletcher, Raquel Madero Fernndez, Sonia ter leaving NIR signal. Remote Sensing of Envi-
Snchez Palomares. Y a la ESA por los datos ronment, 2009, Vol.113, 2267-2274.
cedidos del sensor CHRIS-Proba. LYZENGA, D. R. 1981. Remote sensing of bottom
reflectance and water attenuation parameters in
shallow water using aircraft and Landsat data. In-
ternational Journal of Remote Sensing, 1981 ,
Referencias Vol.2, 71-82.
MARITORENA, S., MOREL, A. & GENTILI, B.
AUSTIN, R. W. 1980. Gulf of Mexico, Ocean-Co- 1994. Diffuse Reflectance of Oceanic Shallow
lor Surface-Truth Measurements. Layer Meteo- Waters: Influence of water depth and bottom al-
rology, 1980, Published in Boundary, Vol. 18, bedo. Limnology and Oceanography, 1994,
269-285. Vol.39, no. 7, 1689-1703.
BREIMAN, L., FREIDMAN, J. H., OLSHEN, R. A. MOBLEY, C. D. 1999. Estimation of the remote-
& STONE, C. J. 1984. Classification and Re- sensing reflectance from above-surface measu-
gression Trees, Belmont, California, Wadsworth rements. Applied Optics, 1999 , Vol.38, no. 36,
International Group, 358 pags. 7442-7455.
Desarrollo de una metodologa para la caracterizacin de praderas... 83
MUELLER, J. L., DAVIS, C., ARNONE, R., SNCHEZ LIZASO, J. L. 1993. Estudio de la pra-
FROUIN, R., CARDER, K., LEE, Z. P., STE- dera de Posidonia ocenica (L.) Delile en la Re-
WARD, R. G., HOOKER, S., MOBLEY, C. D., serva Marina de Tabarca (Alicante): Fenologa
& McLEAN, S. 2000. Abovewater radiance and y produccin primaria. Tesis doctoral.
remote sensing reflectance measurement and VERMOTE, E. F., TANR, D., DEUZ, J. L., HER-
analysis protocols, Chapter 10. NASA/TM-2000- MAN, M. & MONCRETTE, J. J 1997. Second
209966 Ocean Optics Protocols for Satellite Oce- Simulation of the Satellite Signal in the Solar
an Color Sensor Validation,revision 2, 2000, NA- Spectrum, 6S: An overview. IEEE Transactions
SA-GSFSC, Giulietta S. Fargion and James L. on Geoscience and Remote Sensing, 1997,
Mueller. Vol.35, no. 3, 675-686.
Asociacin Espaola de Teledeteccin Revista de Teledeteccin 36, 84-97
ISSN: 1988-8740
Caso prctico
Resumen
Esta investigacin describe algunos de los principales impactos y problemas ambientales derivados
del aumento de la superficie edificada, que pueden ser detectados a partir de: el anlisis de productos
teledetectados, el trabajo de trabajo de campo y la aplicacin de tcnicas fotocartogrficas.
La misma se llev a cabo en un rea de estudio de 1391,1 ha, localizada al S-SE de la ciudad de
Tandil, provincia de Buenos Aires, Argentina, en el perodo 1973-2010. Parte de esta rea viene atra-
vesando, en los ltimos aos, una serie de cambios asociados principalmente al avance del uso resi-
dencial, sobre las sierras lindantes al rea urbana, pertenecientes al Sistema serrano de Tandilla.
Para la deteccin de los problemas ambientales se identificaron en primer lugar, los usos del suelo
vinculados a la superficie edificada, los cules constituyeron una variable de estudio muy importan-
te. Su anlisis, mediante mapeos sobre productos teledetectados y trabajo de campo (con dos cortes
histricos) permiti detectar el avance de la edificacin en zonas serranas, y ciertos impactos y pro-
blemas ambientales que ello trae aparejado.
Entre los problemas ms preocupantes se encuentran: el riesgo de contaminacin de las aguas sub-
terrneas; el riesgo a la salud; y la prdida de paisaje serrano.
Este trabajo pretende brindar un diagnstico que colabore en la planificacin de la ciudad, a fin de
evitar conflictos ambientales urbanos.
Palabras Clave: usos del suelo, mapeos, cartas temticas, superficie edificada, impactos y pro-
blemas ambientales
Abstract
Photocartographics techniques, a tool for detection impacts and environmental problems
This research describes some of the main impacts and environmental problems arising from the
increase of the built area. These can be detected by means of: analysis of teledetected products, field
work and the use of photocartographic techniques.
It was carried out in a 1391,1 hectare study area, located in the south-southeast of the city of Tandil,
province of Buenos Aires, Argentina, in the period 1973-2010.
During the past years, part of this area has been experiencing a number of changes. These are mainly
associated to the advance of the residential use on the hill slopes surrounding the urban area, which
belong to the Tandilia hill system.
For the detection of environmental problems, the land uses associated with the built area were first
identified. These constituted an important element of study. The analysis, from mappings with two
historic cuts on teledetected products and fieldwork, made it possible to detect the advance of building
on the hilly areas and certain impacts and environmental problems that come with it.
The most worrying problems include: the risk of groundwater contamination, health risk, and loss
of hilly landscape.
This work aims to provide a diagnosis to collaborate on the city planning so as to avoid urban en-
vironmental conflicts.
Key words: land use, mappings, thematic maps, built area, impacts and environmental problems.
ras de uso del suelo definidas por Anderson, diseo cartogrfico que partieron de una car-
J. R. et al. (1976), dado que esta metodologa ta base con la escala deseada a la se que pudo
es compatible con escalas grandes, fue desa- ajustar la informacin de las diversas fuentes.
rrollada para productos teledetectados, sostie- La deteccin del avance de la superf i-
ne un orden sistemtico de categoras con dis- cie edif icada en 37 aos, a partir de la com-
tintos niveles segn la escala de observacin y paracin de las 2 cartas temticas anteriores.
permite el agregado de nuevos usos. Se emple La superposicin de la superficie edifi-
una escala de trabajo de 1:24.700, en un rea cada con: las redes de los servicios sanitarios
de estudio de 1.391,1 hectreas, y una super- de agua y cloaca, las curvas isofreticas y los
ficie mnima de mapeo de 1.200 m2. pozos de extraccin de agua de la ciudad, para
La confeccin de dos cartas temticas detectar zonas con riesgo de contaminacin de
con la superficie edificada. Para lo cual se con- las aguas subterrneas y con riesgo a la salud.
sideraron los usos residencial, educativo, y, La observacin de campo y la superpo-
vial, comercial y servicios, correspondientes sicin de la superficie edificada con las curvas
principalmente a viviendas, equipamiento, em- de nivel de 200, 210 y 220 m extradas de las
prendimientos tursticos, etc. El haber utiliza- cartas topogrficas de Tandil (Hoja 3760-23-
do en esta tarea tcnicas fotocartogrficas con 4) y Sierras de Tandil (Hoja 3760-29-2) de es-
productos cartogrf icos y teledetectados de cala 1:50.000, y actualizadas con informacin
distintas fuentes y escalas, no afect el resul- de Hidrulica, a fin de establecer si el impac-
tado final, porque se utilizaron programas de to en el paisaje serrano es nulo (por debajo de
Tcnicas fotocartogrficas, una herramienta para la deteccin de impactos... 87
los 200 m), bajo (entre las cotas de 200 y cualitativa el registro de los usos del suelo: re-
210 m), medio (entre 210 y 220 m) o alto (por sidencial, educativo y vial, comercial y servi-
encima de los 220m). cios, para los aos 1973 y 2010; y la Tabla 1 y
la Figura 4, describen cuantitativamente dicha
informacin.
Resultados A partir del anlisis de los datos que apor-
tan la Tabla 1 y de las Figuras 3 y 4 se derivan
Superficie edificada los siguientes resultados:
Uso residencial: cubra en el ao 1973
La Figura 3 representa las cartas temticas 224,86 ha (16,16% del rea de estudio) y en
derivadas de los mapeos, muestra de manera 2010 439,68 ha (31,61%), lo que representa un
88 M. C. Miranda / Revista de Teledeteccin (2011) 36, 84-97
Figura 3. Registro de los usos del suelo: residencial; educativo; vial, comercial y servicios
1973 2009
Usos del Suelo
Ha % Ha %
1973 2009
Usos del Suelo
Ha % Ha %
banizacin sobre los faldeos serranos, cuyas ca- suelen no efectuar tratamiento previo con c-
ractersticas naturales no son las ms apropiadas mara sptica. Esta situacin puede ocasionar
para el tendido de este tipo de servicios. que sus lquidos (ya sea por la falta de volumen
En la actualidad, las residencias permanentes disponible, falta de rea drenante por las ca-
y temporales (hoteles y cabaas) que no poseen ractersticas propias del substrato, falta de con-
conexin de red de cloaca, realizan la disposicin trol, o negligencia): infiltren y desborden aguas
final de efluentes en pozos absorbentes, que abajo donde el efluente encuentra permeabili-
Tcnicas fotocartogrficas, una herramienta para la deteccin de impactos... 91
dades con ndices mayores; desborden directa- aguas alojadas entre las rocas, se incrementa.
mente a los arroyos y/o las cunetas de calles o En la zona de estudio, se ha detectado que
caminos; infiltren subterrneamente o superfi- el SW, centro, NE y E, carece de cobertura del
cialmente a cavas existentes. Esto, indica que servicio de red de cloaca, debiendo utilizarse
los pozos absorbentes sin cmara sptica los sistemas de eliminacin de excretas men-
no son un mtodo de disposicin seguro para cionados. Esta situacin se da sobre 296,20 ha
perfiles de terreno como el de esta zona. Se des- de la superficie edificada, lo que representa el
aconseja y debera prohibirse su uso dado que 60,38% de la misma (Figura 7).
(al no poseer intercepcin y tratamiento de ba- Por otra parte es importante destacar, la cer-
rros con cmara sptica y/o ser excavados en cana de las edificaciones a los cuerpos de agua
suelos con distintos grados de permeabilidad) superficiales: arroyos permanentes, tempora-
en la mayora de los casos: alcanzan el manto rios y el embalse artificial de la ciudad (Figu-
fisurado con alto ndice de infiltracin y oca- ra 7), que pueden verse afectados por el vuelco
sionan un vertido del tipo difuso hasta alcanzar de efluentes cloacales, cuando los sistemas de
la proximidad de los niveles dinmicos del agua descarga no se encuentren funcionando en p-
subterrnea, y ponen sus aguas en riesgo de timas condiciones, como ya se ha explicado.
contaminacin. (Alonso, H., 2010). Adems de la carencia en la extensin de la
Si a los sistemas de disposicin de efluentes, red de cloaca, tambin se han detectado secto-
se suma que en Tandil se diferencian dos uni- res con edificaciones (alejados del casco ur-
dades hidrolitolgicas: una de tipo acufuga for- bano al SW, centro, NE, E) que se encuentran
mada por rocas precmbricas y paleozoicas, y desprovistos del suministro de agua de red (Fi-
otra acufera, conformada por sedimentos li- gura 8) e inevitablemente extraen agua de las
mos areno-arcillosos con distintos rangos de napas freticas con pozos propios. stos, en los
permeabilidades; y que en las zonas serranas casos en que se encuentren aguas abajo de los
predomina la primera, caracterizada por el fi- sistemas de eliminacin de excretas propios o
suramiento y diaclasamiento tectnico, que le de vecinos del entorno, son un potencial ries-
otorga una porosidad secundaria que acrecien- go de contaminacin y adems de afeccin a la
ta su permeabilidad (Ruiz de Galarreta, 2006), salud por el consumo de agua contaminada1 si
el riesgo de contaminacin del acufero y de las sta es utilizada. De acuerdo con los resulta-
1
Dicha contaminacin se relaciona con la presencia de nitratos y nitritos. Los primeros aparecen como con-
secuencia de la descomposicin natural del material nitrogenado orgnico, pudiendo causar segn la dosis y la
exposicin, distintas afecciones. En los nios pequeos, los nitratos presentes en el agua de bebida pueden pro-
vocar una grave enfermedad, la metahemoglobinemia o sndrome del beb azul. Tambin a largo plazo, los ni-
tritos pueden inducir graves afecciones, al combinarse con otras sustancias para formar nitrosaminas, que son
92 M. C. Miranda / Revista de Teledeteccin (2011) 36, 84-97
dos obtenidos, en el rea de estudio 153,38 ha grfica regional. De esta forma, las aguas que
(31,27%) de la superf icie edif icada se en- son descargadas en el rea de estudio (locali-
cuentra en esta situacin. zada en torno a la cabecera de la cuenca) se
Otro aspecto a tener en cuenta en la extrac- desplazan aguas abajo, extendiendo el riesgo
cin de las aguas subterrneas, es la capacidad de contaminacin en la medida que el medio
de recarga del acufero. Al no existir un ade- no sea capaz de depurar los efluentes deposi-
cuado control y regulacin sobre la extraccin tados, y pudiendo alcanzar los pozos de ex-
de agua que realizan los vecinos a travs de sus traccin de agua de red de la ciudad, acrecen-
pozos, el suministro de este recurso suele verse tando de este modo el riesgo a la salud hacia
afectado ante la disminucin del nivel fretico. otros sectores de la poblacin.
Debido a la dinmica propia del acufero, tan- Sera importante poder realizar estudios fi-
to el riesgo de contaminacin de aguas subte- sico-qumicos y microbiolgicos, en los pozos
rrneas como el riesgo para la salud, no puede de las viviendas que carecen de uno o ambos
circunscribirse a un sector en particular. En re- servicios a fin de evaluar y monitorear la cali-
lacin a ello, la Figura 9 permite observar que: dad del agua subterrnea y de los efluentes pro-
El nivel fretico en la zona serrana se en- ducidos, a fin de cuantificar los riesgos y to-
cuentra a una escasa profundidad (observar mar las decisiones adecuadas en respuesta a
curvas de nivel y curvas isofreticas en Figu- estos problemas.
ra 9); y el basamento presenta una importante
fisuracin por fallas y diaclasas que le confie-
ren una porosidad y permeabilidad secundaria Prdida de paisaje serrano
frente al agua subterrnea. stas caractersti-
cas, le otorgan una muy alta vulnerabilidad La modif icacin del paisaje resulta de la
frente a cargas contaminantes, por la elevada interaccin entre las actividades humanas y el
velocidad de circulacin del agua en dichas fi- medio fsico. En el rea de estudio, este medio
suras (Ruiz de Galarreta et al., 2009), hacien- est constituido mayormente por un ambiente
do que el riesgo de contaminacin sea mayor. serrano (alrededor del 70%) lo cual le otorga
Las aguas subterrneas avanzan en el un distinguido valor al paisaje2. En las ltimas
sentido S-SW a N-NE (ver lneas de flujo en dcadas las construcciones no slo han ido ex-
Figura 9), coincidiendo con la pendiente topo- tendindose en forma horizontal hacia las zo-
compuestos cancergenos, aumentando la incidencia de enfermedades malignas, especialmente de localizacin
digestiva (Asociacin de Mdicos Municipales de la Ciudad de Buenos Aires:2003).
2
En esta investigacin no se discute la subjetividad u objetividad de la valoracin del paisaje, sino se lo con-
sidera como un recurso que merece ser preservado y disfrutado por todos.
Tcnicas fotocartogrficas, una herramienta para la deteccin de impactos... 93
nas serranas, sino tambin de manera vertical, 33,01 ha (13,77%) causaban un bajo impacto;
impactando este paisaje, y en consecuencia 35,62 ha (14,86%) un impacto medio y
provocando su prdida (Miranda del Fresno et 88,61 ha (36,96%) un impacto alto.
al., 2010; Ulberich et al., 2010). Las Figuras En 2010, donde la superficie edificada
10 y 11 describen esta situacin. ocupaba 490,50 ha (un 18,04% ms que en
De la observacin de la Figura 10 se des- 1973), 103,59 ha (21,12%) no provocaban im-
prende que: pacto; 70,41 ha (14,35%) causaban un bajo im-
Entre los aos analizados las edif ica- pacto; 101,67 ha (20,73%) un impacto medio
ciones han avanzado significativamente sobre y 214,83 ha (43,80%) un impacto alto.
la zona serrana. Estos valores permiten expresar que: ms
En 1973 de las 239,74 ha edif icadas, del 40% de superficie edificada causa un im-
82,50 ha (34,41%) 3 no provocaban impacto; pacto alto en ambos aos analizados; e inde-
3
Los porcentajes se calcularon sobre el total edificado para cada ao, por lo que los valores no son compara-
bles entre ambos.
94 M. C. Miranda / Revista de Teledeteccin (2011) 36, 84-97
pendientemente del grado de impacto la su- excelencia de la ciudad) y una zona que en
perficie edificada ha aumentado causando un 1973 corresponda al emplazamiento de una
impacto mayor sobre el paisaje. cantera y hoy a uno de los countries de la ciu-
A partir de la anterior Figura 10, se elabo- dad (muy urbanizado durante la ltima dca-
raron perfiles para el ao 1973 y 2010 (Figu- da). stos, muestran cmo las superf icies
ra 11) entre el cerro del Parque Independen- construidas avanzan sobre las sierras e im-
cia (uno de los atractivos tursticos por pactan su paisaje.
Tcnicas fotocartogrficas, una herramienta para la deteccin de impactos... 95
Si bien actualmente en la ciudad de Tandil banizacin sobre las sierras y es de esperar que
se est trabajando en planes y ordenanzas4 pa- si el municipio no ha tenido capacidad o vo-
ra regular la construccin en las sierras, no luntad de contener la construccin sobre la sie-
existe una poltica que frene totalmente esta si- rras, las presiones inmobiliarias seguirn direc-
tuacin, por lo que los impactos en el paisaje cionando la ordenacin de nuestras ciudad en
(Figura 12) podrn seguir aumentando. beneficio de unos pocos (Asamblea Ciudada-
Este tema viene despertado el inters de dis- na por la Preservacin de las Sierras, 21% Co-
tintos grupos de la ciudad; particularmente al- municacin Masiva, http://www.21porcien-
gunas ONGs reclaman desde hace varios aos, to.com.ar/ambiente/3714.html Tandil, 29/11/10).
entre otras cuestiones, el cese de la construc- Detrs de esta norma y de sus defensores estn
cin en los faldeos serranos. As, el 23 de mar- alineados los intereses de los especuladores in-
zo de 2010 se aprob la Ley Provincial mobiliarios que pretenden hacer grandes nego-
N 12.704 que declara Paisaje Protegido de In- ciados; adems que las empresas que han gana-
ters Provincial a un extenso sector compren- do millones destruyendo las sierras ahora les
dido entre las tres rutas que rodean a la ciudad, permiten continuar sus negocios en otro rubro
cuyo objetivo es conservar y preservar la inte- (Partido Obrero, ABC Hoy, Portal de noticias de
gridad del paisaje geogrfico, geomorfolgico, Tandil, http://www.abchoy.com.ar/leeropi-
turstico y urbanstico. Pero el Plan de Manejo nion.asp?id=72998, 07/02/11).
Ambiental solicitado por su Decreto Regla-
mentario posee (a partir de los ltimos comu-
nicados en peridicos locales) descontento con Conclusiones
algunas de sus propuestas, en relacin a las edi-
ficaciones y la conservacin del paisaje: A La utilizacin de tcnicas fotocartogrficas
partir de all, ya nada frenar el avance de la ur- sobre productos cartogrficos y teledetectados
4
Se est elaborando un Plan Especial de Manejo para la Zona Protegida Natural Sierras de Tandil que re-
gulara y desalentara la construccin sobre los faldeos serranos. Para mayor informacin puede consultarse el
PDT de la ciudad de Tandil, Parte 2: Normativa Reglamentaria, Captulo III, Seccin 2, Subseccin 4: Condi-
ciones particulares para la Zona Protegida Natural Sierras de Tandil. http://www.tandil.gov.ar/.
96 M. C. Miranda / Revista de Teledeteccin (2011) 36, 84-97
avance de los aos, lo cual seala que este pro- derivados del crecimiento urbano en el sector se-
blema merece mayor atencin. rrano S-SE de la ciudad de Tandil. VI Congreso
Esta investigacin brinda un valioso diag- Nacional Ambiental 2010. Universidad Nacional
de San Juan. San Juan.
nstico que puede colaborar en la planificacin MUNICIPIO DE TANDIL. 2003. Documento Diag-
urbana, en pos de minimizar y evitar a futuro nstico, Plan de Desarrollo Territorial. AYDET
conflictos ambientales en el uso serrano. S.A. FCH. Plano 33.
PLAN DE DESARROLLO TERRITORIAL. Orde-
nanza 9865/05. http://www.tandil.gov.ar
REBORATTI, C. 2000 Ambiente y sociedad: concep-
Referencias tos y relaciones. Ed. Ariel, Buenos Aires. Cp. 1.
RUIZ DE GALARRETA, A. 2006. Geohidrologa
ALONSO, H. (2010). Entrevista con el Ing. Hi- y balance hidrolgico de la zona no saturada en
drulico y presidente del Centro de Ingenieros de la cuenca superior del arroyo Tandileof, Pro-
Tandil. vincia de Buenos Aires. Tesis doctoral. Facultad
ASOCIACIN DE MDICOS MUNICIPALES DE de Ciencias Naturales y Museo. Universidad Na-
LA CIUDAD DE BUENOS AIRES. 2003. Am- cional de La Plata.
biente humano y salud en el rea de la cuenca. RUIZ DE GALARRETA, A., & BANDA NORIE-
Boletn de temas de salud, Suplemento del Dia- GA, R. 2009. Caracterizacin del recurso hdri-
rio del Mundo Hospitalario. Ao 10 N 87. Coor- co y su calidad vinculada a la presencia de nitra-
dinacin: Comit Editorial, Buenos Aires. http:// tos en el partido de Tandil. Captulo de libro,
www.medicos-municipales.org.ar/bts0503.htm - Estudios Ambientales II (CINEA - FCH -
63k UNCPBA). Tandil. 298 p. ISBN 978-950-658-
DECRETO-LEY 8912/77. Ley de ordenamiento te- 242-5
rritorial y uso del suelo. http://www.gob.gba.gov.ar/ RUIZ DE GALARRETA, A., VARNI, M., BANDA
legislacion/legislacion/l-8912.html NORIEGA, R. & BARRANQUERO, R. 2009.
FERNNDEZ, R. 1998. Teora y metodologa de la Anlisis hidrolgico en la cuenca del arroyo Lan-
gestin ambiental del desarrollo urbano. Cap. 3: guey, partido de Tandil, Buenos Aires. Captu-
Definiciones de problemas ambientales urbanos lo de libro, Estudios Ambientales II (CINEA -
locales y contextuales. CIAM. Universidad Na- FCH - UNCPBA). Tandil. 298 p. ISBN 978-950-
cional de Mar del Plata, p 47. 658-242-5
MARIELARENA, A. 2006. Manual de autocons- ULBERICH, A., MIRANDA DEL FRESNO, M. &
truccin de sistemas de tratamiento de aguas re- MORRONE, M. 2010. Avance de la edificacin
siduales domiciliarias. FREPLATA Editores, La sobre el sector serrano S-SE de la ciudad de Tan-
Plata. http://www.ilpla.edu.ar/ilpla/data/Ma- dil, Argentina. Revista Internacional de Ciencias
nualSistemasTrata miento 2MB.pdf de la Tierra: Mapping Interactivo N 142 julio-
MIRANDA DEL FRESNO, M., ULBERICH, A. & agosto. Madrid. http://www.mappinginteracti-
MORRONE, M. 2010. Problemas ambientales vo.com ISSN: 1.131-9.100. 11 p.
Asociacin Espaola de Teledeteccin Revista de Teledeteccin 36, 98-100
ISSN: 1988-8740
Tesis doctoral
Tesis doctoral
JPEG clsico cuando se aplica a nivel de usua- compresin aplicada puede ser diferente en
rio final, especialmente si se usa compresin funcin del tipo de paisaje (zona de bosques o
3D en JPEG 2000. CCSDS obtiene mejores re- de cultivos) y la fragmentacin de la zona. El
sultados que JPEG 2000 cuando se utiliza a rango de compresiones JPEG 2000 admitidas
bordo de las plataformas a razones de com- vara desde 3.33:1 o 5:1 en el pero de los ca-
presin bajas (hasta 5:1, que son las deseadas sos (zonas de bosques fragmentadas) hasta el
en este entorno) y si el rango dinmico de la 100:1 (zonas de cultivos menos fragmentadas).
imagen es pequeo (hasta 1000). Finalmente, JPEG 2000 obtiene mejores resultados que
la adaptacin del estndar JPEG 2000 para co- JPEG clsico, especialmente si se utiliza com-
dificar las zonas de NODATA es factible usan- presin 3D.
do tcnicas de codificacin que mejoran la fi- 4. Si el mtodo es una clasificacin por
delidad de la compresin evitando codificar la objetos (grupos de pxeles obtenidos por seg-
zona definida como NODATA, y permitiendo mentacin), los resultados indican que hasta
mantener su definicin, de gran utilidad para compresiones del 20:1 (dependiendo de la frag-
los usuarios de teledeteccin. mentacin de la zona), la clasificacin obteni-
Desde un punto de vista ms cuantitativo, da es similar a la clasificacin original.
los resultados de la tesis demuestran que, cuan- La investigacin planteada en la Tesis es
do la compresin es realizada por el usuario fi- completa en su contenido pero puede ser con-
nal de las imgenes: tinuada en diversos aspectos. Por una lado, el
1. Cuando se utiliza anlisis visual (fo- trabajo sobre el impacto de la compresin a
tointerpretacin) sobre ortoimgenes para ob- bordo puede ser extendido considerando nue-
tener un mapa categrico de usos del suelo, una vas imgenes y nuevos mtodos de clasifica-
compresin JPEG 2000 de 5:1 puede ser apli- cin posterior, as como evaluar el impacto del
cada sin obtener efectos en la cartografa ob- estndar CCSDS dedicado a datos multies-
tenida, ms all de los propios debidos a la sub- pectrales cuando sea aprobado (grup de tra-
jetividad del fotointrprete. bajo MHDC). Por otra parte, nuevos escena-
2. Cuando se usa un anlisis digital con rios de generacin de cartografa y nuevas
modelos de regresin para obtener variables tcnicas de compresin pueden ser objeto de
cuantitativas como la temperatura medio o m- estudio en los futuros trabajos. Una de las nue-
nima anual, a partir de datos de teledeteccin vas lneas de investigacin especialmente ac-
(temperatura de superficie terrestre y NDVI) tivas ser el mbito de servidores de carto-
y/o variables geogrficas (altitud, latitud, con- grafa o imgenes en Internet, debido a la
tinentalidad, etc.), la compresin JPEG 2000 relevancia que estos servidores estn toman-
no afecta a la regresin hasta razones de com- do los ltimos aos, as como por la necesidad
presin bastante elevadas (25:1 o 5:1 segn si de compresin que en ellos se requiere cuan-
se usan slo variables geogrficas o tambin do el volumen de datos a descargar es elevado
variables de teledeteccin). o el ancho de banda de las conexiones no es
3. Si el objetivo es la clasificacin pxel a muy elevado (por ejemplo en contextos de si-
pxel multitemporal de imgenes de satlite pa- tuaciones de emergencia en las que la cone-
ra obtener mapas de cubiertas del suelo, la xin es habitualmente precaria).
R e v i s t a d e
Teledeteccin
R E V I S TA D E L A A S O C I A C I N E S PA O L A D E T E L E D E T E C C I N
N 36 DICIEMBRE 2011
ARTCULOS CIENTFICOS
Aplicacin del anlisis textual a datos de retrodispersin de sonda multihaz para la clasificacin
de fondos marinos.
F. Carreo, I. Lpez, J. Payn, C. Arranz y E. Castellanos
Implementacin CPGS y altimetra en los Puertos de Ibiza, l'Estartir y Barcelona para monitoriza-
cin del nivel del mar.
J. J. Martnez Benjamn, M. A. Ortiz Castelln, A. Ruiz, E. Bosch, A. Termens, M. Martnez Garca,
X. Martnez de Oss, B. Prez Gmez, G. Rodrguez Velasco, F. Pros, J. Gili, A. Tapia y R. Lpez
Anlisis comparativo entre las mquinas de vectores soporte y el clasificador de mxima probabi-
lidad para la discriminacin de cubiertas de suelo.
J. P. Argaaraz e I. Entraigas
Cadena de pre-procesamiento estndar para las imgenes Landsat del Plan Nacional de Teledeteccin.
S. Hantson, E. Chuvieco, X. Pons, C. Domingo, C. Cea, G. Mor, J. Cristbal, J. J. Peces y J. A.
Tejeiro
CASOS PRCTICOS