Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Manual Curso ERDAS2011 PDF
Manual Curso ERDAS2011 PDF
Imagine.
Para ello se han definido una serie de mdulos que representan las principales fases del flujo
de trabajo habitual en teledeteccin: importacin de datos, correcciones geomtricas y
radiomtricas, mosaicado, realces, ndices, clasificacin digital y visualizacin 3D.
El curso est dirigido a personal tcnico e investigador del CSIC que requiera el uso de estas
herramientas en su labor profesional y que ya cuente con un cierto conocimiento de las
Tcnicas de Informacin Geogrfica (TIG).
Al finalizar el curso se espera que el alumno se haya familiarizado con estas tcnicas y pueda
implementarlas en su trabajo.
Introduccin a la teledeteccin con ERDAS Imagine
LUNES 6 MARTES 7 MIRCOLES 8 JUEVES 9 VIERNES 10
Teora: fundamentos Teora: correcciones Teora: realces y filtros Teora: ndices Prctica: clasificacin
9:00 10:15 fsicos + prctica geomtricas supervisada
Carlos Fernndez Carlos Fernndez Carlos Fernndez M Victoria Gonzlez M Victoria Gonzlez
Teora: tipos de Prctica: correcciones Prctica: realces y Prctica: ndices Prctica: matriz de
10:15 11:30 sensores + prctica geomtricas filtros confusin
Carlos Fernndez Carlos Fernndez Carlos Fernndez M Victoria Gonzlez M Victoria Gonzlez
11:30 12:00 CAF CAF CAF CAF CAF
Teora: tipos de Teora: correcciones Teora: mosaicado Teora: clasificacin Teora + prctica:
12:00 13:30 resolucin + prctica radiomtricas clasificacin experta
Carlos Fernndez Carlos Fernndez Alfredo Gmez Carlos Fernndez Carlos Fernndez
Prctica: adquisicin e Prctica: correcciones Prctica: mosaicado Prctica: clasificacin Presentacin y anlisis
13:30 15:00 importacin de datos radiomtricas no supervisada resultados
Carlos Fernndez Carlos Fernndez Alfredo Gmez M Victoria Gonzlez Alfredo Gmez
NDICE
Pag.
INTRODUCCIN
Funcionamiento de un sistema de Teledeteccin
Teledeteccin: Tcnica que permite obtener informacin a distancia de un objeto
Emisor de Sensor
energa
Flujo
Superficie incidente/reflejado
observada
3
INTRODUCCIN
Funcionamiento de un sistema de Teledeteccin
Obtenemos una imagen de la superficie terrestre:
INTRODUCCIN
Mtodos de Teledeteccin
Mtodos activos: el sensor tiene una doble funcin. Por una parte cuenta con una
fuente de energa propia que suministra una radiacin de caractersticas conocidas
que enva al objeto, y que posteriormente recoger una vez reflejada por aquel. La
informacin se obtiene de la comparacin entre la seal emitida y la reflejada. El
radar es el mtodo activo ms comn.
4
Fuente de Energa
SISTEMA DE TELEDETECCIN
Sistema sensor
Atmsfera
Interpretacin visual
Tratamiento
Superficie terrestre
Sistema de Recepcin
INTRODUCCIN
Usos Teledeteccin
Estudios medioambientales: Otros:
Planificacin territorial
Etc
5
Ventajas de la Teledeteccin
Frecuencia de adquisicin.
Homogeneidad en la adquisicin.
Formato digital.
VENTAJAS
Visin global
6
VENTAJAS
Escalas de medida
VENTAJAS
Frecuencia de adquisicin
1972 1989
1993 1997-98
Landsat/MSS-TM
7
VENTAJAS
Homogeneidad en la adquisicin
Terra-MODIS
29 de julio de
2001
29 de julio de
2002
29 de julio de
2003
VENTAJAS
Regiones no visibles del espectro
La disposicin de informacin en
regiones no visibles del espectro
hace de las imgenes de satlite una
herramienta muy til en la
discriminacin de cubiertas o en los
estudios atmosfricos, por ejemplo.
8
VENTAJAS
Formato digital
FUNDAMENTOS
Espectro electromagntico
9
FUNDAMENTOS
Interaccin entre la energa y un cuerpo
FUNDAMENTOS
Magnitudes fsicas en teledeteccin
Energa radiante: Indica el total de energa radiada en todas las direcciones (J).
Flujo radiante: Total de energa radiada en todas las direcciones por unidad de
tiempo (W).
Emitancia: Total de energa radiada en todas las direcciones desde una unidad de
superficie y por unidad de tiempo (W/m2).
Irradiancia: Total de energa radiada sobre una unidad de rea y por unidad de
tiempo (W/m2).
Intensidad radiante: Total de energa radiada por unidad de tiempo y por ngulo
slido de medida (W/sr).
Radiancia: Total de energa radiada en una determinada direccin por unidad de
rea y por ngulo slido de medida (W/m2sr). ES LO QUE MIDE EL SENSOR.
Emisividad: Relacin entre la emitancia de una superficie y la que ofrecera un
emisor perfecto a la misma temperatura.
Reflectividad: Relacin entre el flujo incidente y el reflejado por una superficie.
Absortividad: Relacin entre el flujo incidente y el que absorbe una superficie.
Trasmisividad: Relacin entre el flujo incidente el transmitido por una superficie.
10
FUNDAMENTOS
Leyes de la radiacin electromagntica
Ley de Planck
c1 Cualquier cuerpo fsico con una
M n, temperatura superior a 0 Kelvin,
5 c radia energa, y sta aumenta con
exp 2 1
T la temperatura
PRINCIPALES CUBIERTAS
Principales rangos de observacin
Dominio ptico (0,4 a 2,5 mm). Comprende el intervalo de longitudes de onda directamente
dependientes de la energa solar.
Regin del infrarrojo trmico (8 a 14 mm). Es donde se manifiesta con mayor claridad la emitancia
espectral de la superficie terrestre, de acuerdo con su temperatura. La radiancia que recibe el
sensor no es el resultado de la reflexin de la energa solar, sino de la radiacin emitida por la
superficie.
Regin de las microondas (mm a m). Los sensores que trabajan con esta parte del espectro
electromagntico habitualmente emiten su propio haz energtico para recoger,
posteriormente, su retrodispersin. Proporcionan una informacin ms compleja de tratar.
Visible
0.4 0.5 0.6 0.7
UV IR
Longitud de Onda (micras)
10 10 10 10 10 1 10 10 10 10 10 5
-5 -4 -3 -2 -1 2 3 4
Rayos Radio
gamma TV
11
PRINCIPALES CUBIERTAS
Factores que influyen en la reflectividad de la cubierta
PRINCIPALES CUBIERTAS
Efectos de la atmsfera
Absorcin (O2, O3, vapor de agua, aerosoles): La atmsfera se comporta
como un filtro selectivo en algunas longitudes de onda.
Dispersin: Se produce por la interaccin entre los gases y partculas
atmosfricas y la radiacin electromagntica.
Rayleight: Afecta a l < que el tamao de la partcula.
Mie: Afecta a l de similar tamao al de las partculas.
No selectiva: Afecta a diversas l.
Emisin. Se da en funcin de la temperatura de los cuerpos.
100
Absorcin 50
Atmosfrica
(%)
0
0,4 0,7 1 2 3 5 10 (...) 10.000 m
12
PRINCIPALES CUBIERTAS
Tipos de reflectores
nguo
l
nguo
l
n
Icd
iencaR
i ee
l
fx
in
R
EFL
ECT
ORE
SPE
CUL
AR R
EFL
ECT
ORL
AMB
ERT
IAN
O
PRINCIPALES CUBIERTAS
Firma espectral
Forma en que un objeto refleja y emite energa a diferentes longitudes de onda ()
VEGETACIN
SUELO
NIEVE
13
PRINCIPALES CUBIERTAS
Factores en la reflectividad de la vegetacin
Pigmentos. Cobertura.
Estructura de la hoja. Geometra de las hojas.
Humedad. ngulos de observacin.
PRINCIPALES CUBIERTAS
Factores en la reflectividad del suelo
Composicin qumica Color dominante
Materia orgnica Baja reflectividad
Humedad Bandas de absorcin
Textura y estructura Aumento o disminucin reflectividad
Agua Agua
14
PRINCIPALES CUBIERTAS
Factores de reflectividad del agua
Profundidad de las aguas Menor aporte materiales fondo
Materiales en suspensin Ms reflectividad en visible
Rugosidad de la superficie (oleaje) Aumento reflectividad (ref. lambertiano)
Presencia de vegetacin Descenso azul, aumento verde
ngulos de observacin e iluminacin Por ser reflector especular
PRINCIPALES CUBIERTAS
Mezcla de cubiertas
60
50
40
reflectividad %
30
20
10
0 m
0.4 0.4 0.5 0.6 0.7 0.8 0.9 1.0 1.2 1.5 1.7 2.0 2.2 2.5
0 8 7 6 5 4 2 0 5 1 6 1 6 1
15
PRINCIPALES CUBIERTAS
Colores resultantes
Vegetacin Agua
menos vigorosa
RESOLUCIN
Tipos de resolucin
Espacial Espectral
60.00
50.00
40.00
Reflectance
30.00 59.09
33.27
20.00
0.00
10.00
0.00
0.36 0.45 0.54 0.63 0.72 0.80 0.89 0.98 1.16 1.42 1.67 1.91 2.15 2.40 Wavelength
Temporal Radiomtrica
16
RESOLUCIN
Resolucin espacial
Capacidad de distinguir objetos en la imagen de acuerdo a su
tamao. Seala el lmite de esta capacidad.
Factores de que depende:
1.Tamao del IFOV (Instantaneous Field of View).
2. Altura de la rbita del satlite.
3.Tipo de detectores.
Influencia de la
resolucin espacial
Delimitacin objetos,
por ejemplo campos
de cultivo.
RESOLUCIN
Resolucin espectral
Nmero y anchura de las bandas en las que el
sensor toma medidas. Landsat
La eleccin del nmero, anchura y localizacin de 1 TM
2 3
Meteosat B14
las bandas depende de la finalidad de su diseo.
Un sensor diseado para el estudio de las
cubiertas del suelo intentar evitar las ventanas
de fuerte absorcin atmosfrica. Sin embargo, un
satlite meteorolgico buscar informacin en
esas mismas ventanas.
Del mismo modo un sensor meteorolgico no
precisar de mltiples canales en el visible puesto
que las diferencias cromticas en las nubes no son
destacables. Sin embargo, un sensor dedicado al
estudio de la superficie terrestre s que precisar Vegetacin sana
de este tipo de informacin. Vegetacin seca
17
RESOLUCIN
Resolucin temporal
RESOLUCIN
Resolucin radiomtrica
18
Prctica 1: Resoluciones y firmas espectrales
Antes de comenzar con las prcticas vamos a visualizar varias imgenes para
habituarnos al manejo de la interfaz de ERDAS. Para ello seleccionamos la opcin de
abrir archivo y navegamos hasta la carpeta Prctica1 para ir examinando las
diferentes imgenes.
Prctica 1.1
En primer lugar vamos a analizar distintos tipos de imgenes desde el punto de vista
de su resolucin.
SPOT
Tamao de la imagen:
Tipo de proyeccin:
Resolucin espacial:
Resolucin radiomtrica:
Landsat
Tamao de la imagen:
Tipo de proyeccin:
Resolucin radiomtrica:
MODIS
Tamao de la imagen:
Tipo de proyeccin:
Resolucin espacial:
Resolucin radiomtrica:
PNOA
Tamao de la imagen:
Tipo de proyeccin:
Resolucin espacial:
Resolucin radiomtrica:
Prctica 1.2
1. Abrimos ERDAS 2010 y desplegamos el Signature Editor que se encuentra en el
mdulo Raster - Supervised .
6. Desde el men principal de ERDAS 2010 creamos una nueva capa de AOI (Area Of
Interest); Menu New 2D View AOI Layer:
Podemos ayudarnos del Inquire Cursor para comprobar los valores que tiene el
pixel elegido. Desde la pestaa Home seleccionamos Display Selected AOI
Properties y damos un nombre y una descripcin a nuestro elemento.
11. Una vez recolectados nuestros puntos de muestra para cada categora podemos
visualizar las signaturas espectrales a travs del Display Mean Plot Window .
Diseamos un grfico que permita visualizar los cuatro perfiles espectrales. Para ello es
posible que tengamos que modificar los parmetros de representacin a travs de la
opcin Charge Options, que se encuentra dentro del men Edit. El resultado debe ser
parecido al que se muestra en la captura de pantalla.
Signaturas espectrales
1
0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
B1 B2 B3 B4 B5 B6
sombra de nube nube asfalto vegetacion ribera cultivo agua
Clasificacin de sensores
SENSORES PASIVOS SENSORES ACTIVOS
29
Sensores pasivos
CLASES
Sensores pasivos
30
Sensores pasivos
Sensores activos
Aplicaciones:
Radar de imgenes: vegetacin, humedad, etc.
MDEs (interferometra).
Altimetra de la superficie marina. Deteccin vertidos.
Dispersmetro de vientos: direccin y velocidad.
31
Sensores activos
Imagen multi-
temporal ERS del
naufragio del Mar
Egeo cerca de la
Corua (diciembre de
1992)
Sensores activos
Aplicaciones:
Atmsfera: partculas, humedad, presin, temperatura,
etc.
Cubiertas terrestres: manchas de aceite, algas, humedad
en la vegetacin, pigmentos, etc.
MDEs.
32
rbitas de las plataformas espaciales
rbita geosncrona
33
rbitas de las plataformas espaciales
rbita heliosncrona
Describen rbitas
alrededor de la Tierra
que cubren cada
cierto tiempo toda la
superficie. El diseo
obedece al inters de
hacer que los
sensores midan la
radiancia de un punto
de la superficie
terrestre bajo las
mismas condiciones
de iluminacin.
34
rbitas de las plataformas espaciales
rbitas geoestacionarias
Ventajas Desventajas
Visibilidad continua No se observan los polos
rbitas heliosncronas
Ventajas Desventajas
Cobertura global No es posible una observacin continua
con un solo satlite
Alta resolucin espacial
35
Satlites de teledeteccin ms comunes
Caractersticas
ASTER
Bandas:
4 en el espectro ptico (15 m)
6 en IRM (30 m)
5 en IRT (30 m)
Aplicaciones: coberturas terrestres, minerales,
nubes, humedad, temperatura.
AVHRR
Bandas:
6 del verde al IRT (1 km)
Aplicaciones: cambios en las coberturas
terrestres a escala global.
Resolucin temporal: 6 horas
36
Satlites de teledeteccin ms comunes
Caractersticas
MODIS
36 bandas:
ptico Infrarrojo Medio Trmico
IKONOS
Bandas: Azul Verde Rojo Infrarrojo Cercano
37
Adquisicin e importacin de imgenes
Servidores de imgenes e importacin de los archivos ms habituales
38
Bsqueda y descarga de datos
Descarga de imgenes:
http://centrodedescargas.cnig.es/CentroDescargas/
Productos:
Landsat
ASTER
MODIS
NOAA-AVHRR
EO-1:
Hyperion
Advanced Land Imager (ALI)
Imgenes de satlite desclasificadas
SIR-C (Radar)
39
Bsqueda y descarga de datos
SERVIDORES DE IMGENES:
EarthExplorer: http://edcsns17.cr.usgs.gov/EarthExplorer/
http://edcsns17.cr.usgs.gov/NewEarthExplorer/
Quickbird: http://www.digitalglobe.com/
WorldView: http://www.digitalglobe.com/
IKONOS: http://www.geoeye.com/
OrbView-3: http://www.geoeye.com/
GeoEye: http://www.geoeye.com/
SPOT: http://www.spotimage.com/
40
Bsqueda y descarga de datos
Hoy en da hay muchos datos disponibles de forma gratuita en red.
http://edcsns17.cr.usgs.gov/EarthExplorer/
http://glovis.usgs.gov/
41
Bsqueda y descarga de datos
http://www.nsof.class.noaa.gov/saa/products/search?sub_id=0&datatype_family=AVHRR
42
Prctica 2: Adquisicin e importacin de datos
Adquisicin
Hoy da existe una gran cantidad de servidores desde los que descargar imgenes de
diferentes sensores. Muchos de los programas espaciales ms veteranos permiten
obtener datos de forma gratuita y, en muchos casos, con un alto nivel de
procesamiento. Esto ocurre con muchos de los programas nacionales, no es el caso de
la mayora de los programas comerciales, centrados bsicamente en imgenes de alta
resolucin espacial.
EarthExplorer: http://edcsns17.cr.usgs.gov/EarthExplorer/
https://wist.echo.nasa.gov/~wist/api/imswelcome/
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
43
El proceso de importacin en ERDAS
El formato nativo de ERDAS es .img, como ya hemos visto. Vamos a ver cmo sera la
importacin de los formatos en los que podemos conseguir imgenes de forma ms
habitual.
Una vez seleccionado el tipo de datos podemos guardarlos de forma que al abrir el
cuadro de dilogo de importacin nos aparezca esta opcin por defecto. En el
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
44
desplegable de Media debemos elegir File y conviene hacer clic sobre el asterisco, ya
que ser seguramente lo ms habitual.
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
45
Importamos la banda 1 georreferenciada y a continuacin hacemos lo mismo con la 2 y
la 3N: aster_b2.img y aster_b3n.img. Abrimos un visor para examinar el resultado y
vemos cmo las imgenes ya cuentan con su sistema de coordenadas. Visualizamos los
metadatos de la imagen: hay una serie de pestaas nuevas con la informacin de
cabecera contenida en el archivo original HDF:
Por ltimo nos queda componer una sola imagen que cuente con las tres bandas que
acabamos de importar. Esto se hace desde la pestaa Raster Spectral Layer Stack:
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
46
Como imagen de entrada seleccionamos la primera banda que hemos importando
aster_b1.img, y pulsamos el botn de Add:
Ahora ya tenemos la imagen con todas las bandas del sensor VNIR:
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
47
Correcciones geomtricas
48
Esencia de la correccin geomtrica
Georreferenciacin
49
Fuentes de error
Distorsiones geomtricas:
Georreferenciacin
50
Georreferenciacin
Transferencia ND:
Vecino ms prximo
Interpolacin bilinear (4 vecinos)
Convolucin cbica (16 vecinos)
Georreferenciacin: transferencia ND
Vecino ms prximo
Interpolacin bilinear
51
Georreferenciacin: evaluacin error
52
Prctica 3.1: Georreferenciacin
A continuacin se abre una ventana con varias divisiones y un cuadro de dilogo para
especificar el mtodo para introducir las coordenadas de referencia para los puntos de
control. En este caso vamos a introducir las coordenadas desde el MTN25, que
tenemos en formato digital y georreferenciado, por lo que seleccionamos la opcin
Image Layer, que nos abrir un nuevo visor con la imagen de referencia:
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE 53
Al pulsar OK se abre un nuevo cuadro para seleccionar la imagen; navegamos hasta la
carpeta de prcticas para seleccionar la imagen mtn25.img.
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE 54
nuestro caso es el cuarto NW). En el caso de que dispongamos de un modelo digital de
elevaciones de la zona podemos incorporarlo en el modelo, como no es as, nos
limitamos a especificar una altitud constante representativa de nuestra zona de
estudio (600 metros).
Nota: Podemos salvar nuestro modelo como un archivo de extensin .gms para abrirlo ms
adelante desde la ventana de Model Properties.
Las propiedades del modelo que acabamos de definir se pueden modificar a lo largo
del proceso desde la opcin del men Display Model Properties .
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE 55
A partir de este momento ya podemos comenzar a introducir los puntos de control.
Para ello hay que seleccionar puntos homlogos en las dos imgenes, digitalizar
primero sobre la imagen de origen y a continuacin sobre la imagen de referencia.
Vemos cmo en la ventana de los GCP aparece un nuevo punto con coordenadas
imagen de origen y coordenadas UTM de referencia:
Coordenadas de Coordenadas
origen en pxeles UTM de destino
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE 56
As obtenemos el error de cada punto y el error medio cuadrtico general, que es
mostrado en la zona inferior izquierda. Por defecto el programa muestra los errores en
pxeles, por lo que tenemos que intentar obtener un error inferior a 1 para
asegurarnos una buena georreferenciacin.
Nota: Podemos salvar los puntos que hemos ido introduciendo desde file save input y file save
reference.
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE 57
mediante la utilidad swipe:
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE 58
Prctica 3.2: Corregistro de imgenes
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE 59
La interfaz de este mdulo consta ms o menos de los mismos elementos que el
mdulo de georreferenciacin: tres visores para cada imagen, la de referencia y la
imagen a corregir, la herramienta para controlar la introduccin de puntos de control
abajo y, a la izquierda el rbol en el que visualizamos las imgenes con las que estamos
trabajando: una de referencia, una o varias a corregir y los resultados. De esta forma
podemos controlar el flujo de trabajo para varias imgenes a la vez.
Nota: la configuracin de remuestreo establecida ahora se puede cambiar en cualquier momento del
proceso editando las propiedades del proyecto
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE 60
Como imgenes a corregir abrimos dos imgenes ms antiguas desde el botn de
Open input images :
Una vez cargadas las imgenes en el proyecto comprobamos que aparecen en los
visores, las imgenes a corregir a la izquierda y la de referencia a la derecha:
Nota: haciendo clic con el botn derecho sobre las imgenes podemos establecer la combinacin
de colores que prefiramos para visualizarlas.
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE 61
A continuacin terminamos de configurar el resto de parmetros desde la ventana del
proyecto, haciendo clic en el botn Edit Project Properties :
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE 62
En la pestaa del Geometric Model se establece el tipo de modelo mediante el que
queremos corregir las imgenes. Elegimos una transformacin afn. En la siguiente
pestaa, definimos la proyeccin para las imgenes de salida, que ser la misma que la
imagen de referencia:
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE 63
A partir de este punto el proceso es similar al descrito para la anterior prctica:
identificar puntos homlogos en ambas imgenes y digitalizarlos utilizando la
herramienta Create GCP . Haciendo doble clic sobre las imgenes a corregir
elegimos sobre cul queremos trabajar. Vamos a comenzar con la imagen de 2003,
ms similar a la de referencia.
Una vez ejecutado sobre la imagen en la que hemos dado los puntos de control
obtenemos una serie de puntos y los residuos del ajuste en la parte inferior de la
ventana:
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE 64
Para trabajar con los puntos de control de cara a obtener una correccin ptima
contamos con las herramientas del editor:
stas nos permiten deshacer o rehacer acciones, eliminar puntos, mostrar slo los
seleccionados, navegar por los puntos seleccionados, calcular el modelo, ver el informe
y establecer un filtro para seleccionar puntos en funcin de un umbral de error
establecido por nosotros.
Por ejemplo, vamos a seleccionar los puntos con un error superior a 03 pxeles. Para
ello tecleamos el umbral y hacemos clic sobre el icono de seleccionar los puntos :
Nueve son los puntos que exceden el umbral de 03 pxeles (estos resultados pueden
diferir, segn el ajuste de los puntos introducidos manualmente). Procedemos a
eliminarlos para ver si mejora el ajuste general. En efecto, si los eliminamos y
recalculamos el modelo vemos cmo el RMSE pasa a ser de solamente 013 pxeles:
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE 65
Una vez hayamos hecho esto vamos a proceder a la generacin automtica de ms
puntos, pero estableciendo esta vez un patrn de bsqueda. Para ello slo tenemos
que abrir la ventana de Project Properties pulsando en el botn , y seleccionar la
opcin Defined Pattern en lugar de Default Distribution. Dejamos las opciones del
patrn por defecto, aumentando el nmero de puntos por patrn a 2:
No slo hemos obtenido muchos ms puntos (235), tambin estn mucho mejor
distribuidos por la imagen, lo que nos asegura una mejor correccin.
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE 66
Una vez hemos obtenido un ajuste satisfactorio vamos a corregir las imgenes.
Podemos hacerlo haciendo clic con el botn derecho del ratn sobre la imagen que
queremos corregir y eligiendo la opcin Calibrate/Resample o mediante el botn con
el icono de un rayo si queremos corregir todas las imgenes a la vez.
Seleccionamos la imagen de 1987 y la corregimos.
Una vez terminado el proceso aceptamos y aparece directamente una pantalla con las
dos imgenes superpuestas para evaluar visualmente los resultados. En este sentido
disponemos de tres herramientas muy prcticas: Blend, Swipe y Flicker :
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE 67
En el directorio en el que hemos estado trabajando se ha almacenado un archivo .html
con el mismo nombre del proyecto en el que se encuentra el informe de todo el
trabajo realizado, con los parmetros utilizados:
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE 68
Correcciones radiomtricas
69
Correcciones necesarias
Radiomtricas:
Eliminar ruidos en los ND.
Corregir los problemas de toma de datos.
Conversin a parmetros fsicos.
Correcciones radiomtricas
70
Bandeado
Ruido
71
Fuente de energa
CLCULO DE
REFLECTIVIDADES
SOL Sensor
ATMOSFERA
Nubes
Superficie terrestre
Sistema de
recepcin
Reflectividad aparente*
Conversin de los ND a parmetros fsicos:
Clculo radiancia
Clculo reflectividad
72
Temperatura aparente del suelo
Estimacin de la radiancia: L=a0+ a1*ND.
Temperatura de brillo:
c2 n
T * ( L) =
ln (1 + c1 n 3 / L sen,n )
Correcciones atmosfricas
El clculo de la reflectividad real de una cubierta captada por un sensor areo o
espacial est condicionado por el comportamiento de la atmsfera:
La irradiancia solar en el techo de la atmsfera no es igual a la que llega a la superficie
terrestre.
La radiancia que llega al sensor no es la misma que la que sale de la superficie terrestre.
73
Correcciones atmosfricas
La estimacin de la influencia atmosfrica y su correccin para
el clculo de reflectividades se realiza mediante distintos
procedimientos:
Modelo ATCOR
Coeficientes de
calibracin
Distancia de
visibilidad
Tipo de sensor
ngulo de
Elevacin media del terreno
elevacin solar
Fecha de la imagen
74
Correcciones del sombreado topogrfico
El relieve tiene un efecto distorsionador sobre las medidas de
reflectividades.
La reflectividad es muy dependiente del ngulo de incidencia y del de
observacin.
En terrenos con escasa pendiente esta distorsin no es muy
importante, pero en otro tipo de superficies su influencia es clave.
La existencia de un MDE permite modelizar este fenmeno y
corregirlo.
75
Prctica 4: Correcciones radiomtricas.
Prctica 4.1
6. Abrimos el archivo de cabecera (formato .txt) con un editor de texto tipo Bloc de
Notas o WordPad y analizamos la informacin contenida. Los datos que
debemos localizar y consignar son los relativos al ngulo de elevacin solar, la
radiancia (mxima y mnima) en cada banda y el factor corrector de la distancia
al sol. Los dos primeros datos aparecen explicitados en el archivo de cabecera.
NOTA:
El da juliano se refiere a una forma de consignar una fecha dentro de un ao. Va del 1 al 365, o 366
si el ao es bisiesto. Por tanto, todas las fechas se consignan consecutivamente en este
intervalo. De este modo, el 31 de enero tendra un J=31 y el 1 de febrero J=32, es decir, el da
juliano es igual a la suma de los das del ao que preceden a una fecha ms uno.
=(1+0.01674*(SENO(2*PI()*(164-93.5)/365)))^2
10. Otro modo de consultar los valores simultneos de dos imgenes consiste en
crear dos vistas y cargar una imagen en cada una haciendo un link entre ellas.
Para ello elegimos la opcin Add Views Display Two Views desde la pestaa
Home.
1. Desde la pestaa Manage Data elige la opcin Export Data. Queremos exportar
a TIFF una imagen que se haya en la carpeta Practica4 y que se llama
escena_landsat_se.img. Daremos un nombre al archivo de salida y lo
guardaremos en la misma carpeta.
2. Pulsamos Ok.
3. En la siguiente ventana indicamos que slo queremos exportar una banda. En
Export Band Selection optamos por Grayscale y en Grayscale Band to Export
indicamos la banda 4. Pulsa Ok.
NOTA:
El filtro Median fija como valor del pxel la mediana de los valores de los pixeles incluidos en la
ventana mvil.
9. Al realizar la operacin nos aparecer un aviso indicando que los valores de los
pxeles de la imagen se vern alterados. Aceptamos.
10. Una vez corregida la imagen eliminamos la AOI de la tabla de contenidos (no
hace falta que la guardemos) y salvamos la imagen en formato .img aadiendo
el sufijo _corregida al nombre. Esto se hace desde el Men principal Save as
Top Layer As.
ERDAS IMAGINE contiene una funcin para reducir el efecto de presencia de neblinas
mediante la aplicacin del mtodo Tasseled Cap. Este mtodo requiere de una
adaptacin especfica a las caractersticas tcnicas de cada sensor. En el caso de ERDAS
slo est diseado para aplicarse sobre imgenes Landsat 4, 5 y 7.
86
La imagen digital
12 65 11 32 96 89
99 65 31 13 64 31
y
4 65 2 3 84 65
13 4 65 3 78 9
45 87 3 23 15 65
78 26 45 32 1 68
46 2 73 8 9 6
48 65 13 12 32 74
18 42 2469 48 23
15 75
69
11
31 19
87 13 89 54
20
32
19
48
80
32
24
57
18
65
61
12
14 15
64 89 31 42 65 74 68 21
13 40
68
57
46
61
86
32
84
15
62 85
cada banda
89 42 65 84 62 48
La imagen digital
Anlisis de la imagen
Rojo
87
La imagen digital
Anlisis de la imagen
Perfiles espectrales
La imagen digital
Anlisis de la imagen
Superficies
88
Realces
Ajuste del contraste
NDmax
Definiciones de contraste C
NDmin
C NDmax NDmin
C ND
Realces
Compresin del contraste
Establecimiento de intervalos
Mtodos:
Expansin lineal: entre el mnimo y el mximo
Ecualizacin del histograma: a cada ND un nmero igual de NV
Desviaciones tpicas: ajuste lineal entre los umbrales definidos por n
desviaciones tpicas
Personalizada: para una zona concreta, o definiendo manualmente los
puntos de ruptura
89
Realces
Expansin lineal
Realces
Cambio de una
imagen sin realzar a
una realzada
90
Filtrajes
TIPOS
Filtrajes
Transformacin mediante operadores locales: ventanas de diferentes tamao
(3x3 5x5 7x7)
1 2 1 -1 9 -1
1 1 1 -1 -1 -1
91
Filtrajes
Filtro de paso bajo
Filtrajes
Filtro de paso alto
92
Filtrajes
Filtros de paso alto direccionales
0 1 2 -2 -1 0
-1 0 1 -1 0 1
-2 -1 0 0 1 2
Filtrajes
Textura
93
Prctica 5: Realces y filtrajes
La imagen digital
Vamos a visualizar la informacin digital que contiene la imagen, los Niveles Digitales
que, como sabemos, codifican valores de radiancia recogidos por el sensor.
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
94
Podemos calcular las estadsticas que se muestran en la primera pestaa desde el
men Edit Compute Pyramyd Layer/Statistics:
Conviene asegurarse de que ignore los valores de 0 para no falsear los resultados con
los valores de 0 del fondo. Tambin podemos establecer el nmero de pxeles que se
salta al muestrear la imagen desde la opcin Skip Factor o calcular los estadsticos
bsicos para una zona concreta si hemos definido un AOI (Area Of Interest).
Como parte del anlisis de la imagen conviene hacerse una idea de la correlacin
existente entre las bandas que la componen. Puede ser conveniente eliminar alguna
banda altamente correlacionada con otra de cara a la posterior clasificacin digital.
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
95
Elegimos la imagen landsat5_curso.img como entrada y un nombre para las imgenes
de salida (como parte del mismo proceso vamos a crear varias imgenes, que
comenzarn con el nombre que introduzcamos y terminarn con la especificacin de
las bandas representadas): dispersion. Al cargar la imagen el programa nos propone
automticamente tantas imgenes de salida como combinaciones entre bandas sea
posible. Sin embargo, slo se crearn las que seleccionemos, o todas, en el caso de no
seleccionar ninguna. Con la tecla de maysculas pulsada seleccionamos las siguientes
combinaciones: 1-2, 2-3, 3-4, 4-5 y 5-7, y aceptamos para comenzar el proceso:
El resultado ser una imagen por cada combinacin seleccionada, que se puede
mostrar en el visor para su anlisis, como cualquier otra imagen:
Nota: se pueden mostrar varios visores dentro del mismo marco mediante la opcin Add Views
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
96
A continuacin vamos a examinar la imagen de forma visual. Para ello abrimos la
imagen landsat5_curso.img desde un visor de ERDAS:
Vamos a obtener un perfil sobre la imagen landsat. Para ello abriremos el archivo
profile.ixs desde el men principal Open Session. Este archivo ixs contiene una vista
determinada sobre una zona determinada de la imagen y un archivo vectorial con una
lnea:
Nota: puedes usar los archivos ixs para almacenar vistas con capas raster y vectoriales, una
determinada combinacin de bandas, una escala de visualizacin, etctera.
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
97
Seleccionamos la lnea haciendo clic sobre ella y a continuacin seleccionamos la
herramienta Spatial Profile desde la pestaa Multiespectral (ten en cuenta que las
opciones raster slo aparecen cuando tenemos seleccionada la imagen desde la tabla
de contenidos):
Al aceptar vemos la ventana desde la que podemos crear una lnea para ver su perfil
o hacer el perfil desde la capa vectorial seleccionada . Elegimos esta segunda
opcin y seleccionamos la banda 4, de Infrarrojo prximo:
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
98
Podemos identificar la respuesta espectral de las diferentes cubiertas atravesadas por
nuestra lnea: el suelo desnudo, las parcelas cultivadas y los picos de baja radiancia que
sealan el cruce del ro.
Sin cerrar la ventana de perfiles espectrales podemos movernos por la imagen y crear
nuevos perfiles. Haz la prueba en distintas zonas de la imagen para intentar interpretar
la respuesta espectral en las diferentes bandas que ya conocemos.
Para mejorar la visualizacin podemos cambiar la medida de los ejes desde el men
Edit Chart Options y superponer una imagen temtica o continua. Haciendo clic en
Edit Overlay Truecolor vamos a superponer la imagen landsat5_curso.img, eligiendo
la combinacin de bandas que prefiramos.
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
99
Realces
ERDAS aplica un realce al abrir las imgenes de forma automtica, para mejorar su
visualizacin. Vamos a probar a visualizar la misma imagen con la que hemos estado
trabajando sin realce para ver las diferencias.
Esto se debe a que el sensor TM est preparado para recoger en 8 bits los valores de
radiancia de cualquier cubierta terrestre, pero en la imagen slo tenemos una
pequea muestra, por lo que no estamos aprovechando la capacidad de visualizacin
de nuestra pantalla.
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
100
Ahora vamos a acceder a las opciones de realce desde la pestaa Multiespectral -
General Contrast:
Antes de comenzar a trabajar nos aseguramos de hacerlo slo sobre los valores de la
imagen, sin tener en cuenta el fondo, y que los cambios se apliquen a la tabla de
referencia, seleccionando la opcin Whole Image y Lookup Table, como vemos en la
imagen.
Desde este cuadro de dilogo podemos definir el mtodo de realce, visualizar los
resultados y almacenar los cambios en la tabla de referencia o Lookup Table.
Vamos a realizar una prueba definiendo una expansin del histograma basada en dos
desviaciones tpicas y luego en una sola para observar las diferencias.
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
101
Al elegir una sola desviacin tpica el contraste es mucho mayor pero la imagen
aparece mucho ms saturada. Esto es porque el rango de ND considerados es menor y
la pendiente de la funcin que define la relacin entre ND y NV mayor, por lo tanto.
Para una edicin personalizada podemos situar los puntos de ruptura de la tabla de
referencia de forma manual, visualizando el histograma. A esta opcin se accede desde
el botn Breakpts En la ventana que aparece al pulsar tenemos los tres canales de
visualizacin, Rojo, Verde y Azul con la lnea definida por mtodo de realce
seleccionado y una serie de herramientas de edicin:
Nota: aunque esta herramienta tiene muchas posibilidades vamos a limitarnos a ver slo las
cuestiones ms bsicas.
Al igual que en el caso anterior nos aseguramos de no tener en cuenta el fondo negro
seleccionado como fuente de datos para el histograma la imagen en la opcin Whole
Image. Con el mismo cursor vamos a manejar los puntos de ruptura que marcan el
comienzo y el final de la pendiente en la lnea de cada canal, estirndola un poco para
que abarque una mayor parte del histograma. Los Niveles de Visualizacin se
distribuyen de forma ms homognea por el histograma, de forma que tendremos una
imagen menos saturada:
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
102
Cuando hayamos conseguido una distribucin adecuada pulsamos en el botn de
Apply All para aplicar todos los cambios, o podemos ir aplicando los cambios de cada
canal haciendo clic en sus respectivos botones :
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
103
Desde esta herramienta podemos acceder a la propia tabla de referencia para ver qu
Nivel Visual hemos adjudicado a cada Nivel Digital. Esto se hace para cada canal
mediante su respectivo botn . Desde esta herramienta podemos establecer las
coordenadas (en el grfico de la tabla de referencia) de los puntos de ruptura o
directamente cambiar los niveles asignados a mano:
Una vez terminado podemos guardar los cambios desde el cuadro de dilogo del
Breakpoints Editor, creando un archivo de breakpoints que podremos cargar desde
este mismo editor. Para guardar los cambios de forma que la tabla de referencia que
hemos creado se asocie a la imagen y siempre que la abramos la visualicemos de la
misma forma hay que hacerlo desde el propio visor con la opcin de Save Top Layer. Si
no lo hacemos se nos ofrece la oportunidad de guardar cualquier cambio realizado en
la tabla de referencia al cerrar la imagen:
Si no salvamos los cambios tenemos que tener en cuenta que cuando la imagen no
tiene una tabla de referencia asociada, el visor de ERDAS siempre la muestra con un
realce de dos desviaciones tpicas, por defecto.
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
104
Filtrajes
En ERDAS hay una gran cantidad de filtros predefinidos pero tambin se puede crear
un filtro nuevo con los parmetros que deseemos. A todas estas opciones se accede
desde la pestaa Raster men Spatial, opcin Convolution:
Desde esta ventana podemos elegir diferentes tipos de filtros y aplicarlos a nuestra
imagen para crear una nueva imagen filtrada de salida. Vamos a realizar una primera
prueba con un filtro de paso bajo para suavizar la imagen.
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
105
Al multiplicar todos los valores por 1, este filtro va a generar una media de los valores
del entorno, suavizando los cambios:
Nota: para examinar las diferencias entre la imagen original y la filtrada una utilidad muy
adecuada es la herramienta Swipe, como puedes ver en la imagen.
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
106
Abrimos de nuevo la herramienta Convolution para aplicar un nuevo filtraje, esta vez
de paso alto (3x3 High Pass), por lo que a la imagen resultante la vamos a llamar
paso_alto3.img. Si examinamos esta vez la kernel que va a aplicar vemos cmo cambia
con respecto a la anterior, ponderando el valor central muy por encima de los
adyacentes:
Esta vez la imagen filtrada refuerza mucho las diferencias, resaltando lmites de
parcelas, manzanas del casco urbano o rasgos lineales como carreteras:
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
107
Antes de aplicar los filtros direccionales piensa cul conviene para resaltar los rasgos
lineales ms significativos de la imagen, por ejemplo las carreteras ms significativas,
como son las nacionales II y III:
N-II
N-III
Al visualizar los resultados de los filtros de direccin puede ser conveniente hacerlo
banda a banda en escala de grises, porque las composiciones en color crean cierta
confusin.
Para terminar con las opciones ms bsicas de filtrajes vamos a aplicar un filtro modal
sobre una imagen temtica. La imagen que vamos a utilizar es el resultado de una
clasificacin digital realizada en Kargaly, una zona de Rusia.
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
108
Se trata de una zona no muy amplia, de dedicacin mayoritariamente agrcola, con
parcelas de gran tamao que no aparecen clasificadas de forma homognea. Aunque
resolver este problema requerira otros procedimientos, de momento vamos a intentar
presentar un resultado ms razonable mediante la aplicacin del filtro modal.
Esta ltima opcin ofrece ms posibilidades, por lo que vamos a elegirla (la otra opcin
realiza los cambios directamente sobre la imagen cargada).
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
109
Para realizar un filtrado de las islas mal clasificadas que han quedado dentro de las
parcelas vamos a aumentar el tamao de lo que consideramos vecindad a 5x5, para
incluir reas de cierto tamao, y a elegir como funcin a aplicar Majority que
seleccionar como valor de cada pxel el que presente la mayora de sus vecinos, es
decir, la moda.
Aceptamos y visualizamos el resultado de nuevo sobre la imagen original para ver las
diferencias (aunque son obvias a simple vista) y cmo ha trabajado el filtro. Aunque el
resultado est transformando los datos de la clasificacin que habamos realizado,
ofrece en realidad un resultado mucho ms coherente en el que las zonas son ms
homogneas:
Textura
La textura se calcula a travs de una ventana mvil que se desplaza por toda la imagen,
al igual que ocurre con los filtros, pero lo que vamos a hacer en este caso no es
modificar los valores de los ND sino obtener una nueva variable que refleja la variacin
espacial de la imagen.
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
110
Vamos a medir la varianza sobre una ventana de 3x3. Slo hay que cargar la imagen
lansat5_curso.img, adjudicarle como nombre de salida textura.img, dentro de la
carpeta de resultados y seleccionar el tamao de la ventana, que vamos a dejar en 3x3.
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
111
Elaboracin de Mosaicos
112
OPCIONES DE MOSAICADO EN ERDAS IMAGINE
MosaicPro
Las imgenes de entrada deben estar
georreferenciadas y contener el mismo
nmero de capas. Las imgenes no tienen
porqu estar en la misma proyeccin o
tener el mismo tamao de celda. Tambin
trabaja con imgenes calibradas. La
extensin de un proyecto en MosaicPro es
.mop.
Permite utilizar el lmite de un polgono
definido para realizar la unin.
113
MosaicExpress
ENTRADA DE DATOS
ZONA DE SOLAPE
SALIDA DE DATOS
114
ENTRADA DE DATOS
Entire image
Crop Area
AOI Area
Active area
ENTRADA DE DATOS
TIPOS DE ARCHIVOS
115
ZONA DE SOLAPE
Geometry-based Seamline
Tiene en cuenta la forma de la zona de solape. En un mosaico con dos
imgenes la zona de solape se dividira en dos polgonos iguales.
Overlay-based Seamline
Trabaja slo sobre la zona activa de cada imagen.
imagen La imagen que est por
encima provee los pxeles en la zona de solape.
Exclude Areas.
Permite sealar reas dentro de una imagen cuyos valores representativos se
quieren excluir del proceso de correccin del color.
Ilumination Equalizing.
Homogeniza las grandes variaciones de iluminacin o color.
Image Dodging.
Realiza un tratamiento estadstico para la correccin de los desequilibrios en
la intensidad de luz de la imagen mosaicada.
Color Balancing.
Reduce las diferencias de color existentes entre las imgenes que integran el
mosaico.
i
Histogram Matching.
Lleva a cabo una homogeneizacin de los histogramas de las imgenes para
que sean similares. Presupone que todas las diferencias de color y brillo en las
imgenes se debe a los efectos atmosfricos y de iluminacin.
116
SALIDA DE DATOS
Remuestreo de datos
Configuracin adicional
de la imagen de salida
117
Prctica6:Elaboracindemosaicos.
Prctica6.1
1. DesdeelpanelprincipaldeERDASIMAGINE2010enlatablaManageDatayen
dentrodelgrupoCatalogseleccionalaherramientaImageCatalog.
2. Alnotenerunarchivodecatlogoyacreadodeberemosgenerarunonuevo.Lo
guardaremos en la carpeta Practica6 y le daremos un nombre identificativo
(porejemploLandsat).
3. UtilizalaherramientaAddimagetotheCatalog paraabrirlaventanadel
catlogodeimgenes.
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine
118
5. En la ventana del catlogo de imgenes pulsa Add All y cierra el cuadro de
dilogo.
6. Desde el men despliega Edit y consulta el Catalog Layout. Busca la columna
Path.CuandoestacolumnaestmarcadautilizaelbotnUPparasituarlojusto
encimadelacolumnaProjection.
7. Salva el cambio efectuado, pero asegrate que en el men correspondiente
constalaopcinUser.EntoncespulsaOK.Puedesalargarlacolumnaparaver
elcontenidodelPathcompleto.
NOTA:
Paraaccederaunainformacinmsdetalladaslotienesqueseleccionarelregistrodeunaimagen
determinadayusareliconoImageInfo .
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine
119
8. Para localizar nuestras imgenes en un contexto geogrfico global podemos
utilizarlafuncinVisualQueryGraphicalViewer .
PinchaViewQuerywithincurrentextentsparaincorporaralvisualizadortodas
lasimgensdenuestrocatlogopodemosutilizar.
QueryAllImageswithinCurrentBoundaries .
Conlasherramientasdezoomaproxmatealreadetrabajo.
9. Situndonos sobre la tabla con el listado de imgenes que integran nuestro
catlogo podramos definir criterios de bsqueda. Para ello bastara con
situarnos sobre uno de los registros y con el botn derecho del ratn
seleccionaramosCriteria.
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine
120
Prctica6.2
1. EnelmduloprincipaldeERDASIMAGINE2010despliegalatablaHome,enel
grupoInformationyseleccionaLayerInfo.
Seabrirunaventanadedilogo.
2. EnelmenprincipaldeesaimagenseleccionamosFile/Open,elegimosabrir
imgenestipoTIFFyabrimoslaimagenllamadacuarto_1.
3. En la misma ventana ImageInfo generamos las capas de pirmides
(Edit/ComputePyramidLayers).SealarComputePyramidLayersyelrestode
parmetroslosvamosadejartalycomolosconsignaERDAS.
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine
121
4. Repitelospasos2y3paralaimagencuarto_2.
5. AbreunViewerycargalasdosimgenes:cuarto_1ycuarto_2.
6. UtilizalafuncinSwipeparaanalizarlazonadesolapeentreambasimgenes.
7. Cierra el Viewer y desde el mdulo principal de ERDAS IMAGINE 2010
seleccionalatablaRaster/grupoMosaic/MosaicPro.
8. AccedemosalainterfazgrficaparalageneracindemosaicosenERDAS.
9. DesdeelmenEditaccedemosalaherramientaparacargarlasimgenesque
queremos mosaicar (Add Images). Seleccionamos la imagen cuarto_1 y
pasamosalapestaaImagesOptions.
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine
122
10. ElegimoslaopcinComputeActiveAreaypulsamoselbotnSetmodificando
elCropAreahastael5%.Estoestilcuandolosbordesdenuestrasimgenes
pueden incluir informacin defectuosa. No es el caso, pero an as, vamos a
seleccionarlo.
11. Repitelaltimaparteparacargarlasegundaimagencuarto_2
13. A continuacin definiremos el tipo de lneas de corte por medio de
AutomaticallyGenerateCutlinesforIntersection .
14. MarcamosWeightedSeamlineypulsamosOk.
15. Observa las opciones que ofrecen las herramientas Image Resample Options
ySetOverlapFunction ,perodemomentodejalasopcionesqueteda
pordefecto.
16. ParafinalizarelprocesopulsaRuntheMosaicProccesstoDisk
oaccedealamismaopcindesdeelmenProcces.
17. Da un nombre al archivo de salida y gurdalo en la carpeta Prctica6. En la
pestaaOutputOptionsmarcalaopcinStatsIgnoreValueydejaelvalor0.
PulsaOk.
18. AbreunaventanaVieweryvisualizaelresultadoprestandoatencinalazona
desolape.Puedescompararlo,siquieres,conlasdosimgenesdepartida.
19. CierraelViewer.
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine
123
Prctica6.3
1. AbreeleditordepreferenciasseleccionandoSession/Preference.
2. EnelUserInterface&Sessionlocalizalaspreferenciasrelativasa6orgreater
BandImage.Eligeunacombinacindebandas3,2y1paraloscanalesdelrojo,
verdeyazul,respectivamente.Despus,pulsaUserSaveyClose.
3. Despliega el Viewer y abre los archivos cuarto_1.tif, cuarto_2.tif,
cuarto_3.tifycuarto_4.tif.
4. Cierra el Viewer y desde el mdulo principal de ERDAS IMAGINE 2010
seleccionalatablaRaster/grupoMosaic/MosaicPro.
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine
124
5. AadeloscuatrocuartosLandsatatuespaciodetrabajoconAddImages,enla
pestaaImageAreaOptionsseleccionaUseEntireImage.
6. Ahora vamos a aplicar las correcciones de color para conseguir una mayor
homogeneidad en el archivo de salida. Selecciona el icono Color Correction
Options .
7. ActivalaopcinExcludeAreas.
8. PulsaelbotnSet.
NOTA: Cuando se decide mosaicar una imagen puede resultar conveniente eliminar del proceso
aquellospixelesquepuedenpresentarvaloresextremos(comocuerposdeaguaonubes).Esta
opcintepermitemarcarestetipodecubiertasparaquenosetenganencuentaduranteel
ColorBalancing,ImageDodgingoelHistogramMatching.
9. En la ventana que se abre tenemos dos espacios de visualizacin, uno de la
imagengeneralyotrodedetalle,yunaseriedeiconosparalaseleccindelas
reas a excluir. Localizaremos reas correspondientes a los cuerpos de agua
quepresentancolornegro(visibles,porejemploenlaimagencuarto_3).
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine
125
10. ConlaherramientaCreatePolygonAOI trazaremosunpolgonoenelrea
deintersyconlseleccionadoutilizaremoslaopcinExcludeAreasthatare
spectrally similar . Marcamos un valor mximo de pixel de 80 y nos
aseguramos de que est activa la opcin de bsqueda aplicada a todas la
imgenes.Podemosrepertiresteprocesoparaincluirmspxelesdeaguaode
otrascubiertasqueaparezcanconcolorblanco.
11. DespusdeseleccionarlasreassloquedapulsarApplytoAllycerramosla
ventanaExcludeAreas.
12. A continuacin marcamos la opcin Use Image Dodging y pulsamos sobre el
botnSet.
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine
126
13. En la ventana del Image Dodging deja los parmetros por defecto y pulsa
Previewaceptandoelprocesadodelosparmetrosparatodaslasimgenes.
14. PulsaOksobreelpaneldecorreccionesdelcolor.
15. A continuacin definiremos el tipo de lneas de corte por medio de
AutomaticallyGenerateCutlinesforIntersection .
16. MarcamosWeightedSeamlineypulsamosOk.
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine
127
17. Guarda la configuracin del mosaico en la carpeta Practica6 con el nombre
correccin_dodging.mop.
18. EjecutaelmosaicoatravsdeProcess/RunMosaic.
19. DaunnombredesalidayalmacnaloenlacarpetaPractica6.Enlapestaa
OutputOptionsactivalaopcinStatsIgnoreValue0.
20. AbreelVieweryobservaelresultado.Comparaelresultadoconelobtenidoen
laprcticaanterior,prestaatencinalazonadesolapeentreimgenes.
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine
128
Prctica6.4
3. PulsaelbotnSet.
4. AsegratequelaopcinenelMatchingMethodesForallImages.PulsaOk.
5. Aceptalascorreccionesdecolordefinidasyejecutaelmosaico.Puedesllamar
alarchivodesalidamosaico_dodging_matching.imgyseleccionaStatsIgnore
Value0.
6. Comparaelmosaicogeneradoconelanterior.
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine
129
Obtencin de informacin de la imagen
Combinaciones lineales entre bandas, ndices
ndices
130
Obtencin de informacin de la imagen
TRANSFORMACIONES:
Se trata de generar nuevas bandas que mejoren la interpretacin de la
imagen.
Combinaciones entre bandas que intentan enfatizar alguna variable de
inters: vegetacin, agua, mineral...
Su diseo se apoya en el comportamiento radiativo de esa variable:
maximizar su separacin del resto.
Obtencin de informacin a travs del trabajo con las bandas de la imagen
Combinaciones entre bandas
Tasseled
T l d Cap
C
Componentes Principales
Ventajas de los ndices de Vegetacin:
-Realzan la contribucin de la vegetacin en la respuesta espectral de las
superficies.
-Atenan otros factores: suelo, atmsfera, iluminacin, topografa.
ndices de vegetacin
131
ndices
ndicesdevegetacin
USOS
Discriminacinmasas
vegetales
Hierbaverde Seguimientocambioglobal
Hierbaseca
Previsinriesgoincendios
R IRC
NDVI:ndiceNormalizadodeVegetacin
ndices
El ndice NDVI es un indicativo sensitivo de la presencia y condicin de la vegetacin. Permite
realizar la identificacin y el seguimiento de las reas afectadas por la sequa
sequa.
0=sinvegetacin
[[1,+1]
1, 1] >01=vegetacin
Oscila entre
01 t i
>05=vegetacinmuydensa
132
Usos del NDVI
Tasseled Cap
133
Tasseled Cap
Mximo
verdor Suelo claro
Marchitez
Vegetacin
emergente Lnea de suelo
Suelo
oscuro
Tasseled Cap
V H V
e u e
r m r
d e d
o d o
r a r
d
Brillo
Brillo
Humedad
134
Tasseled Cap
Brillo
Verdor
Humedad
Componentes Principales
Cundo utilizarlos:
135
Componentes Principales
Correlacin entre las bandas
de la imagen de Talavera
Es una tcnica de reduccin de
datos.
B1
Sirve para analizar un conjunto
de variables correlacionadas
B2
entre s las variables son las
bandas de la imagen.
B3
A partir de las variables
originales, se obtienen unas
nuevas (denominadas
B4
componentes principales) que
recogen la variabilidad de
forma ms estructurada. B5
B6
CP1 CP2
CP3 CP4
136
CP5
CP6
Componentes Principales
Muy correlacionados con las variables originales y muy poco correlacionados entre
s (no tienen informacin compartida)
Utilidades:
137
Prctica7:Combinacioneslinealesentrebandas
Para comenzar la prctica abrimos la imagen de la carpeta practica_7 en Erdas la
imagensellamalansat_nw_6bandas_reflectance.img.
ndiceNormalizadodeVegetacin
LageneracindelosndicesmshabitualesestpredefinidadesdelapestaaRaster
grupoClassificationUnsupervisedNDVI:
Frmulaquesevaaaplicar
Desde este cuadro de dilogo podemos aplicar los ndices ms habituales a nuestra
imagen,yapredefinidosparalossensoresmscomnmenteutilizados.
AunquelosndicessepuedencreardirectamentesobrelasimgenesconlosNiveles
Digitales,vamosagenerarelNDVIsobrelaimagendereflectividadaparente,porque
de esta forma podemos atribuir un significado preciso al resultado. Los valores de
NDVI generados sobre los ND originales tienen a subestimar la presencia de
vegetacin.
Cuandoelegimoslaimagendeentradaelprogramadetectaautomticamentequese
tratadeunsensorLandsatTMynosproponeporlotantolafrmulaconlasbandas
correspondientes.SeleccionamosLandsatTMyNDVIenfuncin.
UNIDADSIGCCHS:CursoIntroduccinaltratamientodigitaldeimagenconERDASIMAGINE
138
Aceptamos y visualizamos el resultado en un visor sobre la imagen original con la
combinacindebandasqueprefiramos:
ConlaayudadelaherramientaInquireCursor ,ocualquieradelasherramientas
que ya conocemos para obtener informacin de la imagen, podemos examinar la
imagenparaverquvaloresdeNDVIsecorrespondenconlasdiferentescubiertas.
Quvalorestienenlaszonasdeagua?.Haydiferenciasentrelaszonasdevegetacin
naturalyloscultivosderegado?.Quvalorestienenlaszonasurbanas?.
UNIDADSIGCCHS:CursoIntroduccinaltratamientodigitaldeimagenconERDASIMAGINE
139
TasseledCap
Esta transformacin tambin est predefinida, al menos para los sensores ms
habituales,desdelapestaaRastergrupoClassificationSpectralTasseledCap:
IntroducimoslaimagendereflectividadyseleccionamoscomosensorLandsat5TM6
bands,yaqueestaimagennocuentaconlabandatrmica.Lasalidalavamosacrear
en la carpeta resultados con el nombre tc.img. Si hacemos clic en la pestaa de la
izquierdapodemosverloscoeficientesquesevanaaplicarymodificarlos:
UNIDADSIGCCHS:CursoIntroduccinaltratamientodigitaldeimagenconERDASIMAGINE
140
Sobrelaimagenoriginalvamosavisualizarelresultadodelatransformacin,bandaa
banda,revisandoquzonastienenunvalormsaltodeverdor(banda2)yhumedad
(banda3):
Desdelaherramientaqueyaconocemosparacreargrficosdedispersindebandas
vamosacrearlosplanosdevariacindelaimagendevegetacinysuelos.
AccedemosdesdeRasterSupervisedFeatureSpaceImage:
UNIDADSIGCCHS:CursoIntroduccinaltratamientodigitaldeimagenconERDASIMAGINE
141
Comoimagendeentradaseleccionamoslaqueacabamosdecrear,tc.imgyenOutput
Root Name navegamos hasta la carpeta de resultados y tecleamos el sufijo que
queremosparalasimgenesdedispersindebandas:plano_tc.
Las nicas combinaciones que nos interesan son las que sitan en el eje de la X la
banda1debrilloyenlaYlasbandas2y3,verdoryhumedad,respectivamente:
Unavezseleccionadasaceptamosyvisualizamoslosresultadosenunvisornormal:
Verdor Humedad
Brillo Brillo
Enambosgrficosquedamarcadalaimportanciadelapresenciadeaguaenlaimagen,
debido a los numerosos embalses presentes, las zonas de edificacin no son tan
importantesenelconjuntodelcuartoNWdelaescena.
UNIDADSIGCCHS:CursoIntroduccinaltratamientodigitaldeimagenconERDASIMAGINE
142
AnlisisdeComponentesPrincipales
Accedemos desde la pestaa Raster grupo Resolution botn Spectral Principal
Components:
De nuevo introducimos la imagen con la que estamos trabajando en este mdulo
lansat_nw_6bandas_reflectance.img, aunque en este caso no es necesario trabajar
conlosvaloresdereflectividad,yaqueelresultadonovaarepresentarunavariable
fsica.
Comoimagendesalidavamosacrear,denuevoenlacarpetaderesultados,acp.img.
Abajo a la derecha del cuadro de dilogo tenemos la opcin de elegir el nmero de
componentes deseado, que pueden ser tantos como variables de entrada, es decir,
comobandastengalaimagen.Enprincipiovamosaseleccionarelmximonmerode
componentes posible, para observar cmo van conservando parte de la variabilidad
recogidaenlaimageninicial,esdecir6.
UNIDADSIGCCHS:CursoIntroduccinaltratamientodigitaldeimagenconERDASIMAGINE
143
Recordamos que las nuevas variables se ordenan segn su correlacin con todas las
variablesoriginales,esdecir,elprimercomponenteeselqueretienemayorvarianza
delasvariablesoriginales,elsegundo,algomenos,yashastaelltimo,enqueslo
quedan los residuos, pero que pueden ser importantes, por conteneraquello que es
menosfrecuenteenlaimagen.
CP1
CP2
CP5
CP6
.
.
UNIDADSIGCCHS:CursoIntroduccinaltratamientodigitaldeimagenconERDASIMAGINE
144
Clasificacin de imgenes
145
CLASIFICACIN DIGITAL (TELEDETECCIN CUALITATIVA)
Criterios en la clasificacin
Espectral
Basada en los ND de la imagen.
Espacial:
Basada en la estructura y contexto espacial.
Temporal:
Evolucin estacional de las caractersticas
espectrales y espaciales.
Informacin auxiliar:
MDE, cartografa temtica,
146
FASES DE LA CLASIFICACIN DIGITAL
FASES
147
Mtodo Supervisado
Mtodo No Supervisado
148
Mtodo No Supervisado
ENTRENAMIENTO NO
SUPERVISADO
2. Agrupacin mediante
criterios: algoritmo ISODATA
FASE DE ASIGNACIN
149
Clasificador de paraleleppedos
150
Distancia de Mahalanobis
151
rbol de decisiones
Redes neuronales
152
Lgica borrosa
SALIDAS
Fuentes de error:
1. Problemas con la radiometra de las imgenes.
2. Alta variabilidad de los ND (dificultad de asignarse a una
clase).
3. Insuficiente resolucin espectral/espacial/temporal.
4. Mezcla de seales en el pixel.
5. Falta de informacin auxiliar.
Validacin de datos
153
VERIFICACIN DE RESULTADOS
Matriz de confusin.
La matriz de confusin
Mide el porcentaje
de superficie
REFERENCIA (ha) estimada de cada
clase que ha sido
Exactitud del Error de correctamente
Clase A Clase B Total clasificada.
usuario comisin
Adicionalmente ser conveniente obtener el estadstico kappa. Nos da una idea de hasta que punto el acierto de
nuestra clasificacin se debe al simple azar.
154
Prctica8.1:Clasificacinnosupervisada.
Prctica8.1.1
Elobjetivodeestaprcticaesrealizarunaclasificacinnosupervisada.
1.
DesdelabarraprincipaldeERDASIMAGINEabrimoslapestaaRastergrupo
ClasifficationbotnUnsupervisedopcinUnsupervisedClassification.
2. Como archivo de entrada vamos a introducir la imagen Landsat corregida a
valores de reflectividad aparente realizada en la prctica 4. En la parte del
archivo de salida tendremos que dar un nombre y una ubicacin al mismo.
Podemosllamarlolandsat_clas_no_sup.imguotroqueteparezcaapropiado.
3.Elapartadodelasopcionesdedefinicindeclustersdebemosindicarelnmero
declasesquequeremosobtener.Vamosaindicarquesean10.
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine 155
5.PulsaelbotnColorSchemeOptionsyeligelaopcinGrayscale.
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine 156
de 0.95 (esto significar que si slo cambia un 5 % de pxeles de categora,
entreiteraciones,elprocesodeclasificacinsedaporfinalizado).
NOTA:
Elobjetivodefijarelnmeromximodeiteracionesyelumbraldeconvergenciaesevitarqueel
procesoiterativoquesuponelaaplicacindeISODATAentreenunbuclesinfinal.
7. Dejamos los valores Skip Factors en 1 (si se elevan estos valores se reduce el
tiempo de procesado, pero se provoca que el resultado final sea menos
preciso).
8.UnavezquehayascompletadotodoslosparmetrosrequeridospulsaOk.
10.Visualizaelresultadodelaclasificacinabriendoelarchivoquelorecogeenel
Viewer, en un segundo espacio de visualizacin. En HomeAdd ViewsCreate
New2DView.
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine 157
11. Utiliza la funcin Link que se encuentra en el panel HomeWindowLink All
Viewaparaunirlasdosvistas.
12. Una vez linkadas utiliza las herramientas de zoom o el Inquire Cursor para
observarlaequivalenciaentreclasesytiposdecubiertas.
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine 158
13. Desde la tabla de contenidos pulsando el botn derecho del ratn sobre el
nombre de la imagen resultado de la clasificacin, despliega la tabla de
atributosrasterDisplayAttributeTable.
14. Cambia los colores de la leyenda para que las clases sean ms fcilmente
identificables. Para ello slo tienes que hacer click sobre el registro
correspondiente del campo color. Te saldr una paleta de color
preseleccionada,peropodrselegirotroscoloressieligesOther.
15. Puedes situarte sobre la imagen original y localizar con el Inquire Cursor en
HomeInformation algunas clases fcilmente distinguibles y comprobar a qu
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine 159
categora pertenecen en la imagen clasificada (por ejemplo, el agua, cultivos,
zonasartificiales,distintostiposdevegetacin).
16.Ahora vamosaprobarunmododevisualizacindelresultadodiferente.Para
ellotienesquecargarlaimagenclasificada(enPseudoColor)ylaoriginalenun
mismovisor.Sitaelresultadodelaclasificacinporencimadelaimagensin
clasificar, haciendo click sobre el nombre de la imagen en Contents y
arrastrndolahaciaarriba.
17.Despliega latabladeatributosenelbotnderechodelratnsobreelnombre
de la imagen en la tabla de contenidos Display Attribute Table. Una vez
abiertoslosatributosenelmenTableseleccionarColumnProperties.Atravs
de esta opcin puedes configurar la tabla de atributos, entre otras cosas
puedesmodificarelordenenquesemuestranloscampos.Localizaelcampo
Class_NameysitaloalprincipiodelalistaconlosbotonesUpoTop.Sitael
campoColorjustodebajodelanteriorydespuselcampoOpacity.Cambia
tambin la anchura de visualizacin del campo Class_Name a 20 (Display
With).PulsaOkyobservaloscambiosproducidosenlatabla.
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine 160
18. Ahora sitate con el cursor en el campo Opacity en la tabla de atributos y
pinchasobrelparaseleccionartodoslosregistros.Pinchasobrelaflechaenla
derechadelacabeceradelcampoysitatesobreelespacioFormulayescribe
elvalor0,marcalaopcinApply.TodoslosvaloresdeOpacidadseponena0,
esdecir,dejandeservisibles.
19.Cambia elcolordelaClass_3porazul,enelbotnderechodelratnpincha
SelectNoneysitaelvalor1enelcampoOpacity(compruebaquelaclasese
correspondeconcubiertasdeagua).
20.Activa lafuncinFlickerdesdeelmenHomeViewpinchandoenlasegunda
entradahorizontalyseleccionaelFlickerconlaopcinAutomode.Laclaseque
estabasvisualizandodebeempezaraparpadeardejandofijalaimagenLandsat
defondo.Manteniendoactivaestafuncinutilizalasherramientasdezoomy
desplazamiento sobre la imagen para comprobar si la clasificacin de esta
cubierta ha sido ms o menos precisa (nos sirve para comprobar si los
parmetrosdefinidosdurantelaclasificacinsepuedenquedarasoesmejor
cambiarlos).
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine 161
Clase Nombre
Class_1 Noclasificado
Class_2 Aguaprofunda
Class_3 Aguapocoprofunda
Class_4 Vegetacion1
Class_5 Vegetacion2
Class_6 Vegetacion3
Class_7 Vegetacion4
Class_8 Vegetacion5
Class_9 Cultivos1
Class_10 Cultivos2
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine 162
23.Se despliegaunatablacondistintascampos.UnodeellossellamaNewValue.
EnelprimercampoValueconstaelcdigoresultadodelaclasificacinyenel
segundoconsignaremoselnuevovalor.EnestecampoNewValueescribiremos
el mismo valor para las categoras que queremos agrupar (ser un valor
consecutivo,del1hastael4).Puedesmodificarlosvaloresdelatablaclickando
directamentesobreelregistroamodificaryescribiendoseguidamenteelvalor
o,tambin,seleccionandounoovariosregistroseintroduciendoelnuevovalor
de codificacin en el combo etiquetado como New Value (hay que pulsar el
botnChangeSelectedRows).
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine 163
24. Pulsa Apply cuando ests seguro de haber completado como quieres la
recodificacin de las categoras. Elresultado debe ser algo parecidoal que se
muestraenlaimagen.
25.Paragu ardarelresultadodelarecodificacinrellenaoutputfileenlacarpeta
de resultados con un nombre alusivo, por ejemplo
(class_no_supervi_recodif.img).
26. Si quieres modificar los colores de la leyenda puedes hacerlo desde el men
Table/Colors,talycomohashechoantesenestaprctica.
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine 164
Prctica8.2:Clasificacinsupervisada
Fasedeentrenamiento
Enelprocesodeclasificacinsupervisadaesnecesariocomenzarporasignarlasreas
de entrenamiento. Antes de nada es necesario tener claro cules son las clases que
queremos obtener. Para ello hemos preparado una leyenda basada en las clases del
CorineLandCover2000presentesenlazonadeestudio:
1. Zonasartificiales:tejidourbano,zonasindustriales
2. Cultivosdesecano,mosaicodecultivos,viedos
3. Cultivosderegado
4. Vegetacin1:bosquesdefrondosas
5. Vegetacin2:bosquesdeconferas,mixtos,vegetacindispersa
6. Vegetacin3:zonasdematorral,vegetacinesclerfilaopraderas
7. Agua:lminasycursosdeagua
Desdeelvisor,conlaayudadelasherramientasparalacreacindeAOIyelSignature
Editor,vamosadigitalizarreasdeentrenamientoparacadaunadeestasclases.Para
elloabrimoslaimagenlandsat_nw_6bandas.imgenelvisorconunacombinacinde
bandas4,3,2.
Abrimos la herramienta para crear AOI desde el men ApplicationNew del visor
yeleditordefirmasdesdeRasterSupervisedSignatureEditor:
UNIDADSIGCCHS:CursoIntroduccinaltratamientodigitaldeimagenconERDASIMAGINE
165
ConlaherramientaPolygon delmenDrawingiremosdigitalizandolasreasde
entrenamientoparaluegoaadirlasaleditordefirmasconlaherramientadeCreate
NewSignaturefromAOI :
UNIDADSIGCCHS:CursoIntroduccinaltratamientodigitaldeimagenconERDASIMAGINE
166
Podemosdigitalizartantasreasparacadaclasecomoqueramosyluegoagruparlasen
una sola clase utilizando la herramienta Merge Selected Signatures , que nos
permiteunirlasfirmasquetengamosseleccionadasenunasola:
Deestaformairemosrecolectandofirmasquerecojanlavariabilidaddecadaunade
las clases que queremos obtener. Una vez creada la firma general de cada clase
conviene borrar las anteriores antes de pasar a la siguiente clase, para no crear
confusin.
Como apoyo para la identificacin de las diferentes cubiertas puedes utilizar la tabla
quetienesacontinuacin:
readeentrenamiento Clase
1Zonasartificiales
UNIDADSIGCCHS:CursoIntroduccinaltratamientodigitaldeimagenconERDASIMAGINE
167
readeentrenamiento Clase
2Cultivosdesecano
3Cultivosderegado
4Vegetacin1
5Vegetacin2
UNIDADSIGCCHS:CursoIntroduccinaltratamientodigitaldeimagenconERDASIMAGINE
168
readeentrenamiento Clase
6Vegetacin3
7Agua
UNIDADSIGCCHS:CursoIntroduccinaltratamientodigitaldeimagenconERDASIMAGINE
169
Una vez hemos recolectado suficientes reas de entrenamiento vamos a evaluar su
adecuacin,analizandoelcomportamientoespectraldelascubiertasqueformancada
clase.
Antesdecomenzaryantesdepasaralafasedeasignacinconvieneadjudicaraclase
uncolorquenospermitaidentificarlaconfacilidadevitando,esos,coloresdemasiado
chillones, porque la imagen clasificada que vamos a generar a continuacin tendr
esos colores. Seleccionando la fila correspondiente y haciendo clic sobre el color
podemoscambiarlo:
Una vez elegidos los colores podemos evaluar de varias maneras la adecuacin de
nuestras reas de entrenamiento. Para hacerlo de forma visual contamos con dos
herramientasbsicas;laedicindegrficosdemedias ydehistogramasparacada
banda .Seleccionamoslasclasesquequeramosrevisarymostramoslosgrficosde
medias para ver si responden a las firmas espectrales que podemos esperar decada
cubiertayloshistogramasparavercuntosesolapan.Hacemoslapruebaconlasdos
clasesdecultivosylastresdevegetacin:
UNIDADSIGCCHS:CursoIntroduccinaltratamientodigitaldeimagenconERDASIMAGINE
170
Lasfirmasespectralesparecencorresponderseconloquepodamosesperardecada
cubierta,aunqueaprioriparecequepodramostenerproblemasenladiscriminacin
dealgunasclasescomosonelregadodelavegetacin1,defrondosasolostipos2y3
devegetacin.
Enloshistogramasvemoscmocadaclasesepodrdiscriminarmejorenlasbandas
en las que no se solape con otras. As la clase de vegetacin 1, que hemos
representado en verde clarito, slo se identifica claramente en el infrarrojo cercano,
confundindose con las otras clases de vegetacin en el resto de bandas. El
comportamiento claramente bimodal de la clase de vegetacin 3 puede resultar
indicativodelainclusindecubiertascondiferentecomportamientoespectralenuna
mismaclase.
Las conclusiones de este anlisis grfico de las reas de entrenamiento nos pueden
llevar a volver a tomar algunas clases especialmente o a descartar por completo la
leyenda propuesta por no ajustarse a las condiciones de la imagen y a las clases
espectrales presentes en ella. Los problemas identificados tambin nos permiten
proponer soluciones como pueda ser aplicar un descriptor textural a la hora de
diferenciarlaszonasderegadodelasdevegetacinfrondosa.
UNIDADSIGCCHS:CursoIntroduccinaltratamientodigitaldeimagenconERDASIMAGINE
171
La separabilidad entre clases puede ser evaluada de forma numrica. Accedemos a
esta opcin desde el men Evaluate Separability, dentro de la herramienta del
SignatureEditor.
Elcuadrodedilogoqueseabreacontinuacinnosofreceunaseriedeposibilidades.
Bsicamente podemos analizar la separabilidad en funcin de la distancia euclidiana
entre clases o de su divergencia estadstica, que mide el solape entre categoras. El
posibleproblemadelmtododedivergenciaestadsticaesqueasumeunadistribucin
normal de las clases, lo que no siempre ocurre, como acabamos de ver en los
histogramas.Elegimosporlotantolaopcindedistanciaeuclidianaylepedimosque
nosmuestreenformadeCellarraylamedia,seleccionandolaopcinBestAverage:
Estonospermiteidentificarquclasesestnmsprximasespectralmenteypueden
crearconfusinalahoraderealizarlaclasificacin.
Unavezaceptadaslasreasdeentrenamientovamosaclasificarlaimagen.Antesde
esteltimopasoconvienerestablecerelordendelasclases,quesehavistoalteradoal
ircreandoreasdeentrenamientoyjuntndolas,paraevitarconfusionesconelvalor
de las celdas en la imagen clasificada. Desde el men Edit del Signature Editor
UNIDADSIGCCHS:CursoIntroduccinaltratamientodigitaldeimagenconERDASIMAGINE
172
elegimosValuesresetyOrderreset.VemoscmolascolumnasdeOrderyValues,
queantesseencontrabandesordenadas,sehanorganizadodeformacorrelativa:
CerramoselSignatureEditor.
DesdeelmenClassifierSupervisedClassificationaccedemosalcuadrodedilogo
para la fase de asignacin. Tenemos que especificar la imagen de entrada,
landsat_nw_6bandas.img y el archivo de firmas espectrales que acabamos de crear:
clases.img. La imagen de salida la guardamos en la carpeta de resultados con el
nombreclas_sup.img:
UNIDADSIGCCHS:CursoIntroduccinaltratamientodigitaldeimagenconERDASIMAGINE
173
Y po
or ltimo, teenemos la opcin de generar un na imagen de distanciia, es decirr, una
imaggen en la quue el valor de cada pxel indica la l distancia euclidiana al centro de d su
claseedeperteneencia.
Utilizzando la herramienta
h a Inquire cursor
c podemoss examinar las zonass que
conoocemosdelaimagenparaevaluarrdeformavvisualelresultadodelaaclasificaci
n.
UNIDA
ADSIGCCHS:CursoIntroducciinaltratamien
ntodigitaldeim DASIMAGINE
magenconERD
174
Prctica8.3:Matrizdeconfusin.
Prctica8.3.1
El objetivo de esta prctica es aplicar la matriz de confusin sobre la clasificacin
supervisadaparacomprobarsugradodefiabilidad.
1.AbreunViewerycargalaimagenclasificadamedianteelmtodosupervisado.
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine 175
4. Desde el men View selecciona Select Viewer. Te aparecer una ventana
indicndotequetienesquepulsardentrodelvisorenelquetienescargadala
imagen.HazloyregresaalaventanadelAccuracyAssessment.
6. Para obtener el valor de clase para cada punto hay que ir al men Edit/Show
ClassValues.Muestraelvalorsobrelaimagenclasificada.
7.Debemoscompletarlatablaconelvalordereferenciaparacadapunto,esdecir,
el valor que tiene sobre nuestra realidad terreno (en este caso sobre el
CORINE). Este valor hay que introducirlo. En la carpeta de prcticas existe un
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine 176
archivodeExcelllamadopuntos_valor_corineenelqueserecogeelvalorde
referencia(apareceenlaltimacolumna).Copiaypegalosdatosenelcampo
correspondientedelAccuracyAssessment.
8.Losdatoscorrectamenteinsertadossonlosqueaparecenenlasiguientecaptura
depantalla:
9.ParavisualizarlospuntosdemuestreosobrelaimagensobreelViewervamosal
men View/Show All. Aparecen en color amarillo para indicar que se ha
completado la tabla. Las opciones de visualizacin de la tabla se controlar
desdeelmenView/ChangeColors.
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine 177
11. Finalmente tenemos que calcular la matriz de confusin a travs de
Report/Accuracy Report. Desplegndose un editor de texto con el resultado
del anlisis. En el archivo generado aparece en primer lugar la matriz de
confusin,acontinuacinlasestadsticasdefiabilidad(usuarioyproductor)y,
finalmente,elestadsticoKappa.Puedesguardaresteinformeentucarpetade
prcticas.
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine 178
12. Desde el men Save/Table guardamos los datos de la matriz. Quedarn
almacenadosenelarchivoimgdelaimagenclasificadas.
13.CerramoselAccuracyAssessment.
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine 179
Prctica 8.4: Knowledge Engineer
Como ves es un recorte de la escena landsat completa, de una zona en la que hay
nubes. La prctica va a consistir en crear una mscara de esas nubes. Para ello
contamos con el NDVI, que encontrars en la misma carpeta. Los pxeles con valores
cercanos a 0 en el NDVI se corresponden con las nubes. En este caso, si identificas los
valores de las nubes sobre el NDVI vers que oscilan ms o menos entre -0,07 y 0,01.
Esta herramienta nos permite realizar una clasificacin mediante la toma de decisiones
en rbol. Se basa en el manejo de tres elementos: hiptesis (hypothesis), reglas (rules)
y variables (variables).
Las variables son la informacin de entrada al modelo, en nuestro slo el NDVI, ya que
en funcin de sus valores vamos a decidir cules son nubes y cules no.
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
180
Lo primero que vamos a hacer es salvar el proyecto en la carpeta de resultados de esta
prctica con el nombre mascara.ckb (.ckb es la extensin propia de este mdulo). Por
ser la primera vez que guardamos el proyecto hay que hacerlo desde el men File
Save as, el resto de ocasiones podremos ir guardando los cambios desde .
Las hiptesis sern el resultado final de las decisiones que vayamos especificando a lo
largo del proceso, es decir, las clases del nuevo documento temtico que vamos a
crear, y tambin los pasos intermedios. En nuestro caso slo necesitamos dos clases de
salida para crear una mscara: nubes y resto.
Por ltimo, las reglas son el conjunto de condiciones que unen, en una secuencia
lgica, las variables de entrada con las hiptesis de salida.
Comenzaremos por introducir todas las variables. Desde la zona inferior izquierda
hacemos clic en la pestaa Variables y a continuacin en la opcin Add new item to
list . En la ventana que se abre tenemos que especificar el nombre que tendr la
variable (ndvi), el tipo de datos (raster), la imagen de origen (landsat_nubes_ndvi.img)
y la banda a usar, que ser la 1. Al pulsar el botn de Apply vemos cmo ya se ha
aadido una variable nueva:
Una vez introducidas las variables creamos las hiptesis haciendo clic en y clic de
nuevo en el lienzo que ocupa la zona derecha de la ventana. Aparecer un rectngulo
con la nueva hiptesis, pinchando en el lienzo que ocupa la zona derecha de la
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
181
ventana. Haciendo doble clic en el rectngulo podemos darle un nombre a la hiptesis,
especificar si queremos que se convierta en clase de salida y proporcionarle un color:
Las condiciones para asignar un pxel a la clase nubes ser que su valor de NDVI se
encuentre entre -0,07 y 0,01, como puedes ver en la imagen. Las condiciones que
establecemos dentro de una misma regla se unen mediante el operador lgico AND. Ya
que queremos que nuestra regla se cumpla en cualquier caso, le otorgamos el mayor
valor de confianza, 100.
Para la clase resto tendremos que especificar dos reglas distintas: una para los pxeles
con valor inferior a -0,07 y otra para los pxeles con valor superior a 0,01, puesto que si
estableciramos las dos condiciones sobre una misma regla quedaran unidas por el
operador AND y ningn pxel cumplira la regla:
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
182
Antes de pasar a realizar la clasificacin definitiva podemos revisar el funcionamiento
de nuestras reglas en conjunto o segn las vayamos creando mediante el botn Run
Test Classification , que nos permite comprobar todas las hiptesis o seleccionar
las que queramos, slo para visualizar el resultado en una ventana, sin generar an el
documento definitivo:
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
183
Seleccionamos el archivo que acabamos de salvar y pulsamos Next para definir qu
clases queremos crear y otra vez Next para especificar el archivo de salida, que vamos
guardar en la carpeta de resultados con el nombre de mascara.img:
Una vez terminado abre en ERDAS la imagen landsat original y la mscara para evaluar
el resultado. Aydate con la opcin Blend.
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
184
Prctica 8.4 extra: Knowledge Engineer
Las variables son las entradas del modelo, la informacin con la que contamos, en
nuestro caso:
Variable Explicacin
La clase ms probable para cada pxel asignada en el proceso de clasificacin
Clasificacion1
supervisada.
La segunda clase ms probable para cada pxel asignada en el proceso de
Clasificacion2
clasificacin supervisada.
El Corine2000 reclasificado segn las clases que hemos utilizado en la
Corine
clasificacin supervisada.
Las hiptesis sern el resultado final de las decisiones que vayamos especificando a lo
largo del proceso, es decir, las clases del nuevo documento temtico que vamos a
crear, y tambin los pasos intermedios. En nuestro caso vamos a seguir las 7 clases del
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
185
documento original, aadiendo una ms, que ser intermedia, llamada indefinido, en
la que agruparemos todos los pxeles clasificados como zonas artificiales que se
encuentren fuera de las zonas definidas por el Corine.
Por ltimo, las reglas son el conjunto de condiciones que unen, en una secuencia
lgica, las variables de entrada con las hiptesis de salida.
Comenzaremos por introducir todas las variables. Desde la zona inferior izquierda
hacemos clic en la pestaa Variables y a continuacin en la opcin Add new item to
list . En la ventana que se abre tenemos que especificar el nombre que tendr la
variable (clasificacion1), el tipo de datos (raster), la imagen de origen (clas_sup.img) y
la banda a usar, que ser la 1. Al pulsar el botn de Apply vemos cmo ya se ha
aadido una variable nueva:
Una vez introducidas las variables creamos las hiptesis haciendo clic en y clic de
nuevo en el lienzo que ocupa la zona derecha de la ventana. Aparecer un rectngulo
con la nueva hiptesis, pinchando en el lienzo que ocupa la zona derecha de la
ventana. Haciendo doble clic en el rectngulo podemos darle un nombre a la hiptesis,
especificar si queremos que se convierta en clase de salida y proporcionarle un color:
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
186
De esta manera vamos a crear las siete hiptesis que se corresponden con las clases de
salida. Una vez terminado vamos a crear la hiptesis que nos permitir reasignar las
zonas artificiales mal clasificadas, con el nombre de Indeterminado y especificando que
no queremos crear una clase de salida, para lo que deseleccionamos la opcin Create
an Output Class. Al final tenemos las siete clases ms Indeterminado:
La ltima parte consiste en implementar las reglas lgicas necesarias para reasignar los
pxeles mal clasificados. Lo primero es especificar qu pxeles forman el conjunto de
indeterminados y luego ir desglosando, una a una cules forman el resto de clases.
Seleccionando la herramienta Create rule desplazamos el cursor hasta la hiptesis
que hemos denominado Indeterminado y hacemos clic. Aparecer un nuevo recuadro
enlazado con el anterior; pulsando dos veces en l podremos empezar a especificar las
condiciones que compondrn la regla:
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
187
En este cuadro de dilogo desglosamos las condiciones que se tienen que cumplir para
formar la clase de Indeterminado: en la variable clasificacion1 el valor ha de ser igual a
1 (zonas artificiales) y en el Corine distinto de 1 (zonas artificiales recuerda que el
Corine est reclasificado con la misma leyenda que hemos utilizado para la
clasificacin supervisada -). En el apartado Rule Confidence establecemos el mximo,
que es 100, ya que estamos creando reglas deterministas. Una vez apliquemos los
cambios y cerremos la ventana veremos como tanto la hiptesis como la regla han
cambiado de estar desactivadas a estar activadas, indicando las condiciones:
Del mismo modo vamos a especificar qu condiciones se tienen que cumplir para cada
hiptesis, que sern las siguientes (acordndonos siempre de establecer el nivel de
confianza en 100):
Hiptesis Regla
Clasificacion 1 = 1
1 Zonas artificiales
Corine = 1
Indeterminado = TRUE
2 Cultivos de secano
Clasificacion 2 = 2
3 Cultivos de regado Indeterminado = TRUE
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
188
Hiptesis Regla
Clasificacion 2 = 3
Indeterminado = TRUE
4 Vegetacion 1
Clasificacion 2 = 4
Indeterminado = TRUE
5 Vegetacion 2
Clasificacion 2 = 5
Indeterminado = TRUE
6 Vegetacion 3
Clasificacion 2 = 6
Indeterminado = TRUE
7 - Agua
Clasificacion 2 = 7
De esta forma estamos estableciendo para cada una de las zonas artificiales que no se
correspondan con el Corine la clase de salida correspondiente en la segunda ms
probable de la clasificacin borrosa.
Pero tambin tenemos que especificar que todos los pxeles correctamente
clasificados en la clase ms probable vayan a parar a sus clases respectivas, para lo que
estableceremos una segunda regla para cada hiptesis con una nica condicin: que
tengan se valor en la variable clasificacion 1, es decir 2 para los cultivos de secano, 3
para los de regado, etc. Al final tenemos que conseguir este resultado:
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
189
Antes de pasar a realizar la clasificacin definitiva podemos revisar el funcionamiento
de nuestras reglas en conjunto o segn las vayamos creando mediante el botn Run
Test Classification , que nos permite comprobar todas las hiptesis o seleccionar
las que queramos:
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
190
Aceptamos pulsando OK y esperamos a que termine el proceso para examinar el
resultado sobre la primera clasificacin y ver cmo han cambiado los valores de los
pxeles mal clasificados:
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
191
Prctica9:Visualizacinen3D.
Prctica9.1
Elobjetivodeestaprcticaesrealizarunavisualizacinen3Dconlasherramientasde
ERDASIMAGINE.
DesdeelpanelprincipaldeERDASIMAGINE2010.
1. Creaunanuevavista3DmedianteNEW/3DVIEW.
2. VisualizalaimagenLandsatconlaquehasvenidotrabajandohastaahorayel
MDEobtenidodelosdatosASTER.Ambosestnenformatoimgenlacarpeta
Prctica9.
Despliega este cuadro de dilogo Scene Properties del men Scene en la
pestaa Scene modifica el factor de exageracin del relieve a 2.5 (activa la
funcin Exaggeration e incrementa su valor a 5), pulsa Apply y observa el
cambioproducido.
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine 192
3. Clicando en la orden Create Linked Overview se muestra la herramienta Eye
andTargetenotrovisorsimultneoquenospermitecontrolarlaposicindel
observadoryelpuntoobservado.
Simodificasestasposicionesarrastrndolasconelratnmientraslomantienes
pulsado,observarscmocambialavisualizacin3D.
5. Tambinvasacambiarelmododevisualizarelfondodelaimagen.EnScene
Properties cambia a la pestaa Background despliega la persiana y elige la
opcin Image, despus navega hasta la carpeta Practica9 y carga el archivo
sky.img.PulsaApplyparaqueelcambioseproduzca.
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine 193
6.Cierraelcuadrode dilogo.
7.Con laherramientaPositionEditorsepuedenmodificarnuevosparmetrosque
controlenelefectodevisualizacin.BsicamentesonlascoordenadasXeYdel
puntodeobservacin,suelevacinsobreelterreno,suelevacinsobreelnivel
del mar, el FOV (controla el campo visual en la vertical, si es ms o menos
ancho;apareceenelperfildeayudacomodoslneasamarillas),elpitchesla
bisectriz del FOV y seala el ngulo de la lnea visual (un valor 0 seala la
posicinhorizontal,unvalorpositivoimplicaunaelevacindelaobservaciny
unvalornegativounacada;arrastraconllaposicindelFOV;enelperfilde
ayudasecorrespondeconlalnearoja),elnguloacimutaldeobservacinyel
roll que permite inclinar la observacin. Si clicas el auto apply se visualizaran
automticamente.
8.Puedesconfigurar lageometradeiluminacin.Paraelloutilizalaherramienta
SunPositiondelapestaaSceneyelmenView.
Elpuntonegrosobrelascircunferenciasconcntricasrepresentalaposicindelsol(el
centrodelascircunferenciasrepresentaraelcenit)
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine 194
Apareceunatabla,losregistrosserancadaunadelasposicionesyencolumnas
aparecenlosparmetrosdevisualizacindecadauna.
ParaalmacenarnuestraposicinutilizalaherramientaAddPosition.
11. Una vez que tengas distintas posiciones puedes pasar de una a otra
sucesivamenteconlaopcinGotoNext.
12.Salva tuficherodeposicinconlaopcinSavedesdeelPositionsEditor.
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine 195
13.Se puedealmacenarcadaposicindevisualizacincomounafotografa.Para
ello se recurre al men Application Menu/Save As/View as Image
ysealmacenacomounaimagen.
14.Puedesabrir laimagenresultanteenunnuevoViewer.
Prctica9.2
Parafinalizarvamosaaprenderarealizarunasimulacindeunvueloen3D.
1. AbrimoselFlightPathEditorparadefinireltrazadodelvuelo.
2.Desde elmenUtilityseleccionamosFlyPathEditorparadefinireltrazadodel
vuelo.Sedefineenlavista2D.
3.Parafinalizar eltrazadopulsadosveceselbotnizquierdodelratn.Desdeel
FlightPathEditorpulsalaherramienta.ApplychangestoFlightpath .
4.Pulsa elbotnStartFlightyobservaelvisor.
UNIDADSIGCCHS:IntroduccinaltratamientodigitaldeimgenesconERDASImagine 196
RECURSOS DE TELEDETECCIN
MANUALES DE TELEDETECCIN:
Short, N. M. (2001): The Remote Sensing Tutorial (An Online Handbook). Applied
Information Sciences Branch. NASA's Goddard Space Flight Center
(http://rst.gsfc.nasa.gov). (se baja gratuitamente de internet)
REVISTAS ESPECIALIZADAS
Canadian Journal of Remote Sensing, Canadian Aeronautics and Space Institute (CASI),
130 Slater Street, Suite 818, Ottawa, Ontario K1P 6E2, Canada.
http://www.callisto.si.usherb.ca/~cartel/cjrs.
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
197
Cartography and Geographic Information Science (CaGIS). American Congress on
Surveying and Mapping, 6 Montgomery Village Avenue, Suite 403, Gaithersburg,MD.
http://leporello.ingentaselect.com/vl=8574760/cl=35/nw=1/rpsv/cw/acsm/1523040
6/contp1.htm
Earth Observation Magazine. EOM, Inc., 13741 E. Rice Place, Suite 200, Aurora, CO
80015 (USA). http://www.eomonline.com
Geocarto International, Geocarto International Centre, GPO Box 4122, Hong Kong.
http://www.geocarto.com/e-journal.html
IEEE Transactions on Geoscience and Remote Sensing, IEEE Geoscience and Remote
Sensing Society, Institute of Electrical and Electronics Engineers Inc., 345 E. 47th Street,
New York, NY, 10017 USA.
http://ieeexplore.ieee.org/xpl/RecentIssue.jsp?puNumber=36
International Journal of Remote Sensing, Taylor and Francis Ltd., Rankine Road,
Basingstoke, Hampshire RG24 0PR, Reino Unido.
http://www.tandf.co.uk/journals/titles/01431161.asp
ITC Journal, International Institute for Aerospace Survey and Earth Sciences, P.O. Box
6, NL-7500 AA, Enschede, Pases Bajos. journal@itc.nl
http://www.elsevier.com/wps/find/journaldescription.cws_home/505733/descripti
on#description
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
198
DIRECCIONES TILES EN INTERNET
Imgenes del satlite SPOT: SPOT-Image, 5 rue des Satelites, Toulousse, B.P. 4359, F-
31030, Francia. http://www.spotimage.com
UNIDAD SIG-CCHS: Curso Introduccin al tratamiento digital de imagen con ERDAS IMAGINE
199