PRACTICA 02 – MUESTREOS Y CLASIFICACIÓN

TRATANDO CON FIRMAS ESPECTRALES

Si en un gráfico representamos la longitud de onda en el eje X y la reflectividad en el eje Y,
podemos observar que cada cubierta se ve representada por una cubierta característica en él.
Estas improntas singulares a modo de rúbricas, personalizan su comportamiento espectral frente
al de otras cubiertas. A dichas curvas se les denomina espectro, signaturas o firmas espectrales.
Su diferente trazado permite distinguir entre varias cubiertas o entre estados diferentes de una
misma cubierta.

Seleccione File → Open Image File desde el menú principal de ENVI.

Navegue hasta la carpeta Resultados y seleccione el fichero torata.tif de la lista y abrir.

Seleccione RGB y las bandas 4-3-2.Click “Load RGB” para ver la imagen en un nuevo Display.

FIRMAS ESPECTRALES

Seleccione Tools → Profiles → Z Profile (Spectrum)

desde el menú de la imagen de ENVI.
Examine la firma espectral moviendo el cursor y
posesionándose en diferentes lugares.
Preste atención a la relación entre colores de la imagen
y la forma del spectro.
Saque muestra de los siguientes lugares:

 Nieve
 Vegetación poco vigorosa
 Río
 Vegetación vigorosa
 Suelo desnudo
 Laguna

Preste atención a las líneas de colores azul, rojo

y verde: corresponden a las bandas desplegadas
en cada uno de estos cañones del monitor

Creación de firmas Espectrales

A partir de las firmas espectrales usted podría crear una librería espectral para posteriormente
clasificar la imagen

Seleccione Edit → Data Parameters y cambie el color y el nombre: por ejemplo: color verde,
vegetación vigorosa, vemos que el color de la línea en el spectro ha cambiado a verde, en la
Ventana 1.
Haciendo Click en Options de la ventana Spectral Profile seleccionar Plot Keys, podemos ver
cómo va mostrándose nuestras ediciones de cada cobertura.

Del menú del Z Profile, seleccione Options → New Window Blank

Una nueva ventana se desplegara. A esta ventana vamos a llamarla Ventana 2

Vuelva a la ventana 1, donde tiene la firma espectral del material que usará para
crear su galería espectral. Párese sobre las coordenadas (El nombre Veg.
Vigorosa) y presione el botón derecho del Mouse. Sin soltar, arrastre hasta la
ventana 2. Cuando este sobre esta ventana 2: recién ahí suelte el botón derecho del
Mouse.
Vuelva a la primera ventana y seleccione otra firma espectral de otro material que usará para su
galería espectral. Repita estos procedimientos tantas veces como elementos quiere que figuren
en su galería espectral, en nuestro ejemplo 5 firmas espectrales.

De esta ventana seleccione File → Save Plot As → Spectral Library. La usaremos posteriormente
para clasificar la imagen.
 En la siguiente ventana click en Choose y buscamos una carpeta
para guardar la Librería escepctral que hemos creado. Lo
guardamos con el nombre de Librería Espectral. Una vez
guardado aparece automáticamente en la ventana Available
Band List.

X y Y Profile
Para analizar la Radiancia de la imagen a lo largo de un eje X y Y.

Seleccione Tools > Profiles > Y Profile desde el menú de la imagen de ENVI.

Vera un corte en x de la imagen donde se graficará la radiancia a lo largo de este eje

La línea roja del Profile corresponde al pixel conde se interceptan las líneas rojas de la imagen.
Compruebe como efectivamente corresponde con una baja radiancia baja para todas las bandas.
OBTENCIÓN DE NDVI (Índice de Vegetación)

El Diagnóstico biofísico a partir del levantamiento de cobertura o uso de la tierra es un elemento básico
en la planificación y gestión estratégica del territorio. El Índice de Vegetación (NDVI) es un indicador que
se usa para calcular o estimar la calidad y vigor de la vegetación. El Índice diferencial de vegetación
normalizado NDVI, se calcula a partir de estas medidas individuales de la siguiente manera:

NDVI = (IRCercano – Rojo)

(IRCercano +Rojo)

En donde las variables de ROJO e IRCercano están definidas por las medidas de reflexión espectral
adquiridas en las regiones de rojo e infrarrojo cercano, respectivamente. Estas reflexiones espectrales son
en sí coincidentes de la radiación reflejada sobre la radiación entrante en cada banda individual; por tanto,
estos toman valores entre un rango de 0.0 a 1.0. El índice diferencial de vegetación normalizado NDVI,
varía como consecuencia entre – 1.0 y +1.0.

Proceso de obtención de NDVI

Dentro del Menú principal, ingrese a Transform → NDVI, busque la imagen que desea calcular
el índice y ejecute el proceso. Los valores que más se acercan a 1 implican mayor presencia o
vigor del proceso fotosintético.

(*) Las áreas más blancas se corresponden a aquellas donde el estado fotosintético de la
vegetación es mayor.
CLASIFICACIÓN DE UNA IMAGEN

Esta guía le conduce por los procedimientos multiespectrales típicos de la clasificación, usando
datos de Landsat TM, Colorado. Los resultados de clasificaciones supervisadas y no supervisadas
son examinados y fijan los procesos post-clasificación incluyendo la agrupación, tamizado,
combinación de clases, y se discute la valoración de la precisión alcanzada. Se asume que usted
está familiarizado con las técnicas de clasificación multiespectral.

Clasificación no supervisada
Esta clasificación requiere del usuario pedir un determinado número de clases o cluster a
encontrar. Una vez seleccionada esa cifra, los centros espectrales de estos clusters son calculados
en la imagen, para luego por diferentes iteraciones y en función de las restricciones especificadas
por el usuario se llega a una separación espectral óptima de la información contenida en la
imagen.

Las técnicas de agrupamiento analizan el conjunto de observaciones disponibles para determinar

la tendencia de los patrones a agruparse. Estas técnicas permiten realizar una clasificación
asignando cada observación a un agrupamiento [cluster], de forma que cada agrupamiento
sea más o menos homogéneo y diferenciable de los demás.

Los métodos de agrupamiento asocian un patrón a un agrupamiento siguiendo algún criterio de

similitud. Se han propuesto cientos de algoritmos de agrupamiento más o menos específicos.
ENVI utiliza dos métodos posibles: K-Means o Isodata.

Utilizando el Método IsoData

ISODATA es el acrónimo de Interative Self-Organizing Data Analysis Techniques. Se deben fijar

diferentes parámetros.

K: Número deseado de Clases

A: Número inicial de clases
I: Máximo número de iteraciones permitidas
N: Umbral del número pixeles para la eliminación de clases
S: Umbral de desviación para la división de una clase
C: Umbral de distancia para la unión de clases
L: Máximo número de mezclas en una iteración

A K
I

L
Para Iniciar este ejecricio. Abrimos ENVI y en el menu principal nos dirigimos a Classification →
Unsupervised → Iso Data, no aparece la ventana

 Seleccionamos la imagen que queremos clasificar

 Damos Ok y nos aparece una ventana para insertar

 Los parametros que se trabaja con la clasificación no
 Supervisada.

 Luego en la ventana insertamos en Number of Clases, la cantidad de clases que deseo

obtener entre 10 a 20 por ejemplo.
 En el recuadro de maximas iteraciones pondremos 10 para el ejemplo.
 Respecto al mínimo de pixeles colocaremos 5, el resto dejamos por defecto como
predeterminados.
 Luego escogeremos el archivo de salida en Choose y ruteamos hasta la carpeta donde
guardaremos los resultados. Con el nombre de Clasificacion no supervisada

Esperamos hasta que el proceso termine. Y Aparecerá el

resultado en la ventana Available Band List.
En Available Band List, seleccionamos el archivo Clasificacion no supervisada aplicando Gray
scale lo visualizamos quedando de la siguiente manera, mostrando los colores de acuerdo a la
cantidad de clases que elegimos.

Ahora abriremos un segundo visor (New Display) para visualizar la imagen torata desde donde
se trabajo la clasificación y tendremos lo siguiente:

Luego vamos a realizar un chekeo haciendo Link display entre ambos visores y identificar a que
clase pertenece los colores de la clasificación. Tools -> Link -> Link Display y escogemos la
ventana #1 y revisamos la informacion obtenida.
Luego vamos a comenzar a clasificar las coberturas que por defecto el programa identificó. En
el Menu de la ventana principal nos dirigimos a Overlay -> Clasification y en la ventana Select
Input File seleccionamos el item clasificacion no supervisada y damos OK.

Automaticamente aparece la ventana Interactive Class Tool, donde se encuentra la clasificación

que realizo en programa con el numero de clases que le ordenamos.

Luego en el Visualizador donde se encuentra la Imagen Torata (Display #2), al hacer un check
(√) en cada recuadro de color que se ha identificado de manera automática, esto son el objetivo
de identifcar las zonas que se analizó. Luego toca interpretar que elemento del terreno se
clasifico, para ello tenemos que de acuero al tipo de cobertura se vaya cambiando las bandas
para identificar mejor.
Cuando vayamos identificando cada color a la clase de cobertura que pertenece podemos editar
el nombre y los colores que generó el programa automaticamente.

Nos vamos a la ventana de Iteracion Class Tool y seleccionamos Options -> Edit Class
Color/names

Luego podemos cambiar el nombre en Class name y el

color en RGB – Color.

Para guardar el archivo que estamos editando, en Iteracion Class Tool seleccionamos File ->
Save Changes to File. Guardandose de manera auotmatica en el archivo clasificacion no
supervisada