UNIVERSIDAD NACIONAL AGRARIA LA MOLINA

FACULTAD DE INGENIERÍA AGRÍCOLA

DEPARTAMENTO ACADEMICO DE RECURSOS HIDRICOS – DRH

UNIVERSIDAD NACIONAL AGRARIA LA MOLINA

FACULTAD DE INGENIERÍA AGRÍCOLA

Curso: Percepción Remota y Sistema de Información Geográfica

Práctica 03: Fundamento teórico de percepción remota

Profesor: Ing. Marcelo Portugués

Alumno: Garcia Olivera, Christian Víctor

ING. MARCELO PORTUGUEZ 1 SEMESTRE 2016 - I I

 UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE INGENIERÍA AGRÍCOLA
DEPARTAMENTO ACADEMICO DE RECURSOS HIDRICOS – DRH

PERCEPCION REMOTA Y SISTEMA DE INFORMACION GEOGRAFICA (Practica)

PRACTICA Nº 03

TRATAMIENTO DE UNA IMAGEN: DESCARGA, COMPOSICION, RECORTE,

MEJORAMIENTO VISUAL

1. Error Radiometrico: A que se debe las lineas perdidas o pixriles perdidos

presentado por el Sensor Landsat 7.
Pixeles o lineas perdidas Si se ha perdido el valor de algún pixel la solución más
simple sería estimarlo como la media de los valores del mismo pixel en las lineas
anterior y posterior (no es recomendable utilizar los pixeles contiguos 79 80 de
la misma linea por que han sido captados por el mismo detector que ha dado el
fallo, por tanto son poco fiables).
NDi,j = round( NDi−1,j + NDi+1,j 2 ) (7.1)
donde round indica redondeo al número entero más cercano. No hay que olvidar
sin embargo que las diferentes bandas de una imagen están altamente
correlacionadas y además los detectores de dos bandas diferentes no son los
mismos. Por tanto podría utilizarse el valor del pixel faltante en una banda
diferente para mejorar la estimación:
NDi,j,k = round((sk sr (NDi,j,r − NDi+1,j,r − NDi−1,j,r 2 + NDi−1,j,k + NDi+1,j,k 2
) (7.2)
En caso de que la imagen abarque un territorio amplio y cambiante resulta
recomendable calcular los coeficientes de correlación y las desviaciones típicas
(sk y sr) en un entorno cercano al pixel perdido.
Para detectar lineas perdidas se compara la media de los ND de una linea con
las medias de las lineas anterior y posterior, para detectar pixeles perdidos se
compara el valor de un pixel con los de los 8 pixeles vecinos mediante algún
procedimiento de filtrado

ING. MARCELO PORTUGUEZ 2 SEMESTRE 2016 - I I

 UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE INGENIERÍA AGRÍCOLA
DEPARTAMENTO ACADEMICO DE RECURSOS HIDRICOS – DRH

2. Descargar Imágenes del Sensor Landsat 5, 7 o 8, que corresponda a dos

periodos diferentes según los codigos Path/Rows, recortar según su
cuenca, describa los cambios de las siguientes variables: Suelo desnudo,
cobertura vegetal, zona urbana, cuerpo de agua. (sustentar su descripción
con gráficos en su imagen).
Cargamos la imagen descargada en el Erdas.

Recortamos la imagen para reducir el tamaño del archivo.

ING. MARCELO PORTUGUEZ 3 SEMESTRE 2016 - I I

 UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE INGENIERÍA AGRÍCOLA
DEPARTAMENTO ACADEMICO DE RECURSOS HIDRICOS – DRH

Obtendremos:

Crearemos nuestro polígono rodeando la cuenca:

ING. MARCELO PORTUGUEZ 4 SEMESTRE 2016 - I I

 UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE INGENIERÍA AGRÍCOLA
DEPARTAMENTO ACADEMICO DE RECURSOS HIDRICOS – DRH

Y obtenemos:

El mismo prorecidmiento realizamos para la segunda imagen.

Podemos observar que las en las bandas (RGB)
123
La cobertura vegetal y nubes se observan con mayor claridad.
321
El suelo se muestra con mayor detalle

ING. MARCELO PORTUGUEZ 5 SEMESTRE 2016 - I I

 UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE INGENIERÍA AGRÍCOLA
DEPARTAMENTO ACADEMICO DE RECURSOS HIDRICOS – DRH

3. Información de las imágenes descargadas:

Imagen N°1 Imagen N°2

Numero de bandas: 3 bandas Numero de bandas: 3 bandas

Tamaño de archivo: 10.57 MB Tamaño de archivo: 11.75 MB

Width:1985 Width:7641

Heigth: 1944 Heigth: 7801

Data Type: Unsigned 8-bit Data Type: Unsigned 8-bit

Resolucion: 30 m Resolucion: 30 m

Projeccion: UTM, Zone 17 Projeccion: UTM, Zone 17

Datum WGS 84 Datum WGS 84

EPSG Code: 32617 EPSG Code: 32617

4. De sus imagenes de satelite 1

RGB 213

COBERTURAS NV COORDENADAS
ND
D G Ga H E. Li P E. D. S.
87 30 125 72 64 87 31 134
X: 3964.74
Zona Urbana 91 20 138 79 62 91 21 131
Y: -2829.06
86 44 122 109 113 86 45 145
93 144 145 89 92 93 54 144
Cobertura X: 4085.06
121 174 255 179 220 121 109 174
Vegetal Y: -2728.65
90 151 135 129 148 90 56 151
92 142 141 141 87 92 50 142
X: 4012.43
Suelo desnudo 94 135 148 148 75 94 30 135
Y: -2520.52
90 151 135 135 148 90 56 151
94 145 148 93 99 94 58 145
X: 4043.93
Agua 05 151 189 130 143 105 62 151
Y: -2777.60
92 155 141 138 165 92 62 155

ING. MARCELO PORTUGUEZ 6 SEMESTRE 2016 - I I

 UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE INGENIERÍA AGRÍCOLA
DEPARTAMENTO ACADEMICO DE RECURSOS HIDRICOS – DRH

RGB 123

COBERTURAS NV COORDENADAS
ND
D G Ga H E. Li P E. D. S.
81 125 107 63 51 81 8 125
X: 3961.68
Zona Urbana 85 122 119 69 50 85 3 122
Y: -2837.77
80 135 104 84 73 80 28 135
82 126 110 64 51 82 12 126
Cobertura X: 4772.11
11 160 214 151 177 111 80 160
Vegetal Y: -1287.24
66 111 68 63 46 66 0 111
115 178 231 162 234 115 138 178
X: 4567.49
Suelo desnudo 111 160 214 151 177 111 80 160
Y: -1064.02
93 157 145 143 173 93 65 157
93 53 145 89 92 93 54 144
X: 4017.5
Agua 107 67 197 137 155 107 68 154
Y: -2627.8
89 53 131 124 138 89 54 150
27 137 119 172 251 136 217 230
X: 5319.33
Nubes 155 178 159 212 255 179 255 255
Y: -2002.0
148 169 90 200 255 169 255 255

RGB 321

COBERTURAS NV COORDENADAS
ND
D G Ga H E. Li P E. D. S.
84 19 116 66 56 84 19 129
X: 4063.54
Zona Urbana 91 20 138 79 63 91 21 131
Y: -2844.38
90 56 135 129 147 90 56 151
109 169 205 149 210 109 115 169
Cobertura X: 5202
21 174 255 179 220 121 109 174
Vegetal Y: -2307.76
92 155 141 138 165 92 62 155
95 147 152 97 105 95 62 147
X: 4190
Suelo desnudo 01 145 174 114 116 101 50 145
Y: -2505.09
96 162 155 157 196 96 73 162
88 136 128 74 68 88 35 136
X: 4042
Agua 104 150 185 126 137 104 59 150
Y: -2774.63
85 143 119 104 105 85 42 143
164 193 140 192 106 104 164
106
208 255 203 247 144 176 208 X: 5194.86
Nubes
144 Y: -1603.75
229 255 195 250 136 185 229
136

ING. MARCELO PORTUGUEZ 7 SEMESTRE 2016 - I I

 UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE INGENIERÍA AGRÍCOLA
DEPARTAMENTO ACADEMICO DE RECURSOS HIDRICOS – DRH

5. A partir de los valores obtenidos de Niveles Visuales (D: por defecto, G:

gamma, Ga: Gaussian, H. E.: histogram equalization, Li.: Linear, P. E.:
photography enhancements, S. D.: Standard Desviation) para las tres
composiciones, grafique la tendencia de los NV para cada tipo de coberturas,
discutir en cada caso, quien se asemeja mejor a las curvas teoricas..

CUVAS DE TENDENCIA DE LOS N.V

DATOS:

Zona Cobertura Suelo

Agua
Urbana Vegetal desnudo
30 144 142 145
20 174 135 151
44 151 151 155
125 145 141 148
138 255 148 189
122 135 135 141
72 89 141 93
79 179 148 130
109 129 135 138
64 92 87 99
62 220 75 143
113 148 148 165
87 93 92 94
91 121 94 105
86 90 90 92
31 54 50 58
21 109 30 62
45 56 56 62
134 144 142 145
131 174 135 151
145 151 151 155

ING. MARCELO PORTUGUEZ 8 SEMESTRE 2016 - I I

 UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE INGENIERÍA AGRÍCOLA
DEPARTAMENTO ACADEMICO DE RECURSOS HIDRICOS – DRH

Tendencia N.V - RGB (213)

300

250

200
Agua

150 Suelo desnudo

Cobertura verde
100 Zona Urbana

50

0
0 5 10 15 20 25

Zona Cobertura Suelo

Agua Nubes
Urbana Vegetal desnudo
125 126 178 53 137
122 160 160 67 178
135 111 157 53 169
107 110 231 145 119
119 214 214 197 159
104 68 145 131 90
63 64 162 89 172
69 151 151 137 212
84 63 143 124 200
51 51 234 92 251
50 177 177 155 255
73 46 173 138 255
81 82 115 93 136
85 111 111 107 179
80 66 93 89 169
8 12 138 54 217
3 80 80 68 255
28 0 65 54 255
125 126 178 144 230
122 160 160 154 255
135 111 157 150 255

ING. MARCELO PORTUGUEZ 9 SEMESTRE 2016 - I I

 UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE INGENIERÍA AGRÍCOLA
DEPARTAMENTO ACADEMICO DE RECURSOS HIDRICOS – DRH

Tendencia N.V - RGB (123)

300

250

200
Agua

150 Suelo desnudo

Cobertura verde
100 Zona Urbana
Nubes
50

0
0 5 10 15 20 25

-50

Zona Cobertura Suelo

Agua Nubes
Urbana Vegetal desnudo
19 169 147 136 164
20 174 145 150 208
56 155 162 143 229
116 205 152 128 193
138 255 174 185 255
135 141 155 119 255
66 149 97 74 140
79 179 114 126 203
129 138 157 104 195
56 210 105 68 192
63 220 116 137 247
147 165 196 105 250
84 109 95 88 106
91 121 101 104 144
90 92 96 85 136
19 115 62 35 104
21 109 50 59 176
56 62 73 42 185
129 169 147 136 164
131 174 145 150 208
151 155 162 143 229

ING. MARCELO PORTUGUEZ 10 SEMESTRE 2016 - I I

 UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE INGENIERÍA AGRÍCOLA
DEPARTAMENTO ACADEMICO DE RECURSOS HIDRICOS – DRH

Tendencia N.V - RGB (321)

300

250

200 Zona Urbana

Cobertura Vegetal
150
Suelo desnudo
Agua
100
Nubes

50

0
0 5 10 15 20 25

En la teoría se puede observar que el agua tiene mayor % de reflectividad,

mientras que en nuestros tres casos no sucede, además casi todas las curvas con
excepción de la del suelo están de bajada, mientras que en nuestro caso las
curvas no tienes una tendencia establecida.

ING. MARCELO PORTUGUEZ 11 SEMESTRE 2016 - I I