Algebra de mapas y las operaciones con imágenes de

satélites
El objetivo principal de este artículo es la utilidad de la Calculadora Raster en la
realización de operaciones con imágenes provenientes de sensores remotos, sin
embargo es necesario ver someramente (con la salvedad que no soy un experto)
algunos conceptos básicos para abordar este tema. La persona que desee
profundizar, al final le dejo alguna bibliografía donde podrá obtener mas
información. La información provenientes de los sensores remotos es aplicables a
disciplinas como Arqueología, geografía, geología, ecología, forestal, hidrología,
agricultura, áreas urbanas, inventario de recursos naturales, etc.

1. Teledetección:
Es el arte o ciencia de obtener información sobre un objeto, zona o fenómeno, a
través del análisis de información obtenida por un dispositivo o sensor que no se
encuentra en contacto con el objeto, zona o fenómeno de investigación.

2. Sensor remoto:
Es el dispositivo que permite capturar información de los objetos sin tener un
contacto directo con ellos. Puede captar información para diferentes regiones del
espectro y cada una de estas regiones se denomina canal o banda. Los diferentes
canales se pueden caracterizar en función de variables como:

 Amplitud espectral: Región del espectro para la cual capta datos. Se refiere
a la anchura espectral de las bandas.
 Resolución radiométrica: Número de intervalos de intensidad que puede
captar.
 Resolución espacial: Tamaño de pixel.
 Resolución temporal: Se refiere al tiempo que tarda el satélite en pasar dos
veces por el mismo sitito.
En la tabla siguiente se muestra la resolución espacial y temporal así como
lasuperficie del terreno cubierta por una imagen de algunos satélites:

Resolució
Resolució Anchoescen
Satélite Operador n
Pan/multi n espacial a
temporal
(metros) (km)
(días)

Pancromático
Spot1/2/ CNES/SPO 10 60 1-4
Multiespectra
3 T 20 60 1-4
l

Pancromático 10 60 1-4
CNES/
Spot 4 Multiespectra 20 60 1-4
SPOT
l 1000 2200 1

Landsat Space Multiespectr 30

185 16
5 Imaging al 80

Pancromático
U:S
Landsat y 15
Govemme 185 16
7 Multiespectra 30
nt
l

Pancromático
5.8 70 5
y
IRS IC/D ISRO-India 23 150 24
Multiespectra
188 810 3-5
l
 Resolució
Resolució Anchoescen
Satélite Operador n
Pan/multi n espacial a
temporal
(metros) (km)
(días)

Radarsat Canadá N/A 8- 100 50-500 3- 35

ERS ½ ESA 30-50 100-500 3- 35

N/A

18 44
Jers Japón N/A 75-30
15 4-5

Pancromático
Space y 1 11 3.5-5
Ikonos
Imaging Multiespectra 4 11 3.5-5
l

Pancromático
Quick EarthWatc 0.82
y 22 1.5-4
Biird h 3.28
Multiespetral

10 8
SPIN-2 Rusia Pancromático 200-180
2 8

Pancromático
y 1 8 3
OrbView Orbimage
Multiespectra 4 8 3
l

3. Imágenes de satélite
Una imagen raster puede tener una o más bandas de información (entiéndase
Fotografía Aérea con tres bandas una por cada color visible RGB; imágenes de
Satélite multiespectrales o hiperespectrales, etc.). Las bandas espectrales, que son
más frecuentemente empleadas con la tecnología actual son las siguientes:

 Espectro Visible (0,4 a 0,7 m). Se denomina así por tratarse de la única
radiación electromagnética que puede percibir el ojo humano. Hay tres bandas
elementales que son: Azul (0.4um-0.5m); verde (0.5m-0.6m) y rojo (0.6m-
0.7m).
 Infrarrojo próximo (0,7 a 1,3 m). Se le denomina también infrarrojo
reflejado o fotográfico, puesto que parte de él puede detectarse a partir de filmes
dotados de emulsiones especiales. Es importante por su capacidad para discriminar
masas vegetales y concentraciones de humedad.
 Infrarrojo medio (1,3 a 8 m). En donde se entremezclan los procesos de
reflexión de la luz solar y de emisión de la superficie terrestre. Resulta idóneo para
estimar contenido de humedad en la vegetación y detección de focos de alta
temperatura.
 Infrarrojo lejano o térmico (8 a 14 um). Que incluye la porción emisiva
del espectro, se detecta el calor proveniente de la mayor parte de las cubiertas
terrestres.
 Microondas (a partir de 1 m). Con gran interés por ser un tipo de energía
bastante transparente a la cubierta nubosa.
Las características espectrales de los sensores LANDSAT-TM y MSS se muestran en
la siguiente tabla.
MSS Aplicación TM Aplicación

Bandas  () Bandas  ()

4 0,5-0,6 Penetración en el agua, 1 0,45-052 Mapeo de

turbidez, nieve, aguas.Mapeo de
 tipos de bosque,
diferenciación entre
sedimentación en la vegetación y suelos,
misma, infraestructura identificación de
urbana y cuerpos de rasgos culturales
agua. (caminos,
urbanización, etc.)

5 0,6- 07 2 052-0,60 Diferenciación entre

tipos de plantas,
Estudios urbanos,
determinación del
infraestructura
estado de la
caminera y cuerpos de
vegetación,
agua.
identificación de
rasgos culturales.

6 0,7- 08 3 0,63-0,69 Diferenciación de

plantas a través de
Vegetación, redes de
mapeo
drenaje.
de clorofila y
rasgos culturales.

7 0,8-1,1 4 0,76-0,90 Determinación de

Estudios de vegetación, tipos y estado
suelos, humedad, sanitario de
contacto entre tierra y vegetación,
agua. delimitación de
cuerpos de agua.

5 1,55-1,75 Distinción entre

nubes y nieve,
determinación del
contenido de
humedad del suelo
y la vegetación.

6 10,40- Mapeo térmico.

12,50

7 2,08-2,35 Mapeo hidrotérmico.

Humedad retenida
en las plantas.

Nota: El sensor LANDSAT de última generación es el ETM+

4. Análisis visual de imágenes de satélite (composición color)

La técnica más utilizada para formar una composición en falso color, consiste en
mezclar tres imágenes del mismo sitio y fecha correspondientes a distintas bandas
(tabla anterior), representando a cada una de ellas con alguno de los colores rojo,
verde o azul.
Los 256 niveles digitales de cada banda, representables como una imagen
monocromática, se combinan para formar otra imagen en colores. Estos colores y
tonos se emplean para la interpretación visual de las imágenes, combinando las
bandas de manera que se de un primer acercamiento al contenido de la imagen. La
combinación de colores permite discriminar aspectos geológicos, de vegetación, uso
del suelo y morfología de zonas urbanas.

5. Cálculo de NDVI

El cálculo de índices de vegetación es una técnica de uso habitual en teledetección

y es comúnmente utilizada para mejorar la discriminación entre dos cubiertas que
presenten un comportamiento reflectivo muy distinto en dos o más bandas, por
ejemplo para realzar suelos y vegetación en el visible e infrarrojo cercano, y para
reducir el efecto del relieve (pendiente y orientación) en la caracterización espectral
de distintas cubiertas (Chuvieco, 1996).

Los índices de vegetación son útiles porque permiten entre otras cosas.
 Identificación de áreas forestadas-deforestadas.
 Evaluación del estado de la vegetación y su grado de estrés.
 Separación entre distintos tipos de masas vegetales.
 Monitoreo de plagas.
 Evaluación de riesgos de incendio.
De igual forma se pueden derivar variables como contenido de agua en las hojas,
productividad neta de la vegetación, contenido de clorofila en la hoja, dinámica
fenológica, evapotranspiración potencial, etc. Un aspecto interesante del NDVI es
que varía dentro de márgenes conocidos (-1 a +1), cuanto mayor sea el resultado
obtenido, tanto mayor será el vigor vegetal presente en la zona observada.

El índice se vegetación NDVI se calcula con las Bandas 3 y 4 de una imagen y para
ello se utiliza la siguiente ecuación:

Donde
B4 = Banda 4 de la imagen
B3 = Banda 3 de la imagen

6. Transformación Taselled Cap

Supone pasar de las 6 bandas de lansat a 3 bandas con claro sentido físico que
representan el brillo de la imagen (albedo), el verdor y la humedad. Estas
transformaciones permiten llevar a cabo análisis de la densidad y estado de salud
de la vegetación.

El brillo refleja los cambios en la reflectividad total de la escena, se trata de una

suma ponderara de la reflectividad de todas las bandas excepto el térmico.

El verdor. Permite por tanto llevar a cabo análisis de la densidad y estado de salud
de la vegetación.

La humedad se relaciona con el contenido de agua de la vegetación y el suelo.

También se ha encontrado una relación entre este componente y la madurez de la
vegetación. El componente de humedad ha sido también correlacionado con la
madurez de las formaciones vegetales.

Las ecuaciones para calcular estas transformaciones son las siguientes:

Brillo = Ckb1*B1 + Ckb2*B2 + Ckb3*B3 + Ckb4*B4 + Ckb5*B5 + Ckb7*B7

Verdor = Ckv1*B1 + Ckv2*B2 + Ckv3*B3 + Ckv4*B4 + Ckv5*B5 + Ckv7*B7

Humedad = Ckh1*B1 + Ckh2*B2 + Ckh3*B3 + Ckh4*B4 + Ckh5*B5 + Ckh7*B7

Donde:
B1… B7 corresponden a las bandas utilizadas
Los coeficientes Ckb, Ckv y Ckh son los que aparecen en la siguiente tabla
Componente B1 B2 B3 B4 B5 B7
Brillo 0.3037 0.2793 0.4743 0.5585 0.5082 0.1863
Verdor -0.2848 -0.2435 -0.5436 0.7243 0.0840 -0.1800
Humedad 0.1509 0.1973 0.3279 0.3406 -0.712 -0.4572

En ArcGIS para realizar composiciones de color se utiliza la

función CompositeBands, a la cual de accede de la siguiente manera: Del
ArcTool Box, damos clic en Data Manamegent Tools, seguido de Raster y luego
en Raster Processing; donde finalmente seleccionamos la opción Composite
Bands y agregamos todas bandas correspondientes.

Para calcular NDVI y la transformación Taselled Cap, simplemente se aplica el

algebra de mapas. Dado que el objeto de este artículo es la utilización de la
calculadora raster a continuación se verán dos ejemplos al respecto.

En la siguiente figura se ilustran 6 bandas de la imagen utilizada, la región de

Urabá siempre está bastante nublada pero a manera del ejemplo que se quiere
realizar será de mucha utilidad.
7. Calculo del NDVI
Damos clic en Spatial Analyst seguido de Raster Calculator…

En la ventana que nos aparece agregamos las capas correspondientes de acuerdo a

la siguiente ecuación:

NDVI = Float([B4] - [B3]) / Float([B4] + [B3]), el operador Float, en la ecuación,

se utiliza para que el resultado de la operación sea punto flotante. Si se omite Float
el resultado final va ser entero (cero y uno), lo cual es incorrecto para calcular este
índice de vegetación.
Damos clic en el botón Evaluate y el resultado obtenido es el siguiente.

Después de cambiar el color, el resultado es el siguiente:

En esta figura se muestran en color rojo las fuentes de agua y el verde más oscuro
corresponde la vegetación más saludable.

8. Caculo de transformación Taselled Cap

En la calculadora raster escribimos las siguientes ecuaciones

Brillo = 0.3037 * [B1] + 0.2793 * [B2] + 0.4743 * [B3] + 0.5585 * [B4]

+ 0.5082 * [B5] + 0.1863 * [B7]

El resultado es el siguiente:

Verdor = -0.2848 * [B1] -0.2435 * [B2] -0.5436* [B3] + 0.7243 * [B4] + 0.0840
* [B5] -0.1800 * [B7]
El resultado es el siguiente:

Humedad = 0.1509 * [B1] + 0.1973 * [B2] + 0.3279 * [B3] + 0.3406 * [B4]

-0.712 * [B5] -0.4572 * [B7]

El resultado es el siguiente:
Bibliografía

http://www.educ.ar/educar/site/educar/como-leer-e-interpretar-imagenes-
satelitarias.html

http://www.um.es/geograf/sig/teledet/

http://glcfapp.glcf.umd.edu:8080/esdi/index.jsp.

http://www.caece.edu.ar/tea/TEA.htm