Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FACULTAD DE INGENIERÍA
DIRECCIÓN DE POSTGRADO
ESCUELA DE GEOLOGÍA, MINAS Y GEOFÍSICA
MAESTRIA EN CIENCIAS GEOLÓGICAS
Elaborado por:
Ing. Manuel Azancot
C.I. 17.075.319
Ing. Luis Gómez
C.I. 11.590.837
Caracas, 17 de julio de 2018
ANÁLISIS DE IMÁGENES SATELITALES LANDSAT
EN CARACAS
1. Introducción:
El presente trabajo pretende dar referenciar el análisis del terreno de la ciudad de Caracas
mediante el uso de imágenes satelitales tomadas por el satélite LandSat 8.
Durante el desarrollo del informe se podrá observar el proceso que se siguió para la obtención
de las imágenes satelitales, así como el procesamiento de las mismas, proceso que se explicará
mediante la generación de los resultados del análisis.
Para este caso, la imagen a analizar fue buscada y descargada del sitio web
https://earthexplorer.usgs.gov/, donde se filtró imágenes de los últimos 18 años, tal como se
muestra en la figura 3.
Como se podrá observar en la figura 5, la imagen escogida abarca una porción de la región
central del país, así como exhibe una nubosidad moderada en la zona de interés, sin embargo,
esta imagen, una vez comience el procesamiento, está será recortada a la zona de estudio para
su posterior análisis.
Acto seguido, es cargado el archivo pancromático (banda 8), cuyo archivo se denomina
pan1_p04r53.img, para luego seleccionar el área de interés (AOI por sus siglas en inglés),
donde se realiza un subset (recorte y enfocado) de ambos archivos (multiespectral y
pancromático) generando los archivos subunion1_p04r53.img y subpan1_04r53.img
respectivamente (figura 7).
En la figura 9 se puede ver, de igual manera, que el software generó solo 21 clases, a pesar
de haber establecido un máximo de 31, esto se debe a que el algoritmo realiza iteraciones
buscando similitudes en las características espectrales de cada pixel de la imagen, por lo que
no siempre se determinarán la misma cantidad de clases de la establecida como condición.
Una vez realizada esta identificación, se genera una tabla como la mostrada en la figura 11,
y la imagen en escala de grises mostrada en la parte derecha de la figura 10 se transformará,
automáticamente, a la mostrada en la figura 11.
En este caso particular, se esta analizando un paisaje urbano, rodeado por paisajes naturales
altamente intervenidos antrópicamente, lo cual genera cambios a corta distancia, introduciendo
una serie de elementos al paisaje, por lo que, el uso de esta clasificación no supervisada debe
hacerse en imágenes de mayor resolución, en las cuales puedan apreciarse mayor contraste
en las características multiespectrales de las mismas, facilitando el trabajo del algoritmo del
software. Por esta razón se generó la clasificación mostrada en la figura 11, donde no se hizo
distinción entre paisaje natural y urbano, así como elemento de hidrología con estructuras
antrópicas.
ANÁLISIS DE IMÁGENES SATELITALES LANDSAT
EN CARACAS
Por otro lado, la clasificación supervisada depende de las clases que el operador o interprete
detecte en la imagen, para lo cual por facilidad visual, se estableció como base la las bandas
predeterminadas por el software de Landsat 5TM, en su capa TM Water – Land Difference, con
los canales RGB (Red Green Blue) distribuidos de esta manera: R: Layer 6; G: Layer 5: B: Layer
ANÁLISIS DE IMÁGENES SATELITALES LANDSAT
EN CARACAS
4, dando como resultado una imagen con altos contrastes que facilitan la interpretación del
paisaje (figura12).
Figura 12. Imagen obtenida de fusión vista con los parámetros de Landsat 5TM, en su capa TM Water – Land
Difference.
A partir de esta imagen se procede a establecer las clases que representan el paisaje,
seleccionando mediante un polígono un sector tipo de cada clase, dándole un patrón
determinado al software para cada una. En este caso particular, se establecieron 11 clases (6
clases menos que la clasificación no supervisada), tal como se muestra en la figura 13.
ANÁLISIS DE IMÁGENES SATELITALES LANDSAT
EN CARACAS
En este punto se da la orden al programa para que proceda a ubicar las clases seleccionadas
en la imagen, mediante el uso de su algoritmo (figura 14)
Al comparar los resultados de ambas clasificaciones, se puede notar que, para este caso de
análisis de entorno urbano, es necesaria la utilización de imágenes con mayor resolución, para
poder generar una interpretación mas precisa con la clasificación supervisada.
Por otro lado, la clasificación no supervisada puede estar fallando ya que en paisajes
altamente intervenidos por el hombre, los cambios generados en el paisaje existen en distancias
cortas, lo que da la necesidad de disminuir el tamaño de cada pixel de la imagen.