Capitulo 4

Análisis de datos

El análisis de datos en una investigación es un proceso de inspección, limpieza, corrección,

transformación, clasificación y modelación de datos con el objetivo de resaltar información
útil, conclusiones de sugerencias y ayuda en tomar decisiones. También se refiere al proceso
de evaluación de información usando razonamiento analítico y lógico para examinar cada
componente de la información. Las informaciones de varias fuentes son recogidos revisados y
analizados para formar algunas investigaciones o conclusiones. El análisis de información de
detección remota tiene múltiples facetas y enfoques con diversas técnicas bajo una serie de
clases y dominios. Más adelante nuevas herramientas y técnicas siempre son propuestas y
apreciadas en la comunidad de detección remota. Sim embargo este capítulo no tiene la
intención de escribir las herramientas y técnica sino enfatizara en la discusión general del
análisis de datos con detección remota. Este capítulo se basa en conceptos más que en
herramientas y técnicas y generalmente se da direccionada en contexto.

4.1. análisis de datos y minería de datos

Análisis de datos, en sentido general la detección remota, es el proceso e interpretación de

información reciente para extraer información útil. Tambien se refiere al entendimiento de la
relacion entre la información interpretada y el estado actual o fenómeno, y evaluar la
situación. La minería de datos es una técnica de análisis de datos particular que se enfoca en
modelar y el descubrimiento del conocimiento. Esta técnica, como un proceso de investigación
y descubrimniento de información y conocimiento valido en grandes cantidades de
información, es un campo de investigación reciente; este convierte principios básicos de
conceptos en base de datos, aprendizaje de maquinas, estadística, reconocimiento de
patrones y computación. De hecho la minería de datos debería ser mas apropiado con el
nombre minería de conocimiento de información. Las técnicas de minería de datos, como la
clasificación, regresión, asociación y correlacion fueron aplicados en el campo de la detección
remota. Sim embargomas y mas técnicas sofisticadas siempre están siendo presentados por
los investigadores. El análisis de datos de detección remota trabaja en el principio de problema
inverso. Mientras el objeto o fenómeno de interes no puede ser medida directamente, existen
otras variables que pueden ser detectados y medidos (la observación), la cual puede
relacionarse con el objeto de interes. La analogía común dada para describir esto esta tratando
de determinar el tipo de animal de su huella. Por ejemplo, en la detección remota, una especie
de vegetación puede ser identificado de sus valores en pixel en diferentes bandas, o por
interpretación del tono, color y forma de su corona.

Las informaciones detectadas remotamente son analizadas usando varias técnicas y métodos
de procesamiento de imágenes. Estos incluyen ambas técnicas de prosesamiento visual (o
análogo) aplicados a la información copia tales como fotografías o huellas digitales o la imgen
proyectada en el monitor de la computadora, y la aplicación de algoritmos de procesamiento
de imágenes digitales a la información digital. Uno de los propósitos de aplicar ambas técnicas
visual y digital a la información detectada remotamente es habilitar el análisis de la
información en diferentes formas. El objetivo de procesamiento de imagen es permitir al
investigador a examinar la información de todos los angulos posibles, para ubicar las imágenes
en contexto con su alrededor, y permitir las relaciones de elementos individuales a ser
descubiertos.
La interpretación y análisis manual es el método tradicional de la detección remota para la
interpretación del foto aéreo. El procedimiento y análisis digital es más reciente con la llegada
de la grabación digital de información y desarrollo de computadoras. Ambas técnicas para el
análisis de información de detección remota tienen sus respectivas ventajas y desventajas.

Cuadro 4.1

Nos provee una comparación entre la extracción de información manual y a computadora. Los
métodos humanos y a computadora se suplementan, asi que ambos pueden ofrecer mejores
resultados cuando se combinan.

El procesamiento y análisis digital puede ser llevado a cabo automáticamente identificando

puntos principales y extrayendo información completa sin intervención manual de un
intérprete humano. Sim embargo, rara vez el procesamiento y análisis digital es llevado a cabo
como un remplazo completo para una interpretación manual. A menudo se hace esto para
suplementar y asistir el análisis humano. Un sistema de computadora con un gráfico
interactivo proyecta a través de ello para que los humanos y computadoras pueden trabajar
juntos interactivamente, llamando esto un sistema interactivo de máquina-hombre. En la
mayoría de los casos la mescla de ambos métodos es usualmente empleado en vez del análisis
de imagen. De hecho, la última decisión de la utilidad y relevancia de la información extraido al
final del proceso aun debe ser hecho por humanos. Actualmente, el análisis atravez de
computadoras, como medios de interaccion computadora-humano, es mas popular que el
enfoque reciente de interpretación humana sobre el medio análogo.

Un especialista en detección remota o procesamiento de imagen generalmente tiene las

herramientas que le permiten, almenos en teoría, configurar aplicaciones que resuelven
problemas complejos de comprensión de imagen. Sim embargo, en realidad, el análisis de
datos de observación de la tierra es aun realizada en una forma muy ardua al final de ciclos
repetidos de intentos y errores. Para superar esto, muchas investigaciones están siendo
conducidos para introducir muchas ideas nuevas. Estos son conocidos como minería de
información conducido con el conocimiento que es basado en conceptos centrados en
humanos, la cual implementa nuevas características y funciones permitiendo la extracción
mejorada, buscar en un nivel semántico la disponibilidad del conocimiento colectivo, el
descubrimiento del conocimiento interactivo, y las interfaces de usuarios con nueva visión.
 Método ventajas Limitaciones
Humano (interpretación de Conocimiento del interprete Consumo del tiempo.
imagen visual ) están disponibles. Diferencia individual.
Excelente en extracción de Dificultad del análisis a
información espacial. tiempo de imágenes o
bandas multiples.
Los errores serios pueden
introducir debido al análisis
de propia expectativa.
Computadora Tiempo del procesamiento El conocimiento humano no
(procesamiento de imagen corto. es disponible.
digital) Reproductividad. La extracción de información
Extracción de cantidades espacial es pobre.
físicas. Alto experto en ciencia de
Información comúnmente computación es requerido.
transmitida o convertida al Mas caro (al inicio).
formato digital.
Análisis de punto
individuales (pixel).
Análisis de imágenes o
bandas multiples en una
plataforma simple.
Manejo de grandes
volúmenes de información.
Información fácilmente
manipulable por análisis
estadísticos.
Uso exclusivo de
radiometric.
Corrección de errores
sistemáticos.
Exámenes de presicion.
Salida de imagen controlado.
Copia rápida.
Correlacion de información
de datos.
Generación de mapa
revisada por una imprenta.

La información de detección remota es recogida y analizada para mejorar el entendimiento del

área terrestre – en composición, en forma, o en función. Un enfoque para cumplir esto es
diseñar el proceso de análisis como un compuesto repetitivo de diferentes módulos de análisis
dirigidos. Madhok y landgrebe (2002) han mostrado un diseño modular para el análisis de
información de detección remota
4.1.1. procesamiento de imagen visual.

La interpretación de imagen visual se define como la extracción de información culitativa y

cuantitativa acerca de la forma, locación, estructura, función, calidad, condición, relacionde los
objetos, etc. Usando experiencia y conocimiento humano. Es el proceso de identificación de
objetos y condiciones en imágenes detectada remotamente e infiriendo su signicado. Sin
embargo, la interpretación de imagen requiere conciencia, esfuerzo explicito no solamente
para aprender sobre el sujeto, geografía y sistemas de imagen en un contexto familiar, si no
también desarrollar nuestras habilidades innatas para el análisis de la imagen. Este es uno de
las áreas de procesamiento de imagen que los humanos sobresalen en – extracción de
información de imágenes combinando elementos multiples de interpretación de imagen. Esto
es porque nosotros estamos continuamente procesando imágenes en nuestra vida diaria.
Cuando caminamos en la calle vemos los carros, otras personas, tomamos nota del clima, etc.
Todas estas imágenes pasan a nuestro cerebro donde todas nuestras experiencias y
aprendizajes son usados para extraer la información mas importante. Similar, somos muy
eficientes en aplicar información y conocimiento personal a las puebras de procesamiento de
imagen. Sin embargo, la interpretación de imagen de detección remota es mas complicado
comparando con la interpretación visual del dia a dia a nuestro alrededor .

¿que hace a la interpretación de imágenes mas difícil que la interpretación visual del dia a dia
de nuestro alrededor?. Hay cuatro formas en la cual la detección remota se diferencia de la
vida real. 1) la imagen usualmente se adquiere de arriba. 2) muchos sensores graban la imagen
mas alla de la porción visible del espectro electromagnético. La vegetación saludable aparece
en rojo mas que en verde, en un color de imagen infrarojo. 3) la imagen puede ser adquirido
en resoluciones y escalas no familiares. Los objetos familiares en una imagen de resolución alta
no puede ser reconocida en una imagen de resolución mas grueso. 4) nosotros perdemos el
sentido de dependencia mientras vemos una imagen bidimensional, a menos que podamos
verlo estereoscópicamente para simular la dimensión de altura. En verdad la interpretación
beneficia grandemente en muchas aplicaciones cuando las imágenes son vistas en estéreo.

Un proceso de interpretación de imagen típico incluye lectura de imagen, medida de imagen, y

análisis de imagen. La lectura de imagen es una forma elemental de interpretación de imagen.
Esto corresponde a una simple identificación de objetos usando tales elementos como la
forma, talla relativa, patrones, tonos, textura, color, forma, y otras relaciones asociadas.
Medida de imagen, es la extracción de cantidades físicas, tales como largo, locación, altura,
densidad, tempertura y mas; usando informaion referencial o información calibrada deductible
o indeductible. El análisis de la imagen es el entendimiento de la relacion entre la información
interpretada y el fenómeno o estado actual y evaluar la situación.

Mientras interpretamos la imagen, hay un número de características que habilita alrededor

para detectar, reconocer o incluso identificar objetos de la imagen. Estos elementos de
reconocimiento son: forma, tamaño, patrón, sombra, tono o color, textura, asociación y sitio.
La extensión a la cual cada uno de estos elementos se usa no solamente del área de estudio,
sino del conocimiento que el análisis tiene del área estudiado. Por ejemplo, si un análisis tiene
poca o ningun conocimiento de un área en una imagen ellas pueden usar la forma de los
objetos para distinguir los objetos hechos por el hombre de aquellos que son naturales. La
textura de un objeto es también muy útil es distinguir objetos que pueden parecer lo mismo si
solamente juzgamos el tono (ejemplo: el agua y la piel del árbol pueden tener los mismos
valores de brillo, pero su textura es muy diferente). Todos elementos de interpretación son
herramientas de análisis de imagen muy poderosos cuando están unidos con un conocimiento
general del lugar. Estos elementos, combinado con el multi concepto de evaluación de la
información detectada remotamente en multiples bandas del espectro electromagnético
(multiespectral), en multiples datos (multitemporal), en multiples escalas (multiescala) y en
conjunción con otros científicos (multidisciplinario), nos permite hacer un juicio no solamente
como lo que es un objeto sino su significado. Desde que el multiconcepto en el análisis de
datos de detección remota es extremadamente poderosa y merece una discusion detallada
deberías ver la sección 4.2.

4.1.2. procesamiento de imagen digital

El procesamiento de imagen digital es la aplicación de algoritmos en imágenes digitales para

realizar el procesamiento, análisis y la extracción de información. Como el termino se refiere el
procesamiento de imagen digital no es solamente un pasoen el proceso de detección remota,
sino es un proceso en sí la cual consiste en varios pasos. Es importante recordar que el objetivo
ultimo de este proceso es extraer la información de una imagen que no es leíble
aparentemente o no esta disponible en su forma original. El paso tomado en el proceso de una
imagen será variada de imagen a imagen por multiples razones, incluyendo el formato y la
condición inicial de la imagen, la información de interés (ejemplo transformaciones geológicas
vs el suelo), la composición de elementos y otros. Hay 4 pasos generales en el proceso de una
imagen digital: pre proceso, mejoramiento, transformación y clasificación.

El preproceso, esta función involucra esas operaciones que son normalmente requeridas
prioritariamente al análisis de información y la extracción de información. Antes fe analizar las
imágenes digitales, estos usualmente requieren algun grado de pre proceso. Esto puede
involucrar correcciones radiométricas, las cuales intentan quitar los efectos de errores
sensoriales y factores ambientales. Un método común de determinar que errores se han
presentado en una imagen es a través de modelar la escena en el tiempo de la adquisición de
información usando datos auxiliares recogidas. Las correcciones geométricas también son muy
comunes a cualquier análisis de imagen. Si cualquier tipo de área, medidas de distancia o
dirección se crean usando una imagen, esto debe ser rectificada geométricamente, si estos
tienen que ser precisos.

Mejoramiento de la imagen. - es únicamente para mejorar la apariencia de la imagen para

asistir la interpretación visual y el análisis. Hay numerosos procedimientos que pueden ser
realizados para mejorar una imagen. Los mejoramientos comunes que incluyen reducción de
imagen, magnificación de imagen, extracción, ajuste de contraste (lineal y no lineal), filtración
espacial, etc.

Transformaciones de una imagen. - son operaciones similares en concepto a aquellos para el

mejoramiento de la imagen. Sin embargo, diferente a las operaciones de mejoramiento de
imagen, las cuales son normalmente aplicadas solamente a un canal en particular (banda o
capa) de información a un tiempo, las transformaciones de la imagen usualmente involucran
procesamientos combinados de información de bandas múltiples; por ejemplo, indicación
/racionamiento, tranformaciones (aplicadas en bandas individuales), análisis de componentes
principales, fusión de imagen, etc. Considerados estos procesamientos como mejoramiento.

Clasificación de una imagen y operaciones de análisis. – se usan para identificar digitalmente y

clasificar pixeles en la información. La clasificación usualmente se ejecuta en un conjunto de
información multi espectral, y este proceso designa cada pixel en una imagen a una clase o
tema particular basada en características estadísticas de los valores del pixel. A diferencia de la
interpretación de la imagen visual que usa todos los elementos de la interpretación visual, el
procesamiento de imagen digital principalmente depende en el valor del pixel. Hubieron
algunos sucesos con sistemas expertos y paginas las cuales intentaron habilitar la
computadora para imitar las formas en las cuales los humanos interpretan imágenes. Los
sistemas expertos cumplen con esto a través de un conjunto de una gran información de
conocimiento humano en la cual la computadora trata de interpretarlo. Las paginas de
internet tratan de “enseñar” a la computadora que decisiones debe hacer basadas en un
conjunto de entrenamientos. Una vez que ha aprendido como clasificar la información de
entrenamiento con éxito, se usa para interpretar y clasificar nuevos conjuntos de información.

4.1.3. Salida de información

Una vez que la información detectada remotamente ha sido procesada esto debe ser ubicada
en un formato que puede transmitir efectivamente la información que ha sido propuesta. Esto
se puede hacer en una variedad de formas incluyendo una impresión de la imagen mejorada, y
el mapa de la imagen, un mapa de la temática, un base de datos espacial, resúmenes
estadísticos y gráficos. Debido a que hay varias formas en la cual la salida se puede proyectar,
un conocimiento no solo de detección remota, sino de aquellos campos como sistema de
información geográfico, cartografía y estadística espacial son muy necesarias. Con el
entendimiento de estas áreas y como se interactúan unos con otros, es posible producir la
salida que da el investigador la información requerida sin confusión. Sin embargo, sin ese
conocimiento es mas probable que la salida será pobre y difícil de usarlo adecuadamente.

4.2. multiconcepto en colección y análisis de información de detección remota.

En los primeros días de detección remota, cuando la fuente de información de detección

remota era una fotografía, la capacidad de integración de la información de multiples fuentes
era limitada. Actualmente, con mas información disponible en formatos digitales de una
amplia gama de sensores, la integración de información es un método común usados para la
interpretación y análisis. La integración de información fundamentalmente involucra la
combinación o fusión de información de multiples fuentes en un esfuerzo de extraer mejor y
mas información. Esto puede incluir información que esta en multiplataforma, multiestado,
multiescala, multiespectral, multitemporal, multiresolucion, multisensorial, multiface,
multipolarizacion, etc. Muchas investigaciones de deteccion remota incluyen muchas
categorías de “multi”. En esencia, al analizar diversos conjuntos de información juntas, es
posible extraer mejor o mas información adecuada en una manera mas interactiva que usando
una fuente de información singular.

La información adquirida atraves de diferentes plataformas, con difentes sensores, en

diferentes resoluciones y durantes diferentes tiempos podrán ser incompatibles en algunos
casos. El mas común es geométrico: el pixel que representa la información radiométrica en
algunos intervalos espectrales de algunas áreas en el suelo o en la admosfera, probablemente
no es del mismo tamaño para los diferentes sensores que monitorean el punto principal. Para
combinar el conjunto de información de fuentes diferentes se requieren algunos ajustes en
ambos valores radiométricos y geométricos/ geográficos. Dos pixeles pueden superponerse
parcialmente, estos pueden variar en tamaño. Su característica radiométrica puede requerir
modificaciones. Las correcciones radiométricas y geométricas deben ser aplicados. Algunas
formas de reensamblaje son necesarias usualmente. Las distorsiones deben ser reducidas o
eliminadas. La rectificación tiene que ser incorporada. La reducción o ensanchamiento a una
imagen para sobreponer otra a menudo es vital, requiriendo puntos de control o puntos de
ajuste. Las ventajas de los multisensores dirige a la fussion de una imagen producida por un
sensor de otro. Ambos pueden cubrir el mismo rango de la ola pero se diferencia en la
resolución o tamaño de pixel. Estos pueden ser diferentes tipos de sensores, por ejemplo,
escaners ópticos o radar. Los diferentes sensores a menudo proveen información
complementariay cuando esta integradas juntas pueden facilitar la interpretación y
clasificación de la imagen. Un excelente ejemplo de fusión de imagen multisensoriales la
combinación de información óptica multiespectral con el radar de la imagen. Estas dos
representaciones espectrales diversas de la superficie pueden proveer información
complementaria. La información óptica provee información espectral detallada, útil para
discriminar entre los tipos de cobertores de superficie, mientras el radar de la imagen se
centra en el detalle estructural en una imagen.

La fusión de imágenes multiespectrales de resolución de baja espacial con imágenes

cromáticos de resolución con alta espacial es muy popular para obtener una imagen
multiespectral de resolución con alta espacial. La fusión de información cromática de
resolución mas alta con información multiespectral de resolución mas baja puede
significativamente apuntar el detalle espacial en una imagen y mejorar la discriminacion de
característica. La imagen puede beneficiar con la fusión con otros tipos de imágenes.

El análisis multiesctral es el estudio de la información en diferentes bandas espectrales. La

información multisctral es esencial para crear compuestos de colores, clasificación de
imágenes, índices, análisis de componentes principales, fusión de imágenes, etc. Cada banda
de información en una información multiespectral recogida de un sensor contiene informacion
única e importante. Sabemos que la longitud de ola de una energía están afectados
diferentemente por cada punto principal ( estos están absolvidos, reflectados o transmitidos
en diferentes proporciones. La apariencia de los puntos principales pueden cambiarse
fácilmente en el tiempo, aveces dentro de segundos. En muchas aplicaciones, usando
información de bandas multiespectrales asegura la identificacion del punto principal o la
extracción de información y esto debe ser tan adecuado como posible. El uso de bandas
multiples de información espectral intenta explorar vistas independientes y diferentes de los
puntos principales hasta identificar tan seguro como posible. La información iperespectral, con
una extensión de información multiespectral, son mas útiles para discrimar entre las diferentes
características de la superficie terrestre.

La información de imágenes multiples tomadas de un periodo de tiempo se refiere tanto

como a la información multitemporal. Los multitemporal pueden referirse a imágenes
tomados en días, semanas o incluso años. Las imágenes tomadas en diferentes estaciones a
menudo se refieren a una información multiestacional. Monitorear la superficie cambia o
crece en áreas urbanas, esto requiere imágenes de diferentes periodos de tiempo. La
deteccion del cambio es una de las aplicaciones mas importantes de la información
multitemporal. En general, la detección del cambio involucra la aplicación de un conjunto de
informacion multitemporal a un análisis cuantitativamente de los efectos temporales del
fenómeno. Varias técnicas han sido desarrolladas para mejorar la presicion de la deteccion del
cambio incluyendo la diferenciación de imagen, racionamiento de imagen, clasificación
temporal espectral, comparación, análisis del vector cambio, análisis del componente
principal, etc.

Otra herramiental multitemporal de valor es la observación de la vegetación (como cambia la

vegetación a través del tiempo de crecimiento) la cual requiere información en intervalos
frecuentes durante el tiempo de crecimiento. Los satélites son ideales para monitorear
cambios en la tierra todo el tiempo. Los ciclos repetidos de estos se miden en días o en par de
semanas o mas. Esto facilita el monitoreo de los embrios y la progresión de la vegetación
regional, asi como también la condición del estrés. El corte limpio y el daño del medio
ambiente se monitorean efectivamente. Los efectos y el estado de inundación también
pueden ser evaluados, particularmente ahora que hay un numero diferente de satélites en
operación, tanto asi que las áreas fotografiadas en un dia determinado se han incrementado.
Por supuesto que los cambios de climas diarios son la misión de la mayoría de los satélites
meteorológicos. Los cambios de periodos largos en años también son adecuados para los
satélites en orbita. El mapeo del crecimiento de la ciudad, puntos de la población y otras
categorías también tienen sus usos. El secado de los lagos y los cambios en las áreas costeras
se pueden seguir con una verificación. La degradación y la perdida de humedad en el suelo
generalmente son procesos lentos que pueden ser detectados con el tiempo, quizás lo
suficiente para revertir el daño.

La deteccion remota multiestado es una estrategia para la caracterización del paisaje que
involucra recolección y análisis de información en escalas geográficas diversas en un rango de
niveles generalizados de detalles en el nivel nacional a través de niveles altos de detalle en una
escala local. En la deteccion remota, un enfoque multiestado hacia la adquisición de imagen
implica la adquisición de una cobertura completa de un área de estudio con imagen de baja
resolución y adicional una imagen de alta resolución de una muestra. El muestreo es un
método de estimación de una medida de numerosos ítems a través de la evaluación de una
porción de ellos. Hay un amplio rango de métodos de muestreo estadístico ajustados a
diferentes aplicaciones. El muestreo del multiestado es un método comúnmente escogido por
encuestas de recurso natural usando la deteccion remota. El inventario de recursos forestales
y las encuestas de cultivos son ejemplos comunes. El muestreo del multiestado es un enfoque
jerarquijo en la cual la población estadística primero es dividido en un número de unidades de
muestra primaria, la cual es considerada como el primer paso. Algunos de estas unidades son
seleccionados al azar como la muestra del primer paso y la información es recogida para cada
unidad de muestra elegida. Estas unidades son divididas en una serie de unidades de muestra
secundaria, algunos de la cuales son seleccionadas como la muestra del segundo paso. Este
proceso puede ser repetido para el tercer y demás pasos. En la deteccion remota un enfoque
de multiestado a menudo se aplica a la adquisición de imagen. La cobertura de imagen de baja
resolución menos cara se obtiene para un área de estudio completo (primer paso). Luego la
imagen de resolución alta más cara se obtiene por las áreas seleccionadas (segundo paso). Las
imágenes más detalladas por las observaciones de superficie pueden ser adquiridas por un
muestreo de este segundo paso, resultando en una información de tercer paso, y así
sucesivamente.

Las imágenes de multiescala requiere una serie de imágenes en escalas diferentes, tomadas al
mismo tiempo, sin embargo, la adquisición simultanea es difícil, esto a menudo es posible
adquirir imágenes de fuentes diferentes que han sido tomadas al mismo tiempo, ejemplo,
dentro de unos pocos días a otros. Las imágenes de multiescala podrían incluir imágenes
satelitales, imágenes en vuelo tomadas de diferentes alturas, o usando diferentes lentes de
cámaras. En general, para interpretar las imágenes multiescala usamos las imágenes de escala
larga para interpretar las imágenes de escalas mas pequeñas. Alternativamente la imagen de
escala mas pequeña puede ser usada para propósitos de reconocimiento y la imagen de escala
mas larga para análisis mas detalladas dentro de las subareas seleccionadas de la imagen de
escala mas pequeña.
Las aplicaciones de integración de información multifuente generalmente requieren que la
información sea registrada geométricamente. Esto también permite otras fuentes de
información auxiliar para ser integradas dentro de la información de detección remota. Por
ejemplo, la información de elevación en forma digital, llamado elevación digital o modelos de
terrenos digitales (DEMs/DTMs), puede ser combinada con la información de detección
remota para una variedad de propósitos. DEMs/DTMs puede ser útil en clasificación de
imagen, como efectos debido al terreno y la variabilidad de inclinación que pueden ser
corregidas, potencialmente incrementando la exactitud de la clasificación resultante.
DEMs/DTMs son también útiles para generar vistas en 3D cubriendo la imagen de deteccion
remota con la información de elevación, mejorando la visualización del área fotografiada.

Las actividades del suelo son una parte integral del concepto multi. La colección de información
de la actividad de suelo habilita la calibración (corrección atmosférica, corrección geométrica,
diseño de sensores) de la información de detección remota, y las ayudasen la interpretación y
análisis de lo ha sido detectada.

Combinado la información de diferentes tipos y de diferentes fuentes, tales como los descritos
anteriormente, es la cumbre de la integración y el análisis de información. En un ambiente
digital, donde todas las fuentes de información son registradas geométricamente a una base
geográfica común, la potencial para la extracción de información es extremadamente amplia.
Esto es el concepto para el análisis dentro de un base de datos GIS digital. La integración con
GIS permite un procesamiento de información espacial multifuente.

4.3.3.
El dato debe ser transformado en información y conocimiento, si el objetivo del desarrollo de
aplicaciones operacionales exitosos de la información de detección remota es el objetivo. En
un lado están los científicos, ingenieros y tecnólogos quienes construyen y operan
instrumentos para medir parámetros en el sistema terrestre usando naves espaciales. En otro
lado están los usuarios finales potenciales y actuales (los consumidores informáticos) quienes
tienen requisitos de información, pero saben muy poco acerca del uso de la tecnología de
detección remota para satisfacerlos y críticamente, tienen poco que considerar si cualquier
motivación institucional, personal o financiera, recae en un enfoque. La presencia dentro de
una organización de una persona altamente motivada quien puede tener una organización que
reconoce los beneficios potenciales del uso de información de detección remota y sus
aplicaciones, pueden ser críticos para solucionar los problemas en comunicación.

Sin embargo, aquellos quienes desarrollan sensores, coleccionan y analizan información y

desarrollan productos para responder preguntas técnicas o científicas a menudo tienen pocas
oportunidades de comunicarse con usuarios proyectivos quienes tienen pocas expectativas
técnicas. Esta falta de comunicación constituye una barrera significante para la transferencia
tecnológica. Cerrando la brecha del conocimiento no dependerá solamente de la comunicación
mejorada entre los tecnólogos y los usuarios, sino también en la investigación enfocada en la
conversión del dato en información. Una barrera clave para transformar el dato y las imágenes
en una información significativa es la compresión limitada de cómo convertir las medidas
hechas del espacio en información de valores administrativos, ambientales, infraestructura,
social, económico y ecológico. Para mejorar esta base de conocimiento requiere involucrar
aquellos a quienes se puede conocer sobre la física de la detección remota y las tecnologías
que ayudan a esto. Adicionalmente, los científicos naturales y sociales podrían proveer e
integrar un dato complementario para usar en la transformación del dato de detección remota
reciente en una información útil y los investigadores también podrían purificar o extender el
uso de una aplicación de detección remota existente.

Sin embargo el modelo reciente de conducir una investigación científica y publicar los
resultados en diarios que enfatiza trabajos nuevos y originales pueden desalentar la búsqueda
de investigaciones en aplicaciones, dado que muchas disciplinas científicas y universidades a
menudo juzgan el mérito de un investigador o un proyecto que publican personalmente.
Organizaciones de financiamiento generalmente dan donaciones por investigaciones originales
mas que por trabajos en aplicaciones, creando otra desconfianza para convertir una
investigación de detección remota en aplicaciones. La aplicación mas usada de detección
remota esencialmente permanecerá “remota” a menos que nosotros enfatizamos que las
investigaciones puedan adulterar el conocimiento que falta.