Manual Del Curso Envi PDF

UNIVERSIDAD NACIONAL DE INGENIERIA
UNIMASTER
MANUAL DEL CURSO –TALLER
PROCESAMIENTO DIGITAL DE
IMAGENES DE SATELITE
CON EL ENVI
ELABORADO POR:
ING. LUIS SAMANIEGO POLANCO

CONSULTOR EN GESTION DE RIESGOS DE DESASTRES
DOCENTE DEL DEPARTAMENTO DE CONSTRUCCION
FACULTAD DE INGENIERIA CIVIL
E-mail: lsamaniego@uni.edu.pe
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
INDICE
INTRODUCCION
CAPITULO I
NOCIONES INTRODUCTORIAS
PRINCIPIOS FÍSICOS DE TELEDETECCIÓN
SISTEMAS ESPACIALES DE TELEDETECCIÓN
LA OBTENCIÓN DE LA IMAGEN
EL ENVI Y SUS CARACTERÍSTICAS
CAPITULO II
LA INTERPRETACIÓN DE LOS DATOS
FASES EN LA INTERPRETACIÓN
SELECCIÓN DEL MÉTODO DE ANÁLISIS
TRATAMIENTO DIGITAL DE IMÁGENES
CORRECCIONES, REALCES Y MEJORAS DE LA IMAGEN
CAPITULO III
INTERPRETACIÓN VISUAL DE IMÁGENES
CRITERIOS VISUALES PARA IDENTIFICAR CUBIERTAS
ELEMENTOS DE ANÁLISIS VISUAL
EJEMPLOS DE ANÁLISIS VISUAL
CAPITULO IV
GENERACIÓN DE INFORMACIÓN TEMÁTICA
MODELOS INDUCTIVOS Y DEDUCTIVOS EN TELEDETECCIÓN
COCIENTES E ÍNDICES DE VEGETACIÓN
EJEMPLOS DE CÁLCULO DEL NDVI
CAPITULO V
COMPOSICIÓN DE MAPAS
LA TELEDETECCIÓN Y LOS SISTEMAS DE INFORMACIÓN GEOGRÁFICOS
TALLERES
T1.- CASO APLICATIVO DE TELEDETECCION
T2.- OBTENCION DEL PATH Y ROW DE LAS IMÁGENES SATELITALES
T3.- OBTENCION DE LA IMAGEN
T4.- TRABAJO CON EL ENVI ZOOM
T5.- EL ENVI Y SUS CARACTERISTICAS
T6.- ANALISIS COMPARATIVO VISUAL
T7.- ANALISIS VISUAL DE AREQUIPA
T8.- CORRECCIONES RADIOMÉTRICAS DE IMÁGENES LANDSAT ETM+
CON EL ENVI
T9.- SELECCIÓN DEL AREA DE TRABAJO
T10.- ANALISIS COMPARATIVO CUALITATIVO DE CHICLAYO
T11.- ANALISIS DEL NDVI EN LA CIUDAD DE CHICLAYO
T12.- TELEDETECCION Y LOS SIG
BIBLIOGRAFIA
ANEXOS
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
CAPITULO I
Este capítulo brinda una breve visión de los conceptos generales sobre
procesamiento de imágenes, el tipo de información que puede procesar y las
aplicaciones del ENVI en las ciencias de la tierra. También brinda una visión
general del funcionamiento del software ENVI y las ventajas que proporciona
respecto a otros sistemas de procesamiento de imágenes.
1.1 NOCIONES INTRODUCTORIAS
El término procesamiento digital de imágenes se refiere al uso de una

computadora para manipular los datos de imágenes almacenados en un
formato digital. El objetivo del procesamiento de imágenes aplicado a las
ciencias de la tierra es el de realzar los datos geográficos en un formato digital
para hacerlos más significativos para el usuario, extraer información
cuantitativa y resolver problemas.
Una imagen digital es almacenada como un arreglo bidimensional (o grilla) de

pequeñas áreas llamadas pixels (picture x elements), y cada pixel corresponde
espacialmente a un area de la superficie terrestre. Este arreglo o grilla es
también llamado raster, por lo tanto los datos de imágenes son a menudo
llamados datos raster. El dato raster está ordenado en filas horizontales
llamadas líneas, columnas verticales llamadas muestras. Cada pixel en la
imagen raster está representado por un número digital (o ND).
Esta imagen de NDs puede representar diferentes tipos de datos dependiendo

de la fuente de datos. Para datos satelitales tales como Landsat y SPOT, los
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
NDs representan la intensidad de energía reflejada en longitudes de onda

visible, infrarrojo y otras. Para datos de imágenes de radar (Synthetic Aperture
Radar - SAR), los NDs representan la potencia del pulso de radar que retorna a
la antena. Para modelos de terreno digitales (MTDs), los NDs representan la
elevación del terreno.Independientemente de cual es la fuente, todos estos
tipos de datos pueden ser almacenados en un formato raster.
Aplicando transformaciones matemáticas a los números digitales, el ENVI

puede resaltar datos de la imagen y extraer información sutil que sería
imposible utilizando técnicas tradicionales de interpretación manual. Por tal
motivo el procesamiento de imágenes se ha vuelto una herramienta importante
para todo tipo de aplicaciones de las ciencias de la tierra.
Muchos datasets de imágenes poseen múltiples bandas (o capas) de datos

cubriendo la misma área geográfica, cada una conteniendo un tipo diferente de
información. Por ejemplo, una imagen satelital SPOT HRV-XS tiene tres
bandas de datos, cada una registrando reflexiones de la superficie terrestre en
longitudes de onda de luz diferentes. Como en cada banda se registran
reflexiones de una parte distinta del espectro, este dato es a menudo llamado
dato multiespectral. Muchas técnicas potentes de procesamiento de imágenes
han sido desarrolladas para combinar varias bandas desde las imágenes
multiespectrales para resaltar tipos de información específicas de las ciencias
de la tierra como abundancia de vegetación, parámetros de calidad de agua, o
los tipos de minerales presentes en la superficie terrestre.
1.2 PRINCIPIOS FÍSICOS DE TELEDETECCIÓN
La Teledetección (también llamados sensores remotos) es definida como la

ciencia y tecnología por medio de la cual las características de los objetos de
interés pueden ser identificadas, medidas o analizadas sin contacto directo.
Esto se hace por medio de la adquisición y registro de energía reflejada o
emitida para luego traducirla a archivos de computadora o imágenes impresas
para su posterior interpretación.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
VENTAJAS DE USAR LA TELEDETECCIÓN
• El sistema medidor no disturba el objeto

• Hay periodicidad en la adquisición de datos
• Como la información está en formato digital, se puede automatizar el
proceso de detección
• El sistema observa al objeto en diferentes dimensiones (espacial,
temporal, espectral)
• El sistema cubre una vasta área de la superficie terrestre en cada imagen
1.3 SISTEMAS ESPACIALES DE TELEDETECCIÓN
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
1.4 LA OBTENCIÓN DE LA IMAGEN
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
1.6 EL ENVI Y SUS CARACTERÍSTICAS

El ENVI es el mejor software para obtener información de imágenes
geoespaciales de manera fácil, rápida y precisa. Por sus herramientas fáciles
de usar, su funcionalidad comprobada y resultados rápidos su demanda se
incrementa notoriamente en estos últimos años.
Obtener información critica a partir de imágenes geoespaciales, es cada vez
más importante dada la creciente utilización de éstas como fuente de
información. Por la misma razón, las herramientas y procesos son esenciales
ya que deben extraer la información fácil y en forma precisa sin importar el tipo
de aplicación que necesita, ya sea para propósitos de inteligencia, científicos o
de planeación. Hoy en día, tanto científicos como analistas de imágenes, en
una gran variedad de disciplinas, escogen ENVI, como la mejor solución de
software para extraer información de imágenes geoespaciales. ENVI ofrece
herramientas avanzadas y fáciles de usar para leer, explorar, preparar, analizar
y compartir la información extraída de sus imágenes.
Desarrollado por expertos en procesamiento de imágenes y visualización de

datos, ENVI esta construido en una plataforma extensible que permite acceder
fácilmente a la información y ajustar las aplicaciones ENVI a nuestras
necesidades. Por su plataforma abierta, ENVI puede ser su solución sin
importar el ambiente de trabajo: Windows, Macintosh, Linux o UNIX.
ENVI soporta los formatos utilizados por numerosos satélites y sensores aero-
transportados incluyendo imágenes pancromáticas, multiespectrales,
hiperespectrales, de radar y térmicas. ENVI puede leer más de 70 formatos de
datos incluyendo HDF, GeoTIFF y JITC (NITF).
ENVI nos provee de herramientas automatizadas de procesamiento que

permiten preparar fácil y rápidamente sus imágenes para visualización y para
análisis adicionales. Con ENVI podremos:
• Registrar dos o más imágenes
• Ortorrectificar imágenes
• Calibrar imágenes
• Corregir las distorsiones atmosféricas en las imágenes
• Crear y sobreponer capas vectoriales
• Identificar Regiones de Interés (ROIs)
• Crear Modelos Digitales de Elevación (DEMs)
• Generar imágenes de alta resolución espectral y espacial.
• Realizar mosaicos y máscaras
• Recortar y rotar imágenes
• Determinar índices de vegetación
ENVI nos ofrece una interfase de usuario intuitiva y herramientas fáciles de

usar para ver y explorar nuestras imágenes. Con ENVI podremos visualizar
gran cantidad de datos y metadatos, compararlos y crear representaciones en
tres dimensiones.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
TALLERES
TALLER 1
CASO APLICATIVO DE TELEDETECCION
1.- INTRODUCCION
El presente trabajo consistió en el análisis y síntesis de un documento que
aplica el tratamiento digital de imágenes la teledetección para el
reconocimiento y control de deslizamientos. Donde se presentan diversos
métodos de tratamiento digital.
Se incluyen métodos de segmentación textural de imágenes, basados en su
espectro de textura, para la detección principalmente de flujos de tierra y
deslizamientos rotacionales, así como otros de realce textural de escarpes y
bordes de deslizamientos, de realce espectral para la diferenciación de cuerpos
deslizados, y de visualización tridimensional.
También se presenta un nuevo método para el control indirecto de
deslizamientos sobre áreas extensas, basado en la detección automática de
cambios en la superficie del terreno producidos por movimientos de ladera y el
cálculo de umbrales en imágenes ópticas multitemporales de alta resolución
espacial. Este método se aplica al análisis de la reactivación del gran
deslizamiento de Tessina, en los Alpes orientales italianos, usando para ello
imágenes pancromáticas de 1 m de resolución. Se clasifica de este modo el
deslizamiento en sectores, según su actividad durante el período abarcado por
las imágenes.
2.- LA TELEDETECCION
La teledetección está basada en sus principios tecnológicos en propiedades

de las ondas electromagnéticas definidas como la asociación de dos campos
perpendiculares: El campo eléctrico y el campo magnético.
Físicamente, las ondas electromagnéticas son definidas por tres
características: El ancho de onda (l), la frecuencia (u) y la polarización; estas
variables son unidas a la velocidad c con la relación: C = l u. La polarizacion de
PDI CON ENVI
ING. LUIS SAMANIEGO
UNIMASTER
la onda es función de la evolución del campo eléctrico en un plan, en estas

condiciones la onda es polarizada de una manera rectilínea, espiral o elíptica.
El desplazamiento de la onda en su plan de evolución posee una energía
potencial (E) definida por un rayo electromagnético proporcional a la frecuencia
de la onda electromagnética según E = h u (h: constante de Planck = 6.626 10-
34J.s-1).
La teledetección está interesada de manera particular en los espectros
electromagnéticos producto de la interacción de los rayos electromagnéticos
generados durante el intercambio energético entre la tierra y el sol. En esta
relación se destacan por su uso los espectros siguientes:
a.- El dominio del visible, comprendido en el intervalo de onda del orden de
0.38 hasta 0.78 micro-m. En este intervalo se capta el canal pancromático
utilizado en los estudios urbanos.
b.- El dominio del infrarrojo cercano, comprendido en el intervalo de 0.78 hasta
3 micro-m, de gran uso en los estudios relacionados con la determinación de
los contenidos en agua.
c.- El dominio del infrarrojo medio, comprendido en el intervalo de 3 hasta 8
micro-m, toma como base de su emisión y reflexión la superficie terrestre. Este
dominio es destinado a los estudios de los contenidos en humedad de la
actividad clorofiliana.
d.- El dominio del infrarrojo térmico, comprendido en el intervalo de 8 hasta 15
micro-m, toma como base la emisión exclusiva desde la superficie terrestre,
destinado en general a los estudios relacionados con la meteorología.
Estos cuatro dominios y otros del espectro magnético, delimitan el campo de la

teledetección pasiva, es decir en este caso, los sensores poseen solamente la
propiedad de captar los rayos electromagnéticos emitidos y/o reflejados desde
diferentes fuentes. Al contrario, en la teledetección activa, las fuentes de
emisión están confundidas con los mismos sensores diseñados para captar la
reflexión de los rayos electromagnéticos emitidos desde las mismas fuentes
emisoras (radares, sonares, láser).
En el campo de la teledetección activa, se destacan por su uso las

hiperfrecuencias emitidas y captadas dentro del intervalo comprendido entre 2
hasta 30 cm. de ancho de onda. Es un campo de muy baja energía, utilizado
con gran frecuencia en los estudios oceanográficos.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Diagrama del método de segmentación de imágenes basado en el

espectro textural. En la imagen se observan flujos de tierra y
deslizamientos rotacionales.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
TALLER 2
OBTENCION DEL PATH Y ROW DE LAS IMÁGENES SATELITALES
Lo primero que hacemos es obtener las imágenes satelitales. Utilizando los

Sistemas de Información Geográficos, se ubicaron las coordenadas. Para ello
se ha considerado su PATH y ROW.
Para ello abrimos el ARCMAP para añadir algunos layers.
Con la opción ADD DATA añadimos tres layers al ARCMAP, estos son Cities,
Departamentos y el WRS (Sistema de Referencia Mundial)
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Luego, hacemos doble clic en la leyenda del layer WRS_PERU, para poder
cambiar la simbología y seleccionamos la opción Hollow.
Luego, colocamos el layer WRS_PERU, en la parte superior para que se

superponga a las demás capas. Y obtenemos los cuadrángulos con las
imágenes de satélite tomadas en el Perú, tal como se muestra a continuación:
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Lo siguiente es ubicar el PATH y ROW, osea la fila y la trayectoria de la imagen

que le corresponde a la ciudad de Huaraz. Para ello haremos una búsqueda,
utilizaremos entonces el comando FIND.
La búsqueda la hacemos en el layer Cities, y en el campo CITY_NAME.
Luego de encontrar a la ciudad de Huaraz procedemos a seleccionarla.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Entonces habremos ubicado a la ciudad de Huaraz en nuestro mapa.
Para obtener el Path y Row de la ciudad de Huaraz nos vamos en la Tabla de

Contenidos (TOC), a Selection y desactivamos las opciones Cities y
Departamentos. Luego seleccionamos el cuadrángulo donde se ubica Huaraz.
Finalmente, abrimos la tabla de atributos del layer WRS_Peru y hacemos clic

en Selected.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Obtenemos, lo siguiente:
PATH ROW
HUARAZ 8 67
Luego de obtener dichos parámetros, se obtienen las imágenes satelitales del

ESDI en el Global Land Cover Facility, imágenes gratuitas del Internet.
Se han obtenido dos imágenes satelitales de la ciudad de Huaraz ambas
obtenidas con el sensor TM, la primera del 30 de Diciembre de 1989 y la otra
del 15 de Setiembre de 1991.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
TALLER 3
OBTENCION DE LA IMAGEN
Aquellos que necesiten imágenes satélites para realización de prácticas o

estudios y no dispongan de los recursos económicos para comprarlas, puedan
localizar en la Web del Global Land Cover Facility (GLCF) imágenes que les
puedan servir para sus propósitos de estudio e investigación.
En el caso de que quieran revisar que imágenes están disponibles

gráficamente deben de ir al link: http://www.landcover.org/index.shtml
En su Web comentan que el uso principal (no exclusivo) que le están dando a
las imágenes son:
• Ciencias: Climatología, conservación, geografía y educación.

• Políticas ambientales: calentamiento global, desarrollo sostenible y
gestión de riesgos.
• Gestión de Recursos: Biodiversidad, forestales y inventario forestales
• Gestión de Desastres: Fuegos, inundaciones y seguridad alimentaria
Este servidor ofrece Imágenes satelitales Landsat MSS, TM y ETM+; ASTER;

MODIS; NOAA AVHRR; Modelos de elevación digital (DEM) SRTM, y otros
productos elaborados como composiciones multi-temporales de imágenes, NDVI, y
otros. La mayoría de las imágenes y productos disponibles están en formato
GeoTiff por lo que pueden ser importados directamente a muchas aplicaciones SIG
gratuitas como DIVA-GIS1 , o a programas de procesamiento de imágenes
satelitales como Multispec©2 para crear imágenes en color real o falso color, o
simplemente a cualquier visualizador de imágenes.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Procedemos a ingresar al ESDI (Earth Science Data Interface), y procedemos a

seleccionar el modo de búsqueda como mapa (Map Search) o Landsat Path
Row.
Previamente se obtiene el PATH y ROW de la imagen a descargar, o caso

contrario directamente se busca el cuadrángulo de la imagen a evaluar.
Primer Caso: Map Search
Primero tildar las casillas del producto que se quiere bajar, en este caso serán
imágenes Landsat MSS, TM y ETM+, y luego hacer clic repetidamente sobre el
lugar deseado del mapa (dar tiempo a recargar la página entre cada clic) hasta
visualizar bien el área de interés y la ubicación y cobertura de las escenas
Landsat disponibles (señaladas como rectángulos rojos).
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Luego se procede a descargar las imágenes satelitales del GLCF, de acuerdo

al cuadrángulo seleccionado.
Luego, nos dirigimos a la opción Preview and Download.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Notamos las características de la imagen, por ejemplo que ha sido tomada con
el sensor ETM+, del satélite LANDSAT 7 y que el tipo de archivo es GeoTIFF.
Luego, haciendo un clic en la imagen visualizamos sus características y los

aspectos de nubosidad.
Para la descarga de la imagen nos dirigimos a la opción Download.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Lo primero que nos aparece es un mensaje que nos detalla que la imagen
obtenida es de la Universidad de Maryland – USA, y que las descargas deben
ser moderadas; debido a que si se abusa en el uso de este mediante
aceleradores de descarga o cualquier otro software parecido se nos restringirá
el ID sin previo aviso.
Procedemos a bajar todos los archivos que pertenecen a nuestra imagen,

sobretodo las bandas y el archivo de metadatos.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Segundo Caso: PATH / ROW SEARCH
Para esta parte necesitamos conocer previamente el Path y Row de la imagen

que queremos descargar; por ejemplo si queremos analizar la ciudad de
Huaraz su Path es 8 y su Row es 67.
Luego, de colocarle el Path y Row de la imagen se buscan las imágenes

existentes con la opción Submit Query.
Se obtiene que se ha encontrado una escena de la imagen requerida con el

sensor ETM+.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Se obtiene que se han encontrado dos escenas de la imagen requerida con el

sensor TM.
Luego, nos dirigimos a la opción Preview and Download.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Para la descarga de la imagen nos dirigimos a la opción Download.
Procedemos a descargar todos los archivos de la imagen.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
TALLER 4
TRABAJO CON EL ENVI ZOOM
Primero en el ENVI nos dirigimos a File y la opción Launch ENVI Zoom
Nos aparece la ventana de apertura del ENVI Zoom:
Seguidamente nos aparece el area de trabajo:
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Procedemos a abrir un archivo con la opción FILE y luego OPEN.
Añadimos la imagen:
Podemos rotar la imagen con la opción Rotate.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Podemos simular un vuelo con la opción Fly:
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Podemos realizar diversas mejoras a la imagen como la opción Gaussian.
Podemos hacer mejoras manuales con la opción Interactive Strech.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Con la opción Data Manager podemos ver las características de la imagen trabajada.
Con la opción Data Manager, tambien podemos realizar combinaciones de bandas.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
TALLER 5
EL ENVI Y SUS CARACTERÍSTICAS
Abrimos el siguiente archivo para trabajarlo en el ENVI:
Se visualizara de la siguiente manera:
Mientras trabaje con ENVI, aparecerán en pantalla diferentes ventanas y cajas de

diálogo que le permitirán manipular y analizar su imagen. Las más importantes de estas
pantallas son un grupo de tres ventanas que visualizan su imagen, permitiéndole
moverse dentro de ella y ampliar diferentes zonas. Este grupo de ventanas se denomina
colectivamente como el Grupo de Visualización, que consiste en:
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
• La Ventana Principal
Aquí es donde toda o parte de su imagen se visualiza a la máxima resolución.
• La Ventana de Scroll
Si la imagen completa no cabe en la Ventana Principal, aparece la Ventana de

Scroll, donde se visualiza una copia reducida de la imagen completa, permitiéndole
seleccionar el área a visualizar en la Ventana Principal.
• La Ventana de Zoom
Visualiza una versión aumentada del área seleccionada en la Ventana Principal.
Formato de Ficheros ENVI
ENVI usa un formato de datos raster generalizado, consistente en un simple "fichero

binario plano" y un pequeño fichero ASCII (texto) de cabecera asociado. Este formato
de fichero permite a ENVI usar casi cualquier fichero de imagen, incluyendo aquellos
que contienen su información de cabecera insertada en el propio fichero de datos.
Los datos raster generalizados se almacenan como una serie binaria de bytes en
formatos Band Sequential (BSQ), Band Interleaved by Pixel (BIP), o Band Interleaved
by Line (BIL). BSQ es el formato más simple, con cada línea de datos seguida
inmediatamente por la siguiente línea de la misma banda espectral. Es el formato
óptimo para el acceso espacial (X,Y) a cualquier parte de una simple banda espectral. El
formato BIP proporciona óptimas prestaciones para el procesamiento espectral. BIL es
un formato con prestaciones intermedias entre el procesamiento espacial y espectral. Es
el formato de fichero recomendado para la mayor parte de las tareas de procesamiento
de ENVI.
ENVI soporta una gran variedad de tipos de datos: byte, entero (integer), entero largo
(long integer), coma flotante (floating-point), coma flotante de doble precisión (double-
precision floating-point), y complejo (complex).
El fichero de cabecera separado proporciona información a ENVI sobre: las

dimensiones de la imagen; cualquier cabecera incluida que pueda haber; el formato de
los datos; y cualquier otra información pertinente. Este fichero se crea normalmente
(con los datos introducidos por el usuario) la primera vez que un fichero en particular es
leído por ENVI. Se puede visualizar y editar después si es necesario. Si así lo desea,
también se puede generar ficheros de cabecera de ENVI, desde fuera de ENVI, usando
un editor de textos.
VISTA EN 3D
Podemos visualizar en 3D la imagen con la opción Tools y luego 3D SurfaceView
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Aparece la siguiente ventana:
Seleccionamos la imagen a visualizar y le damos ok.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Nos aparece el modelo en 3D:
Vamos a Options y seleccionamos Surface Controls.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Con las diversas opciones, podemos mover, redimensionar o rotar la imagen, Ademas,
podemos modificar su elevación con la opción Vertical Exaggeration.
Luego podemos ver algunos detalles con la opción Tools y Cursor Location /Value.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Otro detalle importante es mencionar la opción en Tools y luego Pixel Locator.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
TALLER 6
ANALISIS COMPARATIVO VISUAL
1.0 INTRODUCCION
El presente trabajo consiste en realizar una comparación de dos imágenes

satelitales del mismo lugar, en este caso se ha escogido la ciudad de Chiclayo,
debido a que esta ciudad se ha convertido en el eje económico de la macro
región norte del Perú, y esto ha generado en los últimos años un crecimiento
urbano desordenado de la ciudad, que le genera gran exposición, fragilidad y
presenta poca resiliencia para afrontar eventos naturales adversos esperados
en la región Lambayeque como un sismo de gran magnitud, no ocurre uno
hace mas de 400 años en dicha zona, o un FEN.
Para dicho análisis se ha realizado un mejoramiento visual de dichas imágenes,

mediante la composición coloreada. Para ello se han considerado las
combinaciones de Banda 321, 752, 432, 357 y 354.
2.0 EL MEJORAMIENTO VISUAL DE LAS IMÁGENES DE SATELITE

El mejoramiento visual de imágenes es un conjunto de tratamientos digitales
destinados a mejorar la lectura visual de la información contenida en la misma
imágen o mezclando el contenido de varias imágenes. El interés del
tratamiento consiste en llegar a una imagen que permite resaltar los detalles
en términos de color, textura, estructura y contexto. Los resultados de dicho
tratamiento pueden ser utilizados en una estrategia de fotointerpretación
operada directamente por el usuario ó en un paso hacia un tratamiento digital
destinado a aislar y después extraer una información temática.
3.0 LA COMPOSICION COLOREADA
Del momento que el ojo humano es menos sensible a las tonalidades del color
gris, la composición coloreada es quizás la técnica mas utilizada para resaltar
los detalles en una imagen satélite.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
La composición coloreada consiste en operar una mezcla de 3 bandas de una

imagen adentro de un referencial AVR (Azul, Verde, Rojo). A cada banda de la
imagen le será asignado un color dentro del referencial AVR y después
mezcladas en un proceso de síntesis aditiva para la visualización en pantalla ó
un proceso de síntesis sustractiva para fines de impresión.
4.0 ANALISIS VISUAL DE LA CIUDAD DE CHICLAYO
4.1 ANTECEDENTES DE LA CIUDAD DE CHICLAYO
La ciudad de Chiclayo se encuentra ubicada entre las coordenadas geográficas

06°46’19" de Latitud Sur y 79°50’45" de Longitud Oeste. Chiclayo es una
ciudad costera ubicada sobre el Valle Chancay – Lambayeque, presenta una
altitud comprendida entre 30 y 24 m.s.n.m.
El entorno físico presenta un suelo llano de suave pendiente en dirección

descendente NE a SO, con pequeñas elevaciones topográficas entre las que
resaltan Cerropón al oeste de la ciudad y las estribaciones de Reque al sur de
la misma. Caracterizan la calidad de los suelos la composición de depósitos
finos sedimentarios y compresibles formados por arcillas inorgánicas de limos
plásticos y no plásticos, en estratos variables y paralelos.
A partir de las últimas décadas, es evidente el comportamiento metropolitano

que se viene desarrollando en el área urbana conformada por la ciudad de
Chiclayo, y los núcleos: Lambayeque, San José, Pimentel, Santa Rosa,
Monsefú, Eten, Puerto Eten y Reque. En esta área urbana con tendencia
metropolitana, destaca el carácter dinamizador de la ciudad de Chiclayo como
centro urbano principal.
En el período 1940 -1993 la evolución histórica de crecimiento demográfico de

ciudades con tendencia metropolitana en el Perú, muestra que la ciudad de
Chiclayo ha registrado en ese período una tasa de crecimiento promedio anual
de 5.0; muy similar a sus análogas Trujillo, (5.1) y Tacna, (5.3); y un
crecimiento absoluto de 361,879 habitantes que refieren que la población se ha
incrementado 12.5 veces en 53 años. Al año 1993, Chiclayo (393,418 Hab.) era
la segunda ciudad más poblada de la macro región norte del país; después de
Trujillo (472,355 Hab.) y seguida de Chimbote (264,736 Hab.)
Fig. 1 Crecimiento de Ciudades con Tendencia Metropolitana
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Fuente: INEI
Para la ubicación de la ciudad de Chiclayo, primero se trabajo con el ArcGis, en

el ArcMap se añadieron los shapes Departamentos de Perú, principales
ciudades y los sectores WRS (Sistema de Referencia Mundial) del Perú.
Luego con la herramienta de identificación (Identify) se ubico el cuadrángulo al
que pertenece la ciudad, para poder obtener su imagen satelital. Una forma de
obtenerla, es mediante el PATH y el ROW.
A continuación se presentan estos datos para varias ciudades importantes del

Perú:
PATH ROW
CHICLAYO * 10 65
HUARAZ 8 67
ICA 6 70
CAJAMARCA 9 65
PISCO 6 69
Luego de obtener dichos parámetros, se procedió a la obtención de las

imágenes satelitales del ESDI en el Global Land Cover Facility.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
4.2 COMBINACION DE BANDA 3-2-1
La primera es la combinación natural RGB 321 – BANDAS 3,2,1. Es la

percepción más próxima a la percepción de la Tierra con nuestros ojos desde
el espacio, de ahí el nombre de color verdadero. Las bandas visibles dan
respuesta a la luz que ha penetrado más profundamente, y por tanto sirven
para discriminar el agua poco profunda y sirven para distinguir aguas turbias,
corrientes, batimetria y zonas con sedimentos.
Esta composición es denominada “color natural”. Ya que las bandas del
espectro visible son utilizadas en esta combinación, las características del
terreno aparecen en los colores similares a al sistema de visión humano, la
vegetación saludables es verde, campos recientemente limpiados son muy
claros en reflectancia, la vegetación no saludable es marrón y amarilla, las vías
son grises y las líneas de costa de color blanco. Esta combinación provee la
mayor penetración del agua y sedimentos superficiales así como información
batimétrica. Esta es también usada para estudios urbanos. Áreas escasamente
pobladas de vegetación no son tan fácilmente discriminables como en las
composiciones 451 o 432. Las nubes y nevados aparecen en blanco y son
difíciles de distinguir a diferencia de la combinación 451. La combinación 321
no distingue el agua superficial del suelo como si lo hace la combinación 753.
Fig. 2 IMAGEN DE CHICLAYO AÑO 1991 – RGB 321

Fuente: Elaboración Propia
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER

Esta combinación en falso color se utiliza principalmente para estudios de

Geología.
Fig. 4
IMAGEN DE
CHICLAYO
Fuente:
Elaboración Propia
AÑO 1991 – RGB 752 AÑO 2000 – RGB 752
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Esta es la composición estándar denominada "Falso Color". La vegetación

aparece en tonos rojizos, las áreas urbanas son celestes y los suelos varían de
marrón oscuro hacia el claro en toda esta gama. El hielo, los nevados y nubes
son blancos o un celeste ligero. Los árboles coníferos aparecerán más oscura
que los árboles de madera dura. Ésta es una combinación de bandas muy
popular y es útil para los estudios de vegetación, monitoreo de drenajes,
patrones de suelo y en varias fases de crecimiento de los cultivos.
Generalmente, los colores rojos profundos indican hoja ancha y/o la vegetación
más saludable mientras los tonos de rojo más ligeras significan prados o áreas
de vegetación remanente escasa. Se muestran las áreas urbanas densamente
pobladas en azul ligero. Esta combinación de las bandas del TM da resultados
similares al infrarrojo color, tradicionalmente usado en la fotografía aérea

Podemos apreciar en la Fig. 5, de acuerdo a la combinación de Bandas 432,

que la visión infrarroja detalla la gran cantidad de hectáreas de vegetación
vigorosa, cultivos regados y bosques en el valle de la Cuenca Chancay
Lambayeque, próxima a la ciudad de Chiclayo. El color marrón detalla la
vegetación arbustiva existente.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER

De acuerdo a la Fig. 6, podemos ver que la visión infrarroja detalla que desde
el año 1991 hasta el año 2000, se han perdido una gran cantidad de áreas
verdes colindantes a la ciudad de Chiclayo, debido probablemente a la
deforestación, a la expansión de la zona urbana y al abandono de las
actividades agrícolas de las comunidades próximas a la ciudad.
Es muy probable, que otro aspecto importante que haya generado una
modificación tan notoria seria en Fenómeno el Niño ocurrido los años 1997-
1998 y que afectó seriamente a toda la región Norte del país.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Esta es otra composición en falso color RGB que se utiliza para estudios que
detallan el proceso de erosión de suelos.
La erosión es el desgaste o la destrucción de la corteza terrestre,
especialmente las capas más fértiles, por la acción de agentes como el agua,
viento, glaciares, hielo y deshielo, calor y frío, actividad del mar y el hombre.
Los terrenos rocosos resisten mayormente el desgaste, mas no así los
arenosos y calcáreos, que son más endebles y resultan víctimas de los agentes
erosivos. El vaivén del mar ha recortado costas y originado acantilados, como
los que se observan en el norte de Europa; mientras que en el caso de los
glaciares, la erosión que propician ha formado los fiordos, especialmente en
Suecia y Noruega.
Entre todas estas acciones de los agentes erosivos, las que lleva a cabo el
hombre son consideradas las más dañinas, debido a que representan un grave
peligro para toda la población.

PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER

Esta es otra composición en falso color RGB que se utiliza para estudios que
detallan el proceso de clasificación de suelos.
Latitudes norte tienen suelos negros mientras que latitudes tropicales tienen
suelos rojos. La reflectancia del suelo decrece con el incremento del material
orgánico. Mientras la humedad del suelo se incrementa la reflectancia decrece
en todas la longitudes de onda. La textura del suelo causara incremento en la
reflectancia de este con un decremento en el tamaño de este por ejemplo. Las
partículas más grandes (rocas, arena y suelos) básicamente dan una gran
sombra.


PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
5.0 COMENTARIOS FINALES
- La ciudad de Chiclayo ha sufrido un crecimiento desordenado en estos

últimos años, producto de la gran actividad comercial y turística que la han
convertido en una gran Metrópoli. Sin embargo, esto ha conllevado a que
del año 1991 al año 2000 los cambios en las actividades económicas en las
zonas colindantes a la ciudad han cambiado su aspecto considerablemente,
además cabe recordar que es ese lapso de tiempo ocurrió un FEN, que
causo grandes perdidas en los sectores productivos de la región
Lambayeque y de otras regiones del Norte del Perú.
- La composición en color constituye una fuente de información
extraordinaria, y un punto de partida para generar preguntas, hipótesis de
trabajo y sobre todo estrategias para ir verificando el alcance y la
pertenencia de sus preocupaciones de investigación.
- De acuerdo a la combinación de Bandas 432, para 1991 la visión infrarroja
detalla la gran cantidad de hectáreas de vegetación vigorosa, cultivos
regados y bosques en el valle de la Cuenca Chancay Lambayeque, próxima
a la ciudad de Chiclayo. Sin embargo, para el año 2000 se han perdido una
gran cantidad de áreas verdes colindantes a la ciudad, debido
probablemente a la deforestación, a una expansión de la zona urbana sin
control y al abandono de las actividades agrícolas de las comunidades
próximas a la ciudad.
- Otra composición utilizada en falso color RGB fue la que detalla proceso de
erosión de suelos, combinación de Banda 357. Esta comparación también
nos muestra los grandes procesos erosivos ocurridos principalmente por
inundaciones en las zonas colindantes a la ciudad de Chiclayo.
- La construcción de carreteras, canales, urbanizaciones, en zonas con
riesgo de erosión, conlleva el trazo de pendientes inestables, por lo que
estas frágiles laderas, expuestas a la lluvia o filtración de agua, al final
ceden, provocando deslizamientos o derrumbes.
- Indudablemente que la existencia de un buen manto vegetal ayuda a
neutralizar la acción de los agentes erosivos. Se logra una reducción de la
energía de las gotas de agua en las partes altas de las plantas,
disminuyendo su impacto. Con la captación de una parte de la lluvia,
también hay una disminución en la velocidad del escurrimiento por la
superficie al aumentar la escabrosidad del terreno.
- Otra composición utilizada en falso color RGB fue la que detalla proceso de
clasificación de suelos, combinación de Banda 354.
- Finalmente, para el análisis de imágenes de satélite se requiere un
conocimiento previo de la zona existente en la imagen, en este caso de la
ciudad de Chiclayo. Este conocimiento previo, implica la ubicación de la
imagen en cierto contexto, influenciado por el tipo de análisis que se
pretende realizar. No es lo mismo realizar un análisis de Coberturas
Vegetales y Usos del Suelo, que plantearse una Caracterización Geológica
de un terreno.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
TALLER 7
ANALISIS VISUAL DE LA CIUDAD DE AREQUIPA
1.0 INTRODUCCION
La teledetección está basada en sus principios tecnológicos en propiedades de
las ondas electromagnéticas definidas como la asociación de dos campos
perpendiculares: El campo eléctrico y el campo magnético.
2.0 LAS FIRMAS ESPECTRALES Y LA IDENTIFICACION DE OBJETOS

GEOGRAFICOS
La diferencia en la reflectancia de los objetos geográficos nos da la posibilidad

de identificarlos sobre una imagen compuesta por el producto de la captación
remota de la señal emitida por cada objeto. En la práctica esta posibilidad de
captación extendida es relativamente ponderada por varios factores:
En primer lugar, es importante identificar de una manera más precisa lo que

entendimos por los términos de objetos geográficos. Los techos de dos
edificios vecinos, en caso que constituyen dos objetos geográficos
semánticamente idénticos, estos pueden ser totalmente diferentes por su
composición química, su tamaño, su orientación su textura y estructura …Etc.
Estas diferencias y otras generadas en el marco de las desigualdades
mencionadas anteriormente, nos arrojan a menudo otras medidas de las
esperadas al momento de querer pasar de una identificación individual hacia un
grupo de individuos geográficos.
En segundo lugar, dos objetos geográficos naturalmente semejantes como en

el caso de dos parcela de trigo vecinas en la periferia urbana, nos pueden
arrojar reflectancias diferentes en función de su estado fisiológico, la densidad
de plantación, la orientación de las parcelas…Etc.
En tercer lugar, las interferencias del entorno geográfico del objeto a identificar,
juegan tambien un papel en la distorsión de la reflectancia. El mismo objeto
captado durante una fuerte polución urbana, puede presentar una reflectancia
diferente en las condiciones normales. La mezcla de la información es también
producto de la inadecuación entre los tamaños a detectar y la debilidad de los
captores a restituir la reflectancia dentro del abanico de sus capacidades
radiométricas y espaciales.
En cuarto lugar, la adecuación entre lo que se busca y la capacidad de

restitución de los captores no constituye por si sola una limitante única. Los
parámetros inherentes a los satélites mismos durante la toma de imagen
juegan un papel determinante: la hora, la estación y el ángulo de la toma entre
otros, están lejos de ser factores marginales y sus grados de incidencia son
variables en función de los estudios a realizar.
Buscar firmas espectrales de los diferentes objetos geográficos de interés, nos

parece como un ejercicio difícil pero no del todo imposible. La existencia de la
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
teledetección es la respuesta a estas dificultades una vez que hemos tomado

conciencia de las limitaciones objetivas que presenta nuestro instrumento de
trabajo. Como lo vamos a ver en algunos ejemplos, muchas vecez, las
limitaciones del instrumento son usadas para poner en relieve fenómenos de
importancia para los estudios urbanos.
3.0 EL MEJORAMIENTO VISUAL DE LAS IMÁGENES DE SATELITE

El mejoramiento visual de imágenes es un conjunto de tratamientos digitales
destinados a mejorar la lectura visual de la información contenida en la misma
imágen o mezclando el contenido de varias imágenes. El interés del
tratamiento consiste en llegar a una imagen que permite resaltar los detalles
en términos de color, textura, estructura y contexto. Los resultados de dicho
tratamiento pueden ser utilizados en una estrategia de fotointerpretación
operada directamente por el usuario ó en un paso hacia un tratamiento digital
destinado a aislar y después extraer una información temática.
4.0 LA COMPOSICION COLOREADA
Del momento que el ojo humano es menos sensible a las tonalidades del color
gris, la composición coloreada es quizás la técnica mas utilizada para resaltar
los detalles en una imagen satélite.
La composición coloreada consiste en operar una mezcla de 3 bandas de una

imagen adentro de un referencial AVR (Azul, Verde, Rojo). A cada banda de la
imagen le será asignado un color dentro del referencial AVR y después
mezcladas en un proceso de síntesis aditiva para la visualización en pantalla ó
un proceso de síntesis sustractiva para fines de impresión.
En el caso en que los sensores del satélite toman algunos canales de la

imagen adentro del espectro AVR del dominio del visible, la mezcla resultante
de estos canales es una composición en color natural que restituye lo que ve el
ojo humano. En el caso contrario, la afectación de un color AVR a un canal con
cuyas características cromáticas no corresponden al color afectado, la mezcla
generada en dicho proceso es llamada: Una composición en falso color (del
momento que el paisaje de la imagen resultante, no es igual al color real de los
objetos geográficos tomados). En este sentido, la composición en falso color
constituye una manera de apreciar temáticas mucho más que un apoyo para
identificar objetos por su color.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
La interpretación de las composiciones coloreadas obedece al principio de

asociación del color resultante con el contenido de los canales involucrados en
la misma composición.
A manera de ejemplo, el canal 3 del satélite Spot multibanda es un canal

tomado en el dominio del infrarrojo cercano. Este canal, es dedicado a reflejar
los contenidos en humedad como son el agua y la vegetación. La reflexión de
humedad en la vegetación toma un lugar alto en el espectro tomado por el
canal, esta reflexión es mas fuerte si la vegetación en cuestión está en un
estado de actividad clorofiliana intensa generando una liberación de energía
por transpiración.
En una composición en falso color si se afecta el color rojo al canal 3 de Spot ,

la vegetación dependiendo de su grado de cobertura en el suelo y también de
su estado vegetativo tomará un color comprendido entre al amarillo rojizo para
la vegetación muy espesa hasta el color rojo obscuro en el caso de los
bosques.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
El papel de la composición en color es de suma importancia para descubrir los

contenidos temáticos inherentes a cada canal de la imagen satélite. Para la
composición en falso color de arriba el tema vegetación es central del momento
que nos permite delimitar la ciudad de Mexicali en el frente posterior agrícola
del Valle Imperial en Estados Unidos. Se nota también él rol discriminatorio de
la vegetación urbana comparando Mexicali y su vecina ciudad americana
Calexico, en Mexicali el paisaje urbano parece monótono y sin vegetación,
hasta entrar en los barrios residenciales de Pueblo Nuevo, al revés en Calexico
el ordenamiento americano muestra una homogenización urbana alrededor de
la valorización de la vegetación. En este tipo de paisajes, sin necesidad de
tener muy claro el trazado de la línea fronteriza entre los dos países, cualquiera
de los fotointérpretes puede con un ligero margen de error dibujar la frontera.
5.0 ANALISIS VISUAL DE LA CIUDAD DE AREQUIPA
Comparación visual de las combinaciones de banda para la ciudad de

Arequipa, Considerando secciones de 1000x1000. Dicho análisis visual se
realiza utilizando tres bandas del sensor, coincidiendo con la capacidad de los
monitores, empleados en informática, monitores RGB.

el espacio, de ahí el nombre de color verdadero.
Las bandas visibles dan respuesta a la luz que ha penetrado más

profundamente, y por tanto sirven para discriminar el agua poco profunda y
sirven para distinguir aguas turbias, corrientes, batometría y zonas con
sedimentos.
- El azul oscuro indica aguas profundas.

- El azul claro indica aguas de media profundidad.
- La vegetación se muestra en tonalidades verdes.
- El suelo aparece en tonos marrones y tostados.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER

Geología.
SE APRECIA LA CIUDAD DE AREQUIPA CON UNA TONALIDAD

PRINCIPALMENTE VERDOSA.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Esta es la combinación en falso color.
- Rojo magenta, es para la vegetación vigorosa, cultivos regados, prados de

montaña o bosques de caducifolia, etc.
- Rosa, áreas vegetales menos densas o praderas.
- Blanco, áreas de escasa o nula vegetación pero de máxima reflectividad
- Azul oscuro o negro, superficies cubiertas parcial o totalmente por el agua.
- Marrón, vegetación arbustiva muy variable en función de la densidad y del

tono del sustrato.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
TALLER 8
CORRECCIONES RADIOMÉTRICAS DE IMÁGENES LANDSAT ETM+ CON

EL ENVI
1.0 INTRODUCCION
Durante el pre-procesamiento de las imágenes satelitales se realizan diversas

correcciones, las mas importantes son las radiométricas y geométricas,
fundamentales se realizan para el mejoramiento de las imágenes y su trabajo
posterior.
El presente trabajo consistió en corregir radiométricamente las bandas de una
imagen de satélite con el ENVI, en este caso se ha utilizado la imagen obtenida
de la ciudad de Chiclayo con el sensor ETM+, el 31 de Octubre del 2000.
2.0 CORRECCION RADIOMETRICA

Algunos aspectos radiométricos importantes son los siguientes:
• La energía electromagnética que incide sobre el sensor es convertida a una
señal eléctrica para luego ser digitizada.
• La relación entre la señal de entrada y salida es por lo general lineal.
• Los sensores tienen un rango eficaz y por eso se existen las zonas de
insensitividad y saturación.
• El rango dinámico está definido por la parte dentral de la curva.
• Los niveles de cuantificación son normalmente de 6, 8 ó 10 bits.
Fig.1 Curva característica de entrada-salida.

Fuente: CISMID-JICA
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Fig.2 Reflexión espectral de los materiales en la superficie terrreste

Fuente: CISMID-JICA
2.1 SELECCIÓN DEL AREA DE TRABAJO

• Primero se generó la combinación RBG 321 y se le aplicó la opción [Image]
Linear 2%, para ecualizar la imagen, de esta manera se varia el contraste.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
• Segundo, se definió la región de interés.
• Tercero, se revisaron las estadísticas y se escogió cada banda de trabajo.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
• Cuarto, se obtuvieron los parámetros estadísticos
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
• Se obtiene el Histograma de frecuencias del contenido de los valores de los

píxeles.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
2.2 BANDAS CORREGIDAS
Para la corrección consideraremos el DN (Numero Digital) de los valores

menores al 0.1% acumulado.
PARA LA BANDA 1:
PARA LA BANDA 2:
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
PARA LA BANDA 3:
PARA LA BANDA 4:
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
PARA LA BANDA 5:
PARA LA BANDA 7:
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Las correcciones son las siguientes:

• B1-62
• B2-46
• B3-43
• B4-34
• B5-29
• B7-21
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Se obtienen las bandas corregidas.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Finalmente se deben corregir los valores negativos, y esto se hará mediante el

uso de mascaras.
2.3 MASCARAS
Se le aplica la mascara a la Banda 1.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Finalmente, se obtiene la Banda 1 Corregida Final, luego de aplicarle la

Mascara 1 a la Banda1 Corregida.
Este proceso se debe aplicar a todas las bandas para realizar la corrección
radiométrica.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
TALLER 9
SELECCIÓN DEL AREA DE TRABAJO
Se debe definir un área de interés para analizar los cambios existentes con
más precisión.
Se definen las coordenadas del área de interés para el análisis posterior, que
será primero solo visual (cualitativo) y luego con el NDVI (cuantitativo).
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Finalmente se guarda la imagen cortada.
Se repite el mismo paso y se obtienen ambas imágenes cortadas.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Luego, se le coloca el nombre a cada banda de las imágenes para poder

trabajarlas posteriormente.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
TALLER 10
ANALISIS COMPARATIVO CUALITATIVO DEL CHICLAYO
Lo primero es aplicarle la combinación de bandas RGB 321.
Los procesos de ajuste del contraste tienden a adaptar la resolución

radiométrica de la imagen a la capacidad del monitor de visualización. Cada
sensor codifica la radiancia recibida en un número determinado de ND, de
acuerdo a las características de su diseño. Ese rango digital puede no
corresponder con el número de niveles de visualización (NV) que facilita la
memoria gráfica, por lo que resulta preciso ajustar, por algún procedimiento,
ambos parámetros.
Para la mejora del contraste de ambas imágenes se le aplico [Image] Linear

2%.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER

el espacio, de ahí el nombre de color verdadero.
Las bandas visibles dan respuesta a la luz que ha penetrado más

profundamente, y por tanto sirven para discriminar el agua poco profunda y
sirven para distinguir aguas turbias, corrientes, batimetria y zonas con
sedimentos.
- El azul oscuro indica aguas profundas.

- El azul claro indica aguas de media profundidad.
- La vegetación se muestra en tonalidades verdes.
- El suelo aparece en tonos marrones y tostados.
Luego, las combinaciones a analizar son: 432, 752, 341 y 453
5.1 COMBINACION 432
Esta es la combinación en falso color o visión infrarroja.
- Rojo magenta, es para la vegetación vigorosa, cultivos regados, prados de

montaña o bosques de caducifolia, etc.
- Rosa, áreas vegetales menos densas o praderas.
- Blanco, áreas de escasa o nula vegetación pero de máxima reflectividad
- Azul oscuro o negro, superficies cubiertas parcial o totalmente por el agua.
- Marrón, vegetación arbustiva muy variable en función de la densidad y del
tono del sustrato.
Se aprecia que para la zona circundante a la ciudad de Chiclayo, hay
variaciones importantes en la vegetación vigorosa, cultivos regados, etc. Esto
debido a los efectos del crecimiento urbano de la ciudad y debido a los efectos
del FEN ocurrido entre 1997-1998.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
5.2 COMBINACION 752

Geología.
5.3 COMBINACION 341
Se aprecia en la imagen:
En tonos verdes intensos, vegetación vigorosa.
En tonos violáceos, áreas edificadas.
En tonos verdes a negros, zonas arboladas.
En tonos marrones claros, cereales.
Se aprecia nuevamente, la abundante vegetación vigorosa próxima al centro

urbano y como esta ha variado desde 1991 al 2000.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
5.4 COMBINACION 453
Esta combinación realza con gran detalle los límites entre el agua y la tierra.
Los diferentes tipos de vegetación se muestran en colores marrones, verdes y
naranjas.
Realza las diferencias de humedad en el suelo y es usada para el análisis de
humedad en el suelo y vegetación. Generalmente el suelo húmedo aparece
más oscuro.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
TALLER 11
ANALISIS DEL NDVI EN LA CIUDAD DE CHICLAYO
El Índice de Vegetación de Diferencia Normalizada o NDVI se utiliza para

estimar de la vegetación verde:
• El crecimiento de las plantas (vigor)
• Cobertura de vegetación
• Producción de biomasa
Este índice esta relacionado con la actividad fotosintética de la vegetación. El
índice NDVI se calcula con bandas de imágenes de satélite, aprovechando las
características únicas del reflejo de la vegetación verde. El índice varia entre -1
y 1.
En nuestro caso, se tienen las imágenes recortadas con combinación RGB

321, y con la mejora del contraste con [Image] Linear 2%.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Se procede a realizar el cálculo del NDVI para la imagen de 1991 y para la

imagen de 2000.
Luego, se le da el nombre del archivo de salida para el primer caso será

NDVI19910422.env y para el segundo caso será NDVI20001031.env
Se obtiene lo siguiente:
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Finalmente, para analizar las variaciones, se procede a restar los NDVI

calculados mediante una resta simple y se obtiene el archivo DIFNDVI.env.
Si revisamos el Histograma de frecuencias de dicho archivo (DIFNDVI.env)

notamos que la media es diferente a cero. Por lo cual el primer ajuste será
hacer que la media sea igual a cero.
Histograma de la DIFNDVI.env
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Para lo cual al archivo DIFNDVI.env le sumamos el valor de la media. Se

obtendrá lo siguiente como operación matemática: B1 +0.104022
Revisamos el histograma de frecuencias de la DIFNDVICORREGIDO.env, y

notamos que el valor de la media es cero.
Histograma de la DIFNDVICORREGIDO.env
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Por lo cual, a partir de ahora se trabajara con los valores de la desviación

estándar. Para este caso es de 0.348544
Primero se realiza un análisis visual del histograma de frecuencias.
Para la evaluación, se puede utilizar como umbrales una desviación, dos

desviaciones o tres desviaciones dependiendo de donde se producen los
mayores cambios.
Para este caso, se utilizaron dos desviaciones y se consideraron cinco

intervalos.
Limite Interpretación Rango Color

< -2σ Deterioro + -10 a -0.697
< -σ Deterioro -0.697 a -0.3485
+/- Se mantiene -0.3485 a +0.3485
> +σ Mejoría +0.3485 a +0.697
> +2σ Mejoría + +0.697 a +10
Estos rangos se ingresan al ENVI y se obtiene lo siguiente:
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Finalmente, para cuantificar los valores de ganancia o pérdida se procedieron a

colocar los valores en Band Threshold para la región de interés que se viene
analizando.
Los resultados fueron los siguientes:
Limite Interpretación Área (Km2) Color

< -2σ Deterioro + 9.554
< -σ Deterioro 44.716
+/- Se mantiene 218.189
> +σ Mejoría 29.259
> +2σ Mejoría + 7.837
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Notamos que para este análisis, se aprecia que el deterioro es notorio entre los
años 1991 y 2000.
Si se utiliza solo una desviación y se consideraron dos intervalos.

< -σ Deterioro + -10 a -0.3485
> +σ Mejoría + +0.3485 a +10
Notamos que considerando como umbral solo una desviación, los valores
de franco deterioro y franca mejoría se incrementan notoriamente.
Si se utilizan tres desviaciones y se consideran cinco intervalos, se obtiene lo

siguiente.

< -3σ Deterioro + -10 a -1.0455
< -σ Deterioro -1.0455 a -0.3485
+/- Se mantiene -0.3485 a +0.3485
> +σ Mejoría +0.3485 a +1.0455
> +3σ Mejoría + +1.0455 a +10
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Se aprecia que si se considera una desviación los valores se vuelven

totalmente o de franco crecimiento o de franca mejoría, si consideramos
tres desviaciones estos valores totales se convierten solo en deterioro o
mejoría. Por lo cual el valor, que consideramos al inicio de dos desviaciones
es el más adecuado.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
TALLER 12
TELEDETECCION Y LOS SIG
• ANALISIS DE LOS NDVI OBTENIDOS
Para el análisis del NDVI se sabe que este toma valores entre -1 y +1, de
manera que consideraremos que los valores negativos indican superficies sin
vegetación, tales como, agua, nieve o nubes, y valores positivos crecientes
indican vegetación creciente. Al suelo desnudo le corresponderían valores en el
intervalo 0-0,2 mientras que la vegetación estaría en el rango 0,2-0,8. Es este
el índice más comúnmente utilizado en aplicaciones agronómicas, dinámica de
cambio de la cobertura vegetal, seguimiento de la desertificación, etc.
Vamos a propiedades del layer:
Definimos tres intervalos:
INTERVALO 1: SIN VEGETACION -1,0 - 0,0

INTERVALO 2: SUELO DESNUDO 0,0 - 0,2
INTERVALO 3: VEGETACION 0,2 - 0,8
Para lo cual en las propiedades del layer, utilizamos el método de clasificación

manual y colocamos los valores de corte:
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Resultados para la imagen de Huaraz1989:
Resultados para la imagen de Huaraz 1991, considerando los mismos

intervalos:
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
• DIFERENCIA DEL NDVI DE HUARAZ 1989 Y 1991
Obtenemos el NDVI de la diferencia al restar el NDVI de 1991 con el NDVI de

1989, con la opción MINUS del Arc Toolbox
Se obtiene lo siguiente:
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Histograma de la diferencia del NDVI, en la opción propiedades del Layer:
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Obtenemos como parámetros importantes:
Media = - 0.09
Desv. Estándar = 0.09
Para detallar las zonas de cambio positivo y negativo, definiremos cuatro

intervalos:
INTERVALO 1: - 1,00 a - 0,09

INTERVALO 2: - 0,09 a 0,00
INTERVALO 3: 0,00 a 0,09
INTERVALO 4: 0,09 a 1,00
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Donde se observa claramente de color rojo las zonas de perdida o de

deterioro y de color verde las zonas de ganancia o mejoría.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
BIBLIOGRAFIA
• CHUVIECO, Emilo. FUNDAMENTOS DE TELEDETECCION ESPACIAL.
• ESTRADA, Miguel. LOS SENSORES REMOTOS Y SU CAPACIDAD DE

DETECTAR DAÑOS. V CURSO INTERNACIONAL CISMID-JICA
• FERNANDEZ, Ignacio y Eliecer HERRERO. EL SATELITE LANDSAT.

ANALISIS VISUAL DE IMÁGENES OBTENIDAS DEL SENSOR ETM+.
UNIVERSIDAD DE VALLADOLID
• HERNANDEZ, Leal. ANÁLISIS ESPACIO-TEMPORAL DE LA

DESERTIFICACIÓN USANDO LOS SENSORES NOAA-AVHRR Y
LANDSAT –TM. Tesis Doctoral. Universidad de la Laguna, España.
• HERVÁS, J y Otros. MONITORING LANDSLIDES FROM OPTICAL

REMOTELY SENSED IMAGERY: THE CASE HISTORY OF TESSINA
LANDSLIDE, ITALY". Geomorphology. Institute for the Protection and
Security of the Citizen. Directorate General Joint Research Centre,
European Commission, 21020 Ispra (VA), Italia.
• Hervas, J. TRATAMIENTO DIGITAL DE IMÁGENES DE TELEDETECCIÓN

EN EL ESPECTRO ÓPTICO PARA EL RECONOCIMIENTO Y CONTROL
DE DESLIZAMIENTOS. Department of Computer Science, Cardiff
University, Gran Bretaña.
• INDECI. PLAN DE PREVENCION ANTE DESASTRES: USOS DEL SUELO

Y MEDIDAS DE MITIGACION. PROGRAMA INDECI-PNUD, CIUDADES
SOSTENIBLES, 2003.
• USGS-USA. EL SATELITE LANDSAT. ANALISIS VISUAL DE IMÁGENES

OBTENIDAS DEL SENSOR ETM+
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
ANEXOS
ANEXO I
¿QUE COMBINACIÓN DE BANDAS DEBO ESCOGER PARA MI PROYECTO?

Esa es una pregunta muy frecuente para aquellas personas que empiezan o que ya
tiene una buena experiencia en la interpretación y en el tratamiento digital de
imágenes de satélite aquí veremos a continuación un resumen sobre este tema que
podría hacerte de gran utilidad.
Landsat 5 Longitud de Onda Resolución

(TM sensor) (micrómetros) (metros)
Banda 1 0.45 - 0.52 30
Banda 2 0.52 - 0.60 30
Banda 3 0.63 - 0.69 30
Banda 4 0.76 - 0.90 30
Banda 5 1.55 - 1.75 30
Banda 6 10.40 - 12.50 120
Banda 7 2.08 - 2.35 30
Landsat 7 Longitud de Onda Resolución

(ETM+ sensor) (micrómetros) (metros)
Banda 1 0.45 - 0.515 30
Banda2 0.525 - 0.605 30
Banda 3 0.63 - 0.69 30
Banda 4 0.75 - 0.90 30
Banda 5 1.55 - 1.75 30
Banda 6 10.40 - 12.5 60
Banda 7 2.09 - 2.35 30
Pan. Banda 0.52 - 0.90 15
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Cubierta Bandas Usadas Manipulación Limites

de interés del Contraste
Agua 1,2,3; 1,2,4; 1,4,5 No No
Urbano 1,2,3; 1,4,5 Si banda 4 (1,4,5) Si banda 4 (1,4,5)
Cultivos 1,2,3; 1,4,5 Si banda 4 (1,4,5) Si banda 4 (1,4,5)
Forestal 1,2,3; 1,4,5 Si banda 4 (1,4,5) Si banda 4 (1,4,5)
Dep. salinos 1,2,3; 1,4,5 Si banda 4 (1,4,5) Si banda 4 (1,4,5)
Veg. remanente 1,4,5 Si banda 4 (1,4,5) Si banda 4 (1,4,5)
Parques/Golf 1,2,3 No No
Cubierta Comportamiento/Reflectancia
Generalmente su reflectancia es alta en el espectro visible, sin
embargo, el agua clara tiene menos reflectancia que el agua turbia.
Cuerpos de En la región del IR cercano y medio la absortividad del agua se
Agua incrementa haciéndose esta más oscura. Esto es dependiente de la
longitud de de onda y la profundidad de esta también. El incremento
del material orgánico disuelto en los cuerpos de agua hace que
tienda a un ligero desplazamiento del pico del visible hacia la región
IR o sea desde la región verde del espectro (agua clara).
Latitudes norte tienen suelos negros mientras que latitudes

tropicales tienen suelos rojos. La reflectancia del suelo decrece con
Suelos el incremento del material orgánico. Mientras la humedad del suelo
se incrementa la reflectancia decrece en todas la longitudes de
onda. La textura del suelo causara incremento en la reflectancia de
este con un decremento en el tamaño de este por ejemplo. Las
partículas más grandes (rocas, arena y suelos) básicamente dan
una gran sombra.
La respuesta espectral básicamente esta dada por la clorofila y la

Vegetación absorción de agua en la hojas Needles tienen una respuesta mas
oscura que las hojas. Habrá varios tipos de sombreados
dependiendo de la estructura de las hojas, mezcla del contenido de
humedad y salud de la planta.
El concreto y el asfalto muestran una curva que generalmente se

Materiales hecho incrementa desde la región del visible hacia el Ir cercano e Ir medio.
por el hombre Sin embargo a medida que el concreto es más antiguo este se
vuelve más oscuro en su respuesta mientras que el asfalto más
claro.
La nieve vieja puede desarrollar una compacta estructura y el
Nieve y Hielo contenido de humedad aumenta, lo cual hace a esta menos
reflectiva en el IR cercano e Ir medio. Esto hace posible comparar
la vieja y nueva cobertura nival por su comportamiento en la región
del Ir medio.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Tipo de Combinación Espectral de

Cobertura Bandas
Agua Banda 1, 4 y 7 / Banda 1, 2 y 3
Urbano Banda 1,4 y 7
Cultivos Banda 1, 2 y 3
Forestal Banda 1, 4 y 7
Dep. Salinos Banda 1, 2 y 3
Veg. remanente Banda 1, 4 y 7
Veg. irrigada Banda 1, 4 y 7
R, G, B
Contenido Potencial de Información
Esta es la composición estándar denominada "Falso Color". La vegetación

aparece en tonos rojizos, las áreas urbanas son celestes y los suelos
varían de marrón oscuro hacia el claro en toda esta gama. El hielo, los
nevados y nubes son blancos o un celeste ligero. Los árboles coníferos
aparecerán más oscura que los árboles de madera dura. Ésta es una
combinación de bandas muy popular y es útil para los estudios de
4,3,2 vegetación, monitoreo de drenajes, patrones de suelo y en varias fases de
crecimiento de los cultivos. Generalmente, los colores rojos profundos
indican hoja ancha y/o la vegetación más saludable mientras los tonos de
rojo más ligeras significan prados o áreas de vegetación remanente
escasa. Se muestran las áreas urbanas densamente pobladas en azul
ligero. Esta combinación de las bandas del TM da resultados similares al
infrarrojo color, tradicionalmente usado en la fotografía aérea.
Esta composición es denominada “color natural”. Ya que las bandas del
espectro visible son utilizadas en esta combinación, las características del
terreno aparecen en los colores similares a al sistema de visión humano, la
vegetación saludables es verde, campos recientemente limpiados son muy
3,2,1 claros en reflectancia, la vegetación no saludable es marrón y amarilla, las
vías son grises y las líneas de costa de color blanco. Esta combinación
provee la mayor penetración del agua y sedimentos superficiales así como
información batimétrica. Esta es también usada para estudios urbanos.
Áreas escasamente pobladas de vegetación no son tan fácilmente
discriminables como en las composiciones 451 o 432. Las nubes y nevados
aparecen en blanco y son difíciles de distinguir a diferencia de la
combinación 451. La combinación 321 no distingue el agua superficial del
suelo como si lo hace la combinación 753.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Esta combinación produce una apariencia similar a la combinación

“natural”. Mientras que también penetra las partículas atmosféricas y el
smoke. La vegetación saludable será de un verde claro intenso y puede
saturarse en estaciones de alto crecimiento las pasturas aparecerán
verdes, las áreas de suelo desnudo serán de un a tonalidad rosada, los
tonos naranjas y marrones representan la vegetación remanente
escasamente esparcida. La vegetación seca será de color naranja y el agua
será de color azul. La arena, suelos y minerales son resaltados en una
multitud de colores. Esta combinación de bandas provee una sobresaliente
imagen para áreas desérticas. Esta combinación es muy útil también para
7,4,2 estudios geológicos, agricultura y de humedales. Si existiera algún tipo de
incendio en una imagen de esta composición este aparecería de color rojo.
Esta combinación también es empleada para el manejo de aplicaciones
post incendios forestales en el análisis de áreas quemadas y no quemadas.
Las pasturas aparecen de un verde claro. Los puntos de color vede claro
dentro de las áreas urbanas indican presencia de cubiertas de gras,
parques, cementerios, y campos de golf. Los tonos verde olivo a vede claro
normalmente indican áreas de foresta con presencia de coníferas siendo
más oscuras que los bosques decidious.
La vegetación saludable aparece en tonos de rojo, marrón, naranja y

Amarillo. Los suelos pueden ser de tonos verdes y marrones, las zonas
urbanas son de color blanco, celeste y gris, el azul amoratado representan
áreas recientemente cosechadas y el color rojizo muestra nueva vegetación
4,5,1 en desarrollo, probablemente pastizales ralos. El agua clara y profunda
será de tono oscuro en esta combinación, si el agua es superficial o
contiene sedimentos en suspensión esta debería aparecer en tonos de azul
claro. En estudios de vegetación la adición de la banda media del infrarrojo
aumenta la sensitividad de detectar varios estados del crecimiento de las
plantas o del stress; sin embargo deberá de tenerse cuidado en la
interpretación si la imagen fue adquirida en época de precipitación. El uso
de las banda 4 y 5 muestran alta reflectancia en áreas de vegetación
saludable. Esto se vuelve muy útil al comparar áreas humedecidas y áreas
de tonos rojos con sus correspondientes colores en la combinación 321
para asegurar una correcta interpretación. Esta no es una adecuada
combinación de bandas para estudios de características urbanas tales
como vías y aeropuertos.
Esta viene a ser una combinación de las bandas del IR cercano (Banda 4),
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
IR medio (Banda 5) y la roja (Banda 3) ofrece una definición de los limites

entre el suelo y agua, además resalta sutilmente detalles no interpretables
4,5,3 aparentemente con las bandas del visible solamente. Lagos y cursos de
agua pueden ser localizados con gran precisión cuando más bandas en el
infrarrojo son usadas. Con esta combinación de bandas las condiciones y
tipos de vegetación presentes muestran una variada gama de colores y
tonalidades (marrón, verde y naranja). La combinación 453 muestra muy
bien las diferencias de humedad y es muy útil para el análisis de las
condiciones del suelo y la vegetación. Generalmente el suelo más húmedo
aparece más oscuro debido a la capacidad de absorción del agua.
Esta combinación de bandas también provee una apariencia de
interpretación “natural” mientras penetra también las partículas
atmosféricas, como el smoke y la niebla. La vegetación aparece en tonos
de verde oscuro y claro durante su crecimiento estacional, las
características urbanas son de color blanco, gris, celeste o púrpura, arenas
suelos y minerales aparecen en una variedad de colores. La casi completa
absorción del agua, hielo, y nieve en el IR medio, provee una buena
definición de la línea de costa y a la vez que resalta las fuentes de agua
7,5,3 dentro de la imagen. La nieve y el hielo aparecen de un color azul oscuro,
mientras que el agua es negra o azul oscuro. Las superficies calientes
tales como los incendios forestales y calderas de volcanes saturan el IR
medio y aparecen en tonos de rojo y amarillo. Una aplicación particular de
esta combinación es el monitoreo de incendios forestales. Durante
estaciones de poco crecimiento de la vegetación la combinación 742 debe
ser reemplazada. Áreas de inundación deberían lucir negras o azul oscuro,
comparada con la combinación 321 en la cual las áreas de inundación
superficial aparecen grises y son más difíciles de distinguir.
Como la combinación 451, esta combinación provee al usuario de una gran
cantidad de información y contraste de colores. La vegetación saludable es
5,4,3 de un verde intenso y los suelos son de color lila. Mientras la combinación
742 incluye la banda 7. La cual tiene la información geológica, la 543 usa la
banda 5 la cual contiene la mayor información agrícola. Esta combinación
es muy útil para estudios de vegetación, y es ampliamente usado en las
áreas de manejo de madera y control de plagas.
5,4,1 Esta combinación luce muy similar a la 742 en que la vegetación saludable
es de un color verde intenso, excepto que la combinación 541 es mejor
para estudios referentes a la agricultura.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
Esta combinación involucra las bandas no visibles. Esta provee la mejor

7,5,4 penetración atmosférica. Las líneas de costas y playas son bien definidas.
Esta puede ser usada para encontrar características texturales y de
humedad en los suelos. La vegetación aparece en tonos azules. Si el
usuario prefiere el color verde en la vegetación, esta combinación debería
ser sustituida por la 745. Esta combinación de bandas puede ser muy util
para estudios geológicos.
Esta combinación muestra a textura topográfica, mientras que la
5,3,1
combinación 731 puede mostrar diferentes tipos de rocas.
ANEXO II
AN-1 Promedios mensuales de NDVI para estudios de deforestación

con el sensor NOAA-AVHRR
Fuente: Universidad de la Laguna.
PDI CON ENVI

ING. LUIS SAMANIEGO
UNIMASTER
AN-2 Compasiones Multitemporales de imágenes

AVHRR de la isla de la Española.
Fuente: Universidad de la Laguna.
PDI CON ENVI

ING. LUIS SAMANIEGO

Manual Del Curso Envi PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Manual Del Curso Envi PDF

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DE INGENIERIA

MANUAL DEL CURSO –TALLER

ING. LUIS SAMANIEGO POLANCO

PDI CON ENVI

PDI CON ENVI

1.1 NOCIONES INTRODUCTORIAS

El término procesamiento digital de imágenes se refiere al uso de una

Una imagen digital es almacenada como un arreglo bidimensional (o grilla) de

Esta imagen de NDs puede representar diferentes tipos de datos dependiendo

PDI CON ENVI

NDs representan la intensidad de energía reflejada en longitudes de onda

Aplicando transformaciones matemáticas a los números digitales, el ENVI

Muchos datasets de imágenes poseen múltiples bandas (o capas) de datos

1.2 PRINCIPIOS FÍSICOS DE TELEDETECCIÓN

La Teledetección (también llamados sensores remotos) es definida como la

PDI CON ENVI

VENTAJAS DE USAR LA TELEDETECCIÓN

• El sistema medidor no disturba el objeto

1.3 SISTEMAS ESPACIALES DE TELEDETECCIÓN

PDI CON ENVI

1.4 LA OBTENCIÓN DE LA IMAGEN

PDI CON ENVI

1.6 EL ENVI Y SUS CARACTERÍSTICAS

Desarrollado por expertos en procesamiento de imágenes y visualización de

ENVI nos provee de herramientas automatizadas de procesamiento que

ENVI nos ofrece una interfase de usuario intuitiva y herramientas fáciles de

PDI CON ENVI

PDI CON ENVI

CASO APLICATIVO DE TELEDETECCION

La teledetección está basada en sus principios tecnológicos en propiedades

la onda es función de la evolución del campo eléctrico en un plan, en estas

Estos cuatro dominios y otros del espectro magnético, delimitan el campo de la

En el campo de la teledetección activa, se destacan por su uso las

PDI CON ENVI

Diagrama del método de segmentación de imágenes basado en el

PDI CON ENVI

OBTENCION DEL PATH Y ROW DE LAS IMÁGENES SATELITALES

Lo primero que hacemos es obtener las imágenes satelitales. Utilizando los

Para ello abrimos el ARCMAP para añadir algunos layers.

PDI CON ENVI

Luego, colocamos el layer WRS_PERU, en la parte superior para que se

PDI CON ENVI

Lo siguiente es ubicar el PATH y ROW, osea la fila y la trayectoria de la imagen

La búsqueda la hacemos en el layer Cities, y en el campo CITY_NAME.

Luego de encontrar a la ciudad de Huaraz procedemos a seleccionarla.

PDI CON ENVI

Entonces habremos ubicado a la ciudad de Huaraz en nuestro mapa.

Para obtener el Path y Row de la ciudad de Huaraz nos vamos en la Tabla de

Finalmente, abrimos la tabla de atributos del layer WRS_Peru y hacemos clic

PDI CON ENVI

Luego de obtener dichos parámetros, se obtienen las imágenes satelitales del

PDI CON ENVI

Aquellos que necesiten imágenes satélites para realización de prácticas o

En el caso de que quieran revisar que imágenes están disponibles

• Ciencias: Climatología, conservación, geografía y educación.

Este servidor ofrece Imágenes satelitales Landsat MSS, TM y ETM+; ASTER;

PDI CON ENVI

Procedemos a ingresar al ESDI (Earth Science Data Interface), y procedemos a

Previamente se obtiene el PATH y ROW de la imagen a descargar, o caso

Primer Caso: Map Search

PDI CON ENVI

Luego se procede a descargar las imágenes satelitales del GLCF, de acuerdo

Luego, nos dirigimos a la opción Preview and Download.