ÍNDICE

RESUMEN..................................................................................................................................2
I. INTRODUCCIÓN...............................................................................................................3
II. OBJETIVOS........................................................................................................................4
III. MARCO TEÓRICO.........................................................................................................4
3.1. Satélite Perú Sat...........................................................................................................4
3.2. Productos de teledetección...........................................................................................6
3.3. Interpretación de imágenes...........................................................................................8
3.3.1. Imagen satelital.....................................................................................................8
3.3.2. Imagen Landsat..................................................................................................13
3.3.2.1. LANDSAT 5 (TM).....................................................................................14
3.3.2.2. LANDSAT 7 (ETM)...................................................................................15
3.3.2.3. Combinación de bandas con Landsat..........................................................16
3.3.2.4. Análisis visual de imágenes de satélite (composición color)......................17
3.3.2.5. Procedimiento De Imágenes satelitales y aéreas.........................................19
3.3.3. Imágenes CBERS...............................................................................................31
3.3.4. Satélite Argentino SACC....................................................................................31
3.3.5. Imágenes de Alta Resolución.............................................................................32
3.3.6. Imágenes Aéreas.................................................................................................32
IV. CONCLUSIONES..........................................................................................................33
V. BIBLIOGRAFIA............................................................................................................34
 RESUMEN

El Perú SAT-1 es un satélite de observación de la Tierra que forma parte del sistema
satelital peruano, lanzado el 15 de septiembre de 2016. Este satélite envía diariamente
imágenes del territorio peruano y de todo el mundo, las cuales son programadas desde el
Centro Nacional de Operaciones de Imágenes Satelitales (CNOIS), para cubrir las
necesidades de los diversos usuarios del país. Respecto a su interpretación y análisis el
sensor registra la radiación electromagnética que proviene de las distintas coberturas y
las almacena en cada píxel, de acuerdo a los intervalos de longitudes de onda, en las que
este programado el sensor para captar, para así obtener como producto final las
fotografías aéreas o digitales.
 I. INTRODUCCIÓN

En el siglo pasado, se desarrolló una técnica, la cual ha mejorado la capacidad del ser
humano de percibir y analizar las características físicas, químicas, biológicas y
culturales, de manera integral, de la superficie terrestre y todo lo que la conforma. Esta
técnica, la TELEDETECCIÓN, ha implementado nuevos mecanismos de percepción
remota como la espacial, ésta es una técnica que permite adquirir imágenes de la
superficie terrestre o marina y la atmósfera desde sensores instalados en plataformas
espaciales. La INTERPRETACIÓN y ANÁLISIS de la información contenida en estas
imágenes, requieren de conocimientos específicos, los cuales son necesarios para
comprender la información capturada por el sensor. Por ello en el presente trabajo se
explicara sobre la interpretación y análisis de las imágenes satelitales, los productos
final de la obtención de imágenes y de cómo la tecnología en este ambiento fue
evolucionando en nuestro país con el lanzamiento del Satélite Perú Sat – 1.
 II. OBJETIVOS

 Dar a conocer el satélite Perú Sat-1

 Identificar los productos de la teledetección

 Dar a conocer la interpretación de imágenes

III. MARCO TEÓRICO

III.1. Satélite Perú Sat

La carrera espacial empezó para el Perú en el 2016, casi 60 años después de que fuera
lanzado el Sputnik 1, el primer satélite artificial de la historia de la humanidad. Con el
Perú SAT-1, nuestro país inició su conocimiento del espacio de primera mano.

El 15 de septiembre de 2016, el Perú SAT-1 fue lanzado luego de tres meses de

acondicionamiento. El satélite comenzó a operar el 7 de diciembre de 2016.

El Perú SAT-1 es un satélite de observación de la Tierra que forma parte del sistema
satelital peruano. Se encuentra en una órbita baja (LEO) que cruza los polos, a 702.5km
de distancia de la tierra. El satélite se desplaza a una velocidad de 27,000 km/h a
diferencia de los satélites en órbita GEO que se encuentran mucho más distantes de la
tierra y orbitan de manera sincronizada con la rotación del planeta y tiene un telescopio
que está apuntando al planeta para capturar fotos del territorio nacional y del mundo.

Nuestro satélite envía diariamente imágenes del territorio peruano y de todo el mundo,
las cuales son programadas desde el Centro Nacional de Operaciones de Imágenes
Satelitales (CNOIS), para cubrir las necesidades de los diversos usuarios del país. Las
imágenes adquiridas por el satélite peruano son descargadas y procesadas en el CNOIS.
Con ellas se generan productos a ser entregados a los usuarios para su aplicación en
diversas áreas tales como Planificación, Agricultura, Silvicultura, Geología, Producción,
Defensa, Gestión del Riesgo de Desastres, entre otras.

Bajo las condiciones descritas, desde su puesta en operación en diciembre de 2016, el

PerúSAT-1 ha adquirido un total 102,211 imágenes de la superficie terrestre, las cuales
constituyen un importante archivo nacional que es utilizado por más de 70 Entidades
Públicas registradas en el CNOIS a la fecha.

¿Quienes consumen las imágenes del Perú Sat-1?

Entre los usuarios de las imágenes del Perú SAT-1 tenemos al instituto Geológico,
Minero y Metalúrgico (Ingemmet), el Ministerio de Energía y Minas, el Indeci,
Gobiernos Regionales, Gobiernos Provinciales y Distritales.

Además, muchas universidades públicas y privadas sin fines de lucro acceden a las
imágenes almacenadas en el catálogo con fines académicos.

Según el general de la FAP Carlos Caballero comenta que se están realizando trabajos
con otros países. “El primero con el que hemos firmado un acuerdo es Corea del Sur,
que tiene cuatro satélites. Uno de sus satélites pasa por Perú y toma imágenes para
nosotros y cuando el Perú SAT-1 pasa por Corea del Sur también tomamos imágenes y
se las entregamos”.

¿Cuándo acabara la misión de Perú Sat-1?

El tiempo de duración del Perú SAT-1 es de aproximadamente 10 años. Según el

general FAP Carlos Caballero, este periodo de vida se puede extender hasta por dos a
tres años más.

En 10 años es posible que los equipos a bordo del Perú SAT-1 se comiencen a degradar
debido a las condiciones severas del espacio. Durante su órbita, el satélite pasa de un
frío intenso cuando está bajo la sombra de la Tierra a un calor incandescente cuando los
rayos del sol caen directamente hacia él. Por ello, estos equipos están diseñados y
protegidos para evitar una dilatación mecánica.

Son tres los principales motivos que pueden poner fin al satélite:

 Se acaba el combustible. Sí, el satélite tiene una pequeña dosis de combustible que
sirve exclusivamente para pequeñas maniobras de control de órbita. A veces, la
gravitación de diversos cuerpos celestes hace que el satélite cambie de órbita.
 Falle la electrónica del satélite. El Perú SAT-1 posee paneles solares que permiten
que la electrónica que lleva dentro funcione. Estos permiten que funcione el
telescopio y que recepcionen.

 Algo imprevisto. El espacio es inesperado. Cualquier objeto celeste podría impactar

con la Tierra en cualquier momento. Incluso las tormentas solares podrían afectar al
satélite.

Cuando una de estas tres cosas ocurra, se utilizará el combustible que es reservado para
la maniobra final del Perú SAT-1 y se procederá a realizar la desorbitación. Es decir, se
bajará al satélite de su órbita hasta que ingrese en contacto con la atmósfera que la irá
degradando hasta destruir al satélite por completo.

III.2. Productos de teledetección

En el IGN disponemos de más de 10 Tb de información entre imágenes originales

adquiridas y productos derivados, almacenados en un servidor al que los usuarios de las
Administraciones Públicas pueden acceder vía FTP. A partir de las imágenes originales,
se realizan procesamientos geométricos y radiométricos para obtener algunos productos
derivados que puedan resultar de interés para los proyectos de muchos usuarios:

Imágenes georreferenciadas.

A las imágenes originales se asignan coordenadas en el sistema de referencia geodésico

ETRS89, proyección UTM, huso correspondiente, para que puedan superponerse con
capas de cartografía u otros sistemas de información.

Fusiones.

Se realizan fusiones entre las imágenes pancromáticas y multiespectrales que captura un

mismo satélite para obtener una sola imagen con la mejor resolución espacial de la
imagen pancromática y el mayor número de bandas de la imagen multiespectral.
Combinaciones de bandas y realces.

Para mejorar la visualización e interpretación de las imágenes se generan distintas

combinaciones de bandas que permiten ver las imágenes de distintos colores, y se
realzan para mejorar el brillo y contraste.

Mosaicos Pseudocolor natural.

Los mosaicos se generan uniendo todas las imágenes georreferenciadas de la península

y las islas Baleares y Canarias. Previamente hay que seleccionar una combinación de
bandas determinada y realizar un equilibrado y un realce a todas las imágenes para
igualar su aspecto de forma que el mosaico quede visualmente homogéneo.

Cuadro 1. Productos de la Teledetección

III.3.
Interpretación de imágenes

III.3.1. Imagen satelital

Las Imágenes Satelitales están confeccionadas por matrices, en las que cada celda
representa un píxel, las dimensiones de este píxel dependerá de la Resolución espacial
del sensor. Los sensores registran la radiación electromagnética que proviene de las
distintas coberturas y las almacena en cada píxel, de acuerdo a los intervalos de
longitudes de onda, en las que este programado el sensor para captar.
Esta energía electromagnética es representada en cada píxel por un valor digital al cual
se le agrega una tonalidad, este valor es llamado Nivel Digital (ND), la cantidad de
niveles digitales que se podrá representar dependerá de la Resolución Radiométrica del
sensor, para un sensor con Resolución Radiométrica de 8 bit los niveles digitales varían
entre 0 y 255, siendo en la escala de grises el cero igual al color negro y el 255 igual al
color blanco.

La posición de cada píxel en la imagen satelital está determinada por un eje de

coordenadas XYZ.

X : Nº de columna de la matriz. Y : Nº de fila de la matriz.

Z : Nivel digital (valor de intensidad de la escala de grises).

Figura 1. Componentes de una imagen digital.

La asignación de colores más conocida por los usuarios es la del falso color
convencional (R=Red (rojo); G=Green (verde); B=Blue (azul)), la cual asigna el color
azul a la banda del verde, el color verde a la banda del rojo y el color rojo a la banda del
infrarrojo cercano.

La información que se obtiene de las distintas bandas de las imágenes satelitales, son de
gran ayuda en diversos ámbitos tales como:

- Agricultura y recursos forestales

- Uso de suelo
- Geología

- Recurso de agua

- Medio ambiente

El formato ráster.

El modelo ráster divide el área de estudio en una agrupación de celdas cuadradas

ordenadas en una secuencia específica. Cada una de estas celdas recibe un único valor
que se considera representativo para toda la superficie abarcada por la celda, por tanto,
se considera que el modelo ráster cubre la totalidad del espacio.

Un conjunto de celdas, junto con sus valores se denomina unan capa ráster.

Este modelo responde a una concepción del mundo como un continuo que puede
describirse mediante un número de variables (altitud, pendiente, temperatura media, tipo
de suelo, etc.) que toman valores diferentes en diferentes localizaciones definidas por un
sistema de coordenadas. Cada variable se representa así mediante una capa. El modelo
vectorial responde a una concepción del mundo basada en objetos con límites definidos.

Elementos que componen una capa ráster:

Una capa en formato ráster está compuesta por cuatro elementos fundamentales:

a) La matriz de datos, que puede contener tres tipos de datos:

- Valores numéricos en caso de que la variable representada sea cuantitativa (figura 2).
- Identificadores numéricos en caso de que se trate de una variable cualitativa. Estos
identificadores se corresponden con etiquetas de texto que describen los diferentes
valores de la variable cualitativa (figura 3).
- Identificadores numéricos únicos para cada una de las entidades representadas en
caso de que la capa ráster contenga entidades (puntos, líneas o polígonos).
Aunque el formato ráster responde fundamentalmente a una concepción del mundo
como conjunto de variables puede utilizarse también para representar entidades. Si
suponemos un fondo en el que no exista nada (valor NULL en todas las celdillas)
podemos representar objetos puntuales mediante celdillas aisladas con un valor
(diferente de cero) que actuará normalmente como identificador; las líneas estarían
constituidas por ristras de celdillas adyacentes con valores diferentes de cero, los
polígonos por conjuntos de polígonos con un mismo valor diferente de cero (figura 5).

b) Información geométrica acerca de la matriz y de su posición en el espacio:

- Número de columnas (nc)

- Número de filas (nf )
- Coordenadas de las esquinas de la capa (e, w, s, n)
- Resolución o tamaño de píxel en latitud(rx) y en longitud(ry)

c) Una tabla de colores que permita decidir de qué color se pintará cada celdilla en la
pantalla.

d) En caso de que la variable sea cualitativa, una tabla que haga corresponder a cada
identificador numérico una etiqueta de texto descriptiva.

Figura 2. Modelos digitales. Codificación de una variable cuantitativa en formato ráster

Figura 3. Modelos digitales. Codificación de una variable cualitativa en formato ráster.

La imagen Satelital es una representación visual de los datos reflejados por la superficie
de la tierra que captura un sensor montado en un satélite artificial. Los datos son
enviados a una estación terrena en donde se procesan y se convierten en imágenes,
enriqueciendo nuestro conocimiento de las características de la Tierra en diferentes
escalas espaciales.

Las imágenes en formato ráster se componen de una matriz regular o rejilla de celdas. A
cada una de ellas se le conoce como píxel y se le asigna un valor digital, que
corresponde a la reflectividad recogida por el sensor.
Existen muchos tipos de imágenes satelitales, para seleccionar el tipo de imagen a
utilizar para aplicaciones sitio específicas algunos aspectos a tener en cuenta son:

• El tipo de imagen a utilizar: una de las opciones es utilizar imágenes ópticas, que son
aquellas que se generan mediante sensores que capturan la porción de la radiación solar
que llega al sensor a bordo del satélite luego de interactuar con la superficie terrestre
(cultivos, agua, suelo desnudo, etc). De toda la radiación solar, para estudios en
vegetación son especialmente de interés aquellas zonas del espectro electromagnético en
el visible y algunas porciones del infrarrojo. Por lo tanto, es importante destacar que una
imagen no es una foto, sino que contienen información de los valores de reflectancia de
la superficie terrestre en distintas zonas del espectro electromagnético. Estas zonas en
las que el sensor adquiere información se denominan bandas y son particulares para
cada sensor.

• Disponibilidad: es necesario que las imágenes que se pretende utilizar estén

disponibles en forma operativa y con una frecuencia temporal conocida.

• Resolución espacial: la resolución espacial está asociada al tamaño de los objetos que
pueden discriminarse, o al nivel de detalle de una imagen. Al momento, imágenes de
resolución espacial media, 20 a 30 m de píxel, han mostrado resultados muy
satisfactorios. Para utilizar imágenes de mayor resolución espacial debe analizarse si el
incremento en el costo, tiempos de procesamiento y disponibilidad justifican las
aplicaciones a desarrollar.

III.3.2. Imagen Landsat

Como se mencionó anteriormente las imágenes de la serie Landsat, son de las más
utilizadas para aplicaciones agrícolas. Estas imágenes están disponibles desde hace casi
40 años a nivel mundial, y en Argentina desde 1997 por medio de la agencia espacial
nacional (CONAE). Actualmente, están en órbita dos satélites de la serie, Landsat 5 y
Landsat 7, que poseen características similares entre sí, en lo que respecta a las bandas
(3 en el visible y 4 en el infrarrojo), resolución espacial (30 m) y un período de revisita
de 16 días, esto es el tiempo que transcurre para que el satélite adquiera imágenes de
una misma zona. Cada una de estas imágenes cubre una superficie de 185 x 185 km.
Cabe mencionar que, pese a que están disponibles cada 16 días, en caso de presencia de
nubes, las imágenes reflejan esa situación impidiendo obtener información del suelo. En
este momento, la disponibilidad de imágenes es limitada debido a dos situaciones
particulares, una es la antigüedad del satélite Landsat 5 que ha superado ampliamente su
vida útil, que usualmente es de 4 a 5 años, permaneciendo en órbita por 27 años por lo
cual la adquisición de imágenes se encuentra suspendida por desperfectos técnicos. El
otro satélite operativo de la serie Landsat, el 7, al poco tiempo de estar en órbita sufrió
un desperfecto técnico que hace que las imágenes presenten una serie de zonas sin
datos, lo que resulta en franjas oscuras en cada imagen lo que limita en muchos casos su
utilización. No obstante esta situación particular actual, el gran potencial de estas
imágenes, es la disponibilidad de imágenes históricas por más de 15 años sobre
Argentina. En términos generales las imágenes Landsat presentan una relación adecuada
entre área de cobertura, resolución espacio-temporal y costo para ser utilizadas
operativamente en aplicaciones sitio específicas.

Los satélites LANDSAT han capturado imágenes de la tierra desde 1972, es un sensor
multiespectral que capta tomado imágenes multiespectrales de mediana resolución por
desde 1972, por esto LANDSAT posee un archivo histórico incomparable en calidad,
detalle, cobertura y duración.

III.3.2.1.LANDSAT 5 (TM)

Captura imágenes desde el año 1984 hasta la actualidad, el ancho de la escena es

alrededor de 180 Km2 y posee 7 bandas espectrales:

a) Banda 1 (Azul)

Usada para el mapeo de aguas costeras, mapeo de tipo de forestación o agricultura y la

identificación de los centros poblados (0,45- 0,52um)
b) Banda 2 (Verde)

Corresponde a la reflectancia del verde de la vegetación vigorosa o saludable. También

es usada para la identificación de centros poblados (0,52 – 0,60um).

c) Banda 3 (Rojo)

Es usada para la discriminación de especies de plantas, la determinación de límites de

suelos y delineaciones geológicas, así como modelos culturales (0,63 – 0,90um).

d) Banda 4 (Infrarrojo Reflectivo)

Determina la cantidad de biomasa presente en un área, enfatiza el contraste de zonas de

agua-tierra, suelo-vegetación (0,76 – 0,90um).

e) Banda 5 (Infrarrojo Medio)

Es sensible a la cantidad de agua en las plantas. Usada en análisis de las mismas, tanto
en época de sequía como cuando es saludable. También es una de las pocas bandas que
pueden ser usadas para la discriminación de nubes, nieve y hielos (1,55 – 1,75um).

f) Banda 6 (Termal)

Para la vegetación y detección de la vegetación que se encuentra enferma, intensidad de

calor, aplicaciones de insecticidas, para localizar la polución termal, ubicar la actividad
geotermal, actividad volcánica, etc. (10,40 – 12,50um).

g) Banda 7 (Infrarrojo medio)

Es importante para la discriminación de tipos de rocas y suelos, así como el contenido

de humedad entre suelo y vegetación (2,08 – 2,35um).

III.3.2.2. LANDSAT 7 (ETM)

Este sensor a diferencia del LANDSAT – TM, captura imágenes pancromáticas con 15
metros de resolución y dos imágenes termales en una en ganancia baja y la otra en
ganancia alta, cubren un área aproximada de 180 Km2. A partir del año 2003
LANDSAT – ETM tuvo problemas y a partir del 14 de julio del mismo año, las
imágenes se colectan en modo SLC-off.
a) banda Pancromática - (Banda 8)

La banda Pancromática es la mayor novedad del sensor ETM+ en el Landsat7. Su

resolución espacial de 15 m registrado con las demás bandas, permite que las imágenes
generadas a través de este sensor sean trabajadas para obtener ampliaciones hasta una
escala de 1:25.000 (0,5 – 0,75um).

Figura 4. Bandas de la Imagen Landsat-7 ETM+

III.3.2.3.Combinación de bandas con Landsat

Gracias a las combinaciones de bandas podemos resaltar variaciones de color, textura,

tonalidad y diferenciar los distintos tipos de cobertura que existen en la superficie, estas
son las combinaciones de bandas más usadas:

- Bandas 3, 2, 1 (RGB): Es una imagen de color natural. Refleja el área tal como la
observa el ojo humano en una fotografía aérea a color.
- Bandas 4, 3, 2 (RGB): Tiene buena sensibilidad a la vegetación verde, la que aparece
de color rojo, los bosques coníferos se ven de un color rojo más oscuro, los glaciares
se ven de color blanco y el agua se ve de color oscuro debido a sus características de
absorción.
- Bandas 7, 4, 1 (RGB): Esta combinación de bandas es ampliamente utilizada en
geología. Utiliza las tres bandas menos correlacionadas entre sí. La banda 7, en rojo,
cubre el segmento del espectro electromagnético en el que los minerales arcillosos
absorben, más que reflejar, la energía; la banda 4, en verde, cubre el segmento en el
que la vegetación refleja fuertemente; y la banda 1, en azul, abarca el segmento en el
cual los minerales con óxidos de hierro absorben energía.
- Bandas 7, 4, 2 (RGB): Permite discriminar los tipos de rocas. Ayuda en la
interpretación estructural de los complejos intrusivos asociados a los patrones
volcano-tectónicos.
- Bandas 5, 4, 3 (RGB): En esta combinación la vegetación aparece en distintos tonos
de color verde.
- Bandas 7, 3, 1 (RGB): Ayuda a diferenciar tipos de rocas, definir anomalías de color
que generalmente son de color amarillo claro algo verdoso, la vegetación es verde
oscuro a negro, los ríos son negros y con algunas coloraciones acules a celestes, los
glaciares de ven celestes.

III.3.2.4.Análisis visual de imágenes de satélite (composición color)

La técnica más utilizada para formar una composición en falso color, consiste en
mezclar tres imágenes del mismo sitio y fecha correspondientes a distintas bandas (tabla
anterior), representando a cada una de ellas con alguno de los colores rojo, verde o azul.
Figura 5. Composición de colores.

Los 256 niveles digitales de cada banda, representables como una imagen
monocromática, se combinan para formar otra imagen en colores. Estos colores y
tonos se emplean para la interpretación visual de las imágenes, combinando las bandas
de manera que dar un primer acercamiento al contenido de la imagen. La combinación
de colores permite discriminar aspectos geológicos, de vegetación, uso del suelo y
morfología de zonas urbanas.

Cálculo de NDVI

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

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

Los índices de vegetación son útiles porque permiten entre otras cosas.

 Identificación de áreas forestadas-deforestadas.

 Evaluación del estado de la vegetación y su grado de estrés.
 Separación entre distintos tipos de masas vegetales.
 Monitoreo de plagas.
 Evaluación de riesgos de incendio.

De igual forma se pueden derivar variables como contenido de agua en las hojas,
productividad neta de la vegetación, contenido de clorofila en la hoja, dinámica
fenológica, evapotranspiración potencial, etc. Un aspecto interesante del NDVI es que
varía dentro de márgenes conocidos (-1 a +1), cuanto mayor sea el resultado obtenido,
tanto mayor será el vigor vegetal presente en la zona observada.

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

Donde:

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

III.3.2.5.Procedimiento De Imágenes satelitales y aéreas

Descargar imágenes satelitales de GLCF.

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.

Seleccionar modo de búsqueda mapa

Modo de búsqueda: Mapa

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
 Paradescargarestaimagen hacemos
clic en Download y se
abrirá una ventana.

En esta ventana se ve un listado de imágenes disponibles, para ver una vista

previa de la imagen hacemos clic en [ID] de la tabla, cada número es una
imagen, que ha sido tomado en año, como por ejemplo tenemos: 0,15 – 129 ha
sido adquirido el día 6 de julio del
200, Landsat ETM +, localizada en el Perú.

Combinación de bandas en ArcGIS 10

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

Aquí buscamos la carpeta donde se

encuentra las bandas y incorporamos
en orden como: 3, 2 y
1; esto es un color natural.

Rutaparaguardarelnuevo ráster
creado con el nombre de
color_natural.
 Vemos la imagen con un fondo de color
En el siguiente caso pasamos a ocultarlo.

Activamos Display Background

Value: (R,G,B)

El resultado nos da solo la imagen

Agregamos un shp de Rupa
satelital
Rupa ubicado en la imagen
satelital.
Para tener la imagen satelital de la zona de estudio que en nuestro ejemplo es Rupa
Rupa, extraeremos la forma del shp de Rupa Rupa
Combinación de bandas con Imagen Analysis

La ventana de Análisis de Imagen es una nueva ventana del dockable que puede usarse
para realizar muchos rápidamente el despliegue y procesando las tareas del ráster. Puede
agregarse a ArcMap del menú de la Ventana.

Muchas de las opciones del despliegue en esta ventana existieron en ArcMap pero se
localizaron en las varias cajas del diálogo; pueden accederse ahora rápidamente las
varias opciones, como el contraste, brillo, la transparencia, el estiramiento gamma, el
ajuste del rango dinámico, ignore valor del fondo, el estiramiento del contraste, el
método de resampling de despliegue, el zumbido, a la resolución del ráster, swipe, y
parpadeo.

Esta ventana también contiene muchas opciones del proceso algunos de los cuales
pueden realizarse también usando el geoprocessing labra con herramienta. Cuando
accedió usando esta ventana, ellos se agregan a una nueva capa que usa las funciones,
incluso el recorte, enmascarando, combinando las vendas, NDVI, cacerola-afilando, el
hillshading, y mosaicking.

Se activa las bandas que se desea

combinar, como el ejemplo anterior la
banda 3, 2 y 1; determinaremos color
natural, y lo sombreamos en
el orden anterior.

El resultado: Color de las

bandas

Clic en esta barra de capas de color

amarillo,quesignificacombinar
bandas.
Calcular el NDVI y la transformación Taselled Cap.

Simplemente se aplica la algebra de mapas, con Raster Calculator.

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

siempre está bastante nublada pero a manera de ejemplo que se quiere realizar será de
mucha utilidad.

Cálculo de NDVI con Raster Calculator.

En ArcToolbox entramos en Spatial Analyst tolos < Map Algebra < Raster Calculator
 En la ventana que nos aparece agregamos las capas correspondientes de acuerdo a la
siguiente ecuació ( )

()
El operador Float, en la ecuación, se utiliza para que el resultado de
la operación sea punto flotante. Si se omite Float el resultado final
va ser entero (cero y uno), lo cual es incorrecto para calcular este
índice de vegetación.

Incorporación de la formula

El resultado del NDVI es de color blanco a negro, para tener una mejor visión se cambia
el color.
Cálculo de NDVI con Imagen Analysis.

Se activa las dos bandas a evaluar el NDVI y

se sombre

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

En esta figura se muestran en color rojo es la

vegetación y el amarillo corresponde la
fuente de agua o las nueves.

Clic en la hoja de color verde que

significa el NDVI

Modificamos los colores para tener a nuestro

gusto, el verde es la vegetación más

saludable y el azul es el agua o las nueves.

Cálculo de transformación Taselled Cap.

En la calculadora ráster escribimos las siguientes ecuaciones

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

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

Verdor = -0.2848 * [B1] -0.2435 * [B2] -0.5436* [B3] + 0.7243 * [B4] + 0.0840

* [B5] -0.1800 * [B7]

Humedad = 0.1509 * [B1] + 0.1973 * [B2] + 0.3279 * [B3] + 0.3406 * [B4] - 0.712 *
[B5] -0.4572 * [B7]

III.3.3. Imágenes CBERS

El programa CBERS, es un programa conjunto entre Brasil y China para el desarrollo

de satélites de observación terrestre. Se han puesto en órbita al momento los satélites
CBERS 1, 2 y 2B, que aunque ya no están operativos, hay disponibles imágenes
multiespectrales similares a las Landsat por algunos períodos de tiempo. La resolución
espacial en este caso es superior (20m), pero su resolución temporal era de 26 días.

III.3.4. Satélite Argentino SACC

El satélite SAC-C fue el primer satélite argentino de observación terrestre del que se
dispusieron imágenes en forma operativa. Fue puesto en órbita en 2000 y pese a que la
vida útil estimada era de cuatro años, proveyó imágenes en forma sistemática por más
de diez años. Una de las cámaras a bordo del SAC-C era una cámara multiespectral
denominada MMRS, en 5 bandas en el visible e infrarrojo. Sin embargo para
aplicaciones a nivel de lote su resolución espacial no es adecuada (175 metros), aunque
resultan muy apropiadas para estudios regionales dado su resolución espacial y ancho de
barrido (360 km).

III.3.5. Imágenes de Alta Resolución

Imágenes de alta resolución espacial se consideran aquellas que en general tienen un

tamaño de píxel de menos de 5m. Desde hace aproximadamente diez años están
disponibles imágenes ópticas de alta resolución espacial que son provistas por empresas
privadas, a diferencia de las anteriores que sueles ser provistas por las agencias
espaciales. Algunos ejemplos de este tipo de imágenes son: IKONOS, QUICKBIRD y
GEOEYE cuyas resoluciones espaciales, para las imágenes multiespectrales, son de 4m,
2.4m y 1.65m respectivamente. Pese al gran atractivo visual de este tipo de imágenes su
utilización en forma sistemática se ve limitada por los costos, la necesidad de
solicitarlas con anticipación y la capacidad de procesamiento necesaria. Pese a que se
requiere más experiencia con este tipo de datos, al momento se han utilizado para
detección de situaciones particulares, fallos en la aplicación de insumos y condiciones
puntuales. Para la delimitación de ambientes debería poder contarse con mayor número
de imágenes pero a-priori, no contribuyen significativamente a la delimitación de
ambientes dado que la alta resolución espacial hace también que la variabilidad espacial
sea muy elevada.

III.3.6. Imágenes Aéreas

Otra opción para obtener datos multiespectrales de alta resolución es mediante cámaras
a bordo de aviones. La resolución espacial que se puede obtener en estos casos es
similar a la de las imágenes satelitales de alta resolución, en función de la cámara
utilizada y la altura de vuelo. La ventaja principal de estas imágenes es que pueden
adquirirse en las fechas y lugares de interés y con la frecuencia temporal deseada.
 IV. CONCLUSIONES

- El Satélite Perú Sat-1 es un satélite que se puso en órbita el año 2016. Sus imágenes
son programadas por el centro nacional de operaciones de imágenes satelitales y que
tiene un tiempo de duración de máximo de 10 años.

- Los productos que se obtienen de las tomas de imágenes tanto satelitales como aéreas
son las fotografías aéreas y las digitales asi como también imágenes
georreferenciadas, fusiones, combinaciones de bandas y realces y el mosaico
Pseudocolor natural.

- La imagen Satelital es una representación visual de los datos reflejados por la

superficie de la tierra que captura un sensor montado en un satélite artificial. Los
datos son enviados a una estación terrena en donde se procesan y se convierten en
imágenes, enriqueciendo nuestro conocimiento de las características de la Tierra en
diferentes escalas espaciales.
 V. BIBLIOGRAFIA

- FAO (Organización de las Naciones Unidas para la Agricultura y la Alimentación),

(2003), Manual Curso Análisis Espacial Arcview 8.2.

- HOLGER. 2003. HydroTools 1.0 for ArcView 3.x. Hydrological analysis of small
and large watersheds. Institute of Applied Geosciences. Technical University of
Darmstadt. 13p.

- Mieza, M. S., F. Kovac y D. E. Martínez. (2012). Imágenes satelitales y aéreas en

aplicaciones sitio específicas. En: Corró Molas y Eugenia Ghironi. Avances de la
agricultura por ambientes en la región semiárida pampeana (pp 10-14, 63-64).
Argentina. Instituto Nacional de Tecnología Agropecuaria.

- SOBRINO, J. A., RAISSOUNI, N., KERR, Y., OLIOSO, A., LÓPEZ-GARCÍA, M.

J., BELAID, A., EL KHARRAZ, M. H., CUENCA, J. Y DEMPERE, L. 2000.
Teledetección. Sobrino, J. A. (Ed.), Servicio de Publicaciones, Universidad de
Valencia (ISBN 84-370- 4220-8), Valencia (España), pp. 467.