CLASIFICACION SUPERVISADA UTILIZANDO Qgis 1.

6 y SCP
Fuente: https://www.youtube.com/watch?v=TOMfdalS_U4

PREPROCESAMIENTO
1° Paso: En la carpeta donde están todas las bandas del satélite
Landsat 8, crear una subcarpeta para las bandas 2, 3, 4, 5, 6 y 7, más
el archivo con los metadatos. Esto se realiza para corregir la
reflectancia producida por la atmósfera.

2° Paso: Ir a Raster---- Semi-Automatic Classification Plugin--

Preproccecing----Landsat----Seleccionar u directorio donde
guardarlas----click en el casillero Apply Dos1 atmospheric
correction----Perform conversión y aguardar el fin del proceso.
Cuando termina el proceso las imágenes son cargadas en la pantalla.

3° Paso: Seleccionar el área de interés para cortar las imágenes y el

proceso no sea demasiado largo. Se puede realizar de dos maneras
a) Seleccionar un shape y cargarlo en el panel de capas (este paso
se realiza cuando tengo un shape de una zona de interes dentro
de la imagen, como ser una ciudad, un lago, etc) ---- Vector----
Herramientas de investigación ----Polígono de la extensión
de capa----Seleccionar capa vectorial(con esto se genera un
rectángulo envolvente del shape mencionado para poder cortar
las imágenes)----Seleccionar donde guardar la capa creada----
OK (la capa creada debe tener el mismo sistema de proyección
de las imágenes).

b) Si tengo un shape ya creado, con un rectángulo de la zona de

interés, lo cargo directamente en el panel de capas.

Siguiendo a) o b) ya tenemos un shape con un polígono para cortar las

imágenes.
4° Paso: ----Raster----Semi-Automatic classification Plugin----
Preprocessing----multiple rasters----refresh list (seleccionar
todas las bandas) ----Click e Use shapefile for clipping (aquí se
selecciona la capa creada en el paso anterior) ----Clip select
raster----guardar el clipp de las imágenes en una carpeta----
guardar (las imágenes aparecerán en el panel de capa con la
palabra clipp en el inicio de sus nombres).
5° Paso: Crear una composición en falso color con las imágenes clipp
(Bandas 5, 4 y 3) para ayudar en la interpretación visual del área de
interés. Para ello ----raster----miscelanea----combinar----
(seleccionar las imágenes de entrada de la carpeta conde estan los
Clipp----nombrar el archivo de salida----pila de capas----OK.
6° Paso: Con la imagen creada en el paso anterior realizar una
combinación 3, 2, 1----click en Min/Max----click en Real (más
lento) ----cargar.
Cuando la imagen cambie de colores seleccionar los histogramas que
mejoren el contraste de la misma para la interpretación visual.

TERMINO LA ETAPA DE PREPROCESAMIENTO.

7° Paso: Abrir Semi-Automatic classification Plugin----Band set----

Refresh list (seleccionar todas las bandas) ----Add rasters to set
(las bandas seleccionadas aparecen en Band set Definition, aquí
deben ordenarse las bandas en orden creciente).
Luego de ordenar las bandas en orden creciente----Quick
wavelength Settings y seleccione el satélite que obtuvo las imágenes,
en este caso Landsat 8. En la ventana se van a ajustar las longitudes
de onda para cada banda----Cerrar.
8° Paso: ----ventana SCP:ROI creation----click en Training
Shapefile (si ya existe un shapefile) o New Shapefile (para crear un
shp nuevo) con áreas muestra. Este dato de tipo vectorial es necesario
para calibrar el plugin. En el shape se almacenan las muestras de
diferentes tipos de clases (ojetivos) a crear. El shape puede llamarse
Áreas muestra o Áreas de entrenamiento. Estas áreas de
entrenamiento pueden ser de agua, vegetación, suelo, urbano, etc.
9° Paso: ----ventana SCP:ROI creation----ROI creation----Create
a ROI polygon (aquí se comienza a dibujar los plolygonos de cada
clase sobre la imagen en composición color (5,4,3).
10° Paso: ----ROI Signature definition
MC Info= Macroclase de objetivo: Ejemplo: Vegetación
C info = Clase de Macroclase de objetivo: Ejemplo: densa
MC ID= Identificador de Macroclase (no repetir ID para macroclases
diferentes).
C ID= Identificador de clase (no repetir…………)

Una vez creados los polígonos que identifican una clase, desmarcar el
casillero Add Sig. List. (si esta marcado) ----Save ROI, ver si
aparece en ROI list la clase creada y seleccionarla----Add Highlihted
ROIs to spectral signature plot.

---- nuevamente a Create ROI polygon y crear una nueva clase, por
ejemplo Agua, y seguir el mismo procedimiento anterior.

TERMINO LA ETAPA DE RECOLECCION DE MUESTRAS.

11° Paso: comienza la etapa de configuración de la segunda parte del
plugin, donde se escoge el algoritmo para clasificar el área de estudio.
----SCP Classification----Signature list file----Save (se abre una
ventana, aquí debemos crear una carpeta) Se abre la ventana Export
the signature list to file, creamos una carpeta y entramos. Nos
situamos con el cursor en Name (damos un nombre, con la extensión
xml)----Guardar----SCP: ROI creation----ROI list (seleccionar
toda la información que creamos ----Add to signature (con este
procedimiento, la tabla del panel ROI list, se transporta al panel
Signature List. Esta lista de asignaturas espectrales será asociada a
cada objetivo para caracterizarlos.
12° Paso: En la misma ventana de SCP:Classification----
Classification Algorithm (seleccionar Spectral Angle Mapping). En
classification preview se puede generar una clasificación previa antes
de la clasificación final.
Elegir un Size de 1000 (en ejemplo del video) y click en el signo +
(más). Este icono nos muestra una clasificación temporal. Si no estoy
de acuerdo con esta clasificación, debo iniciar nuevamente el proceso
tomando nuevas muestras y volver a clasificarlas.
Si estoy de acuerdo con la clasificación----Perform classification----
Guardar.
FIN