Unidad 4: Imagen satelital tratamiento, interpretación y producción de

información ambiental.
a. Tratamiento digital de la imagen:
Composición color, corrección radiométricas y geométricas, optimización de la imagen:
realces y filtros.

Procesamiento →

TRATAMIENTO DE LA INFORMACIÓN:
Se pueden considerar tres grupos de tratamiento de la información proveniente de los
satélites:
• Correcciones: radiométricas y geométricas
• Mejoramiento: filtros y contrastes
• Extracción de información: reconocimiento de patrones, análisis de datos
hiperespectrales, detección de cambios. algunas herramientas de análisis digital.
Correcciones radiométricas y geométricas:

Roll: balanceo

Pitch: cabeceo

Yaw: desvío

Son las correcciones que se aplican al pasar de nivel 0 a nivel 1A. Las radiométricas se encargan
de corregir el ruido o la sensibilidad del detector, mientras que las correcciones geométricas

UTN-FRMDP-Unidad 4- 1
hacen lo propio con las distorsiones producidas por efectos del mismo sensor o por la rotación
y/o curvatura de la Tierra.
Calibración: Este término puede tener diferentes significados de acuerdo al contexto o al área
de estudio que se trate. En este contexto, calibración se refiere al proceso por el cual se
transforman las cuentas digitales (DN) a una magnitud física de radiancia o reflectancia a la
altura de medición del sensor (tope de atmósfera). Este proceso es fundamental ya que permite
extraer la cantidad de energía que recibe el sensor en unidades apropiadas para luego
continuar con la cadena de procesamiento. Este proceso se realiza para obtener el nivel 1B.
Correcciones atmosféricas: Con este término se conoce al conjunto de operaciones que se
efectúan a la radiancia o reflectancia a tope de atmósfera (producto de nivel 1B) para obtener
el valor análogo sobre la superficie terrestre. Es decir, las correcciones atmosféricas se
encargan de descartar las contribuciones de energía que llegan al sensor que provienen de la
interacción de la radiación con la atmósfera terrestre, quedándonos solamente con la porción
de energía que proviene de la superficie que se quiere investigar. Este proceso puede ser más o
menos complejo de acuerdo al tipo de superficie que se esté observando y puede constar de
varios algoritmos específicos.

Aspecto de la capa raster: su mejoramiento.

En una imagen es usual encontrarnos con una gran diversidad de respuestas espectrales,
provenientes de varias coberturas y usos del suelo (bosques, desiertos, nieve, lagos, asfalto,
etc). Ante tal diversidad de respuestas espectrales, no es posible que solamente con la
corrección radiométrica se pueda desplegar el rango óptimo de valores de brillo y contraste,
siendo entonces necesario un ajuste particular para cada imagen a analizar y para cada
aplicación de la misma.
Los softwares ofrecen herramientas tiene por objetivo mejorar la apariencia y la
interpretabilidad visual de la imagen para facilitar la interpretación y análisis, aunque no
aumentan la cantidad de información de la misma.
Las técnicas disponibles se agrupan en las operaciones de punto, que modifican
independientemente el brillo de cada pixel y las operaciones locales, que modifican el valor de
cada pixel basadas en el valor de los pixeles vecinos.
Para poder cuantificar mejor las características de las imágenes, es necesario conocer algunos
parámetros estadísticos a los que recurre el procesamiento digital, son: histograma, entropía,
valores máximo-mínimo-media, varianza, desviación Standard, para cada banda y Coeficiente
de correlación para el análisis entre bandas.
Comúnmente, en una imagen con valores digitales de 8 bits o 256 niveles de gris, la mayoría de
los datos útiles ocupan solo una porción de ese rango disponible. Los valores digitales están
representados gráficamente en un histograma de una imagen donde los valores de brillo se
disponen a lo largo de un eje X o de abscisas y su frecuencia de ocurrencia en la imagen se
disponen en el eje Y o de ordenadas. Si se manipula el rango de los valores digitales en una
imagen, se mejora y resalta la respuesta espectral seleccionada. Por ejemplo, un estiramiento
de contraste implica un cambio en los valores originales de tal modo que se utilice mayor
cantidad del rango disponible y así aumentar el contraste entre los objetos de interés y su
entorno.

UTN-FRMDP-Unidad 4- 2
Estiramiento de contraste lineal
El mejoramiento más simple es el de estiramiento de contraste lineal. En esta operación, se
identifica los umbrales mínimos y máximos del histograma de una imagen (usualmente
corresponden con los valores de brillo mínimos y máximos de la imagen), luego se aplica una
transformación que permite estirar eses rango min-máx. y reasignar los valores de los pixeles
ocupando el rango total disponible. Al expandir la escala de grises, se logra realzar detalles
sutiles de la imagen, difíciles de discriminar con la compresión inicial. El estiramiento lineal
expande el rango de valores usado en la imagen, para que cubra la totalidad
del conjunto de valores de 0 a 255. este procedimiento resulta en un mejor contraste en la
imagen entre las zonas claras que aparecen con tonos aún más claros y aquellas áreas oscuras
que aprecian aún más oscuras.
Los estiramientos de contraste pueden realizarse utilizando otras funciones de transferencia
como la gaussiana, la de igualación, la de raíz cuadrada.

Estiramiento por ecualización del histograma

Si el conjunto de datos de entrada no tiene un rango uniforme de distribución a la o largo del
histograma, no es apropiado realizar un mejoramiento que lo uniformice. Es en estos casos es
cuando se sugiere el uso de un estiramiento por ecualización del histograma. Con esta técnica
se asigna mayor rango, es decir más valores al desplegar una imagen, a la porción con más
frecuencia en el histograma original. Es así, que los detalles en esas áreas serán más visibles, en
comparación con las zonas con menor frecuencia de representación en el histograma original.
Filtrado Espacial
Son técnicas diseñadas para resaltar o suprimir características específicas en una imagen,
basadas en su frecuencia espacial. En el filtrado espacial, a diferencia de las técnicas de
estiramientos por contraste, los datos de la imagen son modificados. En efecto, el valor de un
pixel en una dada ubicación es cambiado en función de los valores de los pixeles vecinos.
El parámetro de frecuencia espacial puede definirse como el número de cambios que ocurren
en el valor del pixel (o brillo) por unidad de distancia para alguna región particular de la imagen.
Por lo anterior, la frecuencia espacial está relacionada al concepto de textura. Un área con
textura áspera, con cambios abruptos en el tono de zonas pequeñas, es un área de alta
frecuencia espacial (por ejemplo, calles o caminos en zonas urbanas, parcelas agrícolas
pequeñas). Por el contrario, zonas de baja frecuencia espacial, son zonas de textura suave, con
escasa variación en el tono (por ejemplo, grandes extensiones agrícolas, cuerpos de agua
extensos)-
Un procedimiento habitual de filtrado espacial implica:
La definición de una ventana móvil, con un tamaño predeterminado de pixeles (3x3, 5x5, etc).
Esta ventana contiene un arreglo de coeficientes o factores ponderados. Estos arreglos se
definen como operadores o kernels.
El Kernel se desplaza por sobre cada pixel de la imagen, tanto en la dimensión de las columnas
como las filas, de a un pixel por vez.
El valor del pixel central del kernel en la imagen de salida se obtiene multiplicando cada
coeficiente del kernel por el correspondiente valor del pixel en la imagen original y sumando el
resultado de todos los productos resultantes.
Una vez que toda la imagen ha sido filtrada, el resultado es la generación de una nueva imagen.
Los filtros pueden variar y ser diseñados para resaltar o inhibir diferentes características en la
imagen, al variar el cálculo realizado y los pesos otorgados a los píxeles individuales en la
ventana del filtro.

UTN-FRMDP-Unidad 4- 3
Filtros Pasa Bajo: están diseñados para enfatizar áreas homogéneas de tono similar y reducir el
detalle fino de una imagen. Es decir, se utilizan para suavizar la apariencia de una imagen y por
ejemplo disminuir el ruido en una imagen.
Filtros Pasa Alto: están diseñados para enfatizar el detalle fino de una imagen.
Filtros direccionales o de Detección de Bordes: están diseñados para resaltar caracteres lineales
en una imagen, como rutas, delimitaciones en un campo. Pueden ser también diseñados para
resaltar objetos en una dirección especifica, como por ejemplo para resaltar estructuras
geológicas lineales.

Extracción de información relevante de una imagen satelital.

Para llegar a esto es necesario realizar lo que llamamos el análisis e interpretación de una
imagen. El análisis implica realizar determinados procesos que permiten extraer información
desglosada para luego, a través de la interpretación, llegar a una síntesis que se traducirá en
mapas, gráficos, tablas o recomendaciones a quienes toman decisiones.
El análisis de una imagen puede clasificarse en visual y digital. Entendiendo por visual aquel que
involucra la percepción del intérprete en base a criterios subjetivos, y al digital como el que se
realiza a partir del procesamiento matemático y estadístico de los datos.
Esta clasificación es útil a los fines descriptivos y de sistematización de los métodos, pero no
son excluyentes el uno del otro. En la práctica normalmente ambos se complementan y su
utilización depende en gran medida de los objetivos perseguidos en el análisis, del tipo de
evento o proceso que se desea analizar, del tiempo disponible y del conocimiento técnico
específico sobre las herramientas de procesamiento.
En esta oportunidad nos referiremos en detalle al análisis visual. Como dijimos más arriba este
tipo de análisis se basa en criterios subjetivos, por ende, dependen de la habilidad y experiencia
del intérprete. Además del conocimiento específico en relación a las imágenes satelitales,
intervienen la formación profesional y todo el conocimiento adquirido a lo largo de la vida
sobre procesos naturales o antrópicos que puedan tener alguna expresión sobre la superficie
terrestre.
Una misma imagen puede dar lugar a interpretaciones y conclusiones muy diferentes según la
“subjetividad” del intérprete.

UTN-FRMDP-Unidad 4- 4
Aplicaciones de las imágenes satelitales y su interpretación en función de la subjetividad del analista

Un aspecto muy importante del análisis visual, es la capacidad que tiene para incorporar
criterios complejos. Es decir que cuando miramos una imagen estamos “observando”
(seguramente sin darnos cuenta) varios criterios a la vez y procesándolos al unísono en nuestro
cerebro. A diferencia del análisis digital que se basa en el procesamiento de los datos
numéricos del pixel, el intérprete es capaz de analizar en conjunto todos los aspectos de la
imagen. Esto permite, por ejemplo, discriminar coberturas que presentan un comportamiento
espectral parejo (valores de pixel similares) pero que por su contexto es posible inferir
diferencias en el tipo de cobertura. Un cultivo en expansión puede presentar espectralmente la
misma respuesta que un césped regado de una cancha de golf. Digitalmente el resultado
arrojará que se trata del mismo tipo de cobertura, pero visualmente se podrá interpretar, en
base a las formas de cada una de estas coberturas y al contexto, que se trata de sitios con un
uso completamente diferente.

-Criterios de análisis
El intérprete, como se mencionó anteriormente, realiza el análisis utilizando varios criterios a la
vez, la mirada es sinóptica e integral. Pero a los fines del curso vamos a identificar y separar
cada uno de los criterios para una comprensión más detallada de los mismos.

UTN-FRMDP-Unidad 4- 5
Se observa un gráfico en donde se presentan los distintos criterios.

Criterios de análisis y grado de complejidad (Chuvieco 2002)

- Criterio espectral
El brillo se refiere a la cantidad de energía reflejada por la superficie y captada por el sensor,
cuya magnitud corresponde al valor del pixel. El color resulta de combinar distintas bandas en
los canales del monitor para generar una composición que permita resaltar los contrastes de las
distintas coberturas.

-Brillo
A lo largo del curso hemos visto que una imagen satelital representa los niveles de energía
reflejados por la superficie terrestre, es decir los niveles de brillo. A su vez hemos analizado
como son los niveles de brillo de distintas coberturas en función de la longitud de onda: la
firma espectral. Es importante tener claridad en estos conceptos y familiarizarse con las firmas
espectrales de las coberturas para comprender plenamente las diferencias de brillo que se
observan.
En el gráfico se observa que la vegetación presenta altos niveles de brillo en el infrarrojo y
bajos niveles en el visible. En una imagen satelital, una cobertura con niveles de brillo alto,
presentará valores de pixel más altos que una cobertura con menores niveles de brillo. A su
vez, al visualizarla en un monitor, valores altos de pixel se representarán con tonos claros y
valores bajos con tonos oscuros.

UTN-FRMDP-Unidad 4- 6
Se presenta la banda 2 de una imagen Landsat 7 ETM+, correspondiente a la longitud de 0,55
μm (verde). En ella se observan coberturas con distintos niveles de brillo. El cuerpo de agua y la
vegetación en esta banda presentan tonos oscuros, mientras que el suelo desnudo seco y las
construcciones presentan niveles altos de brillo. Esto es consistente con lo que se observa en la
anterior donde se ve que la curva de suelo tiene un nivel de reflectancia, mayor que la del agua
y la vegetación.

Niveles de brillo de distintas coberturas vistos en banda 2 de una imagen Landsat 7 ETM+.

Bibliografía:

UTN-FRMDP-Unidad 4- 7
Se presenta la banda 4 de este mismo satélite, correspondiente al infrarrojo. Aquí se puede
observar cómo el sector correspondiente a vegetación cambió drásticamente a un tono muy
brillante, lo que es esperable ya que la vegetación refleja una proporción muy alta en este
sector del espectro. El agua se mantiene muy oscura, ya que prácticamente toda la radiación
incidente es absorbida. El suelo y las construcciones se mantienen en un nivel intermedio de
reflectancia.

Niveles de brillo de distintas coberturas vistos en banda 4 de una imagen Landsat 7 ETM+.

-Color
Es sabido que el ojo humano tiene mayor capacidad de discriminar colores que niveles de gris.
Por lo tanto, la posibilidad de generar composiciones de color para la visualización de las
imágenes aumenta el contraste y permite una mayor capacidad de diferenciar coberturas. Estas
diferencias se hacen notorias comparando las imágenes a y b.

UTN-FRMDP-Unidad 4- 8
Imagen a: Distintas coberturas vistas en una imagen en escala de grises.

Imagen b: Distintas coberturas vistas en una imagen en RGB

UTN-FRMDP-Unidad 4- 9
-Criterio espectral simple
Este criterio se refiere a los elementos distinguibles en la imagen. Hay que destacar que son
completamente dependientes de la escala. Al observarse a distintas escalas los elementos que
se perciben son diferentes y sus características también.
-Textura
Se refiere a la aparente rugosidad o suavidad de una región de la imagen, en definitiva, al
contraste espacial entre los elementos que la componen. Procede de la relación entre el
tamaño de los objetos y la resolución del sensor, ya que una misma cobertura puede
presentarse como “lisa” a una determinada escala y “rugosa” a otra.
En la Figura 15 se presentan tres coberturas con distinto tipo de rugosidad y luego distintos
patrones de textura a distintas escalas:

Rugosidad y texturas.

UTN-FRMDP-Unidad 4- 10
Forma y Tamaño
Dentro de las formas presentes en una imagen hay dos fundamentales, las formas “naturales”
de rasgos redondeados, y las formas regulares con líneas y ángulos rectos, de origen antrópico.
Las formas de los elementos de la imagen también dependen de la escala, algunos solo se
distinguen a escala muy pequeña en imágenes de muy baja resolución como es el caso de la
“mega-formas” tales como los huracanes y las grandes cadenas montañosas.

Otras formas solo serán visibles y mejor definidas en tanto la escala sea mayor, es decir escenas
adquiridas con sensores de alta resolución.

Identificación de formas en imagen de alta resolución.

UTN-FRMDP-Unidad 4- 11
- Criterio espectral complejo
Este criterio analiza los elementos discernibles en la imagen teniendo en cuenta como se
vinculan entre sí.
Patrón espacial
Se refiere al arreglo o distribución de los elementos en el terreno. Se definen por formas que
tienen una geometría identificable o atributos periódicos. Se pueden distinguir dos tipos de
patrones espaciales principales, naturales y antrópicos.
Se observan distintos patrones de drenaje.

UTN-FRMDP-Unidad 4- 12
Observamos el típico arreglo espacial de zonas rurales cultivables donde se observa un mosaico
de elementos delimitados por líneas rectas en distintos tonos.

Detalle del arreglo espacial de zonas rurales.

Observamos patrones espaciales urbanos claramente distintos que proveen

mucha información en cuanto al desarrollo urbano y la planificación de las

UTN-FRMDP-Unidad 4- 13
-Sombras
La sombra es un elemento presente en las imágenes que se hace más notorio en zonas de
terreno irregular o donde se encuentran presentes elementos con desarrollo vertical.
Normalmente el área sombreada es área sin dato, lo que puede representar un problema. En
otros casos puede ser muy útil para calcular alturas o identificar la topografía y la forma del
terreno.

Landsat Website.
-Martin Wegmann, Benjamín Leutner and Stefan Dech (Editors),

-Detalle de distintas coberturas que generan sombras.

UTN-FRMDP-Unidad 4- 14
-Contexto
Este es un aspecto sumamente valioso para la interpretación de una imagen ya que puede
constituir la clave de identificación de determinados elementos.
La imagen, se muestra un área suburbana con un gran parque y algunas zonas de cultivo.

Detalle de un área suburbana con zonas de parque y cultivos

Al agrandar la ventana de observación y comprender donde está ubicado este sector se puede
decir con seguridad que se trata del Parque Pereyra Iraola, por su cercanía a la ciudad de La
Plata.

UTN-FRMDP-Unidad 4- 15
- Criterio temporal

La posibilidad de contar con tomas frecuentes de una misma zona hace posible analizar los
cambios temporales. Observamos la comparación de dos imágenes tomadas en distintos
meses de un mismo año, para analizar los cambios estacionales.

Identificación de cambios estacionales en la cobertura del suelo

UTN-FRMDP-Unidad 4- 16
El criterio temporal también permite analizar los cambios que se producen a lo largo de los
años, como por ejemplo el avance de la frontera agropecuaria, la deforestación, los cambios en
el uso del suelo, entre otros, como se puede observar en la imagen.

Identificación de cambios en la cobertura de suelo entre imágenes obtenidas con una diferencia
de 20 años.

-Bibliografía y recursos:
- CHUVIECO, E. (2002). Teleobservación Ambiental: La Observación de la Tierra desde el Espacio. Ariel Ciencia.
Introducción a la Teledetección - SELPER Uruguay. URL http://www.teledet.com.uy/
tutorial-imagenes-satelitales/imagenes-satelitales-tutorial.htm.QGIS. URL
https://www.qgis.org/es/site/.
Introducción a la Teledetección - SELPER Uruguay. URL http://www.teledet.com.uy/
tutorial-imagenes-satelitales/imagenes-satelitales-tutorial.htm.

UTN-FRMDP-Unidad 4- 17