La firma espectral Interacción de la REM con la materia La interacción entre la radiación y la materia que compone la cubierta terrestre es la clave para la interpretación de la imágenes de satélite. La energía reflejada por los objetos de la cubierta (vegetación, rocas, minerales, agua) depende de diversos factores: composición, textura, estructura, humedad, condiciones de iluminación, tiempo, etc Qué es la firma espectral? Conjunto de valores radiométricos, para las diferentes bandas espectrales, característicos de cada material y adquiridos por el sensor La firma espectral permite identificar y cartografiar las cubiertas temáticas
Concepto de firma espectral Medios para obtener firmas espectrales Medirla con un radiómetro Extraerla de una biblioteca espectral creada por alguna institución (USGS, Aster ) Simularla mediante modelos físicos Extraerla de una imagen con la debida resolución espectral
La firma espectral Firma espectral de la vegetación Reflectividad baja en el visible (pigmentos de la hoja, clorofila, xantófilas y carotenos) Reflectividad alta en el infrarrojo próximo (estructura celular de la hoja) Reflectividad media en el infrarrojo medio (contenido de agua en la hoja) 100.00% 80.00% 60.00% 40.00% 20.00% 0.00% 400 900 1400 1900 2400 Factores que influyen Reflectividad hoja Pigmentos Estructura celular Contenido en humedad Características geométricas de la planta Área foliar y forma de las hojas Geometría del dosel Componente leñosa Grado de cobertura del suelo
La firma espectral Firma espectral de los suelos desnudos Curva de reflectividad bastante plana. Mayor reflectividad en el infrarrojo Suelos calcáreos (color blanco): alta reflectividad en todas las bandas visibles Suelos arcillosos: mayor reflectividad en el rojo (óxidos de hierro) 100.00% Factores que influyen Composición química Estructura Textura Contenido en humedad 80.00% 60.00% 40.00% 20.00% 0.00% 400 900 1400 1900 2400
La firma espectral Firma espectral del agua La curva de reflectividad del agua indica una gran absorción de la radiación especialmente en el IR En el VIS es función de m.s.s. y biomaterial El agua en los poros de las rocas disminuye la reflectividad 3.00% 2.50% 2.00% 1.50% 1.00% 0.50% 0.00% 400 900 1400 1900 2400
Clasificación digital Procedimiento numérico para asignar una clase temática a cada píxel de la imagen digital. Se utiliza para elaborar mapas temáticos de la cubierta terrestre a partir de las imágenes de satélite. Se basa en el concepto de firma espectral. Existen dos métodos: A) Clasificación no supervisada (método estadístico de Análisis Clúster) B) Clasificación Supervisada
Clasificación digital: clasificación automática Concepto de distancia espectral Distancia entre un par de píxeles i, j en función de sus ND (valores bandas espectrales). Los píxeles "próximos (distancia pequeña), son más parecidos (espectralmente) y, por tanto, es más probable que pertenezcan a la misma clase temática. D( i, j) = ( ND4( i) ND4( j)) + ( ND5( i) ND5( j)) + ( ND6( i) ND6( j)) 2 2 2 - La clasificación no supervisada conduce a la búsqueda automática de grupos.? - El usuario debe encontrar la correspondencia entre los grupos y las categorías temáticas. - El método no supervisado permite identificar clases espectrales presentes en la imagen frente al método supervisado que tiende a identificar las clases informacionales.
Clasificación digital: clasificación supervisada 1. Identificación de las áreas de entrenamiento Concepto de área de entrenamiento La clasificación supervisada parte de un conocimiento previo ( experiencia ) del terreno para relacionar las muestras de las clases temáticas con sus datos espectrales. Las áreas de entrenamiento son áreas con una clase temática homogénea, perteneciente a una de las clases informacionales establecidas por el usuario (agua, suelo, cultivo, ) Las áreas de entrenamiento deben ser: homogéneas y representativas de las clases temáticas de interés del área estudiada.
Clasificación digital: clasificación supervisada 2. Extracción de la firma espectral de las clases temáticas Mínimo y máximo Media
Clasificación digital: clasificación supervisada 3. Asignación de cada pixel de la imagen a una clase temática Método de distancia mínima: El píxel se asigna a la clase temática para la cual tiene menor distancia. 255 TM5 L K K K = 1 D( i, j) = ( ND ( i) ND ( j)) 2 TM4 0 0 255 Existen otros métodos de asignación como el Método de máxima probabilidad: El píxel se asigna a la clase temática que presente mayor probabilidad de pertenencia.
Clasificación digital: clasificación supervisada 4. Validación Existen diferentes medidas de la exactitud: E. Productor = Falsos negativos = Error de omisión E. Usuario = Falsos positivos = Error de comisión Exactitud global = Número de aciertos/total Kappa: El Coeficiente kappa de Cohen es una medida estadística que ajusta el efecto del azar en la proporción de la concordancia observada para elementos cualitativos (variables categóricas).