REALCES Y TRANSFORMACIONES GLOBALES EN PROYECTO MAPA DE COBERTURA IMÁGENES DE SATÉLITE Y USO DE LA TIERRA, ESCALA 1:100.000 MAGAP
La Imagen Digital La imagen digital resulta de visualizar la información registrada en los detectores Una imagen es una distribución bidimensional de energía E-M. Es la respuesta de una superficie a la iluminación con energía E-M La luminancia tiene una dependencia espacial, es decir, la intensidad luminosa es diferente en cada punto de la superficie iluminada Una imagen discreta es aquella formada por un conjunto finito de valores de luminancia, obtenidos mediante el muestreo equiespaciado de una imagen continua
La Imagen Digital Esta imagen es discreta y finita: Espacialmente con un número finito de celdas de tamaño determinado Luminancia con Valores enteros entre mínimo y máximo Una imagen digital es la adaptación al sistema informático de la imagen discreta. Supone la asignación de un nivel de gris a cada elemento de imagen (a través de un ND)
La Imagen Digital Pixel (Picture element o elemento de imagen) o Mínimo elemento (discreto) que constituye la imagen digital definido por: Su posición (fila, columna) Tamaño (mayor o menor resolución espacial) Luminancia (nivel de gris) La posición queda referida también por coordenadas de los puntos sobre el terreno (centro o esquinas de los pixeles) El tamaño se refiere también a la de la porción del terreno observada La luminancia (nivel de gris) depende del ND de cada pixel que a su vez es función de la radiancia recibida desde cada porción del terreno
La Imagen Digital Valor pixel
La Imagen Digital Las bandas secuenciales (BSQ): El formato secuencial de banda almacena información para la imagen una banda a la vez Bandas intercaladas por línea (BIL): Los datos de banda intercalada por línea almacenan información de píxel banda por banda para cada línea o fila de la imagen Bandas intercaladas por pixel (BIP): Los datos de banda intercalada por píxel son similares a los datos BIL, excepto que los datos para cada píxel se escriben banda por banda
La Imagen Digital BIL BSQ BIP
La Imagen Digital Los bits de una imagen proporcionan la capacidad de discriminar entre distintas magnitudes de intensidad de la energía incidente en el sensor Cada pixel tiene asignado un byte (8 bits), 256 posibles valores o ND
Estructura de la Imagen Digital Z BANDA 7 BANDA 6 BANDA 5 BANDA 4 ND BANDA 3 i,j,7 ND i,j,6 Y BANDA 2 ND BANDA 1 ND i,j,5 i,j,4 ND i,j,3 ND i,j,2 ND i,j,1 Localización espacial X
Visualización de una imagen de satélite 0 46 28 40 40 40 30 10 40 28 28 12 10 10 10 35 35 15 12 10 10 10 35 27 10 10 10 10 10 45 27 10 10 10 10 10 255
Visualización de una imagen de satélite Azul Síntesis coloreada Verde Rojo
Visualización de una imagen de satélite
Realces Conjunto de operaciones destinadas a mejorar la calidad visual de la imagen con objeto de facilitar: El análisis visual Otros métodos de análisis La aplicación de operaciones de corrección Hay distintos tipos de operaciones para conseguir el realce o mejora de las imágenes: Realce radiométrico que afectan sólo a los ND Ajuste o mejora del contraste Composiciones en color Realce geométrico que afecta a la geometría de la imagen Cambios de escala o resolución Filtrados
Contrastes El contraste da una idea de oposición o diferencia entre valores de una imagen En las imágenes digitales es la relación entre los ND de una celda y las circundantes o amplitud de los valores de los ND de una imagen En términos de visualización de la imagen es el número de tonos de gris (NV) que aparecen, es decir la diferencia entre el valor de gris de las zonas más claras y más oscuras Si la imagen es en color el contraste hace referencia al conjunto de tonos que aparezcan
Contrastes Existen tres formas de medir el contraste: Cociente: c = NDmax/Ndmin Diferencia o rango: d = NDmax-Ndmin Desviación típica También se puede recurrir a la estimación por observación del histograma de la imagen (diagrama de frecuencias de cada ND) Ajuste del contraste: Conjunto de operaciones encaminadas a adecuar la resolución radiométrica de la imagen a las capacidades del sistema de Visualización Compresión, si el rango excede de las capacidades del sistema Expansión, si el rango es inferior a las capacidades del sistema Se ha de comparar el número de niveles digitales (ND) de la imagen con el niveles de visualización (NV) o grises del sistema
Contrastes El rango máximo de ND viene dado por el tipo de sensor: Landsat, SPOT y otros: 256 ND (8b) RapidEye: 4096 ND (12 b) En la mayoría de las imágenes no se alcanza este rango máximo, luego presentan un rango menor a estos EL NV depende de las características del sistema. La compresión del contraste hoy sólo tiene cabida en sistemas de más de 256 ND (NOAA, Ikonos, Quickbird...) Generalmente tiene más utilidad la expansión para el análisis visual
Contrastes La transformación de ND a NV se llava a cabo mediante las denominadas paletas de color (CLUT, Color Look-Up Table) Es una matriz numérica que establece la correspondencia entre el ND y el color de la representación
Contrastes Normalmente para visualizar los ND de 1 banda (o combinaciones de bandas como en los ACP), se emplean valores de un mismo tono (generalmente valores de gris). Son datos cuantitativos Hay que crear paletas monocromas o paletas de gris, de ahí que en sistemas de color de 24 bits (1,6 millones) sólo se disponga de 256 NV
Mejora del contraste La adecuación de los ND (Niveles Digitales) a los NV (Niveles de Visualización) de una imagen puede suponer dos cosas: Compresión del contraste (limitado a unos pocos casos actualmente) Expansión del contraste (proceso más importante y utilizado) Para realizar esta adecuación hay dos soluciones: Eliminar una parte de la información (rango) que no se considere relevante (p.e. conservar la parte central o los ND de mayor frecuencia) Realizar una clasificación de los ND (histograma), reduciendo a un número igual al de NV (gris) que presente el sistema La mejor solución es la clasificación empleando para ello método de intervalo constante (dividir el rango por el número de intervalos deseados) o variable (teniendo en cuenta la frecuencia)
Mejora del contraste En la mejora del contraste la imagen original se transforma en una nueva cuyos ND ocupan todo el rango: Expansión lineal redistribuyendo los valores máximos y mínimos de la imagen al rango de visualización manteniendo la distribución de la imagen original Ecualización que tiene en cuenta no sólo los valores sino también su frecuencia de manera que los valores más frecuentes se ajustarán más que los menos frecuentes Expansión especial mediante ajuste gaussiano que ajusta el histograma asumiendo una distribución gaussiana
Color Hay distintos sistemas para especificar el color: RGB, CMY, IHS. Sistema RGB (colores aditivos primarios) que combinan luces de colores con unas longitudes de onda dadas: Rojo (R), Verde (G) y Azul (B), para obtener todos los demás Sistema CMY (colores sustractivos primarios): Combinan pigmentos que reflejan unos colores determinados: Cian (C, Magenta (M) y Amarillo (Y) (absorben los complementarios RGB), para obtener los demás Sistema HSI: Combinan las tres componentes del color: tono (Hue, H), saturación (S), valor, brillo o intensidad (I)
Color
Composiciones de color Composiciones en color verdadero Aplicación del color sobre una imagen monobanda (imagen coloreada) con objeto de realzar las diferencias entre ND próximos Las composiciones en color se utilizan para composiciones de bandas o bien para imágenes clasificadas en los que se diferencian unas cubiertas de otras de forma cualitativa Combinación de bandas que corresponden a la banda de λ de los colores RGB, en el mismo orden
Composiciones de color Composiciones en falso color Las imágenes corresponden a bandas distintas o colocadas en un orden distinto a la de los colores RGBA La elección de las bandas a utilizar depende del Sensor que ha obtenido la imagen, si se quiere resaltar con un color determinado o una cubierta En el caso de Landsat 7 se utilizan distintas combinaciones: 3-2-1. Color natural. Una aproximación a como veríamos la superficie terrestre desde el aire 4-5-3 y 4-3-2. Falso color. La vegetación se traduce en colores rojos más intensos para masas forestales y regadío 5-4-2 y 7-4-2. Pseudo falso color. La concentración de clorofila aparece en verdes. Buenas aplicaciones edáficas y geológicas 5-3-2 y 5-2-1. Combinaciones para detectar infraestructuras artificiales que adoptan un color azul
TALLER COLOR CON IMÁGENES PROYECTO MAPA DE COBERTURA RAPID EYE Y USO DE LA TIERRA, ESCALA 1:100.000
Filtrado espacial Una imagen de satélite se caracteriza por continuos cambios en los valores de sus píxeles por unidad de área (frecuencia) Pocos cambios en los valores indican baja frecuencia Muchos cambios en los valores indican alta frecuencia
Filtrado espacial Para resaltar o suavizar las frecuencias de una imagen se aplican los filtros Es una transformación de la imagen digital por aplicación de operadores locales En la imagen transformada cada píxel tiene un ND resultado del ND del píxel correspondiente y de los ND de los que lo rodean No modifica la posición ni tamaño del píxel original, sólo el ND
Filtrado espacial El operador local consiste en una matriz cuadrada de n*n píxeles que mediante su desplazamiento produce la imagen transformada y se conoce como ventana de filtrado
Filtrado espacial Para operar, se define una ventana móvil que contiene un los coeficientes o factores ponderales que se denominan kernels El tamaño es normalmente impar de pixeles (3x3, 5x5, 7x7, etc.) La ventana móvil se mueve a través de la imagen original, y se calcula el nuevo valor para cada pixel central del kernel La operación se repite para cada pixel de la imagen original
Filtrado espacial Apliquemos cada uno de estos filtros a nuestra imagen Paso alto Paso bajo Direccionales Bordes
Filtros paso alto Refuerzan los componentes de alta frecuencia sin eliminar los de baja (ventanas 3*3 sólo pueden actuar sobre altas frecuencias) Se marcan mejor los contrastes entre píxeles vecinos, y por tanto los contornos entre áreas contiguas o los elementos lineales Aumentan los contrastes de imágenes con bajas radiancias generales y realzan rasgos lineales (carreteras, ríos, etc.) El valor central de la ventana tiene un peso más alto que sus circundantes
Filtros paso bajo Afectan a las variaciones de alta frecuencia, en general amortiguándolas y no modifican las de baja frecuencia Suaviza la imagen, los ND de los píxeles se hacen más uniformes Atenuan el ruido de una imagen, minimizando el efecto de los errores aleatorios en la toma de los datos (píxeles perdidos) Reduce la variabilidad de cubiertas poco homogéneas (p.e. las urbanas), previa o posteriormente a la clasificación Difuminan en exceso los bordes de elementos contenidos en la imagen Tipos de filtros: Medidas de tendencia central, Media y media ponderada, Mediana, Moda
Filtros direccionales Son operadores anisótropos (actúan con diferente intensidad según la dirección), por lo que realzan los rasgos lineales de la imagen en una determinada dirección Los coeficientes de los operadores están distribuidos de tal manera que las direcciones que resultan resaltadas son las perpendiculares
Filtros de borde Hay varios filtros de este tipo, utilizados para realzar fronteras o límites de cubiertas: Roberts, Sobel, Kirsh El filtro Sobel relaciona la variación entre filas y columnas de la matriz de filtrado para cada una de las componentes direccionales
TALLER FILTROS EN IMÁGENES PROYECTO MAPA DE COBERTURA RAPID EYE Y USO DE LA TIERRA, ESCALA 1:100.000
INDICES DE VEGETACIÓN La vegetación es uno de los elementos que mayor atención han recibido en el ámbito del análisis de imágenes Uno de los parámetros principales son los denominados índices de vegetación que permiten realizar un seguimiento al estado y desarrollo de la vegetación Los IV son relaciones empíricas entre las variables biofísicas de los cultivos y los índices de vegetación espectrales Se basan en los altos contrastes de la reflectividad en la vegetación generalmente entre la región del rojo visible y el infrarrojo cercano
INDICES DE VEGETACIÓN Las plantas absorben radiación en las regiones visibles del espectro ( rojo) para obtener energía y reflejan el infrarrojo que no son útiles para el desarrollo de la actividad fotosintética
INDICES DE VEGETACIÓN Los contrastes entre el visible y el infrarrojo cercano son los que aprovechan los IV para establecer diferencias en la vegetación, sana y vigorosa, vegetación enferma o de baja densidad
INDICES DE VEGETACIÓN NDVI (Normalize Difference Vegetation Index) es de los índices más utilizados pero las diferentes proporciones entre vegetación y suelo afectan sensiblemente a los valores obtenidos SAVI (Soil Adjusted Vegetation Index) que incluye una constante (L) ajustada al suelo para minimiza el efecto del suelo ARVI (Atmospherically Resistant Vegetation Index) que ajusta el valor a las condiciones atmosféricas con la banda azul y roja GreenNDVI resistente también a los efectos atmosféricos y es muy sensible a la concentración de clorofila-a EVI (Enhanced Vegetation Index) agrega a las bandas infrarroja cercana y del rojo, la banda azul, junto con coeficientes de corrección atmosférica y del efecto de suelo desnudo
NDVI Identifica el verdor de la vegetación a través de la actividad fotosintética Proporciona una medida sobre la cantidad, calidad y desarrollo de la cobertura vegetal y vigorosidad en áreas extensas. Valores próximos a 1 corresponden a vegetación con actividad fotosintética y valores próximos a próximos a 0 corresponden a suelos Los valores negativos se asocian normalmente a zonas de agua.
NDVI
NDVI Relaciona el NIR (reflectividad en la banda del infrarrojo cercano) y el R (reflectividad en la banda del rojo) Guyot y Gu (1994) establece que los valores del NDVI para imágenes Landsat calculados a partir de ND subestiman entre el 0,05 y 0,02 el valor calculado con reflectividades, siendo el error mayor con los valores de NDVI inferiores a 0,5
NDVI A partir del NDVI se puede calcular el Índice de Área Foliar (Leaf Area Index, LAI) o el factor C de la USLE Para el factor C, la siguiente expresión genérica puede servir para estimarlo en función exclusivamente del NDVI siendo valores habituales α=2 y β=1.
SAVI Incluye explícitamente el factor suelo con un parámetro (L), que ajuste el índice a una reflectividad promedio de fondo La línea de suelo (L) se calcula mediante la representación gráfica de los puntos correspondiente a suelo desnudo (X) y un punto con presencia de cierta vegetación (X ) 1 para zonas de vegetación escasa 0,5 en zonas de densidad media 0, 25 si la densidad de vegetación elevada
ARVI Es resistente a los efectos atmosféricos ya que ajusta el valor a las condiciones atmosféricas teniendo en cuenta la diferente dispersión de las bandas azul y roja
GreenNDVI También es resistente a los efectos atmosféricos Tiene un mayor rango dinámico que el NDVI y es cinco veces más sensible a la concentración de clorofila-a Éste IV evita el problema de saturación del NDVI que se satura a concentraciones de clorofila relativamente bajas (2 μgr/cm de clorofilaa)
EVI Es un índice mejorado que obtiene la respuesta de las variaciones estructurales del dosel vegetal incluyendo el índice de área foliar LAI, tipo y arquitectura del dosel y fisionomía de la planta Optimiza la señal de la vegetación con sensibilidad mejorada para altas densidades de biomasa que permite separar la señal proveniente de la vegetación y la influencia atmosférica, y restringe la aportación del suelo L es la corrección al efecto de fondo del follaje C1 y C2 son coeficientes de corrección a los efectos de los aerosoles en las bandas del rojo y azul. C1 = 6, C2= 7,5
NDRE El NDRE (Normalized Difference Red Edge Index) es un índice específico para imágenes RapiEye Es el equivalente al NDVI pero considerando la banda del rojo cercano NIR es el infrarrojo cercano RE es el rojo cercano
PRODUCTOS MOD13Q1 MODIS Los productos MOD13Q1 (Vegetation Index 16- Day L3 Global 250m V005) se generan a partir de datos MODIS El sensor MODIS instalado en los satélites Terra y Aqua de la NASA tiene una cobertura de barrido (2300 por 2040 km) Presenta una resolución temporal alta obteniendo diariamente imágenes de la misma zona de la tierra El sensor registra 36 bandas espectrales con resoluciones de 250 m para las bandas 1 y 2, 500 m para las bandas 4 a 7 y de 1000 m para las bandas 8 a 36 (https://lpdaac.usgs.gov)
PRODUCTOS MOD13Q1 MODIS El producto MOD13Q1 se genera a partir de las imágenes capturadas durante un periodo de 16 días El valor de cada píxel es el mayor valor del índice de vegetación de esa serie para minimizar el efecto de las nubes, neblina o nieve. A éste producto se le aplican una serie de procesos destinados a mejorar la calidad y precisión de los datos Se le corrige la dispersión molecular, la absorción de la capa de ozono y aerosoles al nadir (modelo de Función de Distribución de Reflectividad Bidireccional) y se validan en el Land Produts Distributed Active Archive Center con datos de localidades del globo y períodos de tiempo medio Tiene 12 bandas: la banda 1 NDVI (250 m); la banda 2 EVI (250 m); y la banda 12 Fiabilidad del píxel
PRODUCTOS MOD13Q1 MODIS NDVI 1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0,0 EVI Carreño et al. 2014 1,0 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0,2 0,1 0,0 Carreño et al. 2014
Transformacion Tasseled Cap La TC es un caso particular del análisis de componentes principales Se trata de obtener una nueva serie de bandas (brillo, verdor, humedad) a partir de las del conjunto original como combinación lineal de estas Los coeficientes de las combinaciones lineales que expresan la transformación se encuentran tabulados para los sensores más habituales En función de los sensores y sus bandas el significado de las bandas resultantes y su número puede variar
Transformacion Tasseled Cap Para el caso del sensor Landsat TM éstos son las formulaciones
Transformacion Tasseled Cap Otra transformación para el sensor MSS calcula el Brillo, el Verdor y el Yellow Vegetation Index (YVI) Aporta información acerca de la vegetación en mal estado sanitario, y el ruido atmosférico
TALLER ÍNDICES DE VEGETACIÓN PROYECTO MAPA DE COBERTURA NDVI Y EVI MODIS Y USO DE LA TIERRA, ESCALA 1:100.000 NDVI NDRE RAPID EYE