manual_de_envi_y_arcgis2.pdf

AMBIENTAL S.R.L.

GEOMATICA AMBIENTAL S.R.L. Contribuyendo al desarrollo sostenible

MANUAL CAMBIO DE COBERTURA DE TIERRA Y USO DE SUELO “Procesamiento digital de imágenes satelitales LandSat 8 con ENVI 5.1 y ARCGIS 10.2”

Elaborado por: NINO BRAVO MORALES

CONSULTOR EN GEOMÁTICA Email: [email protected]

Grupo Facebook: ArcGis 10.2

Curso de SIG y Teledetección

2014

ÍNDICE Guía 1. Descargar Imagen Satelital Landsat 7 o 8 Guía 2. Introducción de ENVI 5.1 Guía 3. Combinación de Bandas Landsat 8 - ENVI 5.1 Guía 4. Calibración de Imagen LandSat ENVI 5.1 Guía 5. Cortar una imagen en la Zona de estudio - ENVI 5.1 Guía 6. Fusión de imagen Multiespectral - Banda Pancromática - ENVI 5.1 Guía 7. Análisis estadístico de la Imagen Landsat 8 - ENVI 5.1 Guía 8. Clasificación supervisada - Flujo de trabajo de clasificación para categorizar los píxeles de una imagen LandSat 8 en muchas clases ENVI 5.1 Guía 9. Procesamiento de Imagen Satelital Landsat 8 - 16bist a 8 bits Guía 10. Composicion de Bandas de la Imagen LandSat 8 Guía 11. Fusion de Imagen Satelital - Banda Pancromatica Guía 12. Nitidez de la imagen Satelital LandSat 8 Guía 13. indice de vegetación Guía 14. Determinación de Zona de Rio o Zona Susceptible a inundación

Bravo Morales, Nino

954849467 [email protected]

Página 1


2014

Guía 1: Descargar imagen LandSat 7 o 8 El programa Landsat es una serie de misiones de observación de la Tierra por satélite administrado conjuntamente por la NASA y el Servicio Geológico de EE.UU. En 1 972, el lanzamiento de ERTS-1 (Tierra Recursos Tecnología por Satélite, más tarde renombrado Landsat 1) comenzó la era de la una serie de satélites que tienen desde que adquirida forma continua de tierras datos obtenidos por detección remotas basados en el espacio. La última satélite de la serie Landsat, la Misión de Continuidad de Datos de Landsat (LDCM), se puso en marcha el 11 de febrero de 2013. Ahora renombrado Landsat 8, los datos adquiridos por el satélite continúa para expandir el archive para los usuarios de en todo el mundo. Landsat misión Cronológica

Bravo Morales, Nino


Página 1


2014

SENSORES DE LANDSAT 1.

Escáner multiespectral Landsat (MSS)

Imágenes constan de cuatro bandas espectrales, con 80 metros de resolución espacial. Tamaño aproximado escena es de 170 km al norte-sur por 185 kilómetros de este a oeste (106 km por 115 km). Denominaciones de banda específicos difieren de Landsat 1-3 de Landsat 4-5.

LANDSAT LANDSAT MULTIESPECTRAL SCANNER (MSS)

*

LONGITUD DE

RESOLUCIÓN

ONDA

1-3

4-5

Banda 4

Banda 1

0.5-0.6

60

Banda 5

Band 2

0.6-0.7

60

Banda 6

Banda 3

0.7-0.8

60

Banda 7

Banda 4

0.8-1.1

60

(MICRÓMETROS)

(METROS)

Tamaño srcinal pixel MSS fue de 79 x 57 metros, los sistemas de producción ya volver a muestrear los datos de hasta 60 metros.

Landsat Thematic Mapper (TM) Las imágenes se componen de siete bandas espectrales con una resolución espacial de 30 metros para las bandas de 1 a 5 y 7. La resolución espacial de la banda 6 (infrarrojo térmico) es de 120 metros, pero se vuelve a muestrear a los píxeles de 30 metros. Tamaño aproximado escena es de 170 km al norte-sur por 183 kilómetros de este a oeste (106 km por 114 km).

LANDSAT 4 -5 THEMATIC MAPPER

Bravo Morales, Nino

(TM)

LONGITUD DE ONDA (MICRÓMETROS)

RESOLUCIÓN (METROS)

Banda 1

0,45-0,52

30

Banda 2

0,52-0,60

30

Banda 3

0,63-,69

30


Página 2


2014

Banda 4

0,76-0,90

30

Banda 5

1,55-1,75

30

Banda 6

10,40-12,50

120 * (30)

Banda 7

2,08-2,35

30

* TM Band 6 fue adquirido con una resolución de 120 metros, pero los productos procesados antes de 25 de febrero 2010 se vuelven a muestrear a los píxeles de 60 metros. Productos procesados después de 25 de febrero 2010 se vuelven a muestrear a los píxeles de 30 metros.

Landsat Enhanced Thematic Mapper Plus (ETM +) Las imágenes se componen de ocho bandas espectrales con una resolución espacial de 30 metros para las bandas de 1 a 7. La resolución por la banda 8 (pancromática) es de 15 metros. Todas las bandas pueden recoger uno de los dos ajustes de ganancia (alta o baja) para una mayor sensibilidad radiométrica y el rango dinámico, mientras que la banda 6 recoge tanto la ganancia alta y baja para todas las escenas. Tamaño aproximado escena es de 170 km al norte-sur por 183 kilómetros de este a oeste (106 km por 114 km).

LANDSAT 7

ENHANCED THEMATIC MAPPER PLUS (ETM +)

Bravo Morales, Nino



Banda 1

0,45-0,52

30

Banda 2

0,52-0,60

30

Banda 3

0,63-,69

30

Banda 4

0,77 a 0,90

30

Banda 5

1,55-1,75

30

Banda 6

10,40-12,50

60 * (30)

Banda 7

2,09-2,35

30

Banda 8

Desde 0,52 hasta 0,90

15


Página 3


2014

* ETM + Band 6 se adquiere a los 60 metros de resolución. Productos procesados después de 25 de febrero 2010 se vuelven a muestrear a los píxeles de 30 metros.

Landsat 8 Operacional Tierra Imager (OLI) y el sensor infrarrojo térmico (TIRS) Las imágenes constan de nueve bandas espectrales con una resolución espacial de 30 metros para las bandas de 1 a 7 y 9. Nueva banda 1 (ultra-azul) es útil para estudios costeros y aerosol. Nueva banda 9 es útil para la detección de cirros. La resolución por la banda 8 (pancromática) es de 15 metros. Bandas térmicas 10 y 11 son útiles para proporcionar temperaturas de la superficie más precisos y se recogen a 100 metros. Tamaño aproximado escena es de 170 km al norte-sur por 183 kilómetros de este a oeste (106 km por 114 km).

LANDSAT 8 OPERACIONAL TIERRA IMAGER (OLI) Y THERM AL INFRARED SENSOR (TIRS) LANZADO 11 DE FEBRERO 2013

Bravo Morales, Nino

BANDAS



Band 1 - aerosol Costera

0,43 - 0,45

30

Banda 2 - Azul

0,45 - 0,51

30

Band 3 - Verde

0,53 - 0,59

30

Band 4 - Rojo

0,64 - 0,67

30

Band 5 - Infrarrojo Cercano (NIR)

0,85 - 0,88

30

Band 6 - SWIR 1

1,57 - 1,65

30

Banda 7 - SWIR 2

2,11 2,29–


30

Página 4


2014

Band 8 Pancromático

0,50 - 0,68

15

Band 9 - Cirrus

1,36 - 1,38

30

Band 10 - Infrarrojo térmico (TIRS) 1

10,60 - 11,19

100

Band 11 - Thermal Infrared (TIRS) 2

11,50 - 12,51

100

* Bandas Tirs se adquieren en una resolución de 100 metros, pero se vuelven a muestrear a 30 metro de entrega de datos de productos. ¿Qué es el Sistema de Referencia Mundial (WRS)? El Sistema de Referencia Mundial (WRS) es una notación global que se utiliza en la catalogación de los datos del Landsat. Landsat 8 y Landsat 7 siguen el WRS-2, al igual que Landsat 5 y Landsat 4. Landsat 1, Landsat 2 y Landsat 3 siguieron WRS-1. Archivos de forma para WRS-1 y -2 (límites ruta / fila) están disponibles para descargar. http://landsat.usgs.gov/tools_wrs-2_shapefile.php Ascendente (de la noche) Descendente (durante el día) WRS2_A_PERU: Es un cuadrante ascendente durante la noche y WRS2_D_PERU: Es un cuadrante descendente durante el día.

Bravo Morales, Nino


Página 5


Bravo Morales, Nino


2014

Página 6


Bravo Morales, Nino


2014

Página 7


2014

Característica de Landsat 8 •

•

•

Formato de entrega: GeoTIFF Proyección /Datum: UTM/WGS 1984, orientado al Norte Tipo de Dato: 16 Bit

•

Tamaño da Cena: 170 km x 185 km

•

Expectativa da misión: Mínimo 5 años

Bravo Morales, Nino


Página 8


2014

Procedimiento para descargar satélite Landsat 8 Las imágenes de satélite Landsat-8 están listas para servir a los fines científicos y sociales para el que fueron designados. ¿Alguna noticia sobre el proyecto LDCM (Landsat Data Continuity Mission) realizó cambios en la estructura de los metadatos. Buscadores

GLOVIS

(http://glovis.usgs.gov/)

y

Earth

Explorer

(http://earthexplorer.usgs.gov/) son los más utilizados para la compra de las escenas familiares Landsat. Aunque las imágenes no son procesadas por el INPE, haga clic en el tutorial de abajo y utilizar este excelente consejo para realizar descargas de escenas Landsat-8.

Información adicional 

Las imágenes son gratuitas;



El satélite tiene 01 y 09 de la banda pancromática bandas multiespectrales;



La resolución del PAN es de 15 metros. La resolución

espacial

multiespectral dispone de 30 metros;



Si se combina con el MULT NAP, la resolución espacial es de 15 metros finales;



El Landsat-8 se entregan en 16 bits, siendo necesario realizar un Cambio



El Landsat-8 están orientados al norte verdadero, haciendo necesario

de escala (Conversión radiométrica);

rediseñarlos;



Los productos de Landsat 8 se entregan en la proyección UTM, WGS 1984 datum;



El formato de entrega de Landsat-8 es GeoTIFF.

Earth Explorer 1. Acceso a la pagina http://earthexplorer.usgs.gov/

Bravo Morales, Nino


Página 9


2014

2. Registrase, en el canto superior derecho, después de finalizar o registrarse, ejecuta Login.

3. Debe de iniciar sesión como usuario para descargar los satélites.

4. Cuando ya has entrado como usuario saldrá su nombre de usuario en la parte superior derecho.

5. Buscamos la imagen satelital de Landsat mediante un shp.; entramos a criterios de búsqueda, nos dirigimos en Shapefile, y agregamos los formatos que nos pide.

Bravo Morales, Nino


Página 10


2014

6. El mismo shp. Cada uno con su formato respectivo. De ahí clic en Subir. 7. Nos

va

salir

un

mensaje:

solamente aceptamos, que nos indica que hemos agregado un polígono de los límites.

8. Ahora nos dirigimos a los conjuntos de datos a descargar: elegimos Landsat Archivo y activamos L8 OLI / TIRS, que nos indica que vamos a descargar las imágenes de Landsat 8.

9. Podemos agregar algunos criterios que son importantes:

Bravo Morales, Nino


Página 11


2014

10. Voy a seleccionar una imagen de Día, si es trabajo de investigación queremos el criterio de nubosidad a 10% o 20%.

11. Por ultimo hacemos clic en Resultados y nos saldrá 12. Si seleccionamos el pie, se va mostrar la imagen en la visualización, para verificar si corresponde al área de estudio.

Para ver la información de la imagen a descargar, un clic en la imagen rosada y se abrirá una ventana de características.

Bravo Morales, Nino


Página 12


2014

13. Para descargar hacemos clic en la flechita y se abrirá una ventana nueva.

14. En esta ventana seleccionamos Level 1 GeoTIFF data Product (855.3MB), en esta parte tamos descargando todos las bandas de Landsat 8.

15. Por ultimo hacemos clic en descargar con el ID.

Bravo Morales, Nino


Página 13


A.

2014

GLOVIS 1.

Para la interface de GLOVIS requiere instalar JAVA, aplícalo en caso que necesite.

2.

Acceso a la pagina http://glovis.usgs.gov/

3.

Nos saldrá un mensaje para descargar e instalar Java.

4.

Para la instalación cerramos los buscadores y se va instalar.

Bravo Morales, Nino


Página 14


5.

2014

En la vista pequeña buscamos a Perú y lo hacemos un clic, esperamos que cargue en la visualización mayor.

6. Para ver las ciudades y los limites departamentales entramos en Map Layer y activamos All Map Layers

7. Ahora seleccionamos el archivo de la imagen a descargar que es Landsat 8; entramos Collection / Landsat Archive y activamos Landsat 8 OLI.

Bravo Morales, Nino


Página 15


2014

8. Si sabemos la ubicación de nuestra imagen Landsat por Path / Row (Ruta / Fila), será más fácil ubicar el área de estudio; o también la latitud y longitud.

Nos muestra la información de la imagen a descargar y si deseamos visualizarlo hacemos clic en GO.

Podemos cambiar la imagen, con diferente fecha, del mismo lugar.

Bravo Morales, Nino


Página 16


2014

Seleccionamos SEND TO CART, para guardar en el carrito.

Seleccionamos ADD, para agregar en la lista, se puede escoger más 9. Se abrirá una nueva página, y seleccionamos en la flechita verde, para la descarga.

10. Seleccionamos Level 1 GeoTIFF Data Product, para descargar todos los archivos de Landsat 8.

Bravo Morales, Nino


Página 17


2014

Guía 2: INTRODUCCION DE ENVI 5.1. Llega la nueva actualización de ENVI con numerosas funcionalidades, mejoras en la edición, datos y nuevas herramientas generales. Exelis lanza ENVI 5.1, la nueva versión del procesador de imágenes. Esta nueva versión trae numerosas actualizaciones en cuanto a funcionalidades generales, herramientas y soporte adicional de datos que permitirán realizar un análisis más preciso. Entre las múltiples novedades, destacan: 







Un mosaico sin costuras que te permitirá combinar escenas georreferenciadas en una sola imagen de forma rápida y sencilla. Una nueva herramienta, Regiones de Interés (ROI), que te proporcionará diferentes formas de definir y gestionar. Gestor de datos para trabajar con formatos más actualizados, incluidos LAZ y KOMPSAT-3. Además, también se ha mejorado el soporte para NPP VIIRS y Landsat 8. Lector genérico de archivos HDF5 que te permitirá abrir cualquier archivo HDF5 y crear archivos ráster combinando diferentes documentos 2D y 3D.

2.1. Abrir una imagen satelital Landsat 8 Nos vamos en el menú principal File  Open As  se desplegará una información de los satélites que deseamos utilizar en ENVI. 

En este ejemplo nos vamos en Landsat  GeoTIFF with metadata.

Bravo Morales, Nino


Página 1


2014

Se abrirá esta ventana y buscamos la ruta donde está guardado la imagen satelital LandSat 8, agregamos el archivo LC80070662013119LGN01_MTL.txt.

Para visualizar las bandas nos dirigimos a Data Manager.

Senos abrirá la venta de Data Manager y visualizaremos las 11 bandas y su espectro electromagnético de cada una de las bandas.

Bravo Morales, Nino


Página 2


2014

En la ventana anterior podemos realizar las combinaciones de bandas seleccionando tres bandas (RGB). Por ejemplo la combinación de las bandas 653, que viene a ser SWIR 1 (1.6090) que es el color Rojo, Near Infrared (NIR) (0.8646) que es el color verde y Green (0.5613) que viene hacer el Azul. Nos muestra las combinaciones realizamos anteriormente.

que

Haciendo clic en Load Data, visualizaremos la imagen combinada en ENVI.

Acá nos muestra la información del Landsat que hemos agregado, como vemos la proyección, tamaño de pixel, Longitud de onda en micrómetro, tipo de archivo, Tipo de sensor, Datum.

Bravo Morales, Nino


Página 3


2014

Visualizando en ENVI 5.1. Los colores de la combinación 653.

Para visualizar la información de la imagen satelital entramos en View Metadata.

Bravo Morales, Nino


Página 4


2014

Se nos desplegará esta venta de informaciones importantes.

Podemos visualizar la información de ruta, Tipo de archivo, columnas y filas, cuantas bandas contiene, Tipo de sensor.

Bravo Morales, Nino

Podemos visualizar la información de Tamaño de pixel, Unidades.


Página 5


Podemos visualizar la información de proyección, esferoide, Datum y sus intervalos de la proyección.

Bravo Morales, Nino

2014

Podemos visualizar la información de extensión de la imagen satelital, este, norte, oeste y sur, unidades métricas.


Página 6


Podemos visualizar la información espectral de cada banda, para su respectiva corrección con ENVI.

Bravo Morales, Nino

2014

Tiempo de adquisición de la imagen


Página 7


2014

Guía 3: Combinación de Bandas de una imagen Landsat 8 ENVI 5.1 Bandas de ráster

Algunos rásteres tienen una banda única, o capa (una medida de una sola característica) de datos, mientras que otros tienen múltiples bandas. Básicamente, una banda se representa con una sola matriz de valores de celda, y un ráster con múltiples bandas contiene múltiples matrices de valores de celda que coinciden espacialmente y que representan la misma área espacial. Un ejemplo de dataset ráster de banda única es un modelo digital de elevación (DEM). Cada celda en un DEM contiene solamente un valor que representa la elevación de superficie. También puede tener una ortofoto de banda única, que a veces se llama imagen pancromática o de escala de grises. Cuando hay múltiples bandas, cada ubicación de celda tiene más de un valor asociado. Con múltiples bandas, cada banda por lo general representa un segmento del espectro electromagnético recopilado por un sensor. Las bandas pueden representar cualquier porción del espectro electromagnético, incluidos los rangos no visibles a simple vista, como las secciones infrarrojas o ultravioletas. El término banda se srcinó a partir de la referencia a la banda de color en el espectro electromagnético.

Cuando crea una capa de mapa a partir de una imagen ráster, puede elegir mostrar una banda única de datos o formar una composición de color a partir de múltiples bandas. Una combinación de cualquiera de las tres bandas disponibles Bravo Morales, Nino


Página 1


2014

en un dataset ráster multibanda se puede utilizar para crear composiciones RGB. Al visualizar bandas juntas como composiciones RGB, a veces se puede recabar más información del dataset que si fuese a trabajar con sólo una banda.

Una imagen de satélite, por ejemplo, por lo general tiene múltiples bandas que representan distintas longitudes de onda desde las porciones ultravioleta hasta las visibles e infrarrojas del espectro electromagnético. Las imágenes Landsat, por ejemplo, son datos recopilados desde siete bandas distintas del espectro electromagnético. Las bandas 1-7, incluida la 6, representan datos de las regiones visibles, casi infrarrojas e infrarrojas media. La banda 6 recopila datos de la región infrarroja termal. Otro ejemplo de una imagen multibanda es una ortofoto de color verdadero en la que hay tres bandas, cada una representa rojo, verde o celeste.

Bravo Morales, Nino


Página 2


2014

El satélite Landsat-8 fue diseñado con la posibilidad de generar nuevos productos por nuevas combinaciones de bandas. En poco tiempo tendremos artículos académicos que contienen más información, pero es posible que desee saber qué combinaciones de bandas del satélite Landsat-8 tiene resultados similares predecesores Landsat-5 y Landsat-7. Consulte la tabla siguiente: Vista rápida

Resultar

Infra-rojo

Landsat 7 Landsat 5

Landsat 8

4, 3, 2

5,4,3

3, 2, 1

4,3,2

Falso color

5,4,3

6,5,4

Falso color

7.5.3

7,6,4

Falso color

7,4,2

7.5.3

Color Natural

Fuente: http://landsat.usgs.gov/L8_band_combos.php

Bravo Morales, Nino


Página 3


2014

2.1. Para iniciar el proceso de importación, descomprima las bandas de la imagen utilizando el programa WINZIP u otro.

2.2. Luego, en el menú principal de ENVI nos dirigimos Nos vamos en el menú principal  File  Open As  se desplegará una información de los satélites que deseamos utilizar en ENVI. En este ejemplo nos vamos en Landsat GeoTIFF with metadata.

Bravo Morales, Nino


Página 4


2014

Se abrirá esta ventana y buscamos la ruta donde está guardado la imagen satelital LandSat 8, agregamos el archivo LC80070662013119LGN01_MTL.txt.

Para visualizar las bandas nos dirigimos a Data Manager.

Se abrirá la venta de Data Manager y visualizaremos las 11 bandas y su espectro electromagnético de cada una de las bandas.

Bravo Morales, Nino


Página 5


2014

En la ventana anterior podemos realizar las combinaciones de bandas seleccionando tres bandas (RGB). Por ejemplo la combinación de las bandas 653, que viene a ser SWIR 1 (1.6090) que es el color Rojo, Near Infrared (NIR) (0.8646) que es el color verde y Green (0.5613) que viene hacer el Azul. Nos muestra las combinaciones que realizamos anteriormente. Haciendo clic en Load Data, visualizaremos la imagen combinada en ENVI.

Acá nos muestra la información del Landsat que hemos agregado, como vemos la proyección, tamaño de pixel, Longitud de onda en micrómetro, tipo de archivo, Tipo de sensor, Datum.

Bravo Morales, Nino


Página 6


2014

Visualizando en ENVI 5.1. Los colores de la combinación 653.

Para visualizar la información de la imagen satelital entramos en View Metadata.

Bravo Morales, Nino


Página 7


2014

Se nos desplegará esta venta de informaciones importantes.

Podemos visualizar la información de ruta, Tipo de archivo, columnas y filas, cuantas bandas contiene, Tipo de sensor.

Bravo Morales, Nino

Podemos visualizar la información de Tamaño de pixel, Unidades.


Página 8


Podemos visualizar la información de proyección, esferoide, Datum y sus intervalos de la proyección.

Bravo Morales, Nino

2014

Podemos visualizar la información de extensión de la imagen satelital, este, norte, oeste y sur, unidades métricas.


Página 9


Podemos visualizar la información espectral de cada banda, para su respectiva corrección con ENVI.

Bravo Morales, Nino

2014

Tiempo de adquisición de la imagen


Página 10


2014

Vamos a combinar las bandas 652 de la imagen LandSat 8 con la herramienta Layer Stacking, que se encuentra ubicada en Toolbox > RasterManagement > Layer Stacking. En esta ventana vamos agregar las bandas que deseamos combinar: 652

Podemos proyectar el ráster de salida.

Hacemos clic en import File, para cargar las bandas a combinar, de uno en uno. Escogemos las bandas multiespectrales Especificamos las bandas a combinar, de uno en uno

Bravo Morales, Nino


Página 11


2014

Voy a escoger la banda 6, que viene hacer SWIR 1 (1.6090).

Sólo tenemos activado 01 banda de las 07.

El mismo paso realizaremos para las bandas 5 y 2.

Al final obtendremos las 03 bandas espectrales (652), en ese orden.

Ahora damos la salida a la combinación 652 en Choose.

Bravo Morales, Nino


Página 12


Bravo Morales, Nino


2014

Página 13


2014

Guía 4: CALIBRACIÓN RADIOMETRICA DE IMAGEN LANDSAT 8 ENVI 5.1. Los datos que vienen almacenados en una imagen Landsat (o cualquier otra imagen obtenida mediante un sensor óptico), son valores o niveles digitales (ND). Dichos niveles digitales no representan de manera directa ninguna variable biofísica y, por tanto, no es conveniente que usted obtenga ningún índice espectral usando dichos valores "crudos". La razón para no hacerlo es muy simple: los llamados "índices espectrales" fueron desarrollados para trabajar con valores de reflectancia espectral de la superficie terrestre. Los niveles digitales no proporcionan dicha información. Por lo tanto, hay que convertir dichos valores ND en valores de reflectancia. Este proceso se realiza en dos etapas:

a) Conversión de ND a Radiancia (esta etapa se conoce como calibración radiométrica)

b) Conversión de Radiancia a Reflectancia Aparente (es decir, el cálculo de la reflectancia en el sensor) Si, adicionalmente, se remueven los efectos atmosféricos, es posible convertir la reflectancia en el sensor en reflectancia en la superficie. En tal caso, se habrá realizado un proceso completo de corrección atmosférica.

1.

Corregiremos la imagen de LandSat 8 con el método de reflectancia  entramos en Toolbox  Radiometric Correction  Radiometric Calibration.

Bravo Morales, Nino


Página 1


2014

Se abrirá estaba ventana y utilizaremos las bandas multiespectrales y clic en Ok.

En esta ventana nos proporciona el tipo de calibración que deseamos dar a la imagen, para este caso voy a utilizar la Radiancia.

Hacemos clic en Apply

FLAASH Settings

Corrección Radiancia

Bravo Morales, Nino

Sin Corrección


Página 2


2014

Análisis atmosférica Fast Línea de visión de Hip ercubos (FLAASH) FLAASH es una herramienta de corrección atmosférica de primeros principios que corrige longitudes de onda del visible a través de las regiones del infrarrojo del infrarrojo cercano y de onda corta, de hasta 3 m. (Para las regiones termales, utilice la opción Herramientas de corrección radiométrica> Corrección Atmosférica térmica.) FLAASH trabaja con la El mayoría de los sensores hiperespectrales y multiespectrales. vapor de agua y la recuperación de aerosoles sólo son posibles cuando la imagen contiene bandas en posiciones de longitud de onda apropiada. FLAASH puede corregir las imágenes recogidas en cualquiera vertical (nadir) o geometrías oblicuas de visualización.

Introducimos la imagen de valores de radiacia.

El factor de la escala de radiancia va ser 10.

Bravo Morales, Nino


Página 3


2014

Guardamos archivo de salida de Reflectancia. Direccionamos el archivo de salida de FLAASH

Nombre del archivo de salida FLAASH

Ahora vamos a configurar el tipo de sensor que se esta utilizando. Estamos utilizando LandSat 8 OLI

Bravo Morales, Nino


Página 4


2014

Seguido configuramos la fecha y hora que se tomó la imagen Landsat 8 OLI, para ver esta información entramos la visualización de la imagen cruda– View metadata, se abrirá una ventana con las características de la imagen.

Bravo Morales, Nino


Página 5


2014

Cada verificamos el tipo de sensor: Landsat OLI

Verificamos el tamaño multiespectrales

Bravo Morales, Nino

de

pixel

que

tiene


las

bandas

Página 6


2014

Verificamos la proyección – UTM Zona 18S

Verificamos la extensión que tiene la imagen

Bravo Morales, Nino


Página 7


2014

Visualizamos los espectro de Reflectancia a corregir.

Parámetros de la imagen

Bravo Morales, Nino


Página 8


2014

Verificamos la fecha y hora que ha sido tomado la imagen

Verificamos la calibración del factor de escala.

Bravo Morales, Nino


Página 9


2014

Por defecto nos salió las coordenadas geográficas del centro de localización de escena de la imagen.

Nos encontramos en el Trópico y el modelo No Aerosol.

Bravo Morales, Nino


Página 10


2014

Seleccione Opciones de modelo de la Atmósfera Utilice el modelo atmosférico lista desplegable para elegir uno de los estándares MODTRAN ® modelos de atmósferas. Para obtener los mejores resultados, seleccione un modelo cuyo nivel de vapor de agua en columna cantidad es similar o algo mayor que, que espera que para la escena. Las cantidades de vapor de agua de la columna estándar (desde el nivel del mar hasta el espacio) para cada atmósfera del modelo se presentan en la siguiente tabla. VAPOR DE AGUA (STD ATMCM)

MODELO AMBIENTE SUB-ÁRTICO INVIERNO (SAW) LATITUDES MEDIAS DE INVIERNO (MLW) ESTÁNDAR EE.UU. (EE.UU.) SUB-ÁRTICO DE VERANO (SAS) LATITUDES MEDIAS DE VERANO (MLS) TROPICAL (T)

VAPOR DE AGUA (G / CM 2 )

SUPERFICIE TEMPERATURA DEL AIRE

518

0.42

-16 ° C (3 ° F)

1060

0.85

-1 ° C (30 ° F)

1762

1.42

15 ° C (59 ° F)

2589

2.08

14 ° C (57 ° F)

3636

2.92

21 ° C (70 ° F)

5119

4.11

27 ° C (80 ° F)

Si no hay información de vapor de agua está disponible, seleccione una atmósfera de acuerdo a la temperatura del aire en superficie conocido o esperado, lo que tiende a correlacionarse con el vapor de agua. Si la temperatura no es conocida, seleccione una atmósfera en la siguiente tabla, que se basa en un modelo de temperatura de la superficie de temporada-la latitud. Latitud (° N) 80 70 60 50 40 30 20 10

Ene

Marzo

Mayo

Julio

Septiembre

Noviembre

SAW SAW MLW MLW

SAW SAW MLW MLW

SAW MLW MLW SAS

MLW MLW SAS SAS

MLW MLW SAS SAS

SAW SAW MLW SAS

SAS MLS T T

SAS MLS T T

SAS MLS T T

MLS T T T

MLS T T T

SAS MLS T T

Bravo Morales, Nino


Página 11

Curso de SIG y Teledetección 0 -10 -20 -30 -40 -50 -60 -70 -80

T T T MLS SAS SAS MLW MLW MLW



T T MLS MLS SAS MLW MLW MLW MLW

T T MLS MLS SAS MLW MLW MLW MLW

2014


Comparación de Reflectancia FLAASH y Radiancia

Para ello hemos creado nuevo visualización con “Create New View” y dividir la pantalla en 2, forma vertical.

Para mostrar la misma zona en las dos imágenes hacemos clic en “Link Views” ahí agregaremos las visualizaciones. Bravo Morales, Nino


Página 12


2014

En esta ventana seleccionamos Geo Link y Link All, Link a todas las visualizaciones.

Ahora ya tenemos Geo Link ponemos OK.

Bravo Morales, Nino


Página 13


2014

Exportar la imagen de Reflectancia FLAASH Para guardar en otro formato nos dirigimos al menú principal

File > Save As…

Bravo Morales, Nino


Página 14


2014

Guía 5: CORTAR UNA IMAGEN CON LA ZONA DE ESTUDIO ENVI 5.1. El formato ESRI Shapefile (SHP) es un formato de archivo informático propietario de datos espaciales desarrollado por la compañía ESRI, quien crea y comercializa software para Sistemas de Información Geográfica como Arc/Info o ArcGIS. Originalmente se creó para la utilización con su producto ArcView GIS, pero actualmente se ha convertido en formato estándar de facto para el intercambio de información geográfica entre Sistemas de Información Geográfica por la importancia que los productos ESRI tienen en el mercado SIG y por estar muy bien documentado. Un shapefile es un formato vectorial de almacenamiento digital donde se guarda la localización de los elementos geográficos y los atributos asociados a ellos. No obstante carece de capacidad para almacenar información topológica. Es un formato multiarchivo, es decir está generado por varios ficheros informáticos. El número mínimo requerido es de tres y tienen las extensiones siguientes: 





.shp - es el archivo que almacena las entidades geométricas de los objetos. .shx - es el archivo que almacena el índice de las entidades geométricas. .dbf - es la base de datos, en formato dBASE, donde se almacena la información de los atributos de los objetos.

Además de estos tres archivos requeridos, opcionalmente se pueden utilizar otros para mejorar el funcionamiento en las operaciones de consulta a la base de datos. Estos archivos son: 

 



.prj - Es el archivo que guarda la información referida al sistema de coordenadas en formato WKT. .sbn y .sbx - Almacena el índice espacial de las entidades. .fbn y .fbxque - Almacena el índice(solo espacial de las entidades para los shapefiles son inalterables lectura). .ain y .aih - Almacena el índice de atributo de los campos activos en una tabla o el tema de la tabla de atributos.

Bravo Morales, Nino


Página 1




2014

.shp.xml - Almacena los metadatos del shapefile.

Nos dirigimos en ENVI 5.1



menú principal File



New



Vector Layer…

En esta ventana nos pedirá la información de la entidad a crear: nombre, Tipo de entidad y proyección, en este caso hacemos clic en la imagen proyectada con UTM, Zona 18 S.

Bravo Morales, Nino


Página 2


2014

Después de haber creado vamos a editar la entidad, para construir en la visualización de ENVI.

Editar vértice Crear vector

Editar vector

Guardamos el shapefile entrando en el menú principal File > Save As…

Bravo Morales, Nino


Página 3


2014

Ahora pasamos a recortar la imagen en forma de la zona de estudio. Entramos en toolbox

>

Raster Management >

Resize Data

En esta ventana seleccionamos Spatial Subset, para incorporar el archivo shapefile y cortar en su forma.

Bravo Morales, Nino


Página 4


2014

Hay varias formas de cortar la imagen, en este ejemplo vamos a utilizar ROI/EVF.

Seleccionamos el shapefile: Zona_Estudio.shp

Ya tenemos el área de corte.

Bravo Morales, Nino


Página 5


2014

Guardamos la imagen de salida con el nombre de Clip_7_66_Flaash

Bravo Morales, Nino


Página 6


2014

Guía 6: Fusión de imagen multiespectrales LandSat 8 banda pancromática - ENVI 5.1. –

¿Qué es la fusión de imágenes?

La fusión de imágenes utiliza una imagen pancromática de mayor resolución (o banda de ráster) para fusionar con un dataset ráster multibanda de menor resolución. El resultado produce un dataset ráster multibanda con la resolución del ráster pancromático en donde los dos rásteres se superponen completamente. La fusión de imágenes es una transformación radiométrica disponible a través de la interfaz de usuario o desde una herramienta de geoprocesamiento. Varias compañías de imagen proporcionan imágenes multibanda de baja resolución e imágenes pancromáticas de mayor resolución de las mismas escenas. La fusión de imágenes se utiliza para incrementar la resolución espacial y proporcionar una mejor visualización de una imagen multibanda con la imagen de banda única de alta resolución.

Método Gram-Schmidt

El método de fusión de imágenes Gram-Schmidt, se basa en un algoritmo general de vector ortogonalización, la ortogonalización de Gram-Schmidt. Este algoritmo se compone en vectores (por ejemplo, 3 vectores en espacio 3D) que no son ortogonales, después los rota para que sean ortogonales. En caso de imágenes, cada banda (pancromático, rojo, verde, azul e infrarrojo) corresponde a un vector de alta dimensión (#dimensiones = #píxeles). En el método de fusión de imágenes Gram-Schmidt, el primer paso es crear una banda de desplazamiento panorámico de baja resolución al calcular un promedio ponderado de las bandas MS. A continuación, estas bandas no tienen relación entre sí utilizando el algoritmo de ortogonalización Gram-Schmidt, al tratar a cada Bravo Morales, Nino


Página 1


2014

banda como un vector multidimensional. La banda de desplazamiento panorámico de baja resolución simulada se utiliza como el primer vector; que no se rota o transforma. La banda de desplazamiento panorámico de baja resolución se reemplaza después con la banda de desplazamiento panorámico de alta resolución y todas las bandas se transforman de nuevo en alta resolución. Algunos pesos sugeridos para los sensores comunes son (orden: rojo, verde, azul, infrarrojo), como se muestra a continuación: 

GeoEye—0.6, 0.85, 0.75, 0.3



IKONOS—0.85, 0.65, 0.35, 0.9



QuickBird—0.85, 0.7, 0.35, 1.0



WorldView-2: 0,95; 0,7; 0,5; 1,0

Para la fusión vamos a utilizar la herramienta deToolbox > Image Sharpening > Gram-Schmidt Pan Sharpening.

Seleccionamos la imagen Multi Banda.

Bravo Morales, Nino


Página 2


2014

Seleccionamos la imagen Pancromática (Banda 8)

El tipo de sensor que tamos utilizando “Landsat8_OLI” y

seleccionamos el método de remuestreo Bilinear.

Sin Fusión Pancromático

Bravo Morales, Nino

Con Fusión Pancromático


Página 3


2014

Guía 7: ANÁLISIS ESTADISTICO DE IMAGEN LANDSAT 8 - ENVI 5.1. Característica de Landsat 8: La imagen a procesar es una imagen Landsat 8, en que almacena sus datos de pixel se emplean 16 bits firmados, es decir, cada pixel puede adoptar un valor que variará entre -31 768 y 32 767. Cuadro 1. Valores de pixel que se emplean en # bits El tipo de datos

El mínimo (Valor)

El máximo (Valor)

1 bit UNSIGNED

0

1

2 bit UNSIGNED

0

3

4 bit UNSIGNED

0

15

8 bit UNSIGNED

0

255

-128

127

0

65 535

-31 768

32 767

0

4 294 967 295

-2 147 483 648

2 147 483 647

8 bit SIGNED 16 bit UNSIGNED 16 bit SIGNED 32 bit UNSIGNED 32 bit SIGNED 32 bit FLOAT

Un tipo de dato de 32 bits que admite decimales.

64 bit


Para mejor estadístico de la imagen vamos a trabajar con 16 bits análisis sin firmado (UNSIGNED), para ello convertiremos utilizando el ArcGIS 10.2. Bravo Morales, Nino


Página 1


2014

Abra el ArcMap 10.2 y entramos en ArcToolbox, entramos en la Herramientas de administración de datos > Ráster > Dataset ráster > Copiar ráster

A B C D E G

F

A. In raster (Ráster de entrada): El nombre y la ubicación del dataset raster

(Clip_7_66_Flaash_B8)

Bravo Morales, Nino


Página 2


2014

B. Out raster dataset (Dataset ráster de salida): El nombre y la ubicación del

dataset ráster que se va a crear. Al almacenar el dataset ráster en un formato de archivo, deberá especificar la extensión del archivo: 







.bil—Esri BIL .bip—Esri BIP .bmp: BMP .bsq—Esri BSQ



.dat: ENVI DAT



.gif: GIF



.img: ERDAS IMAGINE



.jpg: JPEG



.jp2: JPEG 2000



.png: PNG



.tif: TIFF



ninguna extensión para Cuadrícula de Esri

Cuando almacene un dataset ráster en una geodatabase, no se deberá agregar ninguna extensión de archivo al nombre del dataset ráster. C. Configuration Keyword (Palabra clave de configuración (opcional))

Especifica los parámetros de almacenamiento (configuración) para una geodatabase

de

archivos

y

una

geodatabase

de

ArcSDE.

Las

geodatabases personales no utilizan palabras clave de configuración. Seleccionamos la opción DEFAULTS.

Bravo Morales, Nino


Página 3


2014

D. Ignore Nodata (Ignorar valor de fondo (opcional)): digitalice el valor“0”

Utilice esta opción para quitar los valores no deseados que se crean alrededor de los datos ráster. El valor especificado se distinguirá de otros datos valiosos en el dataset ráster. Por ejemplo, un valor de cero a lo largo de los bordes del dataset ráster se distinguirá de los valores cero dentro del dataset ráster. E. NoData Value (Valor NoData (opcional)): digitalice el valor“0”; Todos los

píxeles con el valor especificado se establecerán como NoData en el dataset ráster de salida. F. Pixel Type (Tipo de píxel (opcional)):Seleccione 16_BIT_UNSIGNED

Determina la profundidad de bit del dataset ráster de salida. Si no se especifica, la profundidad de bit de salida será igual que la de la entrada. No se producirá un re-escalamiento de los valores ráster cuando se elija un tipo de píxel diferente. Si el tipo de píxel se degrada (se lo baja), los valores ráster que estén fuera del rango válido para esa profundidad de píxel se truncarán y se perderán. (Cuadro 1.) G. Scale Pixel Value (Escalar valor de píxel (opcional)): activar el rango de

8 bits. Cuando la salida es un tipo diferente de píxel que el de entrada (como 16 bits a 8 bits) puede elegir que los valores se aumenten para que se ajusten al nuevo rango; de lo contrario, los valores que no se ajusten en el nuevo rango de píxel se desecharán. 

Marcado: los valores de píxeles aumentarán al nuevo tipo de píxeles.

Cuando ajusta la profundidad del píxel, el ráster lo mostrará, pero los valores se ajustarán según a la nueva profundidad de bit que se especificó.

Bravo Morales, Nino


Página 4


2014

7.1. Calcular estadísticas ENVI puede calcular estadísticas básicas y / o información tabulada histograma (distribución de frecuencias) para las imágenes de una sola banda o multibanda. El mínimo, máximo y espectros significar sólo pueden calcularse para imágenes multibanda. Del mismo modo, las estadísticas de covarianza, que incluyen vectores propios y una matriz de correlación, sólo pueden calcularse para imágenes multibanda. Las estadísticas se calculan en doble precisión.

Desde el cuadro de herramientas (Toolbox), seleccione Estadísticas> Calcular estadísticas. Aparecerá el cuadro de diálogo de archivo de entrada Calcular estadísticas.

Bravo Morales, Nino


Página 5


2014

En la Selección de archivos de entrada, seleccione el archivo de entrada al seleccionar el nombre del archivo. Haga clic en Aceptar. Aparecerá el cuadro de diálogo Calcular Parámetros Estadísticas. Seleccione incluyen: 

el tipo

de

estadísticas

que

Calcula las Estadísticas básicas: estadísticas básicas (el mínimo, máximo, media y desviación estándar para todas las bandas) para sus datos. Estas estadísticas básicas se calculan siempre. Esta opción siempre se establece.

ENVI no calcula estadísticas para algunas bandas especificadas como malas bandas en el archivo de cabecera de la imagen. 



Histogramas: Calcula el histograma de cada banda. Los cálculos de

distribución de frecuencias también devuelven el número de puntos, puntos acumulables, por ciento por cada bin, y el porcentaje acumulativo para cada DN (Número Digital) en el histograma de la imagen. Covarianza: Calcula la matriz de covarianza, la matriz de correlación, los valores propios y vectores propios. Cuando se selecciona, la imagen Covarianza casilla de verificación también aparece en el cuadro de diálogo. Seleccione la covarianza Imagen casilla para devolver las matrices de covarianza y correlación, y los vectores propios como imágenes en la lista de bandas disponibles. Las dimensiones de las imágenes resultantes se nb por NB , donde nb es el número de bandas de los datos de entrada. Los vectores propios están asociados con las filas en la imagen de salida vector propio.

Bravo Morales, Nino


Página 6


2014

Seleccione la salida a la pantalla de la casilla de verificación para mostrar el informe de estadísticas en la pantalla.

Activamos las dos opciones, para guardar el archivo de estadística y el reporte del archivo texto.

Ya hemos guardados el archivo estadística y el reporte.

Cambiar la precisión de los datos que aparece en el informe hacemos clic en

Report Precision…

Bravo Morales, Nino


Página 7


2014

Para cambiar la precisión de los datos que aparece en el informe de estadísticas de producción, haga clic en Informe de precisión. Aparecerá el cuadro de diálogo Establecer Informe de precisión. 

Utilice la precisión de datos de campo para establecer el número de dígitos a mostrar después del punto decimal.



Utilice el Informe flotante botón de activación para designar el formato (normal o científico) de los números en el informe ASCII. normales números están en formato decimal (por ejemplo, 25,88). Científicos números son un solo dígito seguido de un valor decimal, la carta E, y el poder exponencial (por ejemplo, 2.588e 001).

Haga clic en Aceptar. Cuando se calculan las estadísticas, las estadísticas Resultados aparecerá la ventana gráfica.

Bravo Morales, Nino


Página 8


2014

Ver Statistics Reports La sección de ventana las Estadísticas Resultados diálogo muestra el perfil que ha seleccionado en el Select Plot botón desplegable. En la ventana gráfica, botones del ratón le permiten realizar las siguientes tareas:

Botón izquierdo del ratón: muestra un cursor en forma de cruz en el punto de datos más cercano e informa de su (x, y).

Botón derecho del ratón : Contiene todas las opciones asociadas con una ventana de dibujo regular.

Para guardar los resultados entramos en el menú principal File > Save results text file…

Lo abrimos el archivo con Excel.

Bravo Morales, Nino


Página 9


2014

Cuadro 2. Estadística básica de la imagen Basic Stats

Min

Max

Num

Eigenvalue

Band 1

31397

33997

31853.7074 135.954075

Mean

Stdev

1

38225.7777

Band 2

31809

33704

32154.1648 104.671537

2

5656.91279

Band 3

32277

33382

32500.7559

73.089763

3

783.281319

Band 4

32465

33526

32645.6773

64.568202

4

28.039243

Band 5

32674

33770

33041.332

74.372594

5

6.673315

Band 6

32756

32985

32785.3724

14.840065

6

1.633252

La imagen LandSat 8, trabaja con valores de pixel de 16 bits.

Nota: recordar que los niveles es diferente de 8 bits y 16bits; el de 8 bits = 256 niveles por canal de color (x3 canales de color (RGB) = 256 x 256 x 256 = 16.777.216 colores y el de 16 bits = 65.536 niveles por canal de color. En el cuadro 1 se muestra las estadísticas básicas de una imagen de satélite, en la que para almacenar el valor de un pixel se emplean 16 bits, es decir, cada pixel puede adoptar un valor que variará entre 0 y 65535. Extraer las siguientes conclusiones: La banda 6 posee todos píxeles con niveles digitales concentrados entre los valores 32756 y 32985, es decir no se encontrará en esa banda ningún pixel con un valor inferior a 32756 y superior a 32985. La banda que pose poca concentración es la Banda 6 (Max Min = 229). –

Bravo Morales, Nino


Página 10


2014

7.2. Medidas de tendencia central Estos tipos de medidas permiten identificar y ubicar el ND al cual tiende agruparse los Niveles Digitales (valor central). Cuando se aplica a poblaciones, se les denomina parámetros o valores estadísticos de la población. Las principales medidas utilizadas para ubicar el ND central son la media aritmética, la mediana y la moda. •

Media aritmética

Es la medida de tendencia central más utilizada y sencilla de calcular, debido al manejo algebraico. La media aritmética representa el valor medio, alrededor del cual se agrupa resto de los valores radiométricos de una banda. La media se analiza en el conjunto con los valores mínimos y máximos y la desviación estándar, lo que permite conocer el comportamiento radiométrico de la imagen, su grado de homogeneidad y de dispersión. La principal desventaja de la media aritmética, está en la sensibilidad a cambios de los valores o valores extremos. Adicionalmente a la media aritmética, existen otras medidas como la media geométrica, la media ponderada, la media cuadrática, entre otras. •

Mediana

Corresponde al valor del ND intermedio cuando todos los elementos se ordenan en una lista de menor a mayor o de mayor a menor. Se tiene que el 50% de las observaciones se encuentran por arriba de la mediana del ND y 50% por debajo de ella. Para el cálculo de la mediana, debe considerarse que las imágenes que cuenten con un número total de píxeles impar, la mediana dará como resultado la posición intermedia de la serie ordenada, mientras que para un número total de píxeles par, se debe promediar los dos valores de las posiciones centrales. •

Moda

ND que presenta mayor frecuencia en una imagen. Algunas veces es posible que se presente dos valores con mayor frecuencia, por lo que se denomina bimodal, otras veces con más de dos valores, lo que se conoce como multimodal. Bravo Morales, Nino


Página 11


2014

7.3. Medidas de dispersión Estas medidas permiten identificar cuanto se dispersan los ND alrededor del ND central, en otras palabras, permiten conocer como los valores de los datos se reparten a través del rango radiométrico de la imagen, tomando como referencia el ND central. •

Desviación estándar o típica

La desviación estándar permite determinar el promedio aritmético o fluctuaciones de los datos respecto a su punto central o media. Si los valores tienden a concentrarse alrededor de la media - la desviación estándar es pequeña, si los valores tienden a distribuirse lejos de la media la desviación estándar es grande. –

Ejemplo práctico: Imaginemos que disponemos de una caja de 65 536 lápices de colores. Todos los lápices están ordenados por tonalidades; tal y como se venden en las papelerías. Si observamos la caja nos damos cuenta que el color de un lápiz es muy similar (a veces idéntico) al situado a su lado. Supongamos que a cada lápiz se le asocia un valor, un nivel digital. Si pintamos cada pixel de la banda 2 y de la banda 5 con su lápiz correspondiente: ¿qué sucederá con la visualización de ambas bandas? banda 6 posee todos su píxeles con valores muy concentrados en un rango pequeño (32756 - 32985), su visualización presentará poca variación en cuanto a tonalidad se refiere. Sin embargo, la banda 1 (31397 - 33997), empleará toda la caja para visualizar la imagen. Como conclusión distinguiremos más detalles en la banda 1 que en la banda 6. No olvidemos que las dos están representando a la misma porción de terreno. ¿Y si en lugar de una caja de colores empleamos una gama de 255 grises que van desde el negro al blanco? Con más razón mejor contraste en la imagen.

Bravo Morales, Nino


Página 12


2014

Hacemos clic en la banda 6, para representar en rangos de colores.

Rango de Pixel de la imagen banda 6.

Crear una nueva clasificación de colores.

Numero de rangos de colores 255 (RGB) para la clasificación.

Bravo Morales, Nino


Página 13


Numero de pixel

Frecuencia Absoluta

Frecuencia Absoluta

2014

Frecuencia Relativa

Cuadro 3. Histograma de la Banda 6 FA Total

FR Percent

32756

DN

299948

299948

7.4594

7.4594

32757

0

299948

0

7.4594

32758

0

299948

0

7.4594

32759

0

299948

0

7.4594

32760

0

299948

0

7.4594

32761

0

299948

0

7.4594

32762

5953

305901

0.148

7.6075

32763

1173

307074

0.0292

7.6366

32764

145

307219

0.0036

7.6403

32765

177

307396

0.0044

7.6447

32766

3909

311305

0.0972

7.7419

32767

15797

327102

0.3929

8.1347

32768

12957

340059

0.3222

8.457

32769

21746

361805

0.5408

8.9978

Bravo Morales, Nino

Npts


FR Acc Pct

Página 14


2014

32770

8761

370566

0.2179

9.2156

32771

8358

378924

0.2079

9.4235

32772

9327

388251

0.232

9.6554

32773

11513

399764

0.2863

9.9418

32774

16061

415825

0.3994

10.3412

32775

25840

441665

0.6426

10.9838

32776

43097

484762

1.0718

12.0556

32777

66387

551149

1.651

13.7066

32778

96803

647952

2.4074

16.114

32779

135919

783871

3.3802

19.4941

32780

186567

970438

4.6397

24.1339

32781

242615

1213053

6.0336

30.1675

32782

278297

1491350

6.921

37.0885

32783

284725

1776075

7.0808

44.1693

32784

257791

2033866

6.411

50.5804

32785

225382

2259248

5.605

56.1854

32786

196765

2456013

4.8934

61.0788

32787

174165

2630178

4.3313

65.4101

32788

155658

2785836

3.8711

69.2812

32789

140007

2925843

3.4818

72.763

32790

126114

3051957

3.1363

75.8993

32791

113321

3165278

2.8182

78.7175

32792

101561

3266839

2.5257

81.2432

32793

89121

3355960

2.2164

83.4596

32794

78073

3434033

1.9416

85.4012

32795

67497

3501530

1.6786

87.0798

32796

57645

3559175

1.4336

88.5134

32797

49560

3608735

1.2325

89.7459

32798

42757

3651492

1.0633

90.8092

32799

36890

3688382

0.9174

91.7266

32800

31814

3720196

0.7912

92.5178

32801

28331

3748527

0.7046

93.2224

32802

24935

3773462

0.6201

93.8425

32803

21603

3795065

0.5372

94.3797

32804

19126

3814191

0.4756

94.8554

32805

16732

3830923

0.4161

95.2715

32806

14749

3845672

0.3668

95.6383

32807 32808

13420 11931

3859092 3871023

0.3337 0.2967

95.972 96.2687

32809

11148

3882171

0.2772

96.546

32810

10049

3892220

0.2499

96.7959

Bravo Morales, Nino


Página 15


2014

32811

8894

3901114

0.2212

97.0171

32812

8192

3909306

0.2037

97.2208

32813

7246

3916552

0.1802

97.401

32814

6497

3923049

0.1616

97.5626

32815

6081

3929130

0.1512

97.7138

32816

5657

3934787

0.1407

97.8545

32817

4991

3939778

0.1241

97.9786

32818

4496

3944274

0.1118

98.0904

32819

4345

3948619

0.1081

98.1985

32820

3826

3952445

0.0951

98.2936

32821

3478

3955923

0.0865

98.3801

32822

3288

3959211

0.0818

98.4619

32823

3009

3962220

0.0748

98.5367

32824

2846

3965066

0.0708

98.6075

32825

2588

3967654

0.0644

98.6719

32826

2365

3970019

0.0588

98.7307

32827

2068

3972087

0.0514

98.7821

32828

1964

3974051

0.0488

98.831

32829

1823

3975874

0.0453

98.8763

32830

1714

3977588

0.0426

98.9189

32831

1596

3979184

0.0397

98.9586

32832

1426

3980610

0.0355

98.9941

32833

1325

3981935

0.033

99.027

32834

1227

3983162

0.0305

99.0575

32835

1109

3984271

0.0276

99.0851

32836

1071

3985342

0.0266

99.1118

32837

1019

3986361

0.0253

99.1371

32838

893

3987254

0.0222

99.1593

32839

869

3988123

0.0216

99.1809

32840

800

3988923

0.0199

99.2008

32841

791

3989714

0.0197

99.2205

32842

693

3990407

0.0172

99.2377

32843

718

3991125

0.0179

99.2556

32844

623

3991748

0.0155

99.2711

32845

619

3992367

0.0154

99.2865

32846

606

3992973

0.0151

99.3015

32847

577

3993550

0.0143

99.3159

32848 32849

563 518

3994113 3994631

0.014 0.0129

99.3299 99.3428

32850

524

3995155

0.013

99.3558

32851

467

3995622

0.0116

99.3674

Bravo Morales, Nino


Página 16


2014

32852

442

3996064

0.011

99.3784

32853

485

3996549

0.0121

99.3905

32854

422

3996971

0.0105

99.401

32855

424

3997395

0.0105

99.4115

32856

421

3997816

0.0105

99.422

32857

416

3998232

0.0103

99.4323

32858

434

3998666

0.0108

99.4431

32859

461

3999127

0.0115

99.4546

32860

407

3999534

0.0101

99.4647

32861

369

3999903

0.0092

99.4739

32862

398

4000301

0.0099

99.4838

32863

399

4000700

0.0099

99.4937

32864

412

4001112

0.0102

99.5039

32865

380

4001492

0.0095

99.5134

32866

433

4001925

0.0108

99.5242

32867

380

4002305

0.0095

99.5336

32868

391

4002696

0.0097

99.5433

32869

380

4003076

0.0095

99.5528

32870

376

4003452

0.0094

99.5621

32871

412

4003864

0.0102

99.5724

32872

370

4004234

0.0092

99.5816

32873

358

4004592

0.0089

99.5905

32874

380

4004972

0.0095

99.5999

32875

382

4005354

0.0095

99.6094

32876

364

4005718

0.0091

99.6185

32877

370

4006088

0.0092

99.6277

32878

326

4006414

0.0081

99.6358

32879

344

4006758

0.0086

99.6443

32880

334

4007092

0.0083

99.6527

32881

349

4007441

0.0087

99.6613

32882

361

4007802

0.009

99.6703

32883

373

4008175

0.0093

99.6796

32884

353

4008528

0.0088

99.6884

32885

340

4008868

0.0085

99.6968

32886

332

4009200

0.0083

99.7051

32887

338

4009538

0.0084

99.7135

32888

307

4009845

0.0076

99.7211

32889 32890

345 318

4010190 4010508

0.0086 0.0079

99.7297 99.7376

32891

320

4010828

0.008

99.7456

32892

309

4011137

0.0077

99.7532

Bravo Morales, Nino


Página 17


2014

32893

329

4011466

0.0082

99.7614

32894

290

4011756

0.0072

99.7686

32895

309

4012065

0.0077

99.7763

32896

285

4012350

0.0071

99.7834

32897

262

4012612

0.0065

99.7899

32898

278

4012890

0.0069

99.7968

32899

266

4013156

0.0066

99.8035

32900

273

4013429

0.0068

99.8102

32901

281

4013710

0.007

99.8172

32902

277

4013987

0.0069

99.8241

32903

255

4014242

0.0063

99.8305

32904

240

4014482

0.006

99.8364

32905

252

4014734

0.0063

99.8427

32906

254

4014988

0.0063

99.849

32907

237

4015225

0.0059

99.8549

32908

255

4015480

0.0063

99.8613

32909

216

4015696

0.0054

99.8666

32910

206

4015902

0.0051

99.8718

32911

201

4016103

0.005

99.8767

32912

206

4016309

0.0051

99.8819

32913

217

4016526

0.0054

99.8873

32914

222

4016748

0.0055

99.8928

32915

201

4016949

0.005

99.8978

32916

221

4017170

0.0055

99.9033

32917

165

4017335

0.0041

99.9074

32918

166

4017501

0.0041

99.9115

32919

162

4017663

0.004

99.9155

32920

163

4017826

0.0041

99.9196

32921

151

4017977

0.0038

99.9234

32922

153

4018130

0.0038

99.9272

32923

156

4018286

0.0039

99.931

32924

146

4018432

0.0036

99.9347

32925

133

4018565

0.0033

99.938

32926

130

4018695

0.0032

99.9412

32927

115

4018810

0.0029

99.9441

32928

132

4018942

0.0033

99.9474

32929

133

4019075

0.0033

99.9507

32930 32931

116 109

4019191 4019300

0.0029 0.0027

99.9535 99.9563

32932

92

4019392

0.0023

99.9585

32933

90

4019482

0.0022

99.9608

Bravo Morales, Nino


Página 18


2014

32934

95

4019577

0.0024

32935

76

4019653

0.0019

99.965

32936

84

4019737

0.0021

99.9671

32937

77

4019814

0.0019

99.969

32938

75

4019889

0.0019

99.9709

32939

59

4019948

0.0015

99.9724

32940

60

4020008

0.0015

99.9739

32941

59

4020067

0.0015

99.9753

32942

73

4020140

0.0018

99.9771

32943

70

4020210

0.0017

99.9789

32944

55

4020265

0.0014

99.9803

32945

49

4020314

0.0012

99.9815

32946

53

4020367

0.0013

99.9828

32947

60

4020427

0.0015

99.9843

32948

52

4020479

0.0013

99.9856

32949

50

4020529

0.0012

99.9868

32950

37

4020566

0.0009

99.9877

32951

46

4020612

0.0011

99.9889

32952

45

4020657

0.0011

99.99

32953

42

4020699

0.001

99.991

32954

32

4020731

0.0008

99.9918

32955

35

4020766

0.0009

99.9927

32956

23

4020789

0.0006

99.9933

32957

21

4020810

0.0005

99.9938

32958

26

4020836

0.0006

99.9945

32959

24

4020860

0.0006

99.9951

32960

24

4020884

0.0006

99.9956

32961

22

4020906

0.0005

99.9962

32962

15

4020921

0.0004

99.9966

32963

13

4020934

0.0003

99.9969

32964

13

4020947

0.0003

99.9972

32965

17

4020964

0.0004

99.9976

32966

12

4020976

0.0003

99.9979

32967

13

4020989

0.0003

99.9983

32968

10

4020999

0.0002

99.9985

32969

8

4021007

0.0002

99.9987

32970

9

4021016

0.0002

99.9989

32971 32972

8 9

4021024 4021033

0.0002 0.0002

99.9991 99.9994

32973

5

4021038

0.0001

99.9995

32974

3

4021041

0.0001

99.9996

Bravo Morales, Nino


99.9631

Página 19


2014

32975

4

4021045

0.0001

99.9997

32976

1

4021046

0

99.9997

32977

1

4021047

0

99.9997

32978

1

4021048

0

99.9997

32979

3

4021051

0.0006

99.9998

32980

1

4021052

0

99.9998

32981

2

4021054

0

99.9999

32982

2

4021056

0

99.9999

32983

0

4021056

0

99.9999

32984

1

4021057

0

100

32985

2

4021059

0

100

TOTAL

4021059

100

Figura 1. Barra de frecuencia relativa de los pixeles en Niveles Digitales (DN) de la banda 6

Para los píxeles cuyo ND es 32790 el histograma informa que: •

Columna Nº de píxeles: La imagen posee 126114 pixeles con ND 32790.

•

Columna Total: 3051957 píxeles de la imagen almacenan un ND 32790 o menor.

•

Columna Frecuencia %: Dicho de otra forma el 3.1363% de los pixeles de la imagen tienen ND 32790. Bravo Morales, Nino


Página 20

Curso de SIG y Teledetección •

2014

Columna Frecuencia acumulada %: el 75.8993% tiene ND 32790 o menor. Debe observarse que el 99% de los pixeles de la imagen tienen valores entre 32756 y 32833, es decir, la mayoría de los píxeles de la imagen tienen un ND en un rango de 32795 ND ((32756-32833)/2), cuando la disponibilidad es entre 0 y 255. Los píxeles almacenan niveles muy concentrados, existe muy poca dispersión. Esto implica también, que la imagen adolece de poco contraste.

Bravo Morales, Nino


Página 21


2014

Guía 8: Clasificación supervisada - Flujo de trabajo de clasificación para categorizar los píxeles de una imagen LandSat 8 en muchas clases - ENVI 5.1 El flujo de trabajo de clasificación utiliza cualquiera de los métodos no supervisados o supervisadas categorizar píxeles de una imagen en muchas clases. Usted puede realizar una clasificación no supervisada sin proporcionar datos de entrenamiento, o puede realizar una clasificación supervisada, en la que usted proporciona datos de entrenamiento y se especifica un método de clasificación de máxima probabilidad, la distancia mínima, la distancia de Mahalanobis, o espectral Angle Mapper (SAM).

Seleccionamos la imagen a clasificar.

Bravo Morales, Nino


Página

1


2014

Seleccionamos el método de clasificación su ervisada.

Datos de las clases

Propiedades de la clase: nombre de la clase, color de la clase. Estas herramientas podemos crear más clases, eliminar, abrir y guarda

Bravo Morales, Nino

Visualización de la clasificación de la imagen Landsat 8


Página

2


2014

Con esta herramienta crearemos los polígonosde para representar la clasificación bosque, pastizal, rio, playón, deforestación.

Bravo Morales, Nino


Página

3


2014

Tipos de Metodología de clasificación

En la pestaña Algoritmo, seleccione un método de clasificación de la lista desplegable provista. Para opcionalmente ajustar la configuración de los parámetros de los algoritmos, vea Establecer opciones avanzadas: 





Máxima Verosimilitud: Asume que las estadísticas de cada clase

en cada banda tienen una distribución normal y calcula la probabilidad de que un píxel dado pertenece a una clase específica. Cada píxel se le asigna a la clase que tiene la probabilidad más alta (es decir, la probabilidad máxima). Este es el valor predeterminado. Distancia mínima: Usos de los vectores de medias para cada clase y calcula la distancia euclidiana de cada pixel desconocido para el vector medio para cada clase. Los píxeles se clasifican en la clase más cercana. Distancia de Mahalanobis: Un clasificador distancia sensible a la dirección que utiliza las estadísticas para cada clase. Es similar a la clasificación máxima probabilidad, pero asume todas las covarianzas de clase son iguales, y por lo tanto es un método más rápido. Todos los píxeles se clasifican para los datos de entrenamiento más cercanos.



Espectral ángulo Mapper: (SAM) es una clasificación espectral

de base física que utiliza un n ángulo-D para que coincida con Bravo Morales, Nino


Página

4


2014

píxeles para los datos de entrenamiento. Este método determina la similitud espectral entre dos espectros mediante el cálculo del ángulo entre los espectros y tratarlos como vectores en un espacio con dimensionalidad igual al número de bandas. Esta técnica, cuando se utilizan en los datos de reflectancia calibrados, es relativamente insensible a la iluminación y albedo efectos. SAM compara el ángulo entre el vector de la formación y cada vector de píxeles en la media de n espacio-D. Ángulos más pequeñas representan partidos más estrechos con el espectro de referencia. Los píxeles se clasifican en la clase con el menor ángulo.

Elimina el ruido de salida y pigmentación durante la limpieza Elimina pequeñas regiones

Introduzca los valores de los métodos de limpieza que haya activado: Especifique el tamaño de su núcleo suave usando un número impar (por ejemplo, 3 = 3x3 píxeles). Píxel central del kernel plaza será reemplazado por el valor de la clase mayor parte del kernel. El valor predeterminado es 3.

Bravo Morales, Nino


Página

5


2014

Especifique el Agregar Tamaño mínimo en píxeles. Las regiones con un tamaño de este valor o menor se agregan a una región adyacente, más grande. El valor predeterminado es 9. Active la vista previa opción de ver los resultados de limpieza en una ventana de vista previa antes de procesar toda la imagen. Puede cambiar la configuración de limpieza y obtener una vista previa de los resultados de nuevo, si es necesario.

Exportamos la clasificación en formato ráster.

Exportamos la clasificación en formato Shapefile.

Bravo Morales, Nino


Página

6


2014

Exportamos la clasificación estadística, en formato texto.

Exportamos las reglas de clasificación, en formato ráster.

Ahora abrimos el ARCGIS 10.2 para agregar el shapefile y corregir las coberturas de tierra y uso de suelo.

Bravo Morales, Nino


Página

7


2014

Nombre de las zonas de nube y zonas urbanas.

Bravo Morales, Nino


Página

8


204

Guía 9: Procesamiento de Imagen Landsat 8 en ArcGIS 10.1 “Conversión de 16bits a 8bits”

IMÁGENES LANDSAT 8 LDCM Esta nueva entrega intenta resumir las bondades del programa LandSat y al mismo tiempo dar una breve visión de la nueva etapa de este programa que se ha puesto en órbita en febrero de 2013 con el lanzamiento de la plataforma Landsat 8 LDCM (Misión de Continuidad de la Información Landsat). Este año el programa LandSat cumplió 40 años de recolección ininterrumpida de información espectral de la superficie de la tierra, y otorgó un registro de la evolución de los sistemas terrestres que se encuentra asegurado en archivos históricos. Serie de satélites LandSat y año de su lanzamiento:     

 



LandSat 1: LandSat 2: 1972 1975 fuera fuera de de servicio servicio LandSat 3: 1978 fuera de servicio LandSat 4: 1982 fuera de servicio LandSat 5: 1985 el USGS informó que empieza a tener problemas de funcionamiento (giroscopio) y parece que la nave está llegando al cierre de su ciclo. LandSat 6: 1993. Lanzamiento fallido. LandSat 7: 1999. A partir del año 2003 presenta problemas en la adquisición y tratamiento de las imágenes, presentándose franjas inclinadas de datos inválidos (gaps) hacia la izquierda unos 8° respecto a la orientación horizontal debido a la rotación, provocando la pérdida de un 22% de la información de cada imagen. Misión de Continuidad de la Información Landsat LDCM (Landsat 8): Lanzado el 11-02-2013.

Bravo Morales, Nino 954849467 [email protected]

Página 1


204

Así es como las nuevas bandas de Landsat 8 alinean con Landsat 7: Landsat 7

Landsat 8

Banda

Ancho (µm)

Resolución (m) Banda

Band 1 Blue

0.45 – 0.52

30

Band 2 Green 0.52 – 0.60 Band 3 Red Band 4 NIR

Ancho (µm) Resolución (m)

Band 1 Coastal 0.43 – 0.45

30

Band 2 Blue

0.45 – 0.51

30

30

Band 3 Green

0.53 – 0.59

30

0.63 – 0.69

30

Band 4 Red

0.64 – 0.67

30

0.77 – 0.90

30

Band 5 NIR

0.85 – 0.88

30

Band 5 SWIR1 1.55 – 1.75

30

Band 6 SWIR1

30

Band 7 SWIR2 2.09 – 2.35

1.57 – 1.65

30

Band 7 SWIR2

2.11 – 2.29

30

0.52 – 0.90

15

Band 8 Pan

0.50 – 0.68

15

Band 9 Cirrus

1.36 – 1.38

Band 10 TIRS1

10.6 – 11.19

100

Band 11 TIRS2

11.5 – 12.51

100

Band 8 Pan Band 6 TIR

10.40 – 12.50

30/60

30

INFORMACIÓN PARA NUEVOS USUARIOS IMÁGENES LANDSAT 8 a. b. c. d.

e.

f. g.

h. i.

Licencia: Los Landsat 8 imágenes son gratuitas; Descargar: Para descargar imágenes del Landsat-8, utilice la guía 16. Colección: El satélite Landsat-8 entró en funcionamiento en 2013, pronto sólo tiene imágenes de la segunda mitad de este año. Fusión: Si combina la banda 8 PAN (tonos de gris) de 15 metros de resolución espacial con otras bandas multiespectrales (color) 30 metros, la resolución espacial final de la escena Landsat-8 será de 15 metros; Resolución radiométrica: Las imágenes Landsat-8 se entregan en 16 Bits (software como AutoCAD / Photoshop / Gimp no son capaces de ver estas fotos). Hay que hacer un Rescale a 8 bits (conversión radiométrica); Imagen de la proyección: Proyección UTM WGS 1984 N; Reproyección: Las imágenes Landsat-8 están orientados al NORTE verdadero, siendo necesario rediseñarlos. Esto significa que en lugar de recibir una escena Landsat 8-Proyección / Datum UTM Zona 18 WGS1984 S, recibirá una escena Landsat 8-Proyección / Datum UTM Zona 18 N WGS1984; Formato de entrega de Landsat-8: GeoTIFF. Revisar el período de Landsat-8: 16 días (lo que significa que el satélite toma 16 días para hacer otra pasada a través de la misma región).


Página 2


204

Cambiar la escala (Conversión radiométrica) Es el proceso utilizado para llevar a cabo transformaciones radiométricas en imágenes de satélite. Durante el proceso, las imágenes se convierten en el rango de 16 bits a 08 bits, facilitando la distribución de otros programas y reducir a la mitad el tamaño del archivo. Los datos se escalan para ser compatible con la gama de 8 bits (0-255 niveles de gris), similares a los productos Landsat-5 y Landsat-7. Este procedimiento se aplica a todas las bandas, incluyendo la pancromática. No es necesario cargar todas las bandas, porque vamos a ejecutar la tarea en Batch. Abra el ArcMap 10.1 y entramos en ArcToolbox, entramos en la Herramientas de administración de datos > Ráster > Dataset ráster > Copiar ráster .


Página 3


204

En la primera fila, le hacemos doble clic para abrir elráster de entrada.

Doble clic.

1. Configuración de la primera banda 1.

A B C D E G


F

Página 4


204

A. In raster (Ráster de entrada): El nombre y la ubicación del dataset raster (Banda 1)

B. Out raster dataset ( Dataset ráster de salida): El nombre y la ubicación del dataset ráster que se va a crear. Al almacenar el dataset ráster en un formato de archivo, deberá especificar la extensión del archivo: 










.dat: ENVI DAT



.gif: GIF



.img: ERDAS IMAGINE



.jpg: JPEG



.jp2: JPEG 2000





.png: PNG .tif: TIFF




Cuando almacene un dataset ráster en una geodatabase, no se deberá agregar ninguna extensión de archivo al nombre del dataset ráster.

C. Configuration Keyword (Palabra clave de configuración (opcional)) Especifica los parámetros de almacenamiento (configuración) para una geodatabase

de

archivos

y

una

geodatabase

de

ArcSDE.

Las

geodatabases personales no utilizan palabras clave de configuración. Seleccionamos la opción DEFAULTS.


Página 5


204

D. Ignore Nodata (Ignorar valor de fondo (opcional)): digitalice el valor“0” Utilice esta opción para quitar los valores no deseados que se crean alrededor de los datos ráster. El valor especificado se distinguirá de otros datos valiosos en el dataset ráster. Por ejemplo, un valor de cero a lo largo de los bordes del dataset ráster se distinguirá de los valores cero dentro del dataset ráster.

E. NoData Value (Valor NoData (opcional)): digitalice el valor”0”; Todos los píxeles con el valor especificado se establecerán como NoData en el dataset ráster de salida.

F. Pixel Type (Tipo de píxel (opcional)):Seleccione 8_BIT_UNSIGNED Determina la profundidad de bit del dataset ráster de salida. Si no se especifica, la profundidad de bit de salida será igual que la de la entrada. No se producirá un re-escalamiento de los valores ráster cuando se elija un tipo de píxel diferente. Si el tipo de píxel se degrada (se lo baja), los valores ráster que estén fuera del rango válido para esa profundidad de píxel se truncarán y se perderán.

El tipo de datos

El mínimo (Valor)

El máximo (Valor)

1 bit UNSIGNED

0

1

2 bit UNSIGNED

0

3

4 bit UNSIGNED

0

15

8 bit UNSIGNED

0

255

-128

127

0

65 535

-31 768

32 767

0

4 294 967 295

-2 147 483 648

2 147 483 647

8 bit SIGNED 16 bit UNSIGNED 16 bit SIGNED 32 bit UNSIGNED 32 bit SIGNED


Página 6


32 bit FLOAT


64 bit


204

G. Scale Pixel Value (Escalar valor de píxel (opcional)) : activar el rango de 8 bits. Cuando la salida es un tipo diferente de píxel que el de entrada (como 16 bits a 8 bits) puede elegir que los valores se aumenten para que se ajusten al nuevo rango; de lo contrario, los valores que no se ajusten en el nuevo rango de píxel se desecharán. 

Desmarcado: los valores de píxeles permanecerán iguales y no aumentarán. Cualquier valor que no se ajuste dentro del rango de valor se desechará. Esta es la opción predeterminada.



Marcado: los valores de píxeles aumentarán al nuevo tipo de píxeles. Cuando ajusta la profundidad del píxel, el ráster lo mostrará, pero los valores se ajustarán según a la nueva profundidad de bit que se especificó.


Página 7



204

Página 8


204

Se ha descargado estos dos archivos.


Página 9

Curso de SIG y Teledetección 2014

Guía 10: Composición de Bandas del LandSat 8 y 7 en ArcGIS 10.1 1.

Bandas de ráster

Algunos rásteres tienen una banda única, o capa (una medida de una sola característica) de datos, mientras que otros tienen múltiples bandas. Básicamente, una banda se representa con una sola matriz de valores de celda, y un ráster con múltiples bandas contiene múltiples matrices de valores de celda que coinciden espacialmente y que representan la misma área espacial. Un ejemplo de dataset ráster de banda única es un modelo digital de elevación (DEM). Cada celda en un DEM contiene solamente un valor que representa la elevación de superficie. También puede tener una ortofoto de banda única, que a veces se llama imagen pancromática o de escala de grises. Cuando hay múltiples bandas, cada ubicación de celda tiene más de un valor asociado. Con múltiples bandas, cada banda por lo general representa un segmento del espectro electromagnético recopilado por un sensor. Las bandas pueden representar cualquier porción del espectro electromagnético, incluidos los rangos no visibles a simple vista, como las secciones infrarrojas o ultravioletas. El término banda se srcinó a partir de la referencia a la banda de color en el espectro electromagnético.

Cuando crea una capa de mapa a partir de una imagen ráster, puede elegir mostrar una banda única de datos o formar una composición de color a partir de múltiples bandas. Una combinación de cualquiera de las tres bandas disponibles Bravo Morales, Nino


Página 1

Curso de SIG y Teledetección 2014 en un dataset ráster multibanda se puede utilizar para crear composiciones RGB. Al visualizar bandas juntas como composiciones RGB, a veces se puede recabar más información del dataset que si fuese a trabajar con sólo una banda.

Una imagen de satélite, por ejemplo, por lo general tiene múltiples bandas que representan distintas longitudes de onda desde las porciones ultravioleta hasta las visibles e infrarrojas del espectro electromagnético. Las imágenes Landsat, por ejemplo, son datos recopilados desde siete bandas distintas del espectro electromagnético. Las bandas 1-7, incluida la 6, representan datos de las regiones visibles, casi infrarrojas e infrarrojas media. La banda 6 recopila datos de la región infrarroja termal. Otro ejemplo de una imagen multibanda es una ortofoto de color verdadero en la que hay tres bandas, cada una representa rojo, verde o celeste.

Bravo Morales, Nino


Página 2

Curso de SIG y Teledetección 2014 El satélite Landsat-8 fue diseñado con la posibilidad de generar nuevos productos por nuevas combinaciones de bandas. En poco tiempo tendremos artículos académicos que contienen más información, pero es posible que desee saber qué combinaciones de bandas del satélite Landsat-8 tiene resultados similares predecesores Landsat-5 y Landsat-7. Consulte la tabla siguiente: Vista rápida

Resultar

Infra-rojo

Landsat 7 Landsat 5

Landsat 8

4, 3, 2

5,4,3

3, 2, 1

4,3,2

Falso color

5,4,3

6,5,4

Falso color

7.5.3

7,6,4

Falso color

7,4,2

7.5.3

Color Natural

Fuente: http://landsat.usgs.gov/L8_band_combos.php

Bravo Morales, Nino


Página 3

Curso de SIG y Teledetección 2014 Entramos ArcToolbox, clic en la herramienta Data Management Tools – Raster – Raster Processing – Composite Bands. Vamos a realizar la composición colorida RGB 6-5-4 de satélite Landsat 8 que corresponde la antigua composición RGB 5-4-3.

Bravo Morales, Nino


Página 4


Guía 11: Fusión de Imagen en ArcGIS 10.1 Después de la proyección de imagen multiespectral, ha llegado el momento de lograr la resolución espacial de 15 metros del Landsat-8. Crear dataset ráster con nitidez de desplazamiento panorámico (Administración de datos), Combina un dataset ráster pancromático de alta resolución con un dataset ráster multibanda de menor resolución para crear un ráster rojo-verde-azul (RGB) con la resolución del ráster pancromático. Entramos en ArcToolbox, clic en Data Management Tools– Raster – Raster Processing – Create Pan-Sharpened Raster Dataset

A

B

D

Bravo Morales, Nino Frank

954849467

C

Página 1


A. Input Raster (Ráster de entrada): El dataset ráster de entrada al que desea

aplicar la refinación pancromática. Generalmente, se trata de un dataset ráster multibanda de baja resolución.

B. Output Raster Dataset (Dataset ráster de salida): El dataset ráster de

salida. Al almacenar el dataset ráster en un formato de archivo, deberá especificar la extensión del archivo: 










.dat: ENVI DAT



.gif: GIF





.img: ERDAS IMAGINE .jpg: JPEG



.jp2: JPEG 2000



.png: PNG



.tif: TIFF




Cuando almacene un dataset ráster en una geodatabase, no se deberá agregar ninguna extensión de archivo al nombre del dataset ráster. C. Panchromatic Imagen (Imagen pancromática)

El dataset ráster pancromático. Generalmente, es una imagen de escala de grises de alta resolución (Banda 8)


954849467

Página 2

Curso de SIG y Teledetección 2014 D. Panchromatic Type (Tipo de nitidez de desplazamiento panorámico):

seleccionamos ESRI, hay otros como logaritmo BROVERY, IHS, etc. El método de fusión de imágenes: 

IHS: Utiliza el espacio de colores Intensidad, Tono y Saturación para la

fusión de datos. 



BROVEY: Utiliza el algoritmo Brovey basado en modelado espectral para la fusión de datos. Esri: Utiliza el algoritmo Esri basado en modelado espectral para la

fusión de datos. 

SIMPLE_MEAN: Utiliza el valor promediado entre los valores rojo, verde

y azul, y el valor de píxel pancromático. 

Gram-Schmidt: Utiliza el algoritmo de refinado pancromático espectral

Gram-Schmidt para refinar datos multiespectrales.

Resultado final


954849467

Página 3


Resolución espacial 30 metros

Resolución espacial 15 metros


954849467

Página 4


Guía 12: Nitidez de la imagen Satelital LandSat 8 Con la imagen resultante de 15 metros, de resolución espacial, vamos aplicar la nitidez con la ventana análisis de imagen. 1. La activación de la ventana de análisis de imagen, en el menú principal entramos en Windows (Ventanas) y hacemos clic en Analyst Imagen. 2. Hacemos clic en la imagen multiespectral y se va activar varios parámetros. 3. En procesamiento escogemos filtro (Nitidez)

4.

Se creará una nueva imagen llamado “Filter_RGB_654_8.tif”.

5.

Para ver la diferencia entramos en visualización y hacemos clic en la imagen resultante “Filter_RGB_654_8.tif”, de ahí hacemos clic en barrear capa.


954849467

Página 1


Con nitidez

Sin nitidez

6.

Al obtener la nitidez de la imagen este archivo, tenemos que guardarlo en nuestra carpeta de trabajo, en la ventana de análisis de imagen hay un disquet, hacemos un clic seleccionando la imagen a exportar.


954849467

Página 2

Curso de SIG y Teledetección 2014 Exportarlo el Raster en la carpeta de ruta.


954849467

Página 3


Guía 13: Índice de vegetación El análisis de la vegetación y la detección de los cambios de sus patrones, son claves para la evaluación de recursos naturales y su monitoreo. Es por ello que la detección y la evaluación cuantitativa de la vegetación verde constituyen una de las mejores aplicaciones de la percepción remota para el manejo de los recursos ambientales y la toma de decisiones. Con la finalidad de explicar cómo la detección remota interactúa con la vegetación, y para su mejor comprensión, hemos creído conveniente definir algunos términos. 1.

Fundamentos

La detección remota de la cobertura vegetal se fundamenta en algunas propiedades que tienen las hojas al interactuar con la radiación solar. Analizamos a continuación estas propiedades. 2.

Comportamiento espectral de la hoja viva

La clorofila no absorbe toda la luz del sol uniformemente, Las moléculas de clorofila preferentemente absorben la luz roja y azul para usar en la fotosíntesis (Figura en 1).esas Ellasregiones. deben absorber tanta cantidad 70%verde a 90% de la luz incidente Mucho menos cantidad como de la luz es absorbida y más es reflejada, entonces el observador humano, que puede ver sólo el espectro visible, observa la reflexión dominante de la luz verde como vegetación viva (Figura 2).

Figura 1. Espectro de absorción para la clorofila. Bravo Morales, Nino Frank

954849467

Página 1


Figura 2. Reflectancia Espectral típica de una hoja viva En el espectro cercano al infrarrojo, la reflexión de la hoja es controlada no por pigmentos de plantas, pero sí por la estructura del tejido esponjoso. La cutícula y la epidermis son mayormente transparentes a la radiación infrarroja, entonces una muy pequeña radiación es reflectada de la parte exterior de la hoja. La radiación que pasa a la epidermis superior es fuertemente esparcida por el tejido esponjoso y las cavidades dentro de la hoja. Muy poca de esta energía infrarroja es absorbida internamente, es principalmente (por encima del 60%) esparcida de manera ascendente (la que se llama energía reflectada) o descendente (energía trasmitida). Entonces la estructura interna de la hoja es responsable por el brillo de la reflectancia infrarroja de la vegetación viva. En el borde del espectro visible la absorción de la luz roja por los pigmentos de clorofila empieza a declinar, y la reflectancia crece abruptamente. Entonces, si la reflectancia es considerada no sólo en el visible, pero a través del visible e infrarrojo cercano, la reflectancia pico de la vegetación viva no está en el verde pero sí en el infrarrojo cercano (Figura 3). Este comportamiento explica la gran utilidad del espectro infrarrojo cercano para los estudios de vegetación y, por supuesto, facilita la separación de las superficies de vegetación de las superficies sin vegetación, que son usualmente muy oscuras en el infrarrojo cercano. Además las diferencias en la reflectancia de las especies de plantas frecuentemente son más pronunciadas en el infrarrojo cercano (Figura 3).


954849467

Página 2


Figura 3. Las diferencias entre las clases de vegetación se distinguen mejor en el infrarojo que en el visible.

Figura 4: Cambios en el contenido de agua de la hoja deben ser pronunciados en la región del infrarrojo cercano. Este diagrama ilustra diferencias en la reflectancia entre la película de agua equivalente de 0.018 cm y 0.014 cm; cambios en la reflectancia son evidentes en la región del infrarrojo. Con la madurez o estrés en las plantas por enfermedad, ataques de insectos, o escasez de humedad, las características espectrales de la hoja deben cambiar. En general estos cambios aparentemente ocurren simultáneamente en ambas regiones visible e infrarrojo, pero los cambios de reflectancia en el infrarrojo frecuentemente son más notables. La reflectancia en la región del infrarrojo es aparentemente controlada por la naturaleza de las complejas cavidades entre la hoja y la reflexión interna de radiación infrarroja de esas cavidades.


954849467

Página 3

Curso de SIG y Teledetección 2014 Algunos científicos sugieren que la tensión de la humedad o madurez natural de la hoja causa esas cavidades para colapsar como plantas marchitas. Otros sostienen que es posible que el decrecimiento en la reflexión de la región cercana al infrarrojo sea causado por el deterioro de células muertas antes que cambios físicos en las cavidades. Entonces, los cambios en el vigor de la vegetación y las imágenes del infrarrojo han sido valiosos en la detección y mapeo de presencia, distribución, y extensión de los cultivos enfermos e infestaciones de insectos. Además, los cambios en la estructura de la hoja que acompañan la madurez natural de los cultivos están sujetos a detección con imágenes del infrarrojo (Figura 5).

Figura 5. Mayores influencias en las propiedades espectrales de la hoja viva. 3.

Definición de índice de vegetación

Son medidas cuantitativas, basadas en los valores digitales, que tienden a medir la biomasa o vigor vegetal. Usualmente el índice de vegetación es producto de varios valores espectrales que son sumados, divididos, o multiplicados en una forma diseñada para producir un simple valor que indique la cantidad o vigor de vegetación dentro de un píxel. Altos valores de índices de vegetación identifican píxeles cubiertos por proporciones substanciales de vegetación saludable. Existe una variedad de Índices de Vegetación que han sido desarrollados para ayudar en el monitoreo de la vegetación. La mayoría de estos índices están basados en las interacciones diferentes entre la vegetación y la energía electromagnética de las bandas del espectro rojo e infrarrojo. Bravo Morales, Nino Frank

954849467

Página 4

Curso de SIG y Teledetección 2014 La evaluación cuantitativa de la biomasa de la vegetación verde es realizada a través de modelos de índices de vegetación (VI). Estos índices son aplicables a imágenes con diferentes resoluciones como NOAA AVHRR, LANDSAT TMS, MSS (Multispectral Scanner Scenes), SPOT HRV/XS (reflectancia para el nivel 1 multiespectral). Estos índices han sido usados en una variedad de contextos para evaluar la biomasa, en aplicaciones para climas áridos, y en la evaluación del riesgo de degradación del suelo. Un índice de vegetación muy simple puede ser debido a los cambios en los dos rangos del espectro mencionados arriba, logrados dividiendo la medida de la reflectancia del infrarrojo por la del rojo. A mayor contraste entre las medidas del rojo e infrarrojo mayor vigor vegetal presentará la cubierta observada (más alta será la relación entre los sitios donde hay vegetación). Bajos valores de contraste significan una vegetación enferma hasta llegar a zonas sin vegetación (suelo y agua), cuyo resultado de la relación es muy pequeño. Entonces las áreas de vegetación darán un valor de índice más alto.

A pesar que existen muchas variaciones a esta lógica, la que ha recibido mayor atención es el Índice de Vegetación por diferencia Normalizada (NDVI). Índices de transformación Es la más conocida de este Consiste en la conjunto transformación de bandas espectrales disponibles paragrupo. formar un nuevo de bandas no correlacionadas, dentro de las cuales una imagen de índices de vegetación verde puede ser definida. En la tabla siguiente se muestran los diferentes métodos de cálculos de índices de vegetación y sus características. Nombre del índice

Fórmula

Características

Basados en la Pendiente

De diferencia normalizada (NDVI)

Transformado (TVI)

 = ( ( −) +)  = [  − +]+0.5


954849467

Minimiza efectos topográficos la escala va de -1 a 1, con el valor cero representando el aproximado donde empieza la ausencia de vegetación. Los valores negativos representan superficies sin vegetación. El valor de 0.5 evita resultados negativos. La raíz cuadrada intenta corregir valores que se aproximan a una distribución de Poisson e introduce una distribución normal. No

Página 5


Transformado Corregido (CTVI) Transformada de Tiam (TTVI) Cociente simple (RVI)

Normalizado (NRVI)

 =/(( ( +0.5) + 0.5))√( +0.5)  = [+− ]+0.5    = = −1+1


954849467

elimina todos los valores negativos. Para valores del rango -1 a 1 que no se les cambiaba el signo como la anterior. Suprime el signo negativo. Sobre estimación del verde. Suprime la sobreestimación del verde. La reversa de la estándar simple. El resultado de RVI es normalizado. Es similar al NVDI, reduce efectos topográficos, iluminación y efectos atmosféricos, además de crear una distribución normal estadísticamente deseable.

Página 6

Curso de SIG y Teledetección 2014 ÍNDICE DE VEGETACIÓN POR DIFERENCIA NORMALIZADA - NDVI El índice diferencial de vegetación normalizado (NDVI) es un índice normalizado que le permite generar una imagen que muestra el verdor (la biomasa relativa). Este índice aprovecha el contraste de las características de dos bandas de un dataset ráster multiespectral: las absorciones de pigmento de clorofila en la banda roja y la alta reflectividad del material de las plantas en la banda cercana al infrarrojo (NIR). El NDVI se utiliza en todo el mundo para hacer un seguimiento de las sequías, supervisar y predecir la producción agrícola, ayudar en la predicción de las zonas con riesgo de incendio y cartografiar la desertización. El NDVI es muy utilizado en el seguimiento de la vegetación global porque ayuda a compensar los cambios en las condiciones de iluminación, la pendiente de la superficie, la orientación y otros factores extraños (LILLESAND 2004). La reflexión diferencial en las bandas roja e infrarroja (IR) le permite supervisar la densidad e intensidad del crecimiento de la vegetación verde utilizando la reflectividad espectral de la radiación solar. Las hojas verdes suelen presentar una mejor reflexión en el rango de longitudes de onda cercanas al infrarrojo que en el rango de longitudes de onda visibles. Cuando las hojas tienen sed o bien están enfermas o muertas, se vuelven más amarillas y se reflejan bastante menos en el rango de longitudes de onda cercanas al infrarrojo. Las nubes, el agua y la nieve presentan una mejor reflexión en el rango visible que en el rango de longitudes de onda cercanas al infrarrojo, mientras que la diferencia es casi nula para las rocas y el terreno desnudo. El cálculo del NDVI crea un dataset de banda única que básicamente representa el verdor. Los valores negativos representan nubes, agua y nieve, mientras que los valores cercanos a cero representan rocas y tierra desnuda.

NDVI = (NIR+RED) −RED)

El NDVI se utiliza para estimar de la vegetación verde el: -

Crecimiento de las plantas (vigor),


954849467

Página 7

Curso de SIG y Teledetección 2014 -

Cobertura de vegetación y la Producción de biomasa.

Ya que el índice está relacionado con la actividad fotosintética de la vegetación. El índice NDVI se calcula con bandas de imágenes de satélite, aprovechando las características únicas del reflejo de la vegetación verde. El índice varía entre – 1 y 1. Operativamente, el índice varía en el rango – 0.1 y 0.92, para maximizar el intervalo de la vegetación, representándose convencionalmente como una variación o rampa de colores entre el rojo intenso (-0.1) y el verde intenso

(0.92):

Cuadro 1. Bandas espectrales para el cálculo del NDVI

Satélite

Visible (RED)

AVHRR de NOAA

Banda 1 (0.58 – 0.68 μm)

TM Landsat 4 y 5

Banda 3 (0.63 – 0.69 μm)

MSS Landsat 4 - 5

Banda 2 (0.6 – 0.7 μm)

Banda 4 (0.8 – 1.1 μm)

ETM+ Landsat 7

anda 3 (0.63 – 0.69 μm)

Banda 4 (0.77 – 0.90 μm)

Infrarrojo (NIR)

Banda 2 (0.72 – 1.0 μm) Banda 4 (0.76 – 0.90 μm)

OLI y TIRS Landsat 8

Banda 4 (0.64 – 0.67 μm) Banda 5 (0.85 – 0.88 μm)

Terra ASTER

Banda 2 (0.63 – 0.69 μm) Banda 3 (0.76 – 0.86 μm)

IKONOS-2

Banda 3 (0.63 – 0.70 μm) Banda 4 (0.76 – 0.85 μm)


954849467

Página 8

Curso de SIG y Teledetección 2014 Procesamiento para determinar el NDVI Landsat 8

–

ArcGIS 10.1

Ingresamos a ArcToolbox, y nos dirigimos a Herramientas de Spatial Analyst – Algebras de Mapas – Calculadora Raster.

1. Agregamos la formula Float("B5" - "B4.tif") / Float("B5" + "B4.tif"), en el raster de salida lo guardamos como NDVI_1


954849467

Página 9

Curso de SIG y Teledetección 2014 Float: Convierte el valor de cada celda de un ráster en una representación de punto flotante. Ilustración

Uso 



Los valores de entrada pueden ser positivos o negativos. Si ejecuta Flotante en una entrada que ya es un punto flotante, los valores de salida serán iguales que los de entrada.

NOTA: Las nubes son una desventaja en el análisis de NDVI, Nos indica que es un área sin cobertura, también la sombra de las nubes nos indica sin cobertura.


954849467

Página 10


Guía 14: Determinación de Zona de Rio o Zona Susceptible a inundación Para obtener cartografiar estas zonas, podemos reclasificar el NDVI calculando, extraer aquellos datos relacionado con los ríos y luego convertirlo a shapefile para el proceso de digitalización. 1.Para ellos nos vamos a ArcToolbox, seguido a Herramienta de Spatial Analyst / Reclasificar /Reclasificar. 2.Aparecerá una ventana donde incluimos la siguiente información. A.

Input raster: seleccionamos NDVI

B.

Reclass fiel: seleccionamos Value.

C.

Ouput rater: Damos un nombre al archivo

de salida.

A B

Damos clic en el botón classify (Clasificar)

C


954849467

Página 1

Curso de SIG y Teledetección 2014 3. Nos aparecerá una ventana donde incluimos la siguiente información. A. En Method (método): seleccionamos Estándar Desviation (Desviación Típica) B. En Interval Size (Intervalo): seleccionamos 1/3 Std DEV. (1/3 Desv. Típica).

A

B

4. Damos clic en Ok y luego en OK. Obtenemos el siguiente resultado.


954849467

Página 2

Curso de SIG y Teledetección 2014 La figura anterior nos muestras varias cosas interesantes:

 Los valores del Reclass_NDVI (NDVI Reclasificado) menores a 5 corresponden a diferentes cuerpos de agua, la variación se debe posiblemente a sedimentación, profundidad, vegetación, etc.

 Los valores mayores, corresponden a vegetación en diferentes estados de salubridad, densidad, tamaño, etc. DIGITALIZACIÓN DE LOS CUERPOS DE AGUA – ARCGIS 10.1

Para digitalizar el rio entramos en Raster calculator y escribimos la siguiente formula: Río = Con("Reclass_NDVI1" <= 5,1,0) Este es una expresión condicional donde le estamos diciendo a ArcGis que donde NDVI_2013 sea igual a 5 (para los ríos), lo haga igual a 1 y donde los valores sean diferentes a 5 coloque un cero. Pues solo queremos que queden los ríos.


954849467

Página 3

Curso de SIG y Teledetección 2014 Vemos que todo aquello que es una corriente de agua tiene una coloración Azul y lo demás una coloración caña.

Para convertir el raster a shapefile, entramos a conversión Tools


954849467

Página 4



954849467

Página 5

manual_de_envi_y_arcgis2.pdf

Recommend Documents