DEFINICION DE TELEDETECCION

El trmino teledeteccin es una traduccin del ingls 'remote sensing', y se refiere no slo a la captacin de datos desde el aire o desde el espacio sino tambin a su posterior tratamiento. Una definicin ms formal la describe como la tcnica de adquisicin y posterior tratamiento de datos de la superficie terrestre desde sensores instalados en plataformas espaciales, en virtud de la interaccin electromagntica existente entre la tierra y el sensor, siendo la fuente de radiacin bien proveniente del sol (teledeteccin pasiva) o del propio sensor (teledeteccin activa).

Ejemplo de teledeteccin pasiva

Nuestros sentidos perciben un objeto slo cuando pueden descifrar la informacin que ste les enva y la propia visin es, en s, un proceso de teledeteccin. Los tres elementos principales en un sistema de teledeteccin son: 1. Sensor, el ojo. 2. La pelcula fotogrfica, objeto observado 3. Flujo energtico, que permite poner a los dos anteriores en relacin. Este flujo procede del objeto por reflexin de la luz solar (color de los objetos), por emisin propia o tambin podra tratarse de energa emitida por el propio sensor y reflejada por el objeto, en cuyo caso la teledeteccin recibe el nombre de ACTIVA, por oposicin a teledeteccin PASIVA, cuando la fuente energtica es el sol. La posibilidad de adquirir informacin a distancia se basa en lo especfico de la interaccin entre la radiacin electromagntica y la materia. Todos los objetos tienen una respuesta espectral propia y adems esta combinacin espectral es similar a la que presentan otros objetos o superficies de las mismas caractersticas u homogeneidad.

Datos de teledeteccin. Variacin espacial y espectral

Ejemplos de respuestas espectrales de distintas superficies

La teledeteccin consiste en la identificacin de los objetos a partir de las diferencias en la energa reflejada. Existen tres tipos de informacin que se puede recoger: Espacial, indicando la organizacin en el espacio de los elementos. Espectral, denotando la naturaleza de las superficies. Temporal, donde se observan los cambios en el tiempo de una determinada zona. En el campo del Anlisis de Sistemas se definen modelos abstractos de sistemas fsicos reales. Un sistema viene caracterizado por su estado, definido por sus variables de estado y el modo en que esas variables cambian en el tiempo, como una funcin del estado previo y la/s entrada/s al sistema. El mundo puede ser tratado como un gran sistema. Cada disciplina cientfica construye su propio modelo abstracto de 'el mundo'. Para medir el estado del mundo, son necesarias medidas de las variables de estado. Por razones prcticas de rapidez y sencillez, es mejor extraer datos de mediciones sin contacto fsico. Este es el campo de la adquisicin de datos por teledeteccin. Dado el estado del mundo en un instante t, un buen modelo y conocimiento de la entrada del sistema, se puede realizar una estimacin del estado futuro: Estado (t+1) = f (Estado(t), Entrada(t)) Extraccin de informacin es la actividad de responder a cuestiones usando datos y reglas en un contexto adecuado. Acercamiento sistemtico a la teledeteccin Un acercamiento sistemtico significa que un problema complejo es dividido en subproblemas ms pequeos hasta que seamos capaces de resolver de forma ms o menos trivial todos los subproblemas. Para implementar esta estrategia, los sistemas reales son abstrados a sistemas modelos que son divididos en subsistemas. Si para cada subsistema la relacin entre la entrada y la salida es conocida, habremos hallado la relacin entre la entrada y la salida para el sistema completo.

Teledeteccin es la actividad de recolectar informacin de datos obtenidos mediante medidas sin contacto. Modelamos la extraccin de informacin desde teledeteccin como un sistema de extraccin de informacin que produce respuestas a preguntas propuestas por usuarios de datos de teledeteccin, observaciones de campo y datos histricos, todo ello almacenado en un SIG (Sistema de Informacin Geogrfica). La principal fuente de datos consiste en una imagen, matriz bidimensional. Un dato particular representa un elemento de la escena sobre la superficie de la tierra, llamado elemento imagen y representado como un pxel (picture element).

TIPOS DE DATOS EN IMAGENES DE TELEDETECCION

Segn el modelo multibanda presentado en el grfico anterior, se puede almacenar una imagen digital completa (con todas las bandas) de tres formas diferentes, en funcin del ordenamiento de los pxeles: BSQ (Band Sequential): Se guardan las bandas en orden consecutivo. Idneo para procesamiento espacial, ya que toda la informacin de una banda es fcilmente accesible al encontrarse junta y consecutiva. BIP (Bands Interleaved by Pixel): todas las bandas de un determinado pxel son almacenadas de forma consecutiva. Idneo para procesamiento espectral, por encontrarse seguida la informacin de cada pxel. BIL (Bands Interleaved by Line): todas las bandas de una determinada lnea son almacenadas de forma consecutiva. Compromiso entre los dos formatos anteriores.

RESOLUCIONES
Las caractersticas fundamentales de los datos adquiridos en un sistema de este tipo, se pueden definir por parmetros como: Resolucin espectral Se refiere al nmero de bandas y a la anchura espectral de esas bandas que un sensor puede detectar. Por ejemplo la banda 1 del TM recoge la energa entre 0.45 y 0.52 mm. Es una resolucin espectral ms fina que la de la banda pancromtica del SPOT, que est entre 0.51 y 0.73 mm. Resolucin espacial Es una medida del objeto ms pequeo que puede ser resuelto por el sensor, o el rea en la superficie que recoge cada pxel. Resolucin radiomtrica

Se refiere al rango dinmico, o nmero de posibles valores que puede tomar cada dato. Por ejemplo con 8 bits, el rango de valores va de 0 a 255. Resolucin temporal Se refiere a cada cuanto tiempo recoge el sensor una imagen de un rea particular. Por ejemplo el satlite Landsat puede ver el mismo rea del globo cada 16 das.

APLICACIONES DE LA TELEDETECCION
La teledeteccin se ha aplicado con bastante xito y sobre todo, con la certeza de que ser una tecnologa importantsima a corto plazo, en reas y aplicaciones como: Meteorologa Anlisis de masas nubosas y su evolucin Modelizacin climtica a diferentes escalas Prediccin de desastres naturales de origen climtico Agricultura y Bosques Discriminacin de tipos de vegetacin: tipos de cultivos, tipos de maderas... Determinacin del vigor de la vegetacin Determinacin del rango de interpretabilidad y biomasa Medicin de extensin de cultivos y maderas por especies Clasificacin de usos del suelo Cartografa y Planeamiento Urbanstico Cartografa y actualizacin de mapas Categorizacin de la capacidad de la tierra Separacin de categoras urbana y rural Planificacin regional Cartografa de redes de transporte Cartografa de lmites tierra - agua Cartografa de fracturas Geologa

Reconocimiento de tipos de roca Cartografa de unidades geolgicas principales Revisin de mapas geolgicos Delineacin de rocas y suelos no consolidados Cartografa de intrusiones gneas Cartografa de depsitos de superficie volcnica reciente Cartografa de terrenos Bsqueda de guas de superficie para mineralizacin Determinacin de estructuras regionales Cartografas lineales Recursos Hidrogrficos Determinacin de lmites, reas y volmenes de superficies acuticas Cartografa de inundaciones Determinacin del rea y lmites de zonas nevadas Medida de rasgos glaciales Medida de modelos de sedimentacin y turbidez Determinacin de la profundidad del agua Delineacin de campos irrigados Inventario de lagos Deteccin de zonas de alteraciones hidrotermales Oceanografa y Recursos Martimos Deteccin de organismos marinos vivos Determinacin de modelos de turbidez y circulacin Cartografa trmica de la superficie del mar Cartografa de cambios de orillas Cartografa de orillas y reas superficiales Cartografa de hielos para navegacin

Estudio de mareas y olas Medio Ambiente Control de superficies mineras Cartografa y control de polucin de aguas Deteccin de polucin del aire y sus efectos Determinacin de efectos de desastres naturales Control medioambiental de actividades humanas (eutrofizacin de aguas, prdida de hojas, etc.) Seguimiento de incendios forestales y sus efectos Estimacin de modelos de escorrenta y erosin

PRINCIPIOS FISICOS
RESEAS HISTORICAS Histricamente, las propiedades de la radiacin electromagntica se han explicado por dos teoras aparentemente contrapuestas: Teora ondulatoria Representada sobre todo por cientficos como Huygens o Maxwel. Propone que la naturaleza de la luz es ondulatoria y se transmite siguiendo un modelo armnico y continuo, a la velocidad de 3108 m/s. Est formada por dos campos de fuerzas ortogonales entre s: elctrico y magntico. Las caractersticas de esta onda pueden describirse con dos parmetros: Longitud de onda (l): Distancia entre dos picos sucesivos de una onda, entre dos puntos con igual fase. Frecuencia (F): nmero de ciclos que pasan por un punto fijo por unidad de tiempo. La relacin entre longitud de onda y frecuencia viene dada por la expresin: c=lxF (c = 3 x 108 m/s) Teora corpuscular Fueron sus principales defensores Planck y Einstein. Propugnaban que la luz es una sucesin de unidades discretas de energa (fotones) con masa igual a cero. Son paquetes discretos de energa.

La cantidad de energa transportada por un fotn es Q = h F, esto significa que a mayor frecuencia, mayor ser la energa transportada y viceversa; por eso ser ms difcil detectar radiacin de frecuencias bajas, porque conllevan menor cantidad de energa. Actualmente se compaginan ambas; la naturaleza de la luz es dual (De Broglie). El movimiento de toda partcula lleva asociado una onda, de longitud:

y energa:

Dependiendo del fenmeno en particular, se estudiar desde un punto de vista u otro. EL ESPECTRO ELECTROMAGNETICO Podemos definir totalmente cualquier tipo de energa dando su longitud de onda (o frecuencia). El espectro electromagntico es la sucesin continua de esos valores de frecuencia, aunque conceptualmente se divide en bandas, en las que la radiacin electromagntica manifiesta un comportamiento similar.

PRINCIPALES BANDAS DEL ESPECTRO ELECTROMAGNETICO Desde el punto de vista de la teledeteccin destacan una serie de bandas como las ms utilizadas dada la tecnologa actual. Estas bandas se resumen a continuacin: Espectro visible (0.4 - 0.7 mm)

Es la nica radiacin electromagntica perceptible por el ojo humano (de ah su nombre). Coincide con la longitud de onda donde es mxima la radiacin solar. Podemos localizar los distintos colores en las longitudes: Azul: 0.4 - 0.5 mm Verde: 0.5 - 0.6 mm Rojo: 0.6 - 0.7 mm Infrarrojo prximo (0.7 - 1.3 mm) Banda importante para diferenciar masa vegetales y concentraciones de humedad. Infrarrojo medio (1.3 - 8 mm) En esta regin se entremezclan los procesos de reflexin de luz solar y de emisin de la superficie terrestre, por lo que hay muchas dificultades. Infrarrojo lejano o trmico (8 - 14 mm) Es la regin del espectro en la que emiten energa todos los cuerpos de la superficie terrestre. Microondas (desde 1 mm) Tiene la propiedad de ser transparente a la cubierta nubosa, pero tambin de llevar asociada muy poca energa. Por eso, si se quiere usar esta banda tendr que ser haciendo teledeteccin activa. ALGUNAS DEFINICIONES Cuerpo negro Es un emisor perfecto (e = 1). Un cuerpo negro transforma la energa calorfica en energa radiante a la mxima velocidad en consonancia con las leyes termodinmicas. Un emisor perfecto es tambin un absorbente perfecto. Cuerpo blanco Refleja toda la energa que recibe (e = 0). Cuerpo gris Absorbe y emite de forma constante para todas las longitudes de onda (e = cte.). Radiador selectivo Absorbe y emite de forma distinta para diferentes longitudes de onda (e cte.). Son los cuerpos ms abundantes en la naturaleza. ALGUNAS MAGNITUDES RADIOMETRICAS

Energa Capacidad para realizar un trabajo. Se mide en Julios (J).

Energa radiante (Q) Energa asociada con la radiacin electromagntica. Indica el total de energa radiada en todas las direcciones. Se mide en Julios (J).

Flujo radiante (F) Energa radiante por unidad de tiempo. Se mide en vatios (W).

Emitancia (M) Energa radiante desde una unidad de rea y por unidad de tiempo. Se mide en vatios por metro cuadrado (W/m2).

Irradiancia (E) Energa radiante sobre una unidad de rea y por unidad de tiempo. (W/m2).

Radiancia (L) Se define como el total de energa radiada por unidad de rea y por ngulo slido de medida. Se mide en vatios por metro cuadrado y estereo-radin (W/m2sr).

Otras magnitudes (adimensionales). Se expresan en tanto por ciento o tanto por uno. Emisividad (e) Relacin entre la emitancia de una superficie (M) y la que ofrecera un emisor perfecto, llamado cuerpo negro, a la misma temperatura (Mn). Reflectividad (r) Relacin entre el flujo incidente y reflejado en una superficie. Absortividad (a) Relacin entre el flujo incidente y el que absorbe una superficie. Transmisividad (t) Relacin entre el flujo incidente y el transmitido por una superficie. DEFINICIONES DE TIPOS DE SUPERFICIES Especular

Es aquella superficie ideal en la que se cumple perfectamente la ley de la reflexin (ngulo incidente = ngulo reflejado). Lambertiana Es aquella superficie, tambin ideal, que refleja la radiacin incidente de manera uniforme en todas las direcciones.

En realidad todas las superficies son una mezcla de las dos, adems es funcin de la longitud de onda. Si sta es pequea, las rugosidades tienden a difundir mucho ms la energa incidente que si son longitudes de onda mayores, con comportamiento ms especular. LEYES DE LA RADIACION ELECTROMAGNETICA Cualquier objeto con temperatura por encima del cero absoluto (-273 C) radia energa. Para distintas temperaturas, varan dos aspectos: se incrementa la energa total radiada, y por otro lado se ampla el rango del espectro en el que radia (con el consiguiente desplazamiento de la longitud de onda de mxima radiacin). A partir de 2000 K un cuerpo empieza a emitir radiacin visible que, empezando por el rojo, si sigue subiendo la temperatura, termina en el blanco. Existen curvas calculadas en laboratorio, llamadas curvas de emitancia de un cuerpo negro a distintas temperaturas. Con este grfico se puede conocer el comportamiento espectral de un cuerpo, conocida su temperatura y emisividad (grado de similitud con un cuerpo negro). La longitud de onda a la que se produce la mxima emitancia de un cuerpo negro viene dada por la ley de Wien:

(T en K, l en mm.) OTROS FACTORES IMPORTANTES Para una misma superficie, el flujo de energa recibido por el sensor no slo depende de la reflectividad, sino tambin de otros factores: Angulo de iluminacin solar (depende de la fecha del ao y la hora de medicin) Relieve (distintas pendientes)

Influencia de la atmsfera (dispersin y absorcin) Variaciones medioambientales de la superficie (asociacin con otras cubiertas, homogeneidad). La conclusin que se obtiene de la presencia perturbadora de estos factores es que en torno a un comportamiento tipo, que se denomina firma espectral, cada cubierta presenta una cierta variabilidad espectral debida a los factores ya comentados, que dificulta su discriminacin de otras superficies. DOMINIO OPTICO Ya hemos visto antes que esta banda constituye el grupo de longitudes de onda directamente dependientes de la luz solar. Es la banda de mayor inters para la observacin remota de la superficie terrestre. La curva de emitancia del sol se asemeja bastante a la de un cuerpo negro a esa temperatura. La radiacin cuando entra en contacto con la superficie terrestre puede sufrir cuatro procesos diferentes: 1. Parte ser reflejada con un ngulo similar a aqul con el que haya incidido. Esta reflexin recibe el nombre de ESPECULAR. 2. Parte ser reflejada uniformemente en todas direcciones. Reflexin LAMBERTIANA. 3. Parte ser absorbida por el objeto, de modo que ste sufra un calentamiento. Ms adelante perder esa energa en forma de radiacin en el infrarrojo trmico, el cuerpo se enfriar. 4. Parte ser transmitida a otros objetos o a la superficie terrestre y no volver al espacio exterior, donde se encuentra el sensor. El flujo radiante se descompone en tres trminos: fi = fr + fa + ft (flujo incidente es igual al reflejado ms el absorbido ms el transmitido). Dividiendo todos los trminos entre f i obtenemos: 1 = r + a + t . Siendo rigurosos, dependen de la longitud de onda: 1=rl + al + tl El que esta proporcin rl + al + tl vare con la longitud de onda, es interesante para poder distinguir diversas zonas conociendo precisamente esa variacin de proporciones. Las divergencias espectrales entre superficies, permitirn distinguirlas (especialmente los referidos a reflectividad, que suponen la principal fuente de informacin en teledeteccin), una vez hayan sido corregidos de los efectos causados por la atmsfera y otras anomalas. En el espectro visible, esta divergencia se manifiesta en lo que llamamos 'color'.

Teniendo en cuenta la componente de reflectividad (rl), que es lo que podemos medir con el sensor, podremos saber qu tipo de superficie es la que da esa firma espectral.

Firmas espectrales tpicas para tres tipos de superficies

COMPORTAMIENTO ESPECTRAL TEORICO PARA LOS TRES ELEMENTOS FUNDAMENTALES DEL PAISAJE, EN EL DOMINIO OPTICO Vegetacin vigorosa

Es especialmente variable, dependiendo de mltiples factores: estado fenolgico, forma y contenido en humedad. De manera general se puede decir que presenta una reducida reflectividad en las bandas visibles, con un mximo relativo en la regin del verde (0.55 mm). Esto es debido al efecto absorbente de los pigmentos fotosintticos de las hojas. De entre estos, la clorofila absorbe en la zona del rojo. Por eso, en vegetacin no vigorosa la clorofila no absorbe tanto y la hoja amarillea (verde + rojo). La estructura celular interna da la elevada reflectividad en el infrarrojo cercano que luego va reducindose paulatinamente hacia el infrarrojo medio. Por tanto, el contraste ms ntido se presenta entre las bandas visibles (especialmente rojo) y el infrarrojo cercano. Cuanto mayor sea ese contraste, mayor ser el vigor de la vegetacin. Estos tres parmetros: cantidad de pigmentos, estructura celular y contenido en agua, manifestados por la respuesta espectral de esa masa de vegetacin de la que forman parte, puede servir para discernir entre unas especies y otras, su nivel de desarrollo e incluso entre su estado sanitario.

Suelos

Muchas veces son invisibles, debido a la vegetacin. Para suelos desnudos, comportamiento espectral mucho ms uniforme que el de la vegetacin. La curva espectral que presentan es bastante plana y de carcter ligeramente ascendente. El comportamiento espectral del suelo desnudo es mucho ms uniforme que el de la vegetacin, mostrando una curva espectral bastante plana y de carcter ascendente. Los principales factores que intervienen en este caso son la composicin qumica del suelo, su textura y estructura y el contenido en humedad. Por ejemplo, un suelo de origen calcreo tiende al color blanco, indicando alta reflectividad en todas las bandas visibles, mientras que los arcillosos ofrecen una mayor reflectividad en el rojo, como consecuencia de su contenido en xido de hierro. La reflectividad espectral presenta mayores valores en suelos de textura gruesa, apelmazados, secos y sin materia orgnica. Como ya se ha dicho para la vegetacin, el contenido en humedad es uno de los elementos destacados en la reflectividad en longitudes de onda largas (infrarrojo medio) y as suelos con alto contenido en humedad darn una reflectividad baja en esa banda. Cuanto ms seco y apelmazado sea un suelo, mayor ser su reflectividad. Agua

Absorbe o transmite la mayor parte de la radiacin visible que recibe. Por tanto presentar una curva espectral plana, baja y de sentido descendente. De todas formas, en aguas poco profundas, la reflectividad aumenta. Los factores que afectan a este comportamiento son: profundidad, contenido en materias en suspensin (clorofila, arcillas y nutrientes) y rugosidad de la superficie (factor, ste ltimo extremadamente importante). Por su parte, la nieve ofrece un comportamiento completamente diferente a el del agua, con una reflectividad elevada en las bandas visibles, reducindose drsticamente en el infrarrojo cercano. DOMINIO DEL INFRARROJO TERMICO Como la temperatura de la superficie terrestre es de unos 300 K, su emitancia espectral es mxima en la banda entre 8 y 14 mm (infrarrojo trmico). Esto nos permitir detectar el calor que procede de las distintas superficies, pero para ello no se mide la energa reflejada, sino la emitida, en funcin de la temperatura. Se produce el fenmeno de que casi toda esta energa es absorbida por la atmsfera, con lo que se calienta, permitiendo la existencia de vida. Pero hay una ventana de transmisin entre 8 y 14 mm que se puede usar en teledeteccin. COMPORTAMIENTO ESPECTRAL TEORICO PARA LOS TRES ELEMENTOS FUNDAMENTALES DEL PAISAJE, EN EL DOMINIO DEL INFRARROJO TERMICO vegetacin

Presenta unas propiedades en general bastante complejas. Como absorbe energa solar durante el da, y la devuelve durante la noche, est ms caliente que el aire que la rodea durante la noche, y ms fra que su entorno durante el da. suelos y agua

El factor ms destacado es su contenido de humedad. A mayor humedad, ms fro estar durante el da y ms clido durante la noche, con respecto a los suelos secos. El agua posee la mayor inercia trmica debido a su alta conductividad. Es ms difcil que cambie su temperatura. DOMINIO DE LAS MICROONDAS Se trata de las mayores longitudes de onda utilizadas en teledeteccin. La observacin de esta banda es compleja, y todava no muy comn. Pero el inters est creciendo debido a que en estas frecuencias la atmsfera es transparente y no existe el problema de que las cubiertas nubosas oculten la superficie terrestre. Como la emitancia de los objetos es muy baja en esta banda, es muy difcil detectar flujo. Los aparatos que lo hacen se llaman radimetros de microondas. Por lo tanto, se construyen sensores para esta banda que emiten su propio haz de microondas, del que posteriormente recogern su reflexin (teledeteccin activa). En este tipo de sistemas, tiene mucha importancia la rugosidad de la superficie para cmo sea la seal de retorno. Por ejemplo los suelos rugosos y secos tendrn un mayor coeficiente de retro-difusin, y por tanto, aparecern en tonos ms claros en las imgenes radar. DOMINIO DE RADIO Ms all de la regin de las microondas, se encuentra esta zona de longitudes de onda muy grandes. Se usa en teledeteccin, pero no para detectar fenmenos de la superficie terrestre sino para transmitir datos y comandos entre el satlite y la base terrestre. Si no hay enlace directo con tierra, o bien se graba la lectura del sensor en cinta, para su posterior transmisin, o bien se utiliza una red de satlites de comunicaciones intermediaria. INTERACCION DE LA ATMOSFERA CON LA RADIACION ELECTROMAGNETICA Hay que tener en cuenta un cuarto elemento aparte del sensor, el objeto y el flujo electromagntico: la atmsfera que hay entre medio. La energa solar incidente en nuestro planeta est cifrada en 340 Wm-2 (vatios/m2). De toda ella, slo 173 Wm-2 llegan a la superficie terrestre, este factor de reduccin o ALVEDO habr de ser tenido en cuenta a la hora de interpretar la respuesta de los objetos. En el trayecto seguido por la radiacin electromagntica sta sufrir tres fenmenos principales: - Absorcin - Dispersin - Emisin Sus efectos se manifiestan en un emborronamiento de la imagen; se reduce el contraste y la cantidad total de radiacin que llega al sensor. Existen diversas correcciones en forma de algoritmos para tratar estos efectos. absorcin

Proceso por el cual las molculas y partculas de la atmsfera absorben la energa radiante (65 Wm-2) y la transforman en energa interna que posteriormente ser

emitida en el infrarrojo trmico. La atmsfera reduce as la observacin espacial a ciertas bandas concretas del espectro, llamadas ventanas atmosfricas. Pero si lo que se pretende es estudiar la atmsfera (satlites meteorolgicos), los sensores se disearn para captar la radiacin precisamente en aquellos lugares donde la absorcin atmosfrica sea ms alta. dispersin

Este fenmeno se traduce en un redireccionamiento o pequeo desvo del camino recto de propagacin. Es causado por la interaccin entre la radiacin y los gases y partculas atmosfricas. La reflexin consiguiente a ese choque, supone un aporte adicional a la radiancia proveniente de la superficie terrestre. Se reduce por tanto la radiancia directa, aumentando la difusa. Los principales causantes son los aerosoles y el vapor de agua. Se describen tres tipos de dispersin: Dispersin Rayleigh Se produce cuando afecta a longitudes de onda menores que el tamao de la partcula. Afecta por tanto a las longitudes de onda ms cortas. Es la de mayor influencia en teledeteccin. Es la causante del color azul del cielo. Dispersin Mie Se produce cuando afecta a longitudes de onda de tamao similar al tamao de la partcula. Tambin depende de la longitud de onda. Dispersin no selectiva Producida por las partculas de mayor tamao. Afecta por igual a todas las longitudes de onda. Por eso las nubes y nieblas se ven de color blanco, ya que dispersan por igual toda la luz visible. Emisin

Como cualquier cuerpo con temperatura mayor que -273 K, emite su propia radiacin, que lgicamente tiene mayor importancia en el infrarrojo trmico. Por tanto, su efecto es fundamental si pretendemos trabajar en dicha banda del infrarrojo trmico.

TIPOS DE SENSORES
En un sistema de teledeteccin el sensor es bsico y la consecucin de los objetivos propuestos a la hora de realizar cualquier tipo de proyecto de teledeteccin depender de su correcta eleccin en funcin de sus resoluciones espectral, espacial, temporal y radiomtrica. Los sensores pueden clasificarse, en primera instancia, en:

activos: son aquellos que emiten radiacin en la longitud de onda deseada y luego reciben la porcin que los objetos han reflejado. pasivos: cuando se limitan a recibir radiacin electromagntica. Otro mtodo de clasificacin los diferencia en funcin del satlite o plataforma sobre la que van instalados: satlites de rbita geoestacionaria: "vuelan" a 300.000 kilmetros sobre la Tierra y giran con el mismo periodo de revolucin que ella, de forma que el sensor est continuamente tomando imgenes (electrnicas, no fotogrficas) del mismo punto. satlites de rbitas polares: orbitan a 400 km. de distancia, su tamao de pixel ser, por tanto, ms reducido, y vuelven a tomar la misma escena cada cierto periodo de tiempo. PRODUCTOS DISPONIBLES EN EL MERCADO Los productos ms clsicos son las imgenes LANDSAT (TM y MSS) y las SPOT, las primeras han sido desarrolladas por la Agencia Espacial Norteamericana, mientras que el proyecto SPOT est a cargo del CNES francs en colaboracin con Blgica y Suiza. A continuacin se dan algunas caractersticas de cada una de ellas: Landsat MSS El sensor MSS va instalado sobre satlites Landsat. El campo total de visin del sensor abarca 11,56 grados, lo que supone cubrir una franja de terreno de 185 km. Una escena de este sensor contiene 2.340 lneas y 3.240 columnas, representando cada pixel superficies de 57x79 m. Registra informacin en cuatro bandas del espectro: - banda 4: 0,5-0,6 mm: verde - banda 5: 0,6-0,7 mm: rojo - banda 6: 0,7-0,8 mm: infrarrojo prximo - banda 7: 0,8-1,1 mm: infrarrojo prximo Landsat TM El sensor TM (Thematic Mapper) es el sucesor en la serie Landsat del MSS. Supone grandes mejoras en las resoluciones espacial, espectral y radiomtrica: de 79 a 39 metros, de 4 a 7 bandas y de 6 a 8 bits (actualmente las imgenes MSS tambin se codifican en 8 bits). La resolucin espectral del sensor es: - banda 1: 0,45-0,52 mm: azul - banda 2: 0,52-0,60 mm: verde - banda 3: 0,63-0,69 mm: rojo

- banda 4: 0,76-0,90 mm: infrarrojo prximo - banda 5: 1,55-1,75 mm: infrarrojo medio - banda 6: 10,40-12,50 mm: infrarrojo trmico - banda 7: 2,08-2,35 mm: infrarrojo medio La banda 6 tiene una resolucin espacial de 120 m. SPOT El sistema de exploracin instalado en esta plataforma se denomina HRV y permite dos modos de captura de la informacin: pancromtico y multibanda con unas resoluciones espaciales de 20 y 10 m. respectivamente. El rea cubierta por cada escena es de 60x60 km. Es sensible en las siguientes bandas del espectro: - multibanda XS1: 0,5-0,59 mm: verde - multibanda XS2: 0,61-0,68 mm: rojo - multibanda XS3: 0,79-0,89 mm: infrarrojo prximo - pancromtico PAN: 0,51-0,73 mm: parte del visible Una importante novedad del sistema es su capacidad para variar el ngulo de observacin, lo que le permite observar la misma zona en pasadas sucesivas, de modo que entre dos imgenes de la misma zona tomadas en pasadas consecutivas tengan una zona comn y permitan la visin estereoscpica, lo que permitira crear un modelo digital del terreno.

Todos estos productos varan su precio en funcin de las correcciones a las que hayan sido sometidos previamente a la distribucin del producto. Las correcciones sistemticas se clasifican en radiomtricas y geomtricas, corrigiendo las primeras entre otros, los efectos producidos por la mala calibracin de los sensores y las segundas las debidas a la esfericidad y la rotacin terrestre. Por ejemplo, en los satlites SPOT y Landsat estos niveles de procesamiento se materializan en : SPOT Nivel 1A Para este nivel de procesamiento no se lleva a cabo ninguna correccin geomtrica. En radiometra, slo se corrigen los efectos instrumentales mediante un modelo lineal destinado a igualar la sensibilidad de los detectores. Estas correcciones mnimas se aplican, de forma sistemtica, a todos los datos SPOT. La imagen no

sufre ningn remuestreo, siendo de 6000x6000 pxeles en pancromtico y 3000x3000 en multibanda. Nivel 1B Se efectan las mismas correcciones radiomtricas que para el nivel 1A. Las correcciones geomtricas se aplican a los efectos sistemticos: efecto panormico, efecto de rotacin y de curvatura de la tierra, variacin de altitud del satlite con respecto al elipsoide de referencia. Las correcciones geomtricas sirven para corregir el efecto panormico. Nivel 2 Las correcciones radiomtricas son las del nivel 1A. Las correcciones geomtricas, bidimensionales, se hacen conforme a una ley de deformacin de la imagen establecida a partir de un modelo nacido de los datos auxiliares de altitud. Esta ley no recurre a un modelo numrico de terreno: los efectos de paralaje no se corrigen, de modo que queda preservada la capacidad de visin estereoscpica SPOT. Nivel 2A La escena se restituye sin toma de puntos de apoyo, en un sistema de representacin cartogrfica determinado. Aunque la precisin de localizacin absoluta es idntica a la obtenida en el nivel 1B, se puede, en cambio, calibrar cualquier punto de la imagen por sus coordenadas rectangulares. Nivel 2B Al realizarse las correcciones geomtricas con la ayuda de puntos de apoyo, el error cuadrtico medio es de 30 m. Para la realizacin del nivel 2B, es preciso poder disponer de la cartografa topogrfica. De no existir se pueden tomar con GPS. Nivel S Se realizan las mismas correcciones radiomtricas que para el nivel 1A. Las correcciones geomtricas son idnticas a las aplicadas al nivel 2. Se llevan a cabo a partir de puntos de control tomados en la imagen de referencia. La imagen se somete a un remuestreo. LANDSAT TM Datos brutos Estn corregidos radiomtricamente. System corrected Imgenes corregidas de los efectos de la altitud y la esfericidad terrestre. Geocodificadas - Sin puntos de control terrestres. - Con puntos de control terrestres.

- Con puntos y modelos digitales del terreno. Tambin distribuyen bandas aisladas y productos fotogrficos.

Hay otros sistemas de exploracin espacial del territorio, aunque son de menor difusin o de aplicaciones ms especficas: NOAA (el sensor que lleva incorporado es el AVHRR de resolucin 1 km. y cinco canales de observacin), METEOSAT (satlite geoestacionario con un tamao de pxel de 5 km.), ERS (es un satlite europeo en el que hay participacin espaola. Su resolucin espacial es de 30 metros), SEASAT, JERS (plataforma japonesa hbrida: activa y pasiva), HELIOS, MIR, etc. y los sistemas activos de RADAR (SLAR, SAR, SEASAT) y LIDAR. CARACTERISTICAS DE LOS SENSORES MAS IMPORTANTES

(Pinchar para ver la tabla entera) Off Temporal Nadir Resolution Viewing (days) Total Data Rate (Mbits/s) Number Pixels per Line Swath Width (km.)

Band

Bandwidth (m)

IFOV (m)

Quantization (bits)

Altitude (km.)

o
4a 5 6 7 8
b

Landsat Multiespectral Scanner (MSS) on ERTS 1,2 and Landsat 3,4 and 5

0.50-0.60 0.60-0.70 0.70-0.80 0.80-1.10 10.4-12.6

79 x 79

6-8

No

18

917

15

2340

185

240 x 240

o
1 2 3 4 5 6 7

Landsat Thematic Mapper (TM) on Landsat 4 and 5

0.45-0.52 0.52-0.60 0.63-0.69 0.76-0.90 1.55-1.75 10.4-12.5 2.08-2.35

30 x 30 30 x 30 30 x 30 30 x 30 30 x 30 120 x 120 30 x 30

No

16

705

85

3000

185

1 2 3 4 5

NOAA Advanced Very High Resolution Radiometer (AVHRR-12) Local Area Coverage (LAC) Data

0.58-0.68 0.7251.10 3.55-3.93 10.3-11.3 11.5-12.5

1100x1100 1100x1100 1100x1100 1100x1100 1100x1100

No

Daily

861 and 845

---

---

2700

Daedalus DS-1260 Multiespectral Scanner

1 2 3 4 5 6 7 8 9 10 11

0.38-0.42 0.42-0.45 0.45-0.50 0.50-0.55 0.55-0.60 0.60-0.65 0.65-0.70 0.70-0.79 0.80-0.89 0.92-1.10 8.50-13.5

Variable Variable Variable Variable Variable Variable Variable Variable Variable Variable Variable

No

Variable

Variable

---

799

Variable

1 2 3 4 5 6 7 8 9 10 11

Daedalus DS-1268 Multiespectral Scanner

0.42-045 0.45-0.52 0.52-0.60 0.60-0.62 0.63-0.69 0.69-0.75 0.76-0.90 0.91-1.05 1.55-1.75 2.08-2.35 8.50-14.0

Variable Variable Variable Variable Variable Variable Variable Variable Variable Variable Variable

No

Variable

Variable

---

799

Variable

1 2 3 4 5 6 7 8 9 10

Daedalus Airbone Multiespectral Scanner (AMS)

0.42-0.45 0.45-0.52 0.52-0.60 0.60-0.63 0.63-0.69 0.69-0.75 0.76-0.90 0.91-1.05 3.00-5.50 8.50-12.5

Variable Variable Variable Variable Variable Variable Variable Variable Variable Variable

8-12

No

Variable

Variable

---

714

Variable

1 2 3 4 5 6 7 8 9

NASA Calibrated Airbone Multiespectral Scanner (CAMS)

0.42-0.52 0.52-0.60 0.60-0.63 0.63-0.69 0.69-0.76 0.76-0.90 1.55-1.75 2.08-2.35 10.5-12.5

Variable Variable Variable Variable Variable Variable Variable Variable Variable

No

Variable

Variable

---

700

Variable


1 2 3 4 5 6

NASA Thermal Infrared Multiespectral Scanner (TIMS)

8.20-8.60 8.60-9.00 9.00-9.40 8.40-10.2 10.2-11.2 11.2-12.2

Variable Variable Variable Variable Variable Variable

No

Variable

Variable

---

800

Variable

French SPOT High Resolution Visible Sensor Systems (HRV) 1,2 and 3

Multiespectral Mode 1 2 3 0.50-0.59 0.61-0.68 0.79-0.89 20 x 20 20 x 20 20 x 20 8 Yes Variable 832 25 3000 60

Panchromatic Mode 1 0.51-0.73 10 x 10 8 Yes Variable 832 25 6000 60

Indian IRS-1A and IRS-1B Linear Imaging Self Scanning Camera (LISS)

LISS I 1 2 3 4 0.45-0.52 0.52-0.59 0.62-0.68 0.77-0.86 72 x 72 72 x 72 72 x 72 72 x 72 8 No 22 904 ----148

LISS II, consists of two CCD cameras 1-4 Same as above 36.25x36.25 8 No 22 904 ----74 per sensor

European Remote Sensing Satellite (ERS-1) Active Microwave Instrument (AMI), Operates in three Modes

SAR Image Mode 5.3 GHz C-band 26.3 x 30c 8 --35 785 ----100

SAR Wave Mode 5.3 GHz C-band 26.3 x 30 8 --35 785 ----9.6-12

SAR Wind Scatterometer 5.3 GHz 52 kHz 45 km. 8 --35 785 ----500

Standard Wide 1 Wide 2 Fine ScanSAR N ScanSAR W

RADARSAT Synthetic Aperture Radar (SAR) Operates in Seven Modes Using HH Polarization

5.3 GHz C-band 5.3 GHz C-band 5.3 GHz C-band 5.3 GHz C-band 5.3 GHz C-band 5.3 GHz C-band

25 x 28c 48-30 x 28 32-35 x 28 11-9 x 9 50 x 50 100 x 100

-------------

4-6 4-6 4-6 4-6 4-6 4-6

793-821 793-821 793-821 793-821 793-821 793-821

85 85 85 85 85 85

-------------

100 165 150 45 305 510

Extended H Extended L

5.3 GHz C-band 5.3 GHz C-band

22-19 x 28 63-28 x 28

-----

4-6 4-6

793-821 793-821

85 85

-----

75 170

1 2 3 4 5 6 7 8

Sea-Viewing Wide-Field-of-View Sensor (Sea WiFS)-Proposed EOS Earth Probe

0.4020.422 0.4330.453 0.4800.500 0.5000.520 0.5450.565 0.6600.680 0.7450.785 0.8450.885

1130x1130 1130x1130 1130x1130 1130x1130 1130x1130 1130x1130 1130x1130 1130x1130 Secondary product at 4.5 x 4.5

10

No

Daily

705

---

---

2800

Airbone Visible/Infrared Imaging Spectrometer (AVIRIS) (JPL)

244 bands from 42.5 m

20 x 20

12

No

Variable

20 km.

20.4

---

11 km.

Compact Airbone Spectrographic Imager (CASI) [Itres Research of Calgary, Alberta, Canada]

288 User-specified bands

Variable

No

Variable

Variable

Unknown

578

Variable

Multiespectral Electro-optical Imaging Systems (MEIS)

8 User-specified bands

Variable

No

Variable

Variable

8.75

1024

Variable

MSS bands 4,5,6 and 7 were renumbered Bands 1,2,3 and 4 on Landsat 4 and 5 MSS band 8 was present only on Landsat 3 Range and azimuth resolution in meters

SISTEMA RADAR
El Radar (RAdio Detection And Rangin) mide el tiempo de retardo y la anchura del eco reflejado de un pulso de radiacin electromagntica. Un sistema radar consiste en:

- Un Transmisor, genera un pulso de radio y luz de gran potencia con longitudes de onda entre 1 y 100 cm. - El Sensor activo, enva pulsos a la antena y retorna el eco al receptor. - Una Antena, la cul enva el pulso transmitido a la zona de estudio y recoge lo secos devueltos. - Un receptor el cual convierte el eco devuelto a cdigo digital numrico. - Un grabador de datos, el cul almacena la imagen dato para ser procesada y visualizada. La tcnica radar, conocida como Radar de Apertura Sinttico (SAR), es un tipo de sistema de radar modificado para producir imgenes en vez de grficos de rangos y direcciones. Al igual que las tcnicas radar ms comunes, las imgenes radar tambin transmiten pulsos de energa microondas y, es por ello considerado un sistema de sensor remoto activo. Estas caractersticas lo hacen diferente a la mayora del resto de los sistemas de sensores remotos y permite operar de noche o bajo condiciones de nubosidad densa. VENTAJAS DEL SISTEMA RADAR Las ventajas de las imgenes radar frente a otros sistemas pticos (por ejemplo, Landsat o SPOT) incluyen: Debido a que la energa de las microondas no es afectada por las cubiertas nubosas el sistema radar de obtencin de imgenes es capaz de obtener una alta calidad en zonas tradicionalmente nubosas como los polos o los trpicos. En regiones muy ridas la energa de las microondas puede penetrar en la superficie hasta una profundidad considerable, dndonos medidas nicas de las propiedades de la cubierta terrestre. En regiones con vegetacin muy abundante, el sistema radar puede penetrar en la cubierta y en la imagen resultado podr observarse claramente la superficie situada bajo la vegetacin. El sistema radar utiliza la interaccin de las microondas con la superficie de estudio y su posterior reflexin y difusin. Esto nos permite deducir informacin sobre la naturaleza de los objetos que no hubiese sido posible obtener utilizando otros mtodos convencionales. SAR por lo tanto, complementa otro tipo de datos como por ejemplo los infrarrojos.

CARACTERISTICAS DEL SISTEMA RADAR Moteado La imagen aparece con un "sarpullido" causado por una combinacin de la dispersin de muchas pequeas dispersiones dentro de un pxel. Una resolucin mas alta puede no producir este efecto. El moteado puede desaparecer al hacer la media entre diferentes vistas, pero esto reduce la resolucin de la imagen Ambigedades

Las ambigedades son irreales, particularmente las aparecidas en los bordes de las masas de agua. Esto es debido a las reflexiones procedentes de otros pulsos. Superposicin de niveles En un caso extremo, la cima de la montaa aparece ms cercana que la parte baja. Esto puede mejorarse incrementando el ngulo del punto de vista. Sombra radar Las pendientes traseras de las montaas aparecen negras. Esto puede ser mejorado usando datos de otra pasada. Alto contraste en reas urbanas Estas zonas causan una dispersin debido a las esquinas reflectoras y las los efectos suavizantes de las calles. Los ngulos afilados aparecen brillantes y las carreteras oscuras. Distorsin radiomtrica La imagen puede aparecer ms luminosa en el centro. Esto tambin puede causar bandeo, todo debido al tipo de antena de radar. Interferencias Formas lineales o paralelogramos brillantes a lo largo de la imagen pueden ser causadas por otros emisores radar operando en la misma frecuencia dentro del rea de trabajo. APLICACIONES DEL SISTEMA RADAR Se enumeran las siguientes aplicaciones: Produccin de mapas topogrficos. Las imgenes radar ayudan a producir un mapas topogrficos digitales del globo entero con un alto grado de precisin: en alturas 1 m en zonas relativamente llanas y 5 m en zonas de alto relieve. La habilidad del radar para penetrar en la arena seca y en algunas cubiertas vegetales la hace muy til en exploraciones arqueolgicas. Anlisis de desastres. El radar puede recolectar datos de noche, a travs de nubes e incluso lluvia. Esto permite un rpido acceso a informacin de la zona afectada incluyendo extensiones daadas por terremotos, huracanes, lavas o coladas de barro, inundaciones, maremotos ... El radar, por interferometra puede grabar diferencias de nivel de 2 a 10 cm en casos de terremotos o actividad volcnica. Visualizacin de masas de hielo en el mar. Las imgenes radar de la zonas heladas pueden ser usadas para controlar cambios climticos o seguir el movimiento de los grandes icebergs. El mar en estas zonas es una mezcla de hielo, burbujas de aire y bolsas de agua. En las imgenes radar, el mar abierto se ve de color negro debido a la reflexin especular ignorando las olas. El hielo "nuevo" es

muy rugoso, mientras que el viejo es relativamente suave causando un alto nivel de volumen de dispersin. Mezcla de suelos. La constante dielctrica del suelo varia segn sea el contenido heterogneo del suelo. De este modo, a medida que el contenido de la mezcla se incrementa, la penetracin de las ondas radar disminuye causando que la imagen aparezca con mayor brillo de lo habitual. Este efecto puede ser usado en aplicaciones agrcolas y medioambientales.

TECNICAS ESTADISTICAS ELEMENTALES

Con el objeto de realizar una serie de estudios previos y de sondeo con las bandas obtenidas, sern de utilidad una serie de tcnicas estadsticas ya conocidas, que aqu se mencionarn slo a modo descriptivo: Habr que conocer en qu medida siguen nuestros datos las diversas hiptesis hechas en los modelos matemticos que se apliquen despus. Un ejemplo claro es la hiptesis de normalidad de los datos de cara a proceder a realizar una clasificacin supervisada por el mtodo de mxima probabilidad. Ser til pues, establecer algn tipo de test de normalidad. Tambin ser importante eliminar valores aberrantes o anmalos. La obtencin de estadsticas elementales que sinteticen y describan las diferentes bandas espectrales ser la primera operacin a realizar. Ser de gran utilidad el clculo de las medidas de centralidad (media, mediana y moda) y de dispersin (varianza, desviacin tpica) de las distintas bandas espectrales. La realizacin de los histogramas de cada banda nos ilustrar acerca de su distribucin, pudindose verificar la normalidad de las mismas. La determinacin del nmero de combinaciones espectrales distintas que se presentan en la imagen reducen drsticamente el nmero de datos a tratar y mejora su interpretabilidad al permitir observar mejor ciertas pautas. El clculo de las matrices de varianza-covarianza y de correlaciones nos expresar el grado de interdependencia existente entre las bandas dos a dos. La realizacin de histogramas bidimensionales con dos bandas informar acerca de la distribucin bivariante de ambas. Otra tcnica de gran importancia consiste en realizar cocientes entre bandas. Esto proporciona una informacin nueva que puede ser muy relevante para la deteccin de ciertos fenmenos, como por ejemplo la separacin de terrenos desnudos y zonas arboladas.

TECNICAS ESTADISTICAS MULTIDIMENSIONALES

La imagen analizada estar siempre representada, desde un punto de vista estadstico, por una nube de puntos en un espacio multidimensional. Dicho espacio de representacin puede ser o bien el espacio original constituido por las bandas espectrales, o bien un espacio transformado constituido por combinaciones lineales de las bandas. Los objetivos que se persiguen al generar estos nuevos espacios de representacin son los siguientes:

1. Extraer la informacin bsica contenida en el conjunto de las bandas a travs de un pequeo nmero de factores. 2. Reducir el volumen de informacin a tratar posteriormente al aplicar tcnicas de clasificacin automtica o reconocimiento de patrones. Esta reduccin en el volumen de informacin puede disminuir el coste de transmisin de los datos del satlite a la tierra. 3. Obtener unas nuevas bandas espectrales que estn intercorreladas (lo cual evitar el manejo de informacin redundante) y cuyo contenido de informacin decrezca rpidamente de la primera a la ltima. La tcnica ms utilizada en este contexto ha sido el Anlisis de Componentes Principales (o transformacin de Karhunen-Loeve, ampliamente utilizada y pormenorizada posteriormente).

PRIMEROS TRATAMIENTOS EN LA IMAGEN

La teledeteccin espacial con equipos ptico-electrnicos emplea un soporte no clsico para la grabacin de la informacin (no usa, por ejemplo, emulsin fotogrfica). El sensor explora secuencialmente la superficie terrestre, adquiriendo a intervalos regulares la radiacin que proviene de los objetos situados en ella. El sensor detecta la radiacin media de una parcela de terreno equivalente al tamao del pixel. Este valor medio se traduce a valor numrico, que debe ser interpretado. Dado que la respuesta recogida en un pixel est afectada por diversas alteraciones es recomendable hacer una serie de operaciones correctoras. Correccin de agentes externos El flujo de energa recibido por el sensor no slo depende de la reflectividad de la cubierta, sino tambin de otros factores externos. Los ms importantes son: Condiciones atmosfricas. Geometra de la observacin. El ngulo de elevacin solar (fuente del flujo energtico) y ngulo de observacin (posicin del sensor) respecto a la superficie terrestre determinan la respuesta que sta da.

Realce de imgenes Supone un cambio en el modo en que se visualiza la informacin contenida en la imagen, pero sin alterarla. El realce es bsico cuando se pretende un anlisis visual de la imagen.

CORRECCIONES GEOMETRICAS
Las imgenes de teledeteccin no son mapas. No poseen escala. Y muchas de las aplicaciones de la teledeteccin requieren que los datos estn referidos a una base geogrfica, que permita localizar los valores de reflectancia correspondientes a un determinado punto del terreno. Si podemos buscar puntos dentro de la imagen de los que sabemos sus coordenadas geogrficas (bien a partir de un mapa o bien a partir de otra imagen ya rectificada), podremos calcular una transformacin que obtenga la proyeccin de los datos en un plano, conforme a un sistema de proyeccin cartogrfico. A esos puntos se les llama puntos de control (GCP, Ground Control Points). La relacin entre el sistema de coordenadas de la imagen y el de la realidad se construye mediante una transformacin. Se trata de una regresin lineal mltiple:

Donde a0, a1, a2, b0, b1, b2 son los coeficientes de regresin, ci y li las variables independientes y Xi e Yi las variables dependientes. Se emplea el mtodo de mnimos cuadrados para calcular esos coeficientes de las funciones de transformacin. Con una transformacin lineal (de primer orden) slo podemos hacer tres cosas: rotar, escalar y trasladar una imagen, son necesarios 6 coeficientes. Con transformaciones no lineales (de segundo orden o ms) tambin podremos corregir las distorsiones internas de la imagen, entinces sern necesarios 12 coeficientes para segundo orden, 20 para tercer orden, etc. con los que el nmero de puntos de control a buscar ser mayor. La bondad del grado de ajuste se mide por la importancia de los residuales. El indicador ms utilizado es el error medio cuadrtico (RMS) para cada uno de los i puntos de control:

El promedio de los RMS para todos los puntos de control facilita una evaluacin de la calidad general del ajuste. Podemos hacer que el RMS sea cero aumentando suficientemente el grado de la transformacin, pero eso puede ser innecesario. Lo que se hace es tolerar un cierto margen de error (de RMS). El RMS expresa distancia en el sistema de unidades origen, esto es, distancia en nmero de pxeles. Un RMS de 2 significa que el pxel de referencia est dos pxeles alejado del pxel retransformado. Se necesita tambin conocer el tamao del pxel para que en la operacin de remuestreo (ver siguiente apartado) se pueda calcular el nmero de pxeles que se debern intercalar entre posiciones conocidas de referencia. La calidad y cantidad de puntos de control utilizados determinan el grado de precisin en la captacin de la geometra de una imagen. Tambin es importante

que estn uniformemente distribuidos por toda la imagen. Deben ser de localizacin fcil y segura; as, son buenos ejemplos: las intersecciones de carreteras, confluencias de ros, estribos de las presas, etc. Se pueden buscar las coordenadas geogrficas en un mapa (registro de imagen a mapa), o bien en otra imagen ya corregida de la misma zona (registro de imagen a imagen).

PROCEDIMIENTOS DE REMUESTREO
Las transformaciones anteriores permiten calcular la posicin correcta de cada pxel, pero esto supone un trasvase de coordenadas, no de NDs. Cmo llenar esa matriz corregida? Lo normal es que el pxel de la imagen nueva se site entre varios de la original. Para esto existen tres mtodos: Vecino ms cercano Toma el valor del pxel de la imagen original ms cercano a las coordenadas calculadas. Presenta las ventajas de que es un mtodo rpido y asegura que el valor del pxel existe en realidad, no es 'inventado', pero la desventaja de que introduce rasgos no lineales, como fracturas en las lneas rectas. Por otra parte es el nico aplicable a imgenes clasificadas, ya que en ese caso no se puede permitir realizar promedios de los valores existentes. Interpolacin bilineal Se interpola el valor de los cuatro pxeles ms cercanos al punto calculado. Da un resultado ms suave. Interpolacin bicbica Se basa en un ajuste con un polinomio de tercer grado. Se toman los 16 puntos ms cercanos. Es el ms complicado pero el que proporciona la imagen ms natural. Debido a que el remuestreo puede alterar de alguna forma el contenido real de los datos proporcionados por el sensor, si se piensa clasificar una imagen, es mejor dejar este proceso de rectificacin geomtrica para despus de la clasificacin. Una imagen sin rectificar es espectralmente ms correcta que una rectificada. Por ltimo, si la imagen ya est rectificada, para georreferenciarla tan solo hay que guardar las coordenadas geogrficas del pxel superior izquierdo, y el tamao del pxel, en la cabecera.

CLASIFICACION
Clasificar una imagen consiste en tomar decisiones. En teledeteccin, esas decisiones pueden ser del tipo asignar este pxel a la categora A, siempre en

funcin de algn criterio de clasificacin y atendiendo a alguna medicin sobre el elemento a clasificar (en nuestro caso, la firma espectral). El objetivo de toda clasificacin es el reconocimiento de clases o grupos cuyos miembros tengan ciertas caractersticas en comn. El resultado ideal consiste en obtener clases que sean mutuamente excluyentes y exhaustivas. Al conjunto de valores de un pxel en varias bandas espectrales (lo que se define como firma espectral) podemos verlo desde el punto de vista de la clasificacin como un patrn, y al conjunto de caractersticas o variables en las que se han tomado esos pxeles se les denomina rasgos. As, un patrn es un conjunto de medidas en una serie de rasgos, y la clasificacin puede definirse como una forma de reconocimiento de patrones, donde los pasos a seguir seran: 1. Seleccin de los rasgos particulares que mejor describan el patrn. 2. Eleccin de un mtodo adecuado para la comparacin de los patrones. 3. Como paso opcional, la comprobacin de los resultados; medicin del grado de exactitud conseguido con esa clasificacin. Podemos diferenciar dos tipos principales de clasificacin: supervisada, si partimos de un cierto conocimiento sobre la zona a clasificar y a partir del cual obtendremos criterios de clasificacin, y no supervisada, si no tenemos ningn conocimiento previo y de lo que se trata es de discriminar pxeles en funcin de una magnitud cuantitativa de diferenciacin entre unos y otros. En definitiva: Clasificacin supervisada Previamente se han de seleccionar muestras de cada clase constitutiva. Esas zonas, conocidas como zonas de entrenamiento, sern procesadas a fin de calcular sus estadsticas: media, rango, desviacin tpica, etc. en todas las bandas que intervengan en la clasificacin. Clasificacin no supervisada Supone la bsqueda automtica de grupos de valores homogneos. La intervencin humana se centra ms en la interpretacin de resultados que en la consecucin de los mismos. Se proponen tambin algunos mtodos mixtos, ya que el mtodo supervisado puede resultar a veces demasiado subjetivo y el no supervisado puede carecer de significado fsico real. Independientemente del mtodo utilizado, se hace necesario efectuar un anlisis de las estadsticas, para comprobar que efectivamente se podr efectuar una discriminacin. Hay varios mtodos de estudio de los datos, unos analticos y otros grficos. Utilizaremos un mtodo grfico para ilustrar grficamente las distintas problemticas que se plantean en un proceso de clasificacin y las soluciones que se proponen. Por ejemplo, en el siguiente grfico:

la visin y el cerebro se combinan para dar una interpretacin 'visual' de patrones, de forma que se distinguen dos clases, formadas cada una por un rango diferente en cada variable. La presencia de dos clases diferentes es clara debido a las dos regiones relativamente densas de puntos. Sin embargo, el punto P parece no pertenecer a ninguno de los grupos, debido a que la distancia a los centros de ambas clases es muy grande. Tambin podemos visualmente determinar el grado de compactacin de una clase, en funcin de la dispersin de sus puntos alrededor del centro de la clase, y podemos estimar el grado de separacin entre clases atendiendo a la distancia entre dichos centros y al grado de dispersin de los puntos. Parece lgico que la distancia euclidiana es una medida importante en la determinacin de los parmetros inter-clases. Tambin es importante la escala en la cual se expresan los valores numricos. Si se cambia la escala de, por ejemplo, el eje X, vemos que la interpretacin de las relaciones entre puntos cambian tambin. Los mismos conceptos se pueden extrapolar a un espacio de tres dimensiones. Lo vemos en la figura:

Como visualmente tambin distinguimos dos regiones diferenciadas, y que la distancia euclidiana tambin se puede aplicar de la misma forma, esta vez en tres dimensiones. Y los mismos conceptos se pueden seguir extrapolando a espacios de n dimensiones. Aunque no podamos visualizarlos, los conceptos y las relaciones matemticas son aplicables igualmente. La distancia eucldea entre dos puntos en un espacio n-dimensional se calcula por la expresin:

donde xia es la coordenada del punto "a" en la dimensin i.

FASE DE ENTRENAMIENTO Esta fase, que slo se efecta si se trata de una clasificacin supervisada, consiste en seleccionar muestras, en forma de zonas de pxeles concretos, que se asignarn por el usuario a una clase concreta, basndose en el conocimiento previo que se tiene sobre la imagen. A partir de los puntos de las zonas de entrenamiento, se extraern ciertos parmetros estadsticos. La eleccin de los parmetros a calcular depender del mtodo concreto de asignacin que se vaya a emplear despus. As, el mtodo del paraleleppedo requiere conocer los valores mximos y mnimos de cada clase en cada banda, mientras que el de mnima distancia requiere calcular la media en cada banda. El mtodo ms elaborado, el de mxima probabilidad, requiere el clculo de la media en cada banda y la matriz de varianza-covarianza de cada clase. Ni que decir tiene que es fundamental la correcta seleccin de las muestras, ya que en caso contrario, las estadsticas no sern las correctas y los resultados pueden ser completamente errneos. Por otro lado, la validez de los resultados depender de dos factores: 1. El grado de fiabilidad de los posibles supuestos previos que se hayan hecho. 2. La representatividad de la muestras tomadas Las suposiciones que se toman como ciertas a priori sobre los datos, dependern tambin del mtodo de asignacin empleado. Aqu tambin, el mtodo ms complejo es en el que se realizan las suposiciones ms rgidas. Se explicarn las consideraciones que se toman en los respectivos apartados posteriores. La representatividad de las muestras indica que los pxeles tomados contienen las distintas 'variedades' que se dn en el rango de valores de cada clase, y adems que se toman en las proporciones adecuadas. Una zona que contiene un tipo de vegetacin, pongamos por caso, conferas, contendr una serie de puntos con valores estadsticamente muy correlados (esto es lo que se llama 'autocorrelacin espacial'), mientras que los pxeles de conferas correspondientes a otra zona separada, seguramente tendrn una cierta separacin espectral respecto a los primeros, por efecto de la distinta concentracin en esa zona, el relieve del terreno, o el estado de la vegetacin. Es por tanto deseable escoger distintas variedades de una clase por toda la imagen, ms que escoger una zona amplia pero correspondiente a un mismo rea. FASE DE ASIGNACION Se trata de adscribir cada uno de los pxeles de la imagen a una de las clases previamente seleccionadas. Existen distintos algoritmos para este propsito: Paraleleppedo Es el mtodo que menos cantidad de informacin requiere a partir de las muestras. Se fija un rea de dominio para cada clase, segn sus valores mximo y mnimo (aunque tambin se pueden establecer otros lmites en funcin de la centralidad y dispersin de los valores. Ese rea tendr la forma geomtrica de un paraleleppedo, que definir las regiones en el espacio n-dimensional. Un pxel pertenece a una clase si entra dentro del paraleleppedo que la clase define. Si no entra dentro de ninguna clase, queda sin clasificar.

Mtodo de clasificacin del paraleleppedo

Es un mtodo rpido y simple. Viene bien como primera aproximacin. Como desventaja, puede producir pxeles sin clasificar y paraleleppedos superpuestos. Una forma de solucionar el caso de que un pxel est dentro de dos paraleleppedos es asignarlo al primero de ellos que se haya encontrado pertenencia. En este caso cobra especial importancia por tanto el orden en el que se verifique la pertenencia a cada clase. Otra solucin propone calcular en caso de incertidumbre la distancia eucldea al centro de cada paraleleppedo como criterio de asignacin. Mnima Distancia Se incluye el pxel en aquella categora que minimiza la distancia entre el pxel y el centroide de la clase. El centroide de una clase es un vector, cuyas componentes son las medias aritmticas de los valores de muestra de los pxeles de esa clase en cada banda. Se emplea la distancia euclidiana:

donde: dai es la distancia del pxel 'a' a la clase 'i' xak es la componente 'k' del pxel 'a' es la componente k de la media de los pxeles de la clase i

Mtodo de clasificacin de mnima distancia

Se puede indicar un umbral para cada clase, indicando la mxima distancia permitida para asignar la pertenencia a esa clase. As podremos parametrizar

distintas distancias mximas para distintas clases, en funcin del grado de concentracin que presentan los pxeles. Tambin es un mtodo rpido. Pero presenta la desventaja de que no tiene en cuenta la variabilidad entre clases (la nube de puntos con forma elipsoidal). Distancia de Mahalanobis Asume previamente que los histogramas de las clases tienen distribuciones normales. La forma geomtrica de la nube de puntos que representa al conjunto de pxeles pertenecientes a una clase puede ser descrita por una elipsoide. Dicha forma de elipsoide dependa directamente de la covarianza entre las distintas variables. La localizacin, forma y tamao de las elipses reflejan la media, varianzas y covarianzas de los datos, y esta idea se puede trasladar fcilmente a ndimensiones. La distancia de Mahalanobis tiene en cuenta la variabilidad de clases. Por ejemplo clasificando reas urbanas puede haber pxeles correctamente clasificados ms lejos de la media que en una clase de agua, donde los valores estn todos ms agrupados (menor varianza). El siguiente grfico expresa este fenmeno:

Distancia de Mahalanobis

Si hubiramos clasificado por mnima distancia, el punto P hubiera sido asignado a la clase C2 ya que es la que ms cerca en trminos de distancia eucldea. Pero por la naturaleza intrnseca de la correlacin que existe entre los pxeles de cada clase, vemos que a quien en realidad pertenece es a la clase C1. Este hecho es el que tiene en cuenta la distancia de Mahalanobis. La frmula para calcular dicha distancia es:

donde: i representa la clase 'i' x es el vector de muestras del pxel que se quiere medir la distancia es el vector de medias de los pxeles de la clase i

Si es la matriz de varianza-covarianza de los valores de los pxeles de la clase i Mxima Probabilidad Tambin asume previamente que los histogramas de las clases tienen distribuciones normales. Si no es as, mejor usar otro mtodo. Est basado en calcular las probabilidades de que un pxel pertenezca a cada clase. Se asignar a la clase de mayor probabilidad. Es el ms complejo y que ms clculos realiza pero tambin el que d los mejores resultados. Tiene en cuenta la variabilidad de las clases, al igual que la distancia de Mahalanobis. La frmula reza que la probabilidad P(x) de que un pxel x (en realidad un vector x con tantos valores como variables) pertenezca a la clase i viene dado por la frmula de densidad normal multivariante:

donde: x es el vector del cual que quiere medir distancia. p es el nmero de caractersticas del vector x Si representa la matriz de varianzacovarianza para la clase i es el determinante de esa matriz es la distancia de Mahalanobis, vista en el apartado anterior Efectuando unas meras operaciones podemos simplificar la apariencia de la expresin, obteniendo:

donde, como hemos multiplicado por (-1), para maximizar P(x) buscaremos el valor que minimice (-2ln(P(x))). La ecuacin bsica que se acaba de exponer, asume que las probabilidades son iguales para todas las clases. Esto es lo que se debe considerar cuando no se tiene otro conocimiento en contra. Pero si sabemos que eso no es as, se puede especificar factores de ponderacin para cada clase que implementen en la frmula las distintas probabilidades. A esto se le conoce como la regla de decisin Bayesiana. Las probabilidades son proporcionales al rea (o volumen, o hipervolumen) que cubre cada clase, y pueden ser consideradas como pesos. Esos pesos se incorporan a la frmula restando dos veces el logaritmo de la probabilidad a priori de la clase i, a la probabilidad logartmica calculada por la frmula anterior.

Para visualizar en una dimensin el efecto de cambiar la probabilidad a priori de una clase, considrese el grfico:

Mxima probabilidad

De todas formas, establecer valores para esos coeficientes de compensacin, no resulta nada fcil. Un criterio posible sera conceder a cada clase una probabilidad equivalente a la superficie que ocupa en la zona de estudio, pero no siempre es fcil determinarla a priori sin un conocimiento previo sobre la zona. En caso de desconocimiento, lo mejor es dar a todas las clases la misma probabilidad. Para entender el mtodo de mxima probabilidad, Chuvieco (1990) propone un ejemplo con dados: supongamos que tenemos dos pares de dados: unos, con las caras numeradas del 1 al 6, y otro con las caras numeradas del 3 al 8. Si lanzamos uno de los pares y obtenemos un 7, el problema sera estimar qu par ha sido el utilizado, y un buen criterio es el de asignar la tirada al par ms probable. As, la probabilidad de obtener un 7 con el par de dados normales es 6/36 (las combinaciones posibles son 1-6, 6-1, 2-5, 5-2, 3-4, 4-3), mientras que la probabilidad de obtenerlo con el par anmalo es 2/36 (3-4 y 4-3). Por lo tanto, la tirada es asignada al par normal. Esto no significa que no pueda producirse una tirada mayor a 9 con un par de dados normal, ni inferior a 9 con el otro. El mtodo no puede asegurar a qu categora asignar el elemento si existe solapamiento entre las clases, pero es bastante certero. Evidentemente, los errores sern mayores cuanto mayor sea el solape entre las funciones de probabilidad. La traduccin de este ejemplo al campo de la teledeteccin, se realiza de la siguiente forma: los dados son las clases y las tiradas son los niveles digitales de los pxeles a clasificar. En definitiva, calculamos las probabilidades de pertenencia de los pxeles a las distintas clases, y la asignacin se produce a la clase que maximiza esa probabilidad. Por ltimo, es posible tambin establecer unos umbrales de probabilidad para cada categora, de forma que los elementos cuya mxima probabilidad de pertenencia a una clase sea menor que dicho umbral, queden rechazados, es decir, sin clasificar.

Umbrales de probabilidad

Evaluacin de las clasificaciones Una vez que la clasificacin se ha efectuado, se puede determinar el grado de error cometido, en trminos de nmero de pxeles incorrectamente clasificados. Los resultados de las clasificaciones tanto supervisadas como no supervisadas se pueden evaluar con la ayuda de las reas de comprobacin. El diseo de muestreo de dichas reas y su localizacin debe realizarse previamente a la clasificacin para evitar posibles sesgos. Estas reas de comprobacin sern perfectamente conocidas y tendremos tabuladas la superficie que poseen cada una de las clases. En estas mismas reas se evalan las superficies de cada clase que se han obtenido a travs de las clasificaciones realizadas con el ordenador y se comparan con los anteriores resultados. La utilizacin de reas de entrenamiento para este propsito es claramente inadecuado. Siempre se puede realizar una clasificacin que se adapte a lo que marcamos, pero lo que intentamos medir es el grado de aproximacin con la realidad, no con las muestras que hemos introducido. Este es por tanto el inconveniente del mtodo ya que es difcil conseguir esa informacin de referencia. La construccin de matrices de confusin en las que las filas representan las clases verdaderas y las columnas las clases asignadas en el proceso clasificador, dan una medida de la calidad de la clasificacin. Cuanto mayores sean los valores contenidos en la diagonal principal con respecto a los del resto de la matriz, ms fiable ser la clasificacin realizada. Al final los resultados se expresan en porcentajes de acierto para cada clase y totales. ANALISIS DE SUBPIXEL En los ltimos tiempos, estn surgiendo avanzadas tcnicas de clasificacin que perfeccionan el proceso, incluyendo nuevas herramientas. Uno de esos mtodos es el llamado 'anlisis de subpxel', que es el que se describe a continuacin. Las superficies naturales, rara vez estn compuestas de un slo material uniforme. La mezcla espectral se da cuando materiales con diferentes propiedades espectrales se ven representadas en un nico pxel en la imagen digital. Con este mtodo no podremos saber dnde dentro de cada pxel se da cada superficie, puesto que hemos llegado al lmite de resolucin espacial, pero s que podemos cuantificar las proporciones de reflectancia que corresponden a cada una. El modelo lineal que se aplica, asume que no se produce interaccin entre materiales. Este modelo lineal tiene validez en las escalas en las que se trabaja en teledeteccin. A pequeas escalas, los efectos de dispersin producen no linealidades en la mezcla.

El modelo establece que la firma espectral de un pxel es combinacin lineal de varias firmas espectrales 'puras', ponderadas por sus factores de abundancia. Matemticamente, el espectro observado (un vector) es el producto matricial de una matriz que contiene los espectros de los distintos elementos puros, por el vector de abundancias. Por tanto, calculando el producto de la matriz inversa de los elementos puros por el espectro de un pxel, da como resultado el vector de abundancias que se desea establecer.

Principios del anlisis de subpxel

Los espectros puros se pueden obtener de dos formas: bien a partir de espectros de materiales aislados medidos en laboratorio, o bien a partir de ciertas manipulaciones matemticas con la imagen que extrae esa informacin particularizada. El resultado ahora no es decir que a un pxel determinado corresponde a cierta clase, sino determinar qu tanto por ciento de cada clase est presente en cada pxel de la imagen.

FILTRADO DE IMAGENES CLASIFICADAS

El resultado de una clasificacin suele dar pxeles sueltos en medio de una zona homognea, perdiendo unidad geogrfica y dificultando la interpretacin. A esto se le llama 'efecto de sal y pimienta'. Para solventarlo, se emplea una tcnica de suavizacin de resultados, similar a aplicar un filtro pasa-bajos (aunque no igual ya que no se pueden aplicar promedios de pxeles contiguos). Hay que tener en cuenta que podemos estar eliminando parte de la exactitud por la que tanto nos hemos esforzado en el proceso de clasificacin, en aras de unos resultados ms homogneos y fciles de interpretar. En el equilibrio entre ambos criterios estar el punto de equilibrio. Dos tipos de filtros: Filtro Modal El pxel situado en el centro de la matriz 3x3 del filtro se asigna a la categora ms frecuente entre los pxeles vecinos.

Filtro de Mayora El pxel central se asigna a la categora que cuente con la mitad ms uno de los pxeles vecinos. Si ninguna categora rebasa ese valor, se deja como estaba.