Académique Documents
Professionnel Documents
Culture Documents
▼
Nombre del Data Frame: Clasificación
Definir el sistema de coordenadas como: European Datum 1950 UTM Zone 31 N.
Añadir los modelos de pendientes (MDP), Rugosidad (MDR) y curvatura (MDC)
Aplicar los cambios
En primer lugar será necesario preparar y estandarizar el dominio de valores de los modelos a
utilizar (pendientes, rugosidad y curvatura). Si todos los parámetros disponen del mismo rango
de valores los resultados serán mejores, a la vez que facilitará la interpretación de los
estadísticos. La transformación a un mismo dominio se aplica a través del álgebra de mapas,
desarrollando una ecuación de transformación.
Donde: Z es el ráster resultado con el nuevo rango de datos; X es el ráster de entrada; oldmin
es el valor mínimo de X; oldmax es el valor máximo de X; newmin es el valor mínimo deseado
para Z; newmax es el valor máximo deseado para Z.
30
Modelización y análisis del terreno
▼
Desde ArcToolBox, abrir la calculadora ráster, Map Algebra, e implementar la ecuación de transformación
para generar los nuevos modelos estandarizados:
- expresión: Z = (((X + min) * (100 - 0)) / (max - min)) + 0
Visualizar el resultado
► Nota: todos los grids han de estar en el mismo directorio de trabajo. Un modelo multivariable
puede tener como máximo 20 bandas “apiladas”, y la resolución será igual a la del grid con
una resolución menor. Se considera que normalmente con las 3 o 4 primeras bandas es
posible definir el 95% de las clases posibles.
▼
Para generar una nueva imagen multivariable, desde ArcToolBox abrir la función Spatial Analyst >
Multivariate > Principal components.
Definir los siguientes parámetros:
# COVARIANCE MATRIX
# Layer 1 2 3
# --------------------------------------------------------------------------
1 472,34461 0,26542 101,06007
2 0,26542 0,53770 0,04571
3 101,06007 0,04571 21,87225
# ==========================================================================
# CORRELATION MATRIX
# Layer 1 2 3
# --------------------------------------------------------------------------
1 1,00000 0,01665 0,99427
2 0,01665 1,00000 0,01333
3 0,99427 0,01333 1,00000
31
Modelización y análisis del terreno
“Imagen” (stack, apilado) compuesta en falso color a partir de los modelos de pendientes (componente rojo),
rugosidad (verde) y curvatura (azul).
ISO Cluster
ISO cluster utiliza un algoritmo ISOdata que aplica un clustering para determinar las
características de las agrupaciones naturales de celdas o teselas en espacios
multidimensionales de atributos y almacena los resultados en un archivo signaturas, tipo ASCII.
Es necesario determinar el número de clases a introducir (number of classes) y el número de
iteraciones en el proceso de clustering (number of iterations). El proceso de ISO cluster
calcula la media y la covarianza para cada uno de los clústeres.
Es aconsejable aplicar inicialmente el ISO Cluster con un número elevado de clases y analizar
los resultados, para a continuación ir reduciendo el número de las mismas para afinar la
clasificación. En este caso, aplicamos inicialmente 10 clases, las signaturas espectrales.
▼
Desde ArcToolBox abrir la función Spatial Analyst > Multivariate > ISO Cluster.
Definir los siguientes parámetros:
- Number of classes: 10
32
Modelización y análisis del terreno
A continuación, para facilitar el análisis del fichero de signaturas, se han de generar unos
gráficos bidimensionales, Dendrogramas. Un dendrograma es un diagrama que muestra la
distancia atributiva existente entre pares de clases agregadas secuencialmente. La
interpretación de dicho diagrama validará el clustering y el establecimiento del número de
clases definitivas a clasificar.
▼
Desde ArcToolBox abrir la función Spatial Analyst > Multivariate > Dendrogram.
Definir los siguientes parámetros:
- Input signature file: MDM10.GSG
Dendrogram of e:\gis\mdm10.gsg
C DISTANCE
L
A 0 1,5 2,9 4,4 5,9 7,3 8,8 10,3 11,8 13,2
S |-------|-------|-------|-------|-------|-------|-------|-------|-------|
S
10 ----------------|
|--------|
9 ----------------| |
|---------------|
8 -----------------| | |
|-------| |
7 -----------------| |-----------------------------|
| |
6 -----------------| | |
|-----------------------| |
5 -----------------| |
|-
3 -----------------| |
|-------| |
2 -----------------| |---------------| |
| | |
4 -------------------------| |-----------------------------|
|
1 -----------------------------------------|
|-------|-------|-------|-------|-------|-------|-------|-------|-------|
0 1,5 2,9 4,4 5,9 7,3 8,8 10,3 11,8 13,2
33
Modelización y análisis del terreno
Del análisis del dendrograma, se deduce que los pares de clases 9-10, 2-3, 5-6 y 2-3 se
encuentran a una distancia relativamente próxima, por lo que pueden agregarse (merged) y
reducir el número de clases hasta 6.
▼
Repetir el procedimiento, ISO Cluster y Dendrogram, con una configuración de 6 clases.
Generar los siguientes ficheros:
Clasificación no supervisada
▼
Desde ArcToolBox abrir la función Spatial Analyst > Multivariate > Maximum Likelihood
Classification y definir los siguientes parámetros (dejar el resto con los valores por defecto):
- Input ráster bands: MDM
34
Modelización y análisis del terreno
El punto de inicio de este ejercicio será el modelo multivariable MDM generado en el apartado
anterior, que ya incluye los parámetros o bandas estandarizadas.
A través de las herramientas de Image Classification, generaremos las áreas poligonales que
representen las clases que nos interesen identificar.
▼
Insertar a la interfaz de ArcMap la barra de herramientas Image Classification . Definir MDM como el
ráster objetivo y activar la herramienta Training Sample Drawing Tool
- Crear áreas de muestra que identifiquen zonas características del área de estudio: superficie de embalse,
taludes escarpados, líneas de cresta, canales, fondos de valle… Identificar al menos 5 áreas distintas.
Ejecutar y visualizar el resultado
35
Modelización y análisis del terreno
Una vez generadas las áreas de muestra, es posible analizar las propiedades de cada clase,
así como analizar la correlación existente entre ellas.
▼
Sobre la barra de herramientas Image Classification, abrir la ventana Training Sample Manager
- Para analizar las propiedades y interrelaciones entre las clases, realizar las siguientes acciones:
Statistics: consultar las estadísticas básicas de una o varias clases
Histograms: generar gráficos para analizar la distribución de las clases.
Scatterplots: generar gráficos para analizar la distribución de las clases.
Estas herramientas permiten comprobar si existe superposición entre las clases. En caso de producirse es
indicativo de que ambas clases tienen una igual signatura espectral y pueden ser agregadas.
Analizar vuestras áreas de muestreo
Tras el análisis, es posible crear el fichero de signaturas y una base cartográfica con las áreas
de muestra.
▼
Desde la Training Sample Manager , generar el archivo de signaturas y guardar las áreas de muestra
en vuestro directorio de trabajo.
Create Signature file: generar el fichero ClaS.GSG
Save: guardar las áreas de muestra en un nuevo shapefile amuestra.shp
Clasificación supervisada
Para finalizar el proceso se debe crear la clasificación a partir de las áreas de muestra
definidas. Es posible realizar la ejecución de forma interactiva o a través de las funciones de
clasificación generales.
▼
Desde la barra de herramientas Image Classification , seleccionar la opción Classification >
Interactive Supervised Classification
Analizar el resultado
36