Vous êtes sur la page 1sur 26

Mi Comunidad, Nuestra Tierra: Geografa para el Desarrollo Sostenible (MyCOE)

Taller: Introduccin a Aplicaciones de Tcnicas Espaciales para la Conservacin de la Biodiversidad


Universidad Tecnolgica de Panam Ciudad de Panam. 28 de enero a 1ro de febrero, 2008 MODULO SOBRE TELEDECCION Y ANALISIS DE CAMBIO DE USOS Y COBERTURA DE LA TIERRA Preparado por: Rebecca Beard, M.A. TABLA DE CONTENIDOS Titulo OBJETIVOS DEL MODULO General Especficos DISCUSION SOBRE LA TECNICA DE PERCEPCION REMOTA Base Terica Aplicaciones APLICACION Objetivo General Datos Programas Instrucciones Productos REFERENCIAS Pgina 1 1 1 2 2 8 12 12 12 13 13 25 25

1. OBJETIVOS DEL MODULO General Proporcionar conceptos y procedimientos bsicos en el anlisis espacial mediante tcnicas de percepcin remota o teledeteccin. Especficos Familiarizarse con las tcnicas de anlisis espacial para la deteccin de cambios en el uso y cobertura de la tierra, especficamente con la combinacin de sensores remotos y sistemas de informacin geogrfica (SIG).

2. DISCUSION SOBRE LA TECNICA DE PERCEPCION REMOTA Base Terica Teledeteccin o percepcin remota es la tcnica usada para la adquisicin de datos e informacin sobre algunas propiedades de un objeto por medio de un instrumento no en contacto directo con el objeto de inters. Percepcin remota es la medida de propiedades fsicas, qumicas y biolgicas de objetos sin el contacto directo. Como trabajan los sistemas

Percepcin remota es la deteccin y medicin de energa electromagntica que emana de objetos distantes de manera tal que el usuario puede identificar y categorizar eses objetos en base a su clase, sustancia y distribucin espacial. Los componentes bsicos de un sistema de percepcin remota incluyen un mdulo de adquisicin de datos y un mdulo de extraccin de informacin a partir de esos datos. El componente de adquisicin de datos involucra el diseo, construccin, calibracin, evaluacin y operacin de sensores. Para extraer informacin, los datos generados por los satlites deben ser procesados e interpretados. Un sistema de percepcin remota requiere tambin de datos de campo, que contribuirn a mejorar los modelos conceptuales o especficos que permitan interpretar los datos espectrales en trminos de fenmenos biofsicos o geogrficos. Los datos corresponden a los valores medidos de un atributo por un sensor. La informacin incluye una interpretacin de los datos de manera tal que ahora es posible describir un aspecto de un objeto. Aparatos miden radiacin electromagntica, acstica o campos de fuerza. (1) Activos: Sensores activos generan su propia energa electromagntica para recibir posteriormente la energa del objeto de inters y as capturar sus caractersticas de textura y espectrales. (2) Pasivos: Sensores pasivos dependen de la energa de radiacin solar o de la energa de radiacin terrestre.

Percepcin Remota Pasiva

Percepcin Remota Activa


Procesamiento de Imgenes RADAR

Sol

Absorcin Atmosfrica

Absorcin Atmosfrica Reflectancia Atmosfrica Reflejada por objetos Reflejada por objetos

Emitido por sensor

Emitido por objetos

Figura 1. Tipos de percepcin remota. Reflectancia y longitudes de onda

Los distintos tipos de superficie difieren en su comportamiento espectral. Las diferencias dependern de una cantidad de factores ligados por un lado a las caractersticas qumicas o estructurales de las superficies. La reflectancia (i.e. radiacin reflejada/radiacin incidente) de una superficie tendr un comportamiento diferencial de acuerdo a la longitud de onda. Consideremos tres categoras de superficie con las cuales la radiacin proveniente del sol puede interactuar: el agua, el suelo y la vegetacin. Cuando sobre un cuerpo de agua incide igual cantidad de radiacin azul, verde, roja e infrarroja (IR) observaremos que la reflectancia es pequea en cualquiera de esas longitudes de onda pero que es mayor en para la radiacin azul que para la verde. A su vez est ltima se reflejar ms que la roja. La cantidad de radiacin reflejada en el IR ser mnima. Este comportamiento est asociado a que buena parte de la radiacin incidente en estas longitudes de onda es transmitida y absorbida por el cuerpo de agua. Dentro de este patrn general la reflectancia del agua se ver modificada por los sedimentos presentes, el contenido de clorofila y la profundidad y caractersticas del fondo. Si la misma radiacin que incida sobre el agua lo hace sobre el suelo la energa reflejada variar en calidad respecto del incidente. Por un lado el suelo reflejar ms radiacin en el visible. La reflectancia aumentar con la longitud de onda, desde el rojo al infrarrojo. La mineraloga ejerce un fuerte control del comportamiento reflectivo de

los suelos. Por ejemplo, los suelos laterticos con alto contenido de xido frrico tienen una mayor refelctancia en el rojo. La textura de la superficie del suelo, el contenido de materia orgnica y de agua determinar tambin la reflectancia total del suelo, a mayor rugosidad, contenido de agua sin materia orgnica ms oscuro (menos reflectivo) el suelo. La vegetacin muestra un comportamiento reflectivo particular. Por un lado muestra un pico de reflexin en la porcin verde de espectro visible, por eso vemos de este color a la vegetacin. La absorcin ser alta, y por lo tanto la reflectancia baja, en las longitudes de onda correspondientes al azul y el rojo. Esto se debe a que a esas longitudes de onda tiene su pico de absorcin la clorofila. En la zona de transicin entre el visible y el infrarrojo cercano se produce un cambio muy marcado en la reflectancia de la vegetacin. En un rango pequeo de longitudes de onda (menos de 20 nm) la reflectancia puede aumentar ms de 10 veces. Si bien la magnitud puede variar, el pico de reflectancia en el IR cercano es tpico de la vegetacin activa. Este comportamiento est asociado a la estructura de las hojas, particularmente a la del mesfilo. Si bien las plantas poseen pigmentos que absorben en estas longitudes de onda (fitocromos), estos estn involucrados en la deteccin de seales de baja intensidad y por lo tanto no absorben cantidades significativas de radiacin en esta porcin del espectro. Adems de la cantidad y tipo de pigmentos y de la estructura foliar otros factores afectarn la cantidad de radiacin reflejada. El estado hdrico de las plantas modificar la reflectancia en el IR medio. La presencia de una dimensin vertical en un dosel hace que otros factores tengan influencia en la respuesta espectral de la vegetacin. La arquitectura del dosel junto con el ngulo de elevacin solar modificarn la distribucin de la radiacin en el dosel y por lo tanto la cantidad de radiacin reflejada. La presencia de material seca o muerta dentro del dosel modificar su comportamiento ya que parte de la radiacin ser interceptada por un material con un comportamiento espectral diferente al de las hojas verdes. Los espectros de reflectancia brindan la posibilidad de comparar y caracterizar el comportamiento de distintas superficies. La reflectancia es una funcin de la longitud de onda. Cada superficie presentar una curva caracterstica a partir de las cuales es posible identificar tipos individuales. De la observacin de las curvas resulta evidente que no es posible separar simultneamente las distintas superficies representadas usando slo una banda particular del espectro. Si bien es posible separar el agua del suelo o la vegetacin mediante una observacin en el IR nos resulta imposible discriminar entre suelo y vegetacin en cualquier porcin del espectro visible o del IR cercano. La variacin interna que muestran los suelos y la vegetacin hace que en una banda del espectro ambas superficies puedan reflejar la misma cantidad de radiacin. Esto depender de la cantidad de pigmentos y estructura de la hoja o del contenido hdrico y de materia orgnica del suelo. Sin embargo s es posible la separacin si se consideran simultneamente ms de una banda. Por ejemplo, para un mismo valor de reflectancia en el IR cercano una superficie vegetada reflejar mucho menos en el rojo que el suelo. El potencial de la percepcin remota de la energa reflejada para discriminar superficies deriva en buena medida del uso de varia bandas del espectro, se llama anlisis multiespectral.

rayos gamma 10-14 10-12

rayos X

rayos ultra violeta

rayos infrarrojos 10-6 10-4

radar

FM TV

onda corta AM

10-10

10-8

10-2

102 104 Longitud de onda (metros)

Luz Visible

400

500

600

700

Longitud de onda (nanmetros)

Figura 2. Diagrama del espectro electromagntico y longitudes de onda.

visible Reflectancia 80

IR cercano

IR medio

alfalfa hoja de arce suelo franco seco suelo franco humedo agua turbia agua clara

Porcentaje

60

40

20

0 0-4 0-8 1-2 1-6 Longitud de onda (micrometros) 2-0 2-4

Figura 3. Ejemplos de curvas de reflectancia de distintas superficies (Paruelo, 2007). Tipos de satlites

Los satlites en general se caracterizan por el tipo de resolucin. La resolucin puede ser de tres tipos: espectral, temporal y espacial. La resolucin espectral se refiere al nmero de bandas o capas de almacenamiento de informacin espectral. La resolucin

temporal se refiere al periodo de adquisicin de datos del satlite. La resolucin espacial se refiere al nivel de detalle que puede ser obtenido por el satlite y generalmente se representa mediante la dimensin del pxel. La siguiente tabla presenta los tipos de satlites ms comnmente usados y las resoluciones de cada uno. Tabla 1. Caractersticas de los distintos satlites. resolucin resolucin espacial temporal LANDSAT SPOT ASTER IKONOS 28.5 m 10-20 m 15 60 m 14m 8 16 das 10 das 16 das 5 das 5 das 8 das, 16 das

resolucin espectral 8 bandas 4 bandas 15 bandas 4 bandas 4 bandas 7 bandas (500 m) y 2 bandas (250 m)

QUICKBIRD 0.61 2.44 m MODIS 250 1000 m

Herramientas relacionadas

Los siguientes programas son ejemplos de software gratis o freeware, desarrollados por diferentes organizaciones para el anlisis de imgenes digitales: MultiSpec (http://cobweb.ecn.purdue.edu/~biehl/MultiSpec/) MultiSpec est disponible para las plataformas de Windows y Macintosh, y se est desarrollando en la universidad de Purdue. Fue diseado originalmente como una herramienta de enseanza pero ahora es utilizada por muchos usuarios de la percepcin remota. MultiSpec ofrece algunas herramientas sofisticadas de la clasificacin de imgenes. FWTools (OpenEV) (http://openev.sourceforge.net/) OpenEV es un programa que exhibe y analiza datos geoespaciales en formato vector y raster. Funciona en Windows, Linux y algunas otras plataformas del Unix, y una plataforma para Macintosh est en marcha. La actividad del desarrollo es absolutamente activa y muchas nuevas capacidades estn en marcha. ste es uno de los paquetes libres ms ampliamente utilizados de la visualizacin de imgenes remotamente adquiridas. NASA Image2000 (http://www.ccpo.odu.edu/SEES/ocean/oc_i2k_soft.htm) Image2000 es un paquete para el proceso de imagenes basado en Java que fue desarrollado por la NASA. El desarrollo ha parado actualmente pero el programa est disponible para la transferencia directa. Image2000 proporciona una amplia gama de funciones pero se limita en que no maneja adecuadament sets grandes de datos.

GRASS (http://grass.itc.it/index.php) GRASS fue desarrollado originalmente por el Cuerpo de Ingenieros de Estados Unidos en los aos 80. GRASS es un SIG de gran alcance basado en raster con muchas capacidades de procesamiento de imgenes. Es sobre todo un programa de lneas de comando diseado para funcionar en plataformas de Windows, de Mac OSX, y de Linux. GRASS es un poco incmodo para usuarios novatos. OSSIM (http://www.ossim.org/OSSIM/OSSIMHome.html) OSSIM usa algoritmos, herramientas y paquetes existentes para construir una herramienta integrada para el procesamiento de imgenes remotamente adquiridas y anlisis espacial. El equipo de desarrollo cre recientemente una interfase grfica para OSSIM llamado ImageLinker, que funciona en todos los sistemas operativos importantes. RESORTE (http://www.dpi.inpe.br/spring/) El Instituto Nacional Para la Investigacin del Espacio (INPE) de Brasil est desarrollando RESORTE. El software puede exhibir y analizar imgenes remotamente adquiridas, y proporciona una combinacin de SIG y de capacidades de procesamiento de imgenes. RESORTE est sobre todo disponible en espaol y portugus, y funciona en las computadoras con Unix y Windows. Los siguientes programas son ejemplos de software comerciales comnmente usados: ERDAS Imagine (http://gi.leica-geosystems.com/default.aspx) Imagine es una paquete de software basado en raster, y diseado especficamente para extraer informacin de imgenes remotamente adquiridas. El programa incluye un sistema comprensivo de herramientas para crear imgenes para la inclusin en un SIG y actualmente ofrece la opcin de crear capas de informacin que pueden ser integradas en el formato Geodatabase de ESRI. La variedad de herramientas permite que el usuario analice datos de las imgenes y los presente en varios formatos. Image Analysis de ArcGIS (http://gi.leica-geosystems.com/LGISub1x41x0.aspx) Image Analysis de ArcGIS se utiliza para preparar imgenes que pueden ser usadas directamente en un SIG, para posteriormente analizar y extraer informacin de ellas. Esta extensin de ArcGIS le permite al usuario extraer la informacin actualizada de imgenes directamente en una estructura tipo geodatabase de ESRI. Los problemas que usualmente se generan cuando se aplican procesos de varios pasos puede ser evitados trabajando directamente con los datos en un geodatabase. Tambin es posible realizar clasificaciones de la vegetacin para determinar la composicin y cobertura vegetal. Adicionalmente, la deteccin del cambio se puede realizar en las imgenes capturadas en diversos tiempos. Las tcnicas del realce de la imagen estn disponibles para, por ejemplo, ajustar brillo y contraste.

TNTmips (http://www.microimages.com/) TNTmips es un sistema del anlisis geoespacial que proporciona un SIG completo, un sistema de manejo de set de datos relacionales, un sistema automatizado de procesamiento de imgenes con CAD, herramientas para el modelamiento superficial, y herramientas para publicar los datos. TNTmips tiene un solo sistema integrado con un interfaz, una funcionalidad, y una estructura de geodatos para el uso en varios sistemas operativos. ERMapper (http://www.ermapper.com/) ERMapper es un paquete para el procesamiento de imgenes y para otros usos de las ciencias de la tierra y de la percepcin remota. Ha sido diseado para manipular sets grandes de datos de recursos naturales (e.g. datos del satlite, geofsicos, ssmicos). Los usuarios pueden realizar integraciones complejas de datos y operaciones complejas de proceso de imgenes, en capas mltiples. Contiene una biblioteca de algoritmos estndares para el realce de la imagen, la clasificacin y la sntesis de los datos. ERMapper puede combinarse, acortar, muestrear, cambia la escala y hacer mosaicos de sets mltiples de datos automticamente. Los datos raster se pueden cambiar a partir de una proyeccin del mapa a otra. La capacidad para visualizacin 3D permite que los usuarios vean datos vector y raster en 3D y obtener una mejor perspectiva de las escenas y del sobrevuelo. Los usuarios pueden ver datos en estreo por lentes de LCD, y pueden generar pares estereoscpicos de papel. Se da soporte a cerca de 100 formatos para la importacin y exportacin de raster y vector, y hay acceso directo a las coberturas de ARC/INFO. IDRISI (http://www.clarklabs.org/) IDRISI es un software integrado de SIG y de procesamiento de imgenes, que proporciona ms de 250 mdulos para el anlisis y exhibicin de informacin espacial digital. Herramientas para la planificacin espacial, la toma de decisiones, y el anlisis de riesgo son incluidas junto con herramientas para la estadstica espacial, el anlisis superficial, y modelamiento espacial. IDRISI se utiliza para explorar, predecir, y modelar los impactos en cambio de la cubierta de tierra con la utilidad del Land Change Modeler. El programa puede procesar imgenes remotamente adquiridas con tcnicas convencionales de procesamiento de imgenes. Las herramientas para el manejo de incertidumbre se pueden utilizar para asignar recursos y para crear mapas de factibilidad. Pares de imgenes pueden ser comparados, y las tendencias y las anomalas pueden ser analizadas a partir de imgenes adquiridas en periodos largos de tiempo. Aplicaciones Aplicaciones en general Los Gegrafos usan los sensores remotos, por ejemplo, para el inventario de recursos naturales y para la deteccin de cambios en la cobertura y uso del suelo.

Para este tipo de aplicaciones, se requiere realizar clasificaciones digitales de imgenes satelitales en base a sistemas estndares o personalizados de categorizacin. Los Arquelogos utilizan la percepcin remota para identificar caractersticas topogrficas o arqueolgicas que no se pueden detectar en fotografas convencionales. Por ejemplo, las especies de vegetacin y la estructura de crecimiento relacionadas con las caractersticas arqueolgicas enterradas se pueden identificar y clasificar en imgenes remotamente adquiridas. El espacio pblico puede ser manejado ms fcilmente usando la informacin adquirida remotamente para clasificar las reas de disturbio de un sitio, determinar los cambios en calidad del agua, cubierta de la vegetacin, y topografa. Los mapas de la deteccin del cambio se pueden producir para determinar y para cuantificar cambios en disturbio, cubierta de la vegetacin y en terreno en un cierto periodo. Los Bilogos utilizan imgenes remotamente adquiridas para identificar biodiversidad en regiones para la conservacin. El xito de la re-vegetacin en reas restauradas puede ser identificado, cuantificado y supervisado en un cierto periodo. Se pueden realizar las clasificaciones de la vegetacin para determinar la cubierta y la composicin del tipo de vegetacin. Las reas de pantano pueden ser delineadas y supervisadas, y el cambio en cubierta y grado del bosque puede ser predicho. Los Gelogos utilizan las imgenes basadas en los satlites para identificar zonas de fallas, estudiar la geomorfologa de formas de la tierra especficas, determinar los cambios dinmicos de los acontecimientos naturales, interpretar las caractersticas superficiales que indican depsitos minerales, del petrleo y gas, y del agua subterrnea. Los Hidrologos pueden desarrollar sistemas de supervisin de la calidad del agua con imgenes de satlites identificando los sitios en donde el agua subterrnea se descarga a la superficie, y determinando el grado y la intensidad de la contaminacin del agua. Los Cientficos del suelo pueden proporcionar detalles adicionales a las encuestas existentes sobre el suelo para delinear tipos del suelo con datos remotamente adquiridos, y el potencial para la erosin y la deposicin del suelo puede ser modelado. Aplicaciones avanzadas Percepcin remota de Marte (http://www.mars.asu.edu/) El Sistema de Proyeccin de Imgenes de Emisin Termal (THEMIS en ingls) da a cientficos una vista global de Marte en las longitudes de onda visibles e

infrarrojas. Llevado a bordo de la nave espacial Mars Odyssey de la NASA, THEMIS circunda Marte una vez cada dos horas en una rbita casi polar. Esencialmente, el planeta rojo entero pasa bajo su vista. THEMIS es una cmara fotogrfica de varias bandas que trabaja en cinco longitudes de onda visibles y diez longitudes de onda infrarrojos. Las imgenes visibles consideran los detalles en la superficie tan pequea como 18 metros de ancho; las imgenes infrarrojas pueden detectar caractersticas 100 metros a travs. La cobertura global deja a cientficos investigar preguntas con respecto a los volcanes, crteres, dunas de arena, polvo atmosfrico y cambia en los casquillos polares. Adems, la proyeccin de imgenes de varias bandas, que combina dos o ms vistas tomadas en diversas longitudes de onda, puede dejar a cientficos estudiar las caractersticas de los materiales superficiales a travs del planeta. Los investigadores de la Facilitadora del Vuelo Espacial de Marte en Arizona State University estn construyendo herramientas basadas en mapas para apresurar el acceso a las imgenes y a los datos de las misiones presentes y pasadas a Marte. Los datos ahora en el Internet incluyen imgenes del orbiters de Viking 1 y 2, la Cmara Fotogrfica Orbiter de Marte (MOC) y Sistema de la Proyeccin de Imgenes de la Emisin Termal (THEMIS). Otra herramienta del software, JMARS, es una aplicacin basada en Java desarrollado en la Facilitadora del Vuelo Espacial de Marte. Esta deja a usuarios combinar varios sets de datos de muchas misiones e instrumentos en una sola imagen. Anlisis de textura: clasificaciones orientadas a objetos La textura se refiere al patrn de las variaciones del brillo dentro de una imagen, e incluye conceptos tales como uniformidad, tosquedad, regularidad, frecuencia, y linearidades. Las diferencias en textura se pueden ilustrar por imgenes de diversos materiales (e.g. paja, arena, tela, madera). Para describir textura, el acercamiento estructural puede ser utilizado, que asume que las imgenes estn compuestas de los elementos primitivos repetidos en cierto patrn. Usando el acercamiento estructural, la textura sera caracterizada describiendo la forma, el tamao y otras caractersticas de los elementos y de su patrn de la repeticin. Para aplicar el acercamiento estructural al patrn del paisaje, la estructura del paisaje se describe en trminos de tamao, forma y configuracin del parche dentro de una matriz (Musick y Grover, 1991). Sin embargo, los patrones naturales tienen a menudo ni elementos fijos obvios ni un patrn fijo de la repeticin (Nevatia, 1982). As, la textura se puede tambin caracterizar por las caractersticas estadsticas de una vecindad de pixeles. Tcnicas de percepcin remota pueden ayudar a capturar la variacin local de la intensidad y otras estadsticas derivadas de distribuciones de frecuencia de los pixeles para cuantificar las caractersticas de objetos (Woodcock y Strahler, 1987). Acceso a informacin Bases de datos en el internet:

10

Universidad de Maryland, Global Land Cover Facility (Facilitadora de Cobertura Global de la Tierra) (http://glcf.umiacs.umd.edu/index.shtml) La Facilitadora de Cobertura Global de la Tierra (GLCF en ingls) es un centro para la ciencia de la cubierta de tierra con el enfoque en investigacin usando datos de satlites para determinar el cambio de la cubierta de tierra en sistemas locales y globales. El GLCF desarrolla y distribuye los datos de satlites y los productos que explican la cubierta de tierra de las escalas locales a globales. El Interfaz de los Datos de la Ciencia de la Tierra (ESDI en ingles) es la aplicacin del Internet de GLCF para buscar y bajar datos.

Figura 4. Estas son las opciones para bajar datos de satlites (GLCF, 2007). Si Ud. est buscando los datos de Landsat y Ud. sabe las trayectorias y las filas para su rea de inters, utilice Path/Row Search. Utilice Map Search para hacer consultas con un mapa interactivo. Ud. debe utilizar Map Search al buscar los mosaicos de Landsat. Si Ud. est buscando algunos productos derivados de MODIS o AVHRR, u otros productos particulares, utilice Product Search. Se puede hacer consultas en estos datos a travs de un interfaz simple. Este mtodo es mucho ms fcil que usando Map Search. Geography Network (Red de Geografa) (http://www.geographynetwork.com/) La Red de Geografa es una red global que proporciona la infraestructura necesitada para compartir informacin geogrfica entre proveedores de los datos, proveedores de servicios y usuarios alrededor del mundo. A travs de la Red de Geografa, se puede tener acceso a muchos tipos de contenido geogrfico incluyendo mapas dinmicos, datos para bajar y servicios ms avanzados. La red es manejada y mantenida por ESRI, para promover el compartido y el descubrimiento de la informacin y de los servicios geogrficos. La red apoya una infraestructura de datos espaciales, y permite acceso rpido y fcil a la informacin geogrfica. La Red de Geografa ofrece varias maneras de descubrir y de tener acceso a los datos geogrficos para el uso con software de SIG. Unos ciertos datos estn disponibles bajar inmediatamente o ver en el sitio de web de antemano, mientras que otros datos se pueden bajar a otros sitios que estn referidos. Los servicios 11

dinmicos del mapa que permiten la interaccin directa con el contenido pueden presentar datos en una de dos maneras: como imgenes del mapa generadas de datos en el servidor del mapa o como caractersticas vector comprimidas fluyeron en el software de SIG. Se puede pedir del editor los datos que estn en CDs o DVDs. Tambin disponibles estn los referidos a otros sitios de web que proporcionan datos geogrficos gratis, o permiten transferencias directas. Land Processes Distributed Active Archive Center (Centro Distribuido de Archivos Activos de Procesos de la Tierra) (http://edcimswww.cr.usgs.gov/pub/imswelcome/) El Centro Distribuido de Archivos Activos de Procesos de la Tierra fue establecido como parte de la Sistema Para Observar la Tierra (EOS en ingls) de NASA para procesar, archivar y distribuir datos relacionados al suelo recogi por los sensores del EOS. El Centro procesa y distribuye los datos de Landsat 7. Landsat 7 y el satlite Terra del EOS fueron lanzados en 1999. El satlite Aqua fue lanzado en 2002. El sensor de Landsat 7 es el Enhanced Thematic Mapper Plus (ETM+). El satlite Terra lleva dos sistemas de deteccin: el Radimetro Espacial Avanzado de la Emisin Termal y de la Reflexin (ASTER en ingls) y el Radimetro Espectro para la Proyeccin de Imgenes de Resolucin Moderada (MODIS en ingls). Adems, el sensor de MODIS en la nave espacial Aqua adquiere datos entregada al Centro para el almacenaje y la distribucin. Muchos productos de los datos de ASTER y de MODIS estn disponibles del Centro. Los productos de Landsat ETM+ fueron descontinuados en 2004. 3. APLICACION Objetivo General Realizar un anlisis de cambio de cobertura y uso del suelo mediante la integracin teledeteccin y SIG. Datos Para esta aplicacin se necesitan los siguientes archivos: En formato vector: En la carpeta DATOS/SHAPEFILE Area_de_estudio.shp En formato raster: En la carpeta DATOS/IMGENES SATELITALES p012r54_5t861031_nn1.tif.gz p012r54_5t861031_nn2.tif.gz p012r54_5t861031_nn3.tif.gz p012r54_5t861031_nn4.tif.gz p012r54_5t861031_nn5.tif.gz p012r54_5t861031_nn7.tif.gz p012r054_7t20020528_z17_nn10.tif.gz p012r054_7t20020528_z17_nn20.tif.gz p012r054_7t20020528_z17_nn30.tif.gz 12

p012r054_7t20020528_z17_nn40.tif.gz p012r054_7t20020528_z17_nn50.tif.gz p012r054_7t20020528_z17_nn70.tif.gz Programas MultiSpec (para el procesamiento de imgenes satelitales) ArcGIS con la extensin Spatial Analyst (para el anlisis de cambio de uso y cobertura del suelo) Instrucciones Generales En su computadora cree un directorio de trabajo. Por ejemplo: C:\TEMP\MOD_PREMOTA Copie los archivos especificados en la seccin DATOS en ese directorio. Copie adems la carpeta PROGRAMAS/MultiSpecWin32 en ese mismo directorio. Como bajar datos de satlites del Internet

NOTA: Por motivos de tiempo los datos de satlite han sido proporcionados con el modulo. Sin embargo, a continuacin se indica el procedimiento a seguir en caso de necesitar acceder a la fuente original para obtener otros datos. Para bajar informacin satelital georeferenciada se puede ir a la siguiente pgina web: http://glcfapp.umiacs.umd.edu:8080/esdi/index.jsp. Para usar un mapa interactivo, se hace un clic en MAP SEARCH. Para hacer consultas sobre la disponibilidad de imgenes satelitales seleccionar las opciones ETM, TM, MSS, ASTER, ETM+ mosaics, y TM mosaics. En la seccin PLACE, se escribe el lugar del que se desea obtener las imgenes. En este caso, por ejemplo, Panama, Panama (formato Pas, Ciudad). Se hace un clic con el mouse en UPDATE MAP en la parte inferior derecha de la ventana del mapa para obtener la informacin ms actual del mapa, y despus se hace un clic en PREVIEW & DOWNLOAD para que el buscador encuentre los tipos de imgenes disponibles:

13

En la siguiente ventana aparecen las imgenes disponibles para la zona, las fechas de adquisicin, y los formatos de las mismas. Para este ejercicio, se seleccionaron las imgenes con identificadores 018-313 y 042-551 con fechas 1986-10-31 y 2002-05-28, en formato GeoTIFF. En la prctica, para bajar las imgenes del servidor se pulsa DOWNLOAD.

En la siguiente pgina se seleccionan las bandas de la imagen. Por ejemplo, para la imagen con identificador 018-313, Path 12 y Row 54 (sistema utilizado por Landsat para organizar el espacio terrestre para la toma de imgenes) se encuentran varios archivos. Los archivos con terminacin .nnx.tif.gz son los que contienen las bandas de la imagen. Para este ejercicio, se seleccionaron las bandas 1 a 7 con excepcin de la 6 ya que es una banda termal con diferente resolucin que generalmente no se usa en clasificaciones para uso y cobertura del suelo.

14

Por asunto de tiempo, los archivos con la informacin espectral de las dos imgenes se han proporcionado con el modulo. Como componer una imagen satelital

Es necesario unificar todas las bandas en un solo archivo para realizar la clasificacin temtica. Para esto, Abrir los archivos correspondientes a las bandas 1 a 7 de la primera imagen en ArcGIS. No es necesario crear pirmides en ninguno de los archivos.

Activar ArcToolBox.

15

En DATA MANAGEMENT TOOLS, desplegar las opciones en RASTER y hacer doble clic en COMPOSITE BANDS. En la opcin INPUT RASTERS seleccionar, del men desplegado, de una en una las bandas de la imagen, desde la uno hasta la siete. Especificar un nombre de salida para la primera imagen compuesta, por ejemplo: P12R54_1986.TIF. Es necesario especificar la extensin TIF del archivo ya que si no se creara un raster en formato GRID de ArcGIS.

Ir a ENVIRONMENT SETTINGS en la parte inferior derecha de la ventana y en el men GENERAL SETTINGS EXTENT seleccionar nuevamente el archivo Area_de_estudio.shp para fijar las coordenadas del rea de estudio. Esta accin nos deja cortar la imagen compuesta, para tener una imagen solo del rea del Parque Natural Metropolitano de Panam.

En la seccin RASTER ANALYSIS SETTINGS MASK especificar Area_de_estudio.shp como mscara. Esto ajusta el rea de anlisis a la forma del

16

rea de estudio. As recortaremos la imagen para analizar nicamente el rea de estudio. Hacer clic en OK. Repetir el mismo procedimiento para componer y cortar la segunda imagen. Clasificacin digital

Dos tipos de clasificaciones de imgenes satelitales son las ms usadas comnmente y se encuentran implementadas en programas computacionales accesibles al pblico en general. Esas clasificaciones son supervisadas y no supervisadas. En una clasificacin supervisada, la identidad y ubicacin de algunos de los tipos de cobertura del suelo (e.g. agricultura, urbano, humedal) son conocidos de antemano a travs de trabajo de campo, anlisis de fotos areas, o experiencia personal (Mausel et al., 1990). En una clasificacin no supervisada, la identidad de tipos de cobertura a ser clasificados no es conocida de antemano ya que no se tiene datos de control de campo. En este caso, la computadora necesita agrupar pxeles con caractersticas similares en grupos o clusters nicos de acuerdo con criterios determinados estadsticamente (Jahne, 1991). El analista combina y reclasifica los grupos estadsticos en asociaciones de pixeles que representen la realidad del paisaje. Para esto es necesario tener un esquema lgico de clasificacin que contenga definiciones taxonmicas correctas de las clases de informacin, que estn organizadas de acuerdo a criterios lgicos. Por ejemplo, el U.S. Geological Survey (USGS) utiliza un esquema de clasificacin orientado en la cobertura del suelo para el mapeo del territorio mediante el uso de imgenes satelitales. Ya que el territorio de los E.E.U.U. es tan extenso, la coleccin de datos in situ es inadecuada. En su lugar, la teledeteccin se usa para la coleccin de informacin en la cual se base el sistema de clasificacin. Otros esquemas se enfocan especficamente en el uso del suelo, por ejemplo el Manual de Codificacin Standard de Uso del Suelo (SLUC en ingls). Este manual se basa en observaciones in situ. Uno de los algoritmos de clasificacin no supervisada ms usados se denomina ISODATA, que es el acrnimo de las palabras en ingls Iterative Self-Organizing Data Analysis Technique (Tou y Gonzalez, 1974). Este mtodo utiliza las distancias espectrales en el set de datos e iterativamente clasifica los pixeles, redefine los criterios en cada clase, y clasifica los pixeles nuevamente. As, los patrones de distancia espectral en los datos emergen gradualmente. Para realizar una clasificacin mediante ISODATA, generalmente se especifican los siguientes parmetros: N: El mximo nmero de clases a ser consideradas. Debido a que cada cluster es la base para una clase, este nmero se convierte en el mximo nmero de clases a ser extrado. El proceso de ISODATA comienza por determinar un nmero N arbitrario de clusters. Algunos clusters con muy pocos pixeles pueden ser eliminados, dejando por consiguiente menos que N clusters en la clasificacin final.

17

T: Un valor de convergencia, que es el mximo porcentaje de pixeles a cuyos valores de clase se les permite permanecer sin cambios entre iteraciones. M: El mximo nmero de iteraciones a realizarse. En algunos programas sin embargo este parmetro se suprime cuando el nmero de clases es el que determina el fin del proceso iterativo. En MultiSpec

En MultiSpec realizaremos la clasificacin digital de las imgenes correspondientes a la zona del Parque Natural Metropolitano de la ciudad de Panam para el perodo de estudio 1986-2002. El tipo de clasificacin digital es no supervisada y usaremos el algoritmo ISODATA para la determinacin de grupos espectrales o Clusters. Estos grupos se definen con un algoritmo que comnmente usa todos o varios pixeles para su anlisis al inicio del proceso de clasificacin. Para correr el programa MultiSpec dirigirse a la carpeta MultiSpecWin32 dentro de PROGRAMAS y hacer doble clic en MultiSpec.exe. En MultiSpec ir al men FILE y seleccionar OPEN IMAGE. Abrir la imagen correspondiente al primer ao de la serie (i.e. 1986). En la seccin CHANNELS seleccionar las bandas de la imagen correspondientes a los respectivos caones de color Rojo (RED = 5), Verde (GREEN = 4) y Azul (BLUE = 3). No es necesario modificar el resto de las opciones.

En el men PROCESSOR seleccionar la opcin CLUSTER. En la ventana SET CLUSTER SPECIFICATIONS seleccionar ISODATA. En la ventana que aparece despus, SET ISODATA CLUSTER SPECIFICATIONS, especificar el nmero de clases (30), el porcentaje de 18

convergencia (98), y el tamao mnimo de un cluster (7 pxeles) y hacer clic en OK. En la ventana SET CLUSTER SPECIFICATIONS seleccionar las opciones: IMAGE AREA: Para visualizar el proceso iterativo de clasificacin. TEXT WINDOW: Para obtener un reporte estadstico de la clasificacin. CLUSTER MASK FILE: Para generar un nuevo raster con la clasificacin temtica. IMAGE WINDOW OVERLAY: Para obtener el raster final de clasificacin en la pantalla.

Hacer clic en OK. El proceso iterativo se inicia y es posible visualizar la clasificacin al final de cada iteracin. Una vez que se han obtenido N clases (30 en este ejercicio), se crea un raster temtico con la clasificacin final. El nombre del nuevo raster ser P012R54_1986_clMask.gis. Este archivo con la extensin .GIS se puede leer directamente en ArcGIS. Cerrar las ventanas con las imgenes. No es necesario guardar el proyecto antes de cerrar. Realizar el mismo procedimiento con la otra imagen. Se puede cerrar MultiSpec. Anlisis visual y reclasificacin

En ArcGIS agruparemos las clases obtenidas en MultiSpec en categoras funcionales que representen tipos de uso y cobertura del suelo reales. Es decir, de las 30 clases obtenidas en MultiSpec, se proceder a combinarlas para obtener 4 o 5 que sean representativas del sitio de estudio y evitar redundancia de informacin. Este procedimiento es necesario ya que dos o ms categoras de la clasificacin original pueden estar representando un mismo tipo de uso o cobertura en la realidad. Para esto, se necesita reagrupar las clasificaciones originales para cada ao y crear rasters con el nuevo nmero de categoras.

19

En este ejercicio usaremos nicamente 5 clases generales con los siguientes identificadores: Tabla 2. Nmeros de identificacin de los tipos de uso y cobertura del suelo. Tipo de uso o cobertura del suelo Identificador numrico Nubes y Sombras 1 Cuerpos de agua (ros, mar, lagos) 2 Zona urbana 3 Zona agrcola 4 Zona de vegetacin natural 5 Abrir el archivo con extensin GIS y la imagen original para el ao 1986. En la tabla de contenidos de ArcGIS, ubicar el raster temtico sobre la imagen original. Activar la barra de herramientas denominada EFFECTS que se encuentra en el men VIEW, en la seccin TOOLBARS. En la opcin LAYER de la barra, seleccionar el raster con la clasificacin temtica. Seleccionar a continuacin la herramienta SWIPE LAYER que se indica a continuacin:

Esta herramienta permite visualizar ambas imgenes interactivamente. Colocar el cursor encima de las imgenes y moverlo en algn sentido presionando el botn izquierdo del mouse. Esto nos permite visualizar la imagen satelital para determinar visualmente una nueva clase.

20

El siguiente procedimiento requiere la interaccin constante entre el interpretador y la computadora. La clasificacin final depender principalmente de la experiencia del interpretador. Hacer un acercamiento (zoom) hacia alguna zona de inters y con la herramienta SWIPE LAYER mover el mouse para visualizar la clasificacin y la imagen satelital. Con la herramienta IDENTIFY (i) hacer clic en los pixeles de la clasificacin para obtener el nmero de cluster correspondiente a un tipo de uso o cobertura. Es importante recalcar que cada tipo de cobertura tendr varios valores de pxeles. En una hoja de papel escribir las clases que correspondan a un mismo tipo de uso/cobertura. Por ejemplo: Valor 20, Valor 22, Valor 24, Valor 26 => Cuerpos de agua Valor 1, Valor 2, Valor 3, Valor 5 => Nubes Valor 14, Valor 16, Valor 18 => Zona urbana Etc. La reclasificacin del raster original se realiza mediante la opcin RECLASSIFY que se encuentra en la extensin SPATIAL ANALYST. En la opcin INPUT RASTER se selecciona el raster con la clasificacin original. En la opcin RECLASS FIELD se especifica Value (generalmente est dado por default). En la seccin SET VALUES TO RECLASSIFY se encuentran dos columnas. La columna OLD VALUES se refiere al valor original de los clusters de la clasificacin. La columna NEW VALUES se refiere al nuevo valor que adoptarn los pixeles de esos clusters. Para esto, se hace un clic con el botn izquierdo del mouse en cada lnea que pertenezca a un mismo tipo de cobertura, al mismo tiempo que se presiona la tecla CTRL. Se hace un clic derecho en las lneas seleccionadas y se selecciona GROUP ENTRIES para agrupar los valores pertenecientes a un mismo tipo de cobertura. Esto se hace para cada categora. En la columna NEW VALUES se especifica el nuevo valor de los pixeles pertenecientes a la nueva categora (vase la Tabla 2 para los nuevos identificadores numricos). En el siguiente grafico, por ejemplo, los pixeles de los clusters 0, 1, 2, 3, y 4 se reclasificarn con un nuevo valor.

21

El siguiente grafico indica que los clusters 0, 1, 2, 3 y 4 se reclasificarn con un nuevo valor de 1. Los clusters 5, 6, 7, y 8 con un valor de 2, etc.

En OUTPUT RASTER especificar el nuevo nombre del raster con la reclasificacin para el ao 1986, por ejemplo, REC_1986. Realizar el mismo procedimiento con la clasificacin perteneciente ao 2002. Nombrar el nuevo raster REC_2002. NOTA: Hay que recordar que solamente existirn 5 categoras en los raster finales.

Anlisis de cambio de uso y cobertura del suelo

Para realizar el anlisis de cambio de uso y cobertura del suelo en el perodo de estudio se usan las reclasificaciones finales de los aos de inters. Para esto, es necesario utilizar un procedimiento que nos permita obtener numricamente todas las posibles combinaciones de clases que resultaran de la sper imposicin de las reclasificaciones de los aos de inters. Una opcin practica es utilizar Algebra de Mapas para obtener esta combinacin.

22

Ya que los DOS nuevos rasters reclasificados contienen los mismos valores para las respectivas clases (i.e. de 1 a 5), es necesario realizar alguna operacin matemtica para obtener todos los cambios posibles. Es decir, se necesita obtener nuevas categoras o valores que nos indiquen cuales son las reas pasaron de Vegetacin Natural a Zona Urbana., de Zona Agrcola a Zona Urbana, de Zona Urbana a Vegetacin Natural, etc. Una forma sencilla para obtener la nueva combinacin de clases es multiplicando el raster perteneciente al primer ao por un valor constante, por ejemplo, 100. As, las clases se convertirn en 100, 200, 300, 400, y 500. Seguidamente se puede sumar el segundo raster reclasificado. De esta forma se obtienen todas las posibles combinaciones. El siguiente ejemplo muestra dos clasificaciones (AO 1 y AO 2) y la combinacin de ambos raster en un nuevo mapa llamado CAMBIOS.

En el nuevo mapa de cambios, los valores de los pxeles representan las transiciones de una clase a otra. Por ejemplo, si los valores 4 y 400 representan Zona Agrcola y en el mapa de cambios se encuentra el valor 404, lgicamente significa que esas reas no han sufrido cambios. Es decir, aquellas zonas se mantuvieron como rea agrcola en el ao 1 y ao 2. En el caso de las celdas con valor 403, quiere decir que esas reas pasaron de zona agrcola en el ao1 a zona urbana en el ao 2. En el caso de las celdas con valor 503, quiere decir que la zona urbana creci en la zona de vegetacin natural, etc. Abrir en ArcGIS nicamente los archivos raster reclasificados con los valores de 1 a 5. En el men desplegable SPATIAL ANALYST seleccionar la opcin RASTER CALCULATOR.

23

En la ventana de texto ingresar la expresin [REC_1986] * 100 + [REC_2002]

As:

En la tabla de contenidos en ArcGIS hacer clic derecho en Calculation (el resultado de la operacin) e ir a DATA MAKE PERMANENT. Ubicar el directorio de trabajo y grabar el resultado con el nombre CAMBIO_86_02.

Este nuevo mapa representa el mapa de cambios de uso y cobertura del suelo para el perodo 1986-2002. Es posible hacer consultas a la tabla de atributos para obtener reas y estadsticas de que cambi a que en ese perodo. Esto sin embargo puede tomar algn tiempo hasta tabular los datos obtenidos en forma casi manual. Una forma ms eficiente es realizar una tabulacin automtica directamente en ArcGIS. En ArcToolBox ir a SPATIAL ANALYST TOOLS ZONAL y seleccionar TABULATE AREAS. En la seccin INPUT RASTER OR FEATURE ZONE DATA seleccionar el archivo reclasificado en las cinco clases para el primer ao (1986). Las categoras de este mapa sern tabuladas en las filas de la tabla (valores horizontales). En ZONE FIELD especificar Value. En la seccin INPUT RASTER OR FETURE CLASS DATA seleccionar el mapa reclasificado en las cinco clases para el segundo ao (2002). Las categoras de este mapa sern tabuladas en las columnas de la tabla (valores verticales). En CLASS FIELD especificar Value. Especificar un nombre para la nueva tabla en OUTPUT TABLE. Guardarla en el directorio de trabajo. En PROCESSING CELL SIZE especificar 28.5 ya que este es el tamao del pxel de las imgenes satelitales originales y de los raster derivados.

24

Hacer clic en OK.

El resultado es una tabla de contingencia con valores en unidades de superficie (m ). Esta tabla es aadida a la tabla de contenidos automticamente. Para abrir la tabla es necesario cambiar la tabla de contenidos de DISPLAY a SOURCE haciendo un clic en SOURCE:

Una vez hecho este cambio se podr observar la tabulacin en la tabla de contenidos. Hacer clic derecho en el nombre de la tabla y seleccionar OPEN para abrirla. Productos Los productos finales de esta aplicacin son dos: Un mapa de final de cambios de uso y cobertura del suelo con una leyenda simple indicando las transiciones entre los dos perodos. Una tabla de de contingencia indicando los valores en unidades de superficie de los cambios de uso y cobertura del suelo y sus respectivos porcentajes en el perodo de estudio. Esta tabla puede ser elaborada en EXCEL. REFERENCIAS Jhne, B. 1991. Digital Image Processing: Concepts, Algorithms, and Scientific Applications. Berlin: Springer-Verlag. Mausel, P.V., W.J. Kramber, and J.K. Lee. 1990. Optimum Band Selection for Supervised Classification of Multi spectral Data. Photogrammetric Engineering and Remote Sensing 56 (1):55-60. Musick, H.B. and H.D. Grover. 1991. Image textural measures as indices of landscape pattern. In: Turner, M. & R. Gardner (Hrsg.): Quantitative methods in landscape ecology 77-103. Nevatia, R. 1982. Machine Perception. Englewood Cliffs, New Jersey: Prentice Hall. Paruelo, J.M. 2007. Cartografa, Sistemas de Informacin Geogrficos y Teledeteccin: Principios Bsicos de Percepcin Remota. http://www.ifeva.edu.ar/~paruelo/SIG/Cap_PBPR.pdf. Satellite Imaging Corporation. 2001-2007. Characterization of Satellite Remote Sensing Systems. http://www.satimagingcorp.com. Tou, J.T., and R.C. Gonzalez. 1974. Pattern Recognition Principles. Reading, Massachusetts: Addison-Wesley Publishing Company. 25

U.S. Department of the Interior, U.S. Geological Survey. 2007. Landsat Project. http://landsat.usgs.gov/index.php. Woodcock, C.E. and A.H. Strahler. 1987. The factor of scale in remote sensing. Remote Sensing of Environment 21:311-32.

26