Professional Documents
Culture Documents
Introduccin a
Imgenes Hiperespectrales
con
TNTmips
page 1
Antes de Comenzar
Gran parte de la dcada pasada, las imgenes hiperespectrales han sido un rea activa en investigacin y desarrollo y las imgenes hiperespectrales han estado disponibles solo para los investigadores. Con la reciente aparicin de sistemas comerciales aerotransportados de imgenes hiperespectrales y el inminente lanzamiento de satlites, las imgenes hiperespectrales estn dispuestas a entrar a la corriente principal de la percepcin remota. Las imgenes hiperespectrales encontrarn muchas aplicaciones en manejo de recursos, agricultura, exploracin minera, y monitoreo ambiental. Pero el uso efectivo de las imgenes hiperespectrales requiere un entendimiento de la naturaleza y limitaciones de los datos y de las distintas estrategias para procesarlas e interpretarlas. Este folleto intenta proveer una introduccin a los conceptos fundamentales en el campo de las imgenes multiespectrales. Datos Muestrales. Algunas ilustraciones en este folleto muestran anlisis de resultados de una escena espectral de Cuprite, Nevada. Esta escena fue adquirida usando el Espectrmetro de Imgenes Visible/Infrarrojo (AVIRIS), el cual es operado por el Laboratorio Jet Propulsin de la NASA. La misma escena es usada en los ejercicios en el folleto que acompaa Preparndose: Analizando Imgenes Hiperespectrales. Usted puede descargar esta escena en el formato de Archivos de Proyectos TNTmips (junto con datos muestrales asociados) desde el sitio web de Microimages o contactando Microimages para obtener los datos en un CD-R gratuito. Ms Documentacin Este folleto est propuesto slo como una introduccin general a imgenes hiperespectrales. En TNTmips, las imgenes hiperespectrales pueden ser procesadas y analizadas usado el proceso de Anlisis Hiperespectral (escoja Procesos / Raster / Anlisis Hiperespectral desde el menu principal de TNTmips). Para una introduccin a este proceso, consulte el folleto Preparndose: Analizando Imgenes Hiperespectrales. Informacin adicional de fondo puede ser encontrada en el folleto Introduccin al Ambiente de la Percepcin Remota. TNTmips y TNTlite TNTmips tiene dos versiones: la versin profesional y la versin libre TNTlite. Este folleto hace referencia a ambas versiones como TNTmips. Si usted no compr la versin original (la cual requiere una llave fsica), TNTmips opera en modo TNTlite, la cual limita el tamao de los objetos y no permite exportar.
Randall B. Smith, Ph.D., 17 Septiembre 2001 Traducido por MicroImages Inc., 20 Octubre 2004
Puede ser difcil identificar puntos importantes en algunas ilustraciones sin una copia en color de este folleto. Puede imprimir o leer ester folleto desde el sitio web de MicroImages. El sitio web tambin es su fuente para los folletos ms recientes sobre otros tpicos. Puede descargar la gua de instalacin, datos muestrales, y la ltima versin de TNTlite.
http://www.microimages.com
page 2
Set de valores de brillo individual para la posicin de valores de una celda raster en la imagen hiperespectral. El grfico de valores de brillo vs. longitudes de onda muestra el espectro continuo para la celda de la imagen, la cual puede ser usada para identificar materiales de superficie.
0.6
Brillo Relativo
Spectral Plot
Espectrometra de Imgenes
Las imgenes hiperespectrales son producidas por instrumentos llamados espectrmetros de imgenes. El desarrollo de estos sensores complejos ha involucrado la convergencia de dos tecnologas relacionadas pero distintas: la espectroscopia y la percepcin remota de la Tierra y la superficie de los planetas. La espectroscopa es el estudio de la luz que es emitida por o reflejada por los materiales y su variacin en energa con la longitud de onda. Al ser aplicada al campo ptico de la percepcin remota, la espectroscopa trata con el espectro de la luz solar que es difusamente reflejada (dispersada) por los materiales terrestres. Los instrumentos llamados espectrmetros (o espectrorradimetros) son usados para realizar mediciones de campo o de laboratorio de la luz reflejada desde un material testigo. Un elemento de dispersin ptica tal como una verja o prisma en el espectrmetro separa esta luz dentro de muchas longitudes de onda adyacentes y angostas, y la energa en cada banda es medida por un detector diferente. Al usar cientos o miles de detectores, los espectrmetros pueden realizar mediciones espectrales de bandas tan angostas como 0.01 micrmetros sobre un rango amplio de longitudes de onda, tpicamente al menos en 0.4 a 2.4 micrmetros (rangos de longitudes de onda del visible al infrarrojo medio). Los dispositivos de imgenes remotas estn diseados para concentrar y medir la luz reflejada desde varias reas adyacentes de la superficie terrestre. En muchos dispositivos de imgenes digitales, las mediciones secuenciales de reas pequeas son hechas en un patrn geomtrico consistente a medida que la plataforma del sensor se mueve y un procesamiento posterior es requerido para juntarlas en una imagen. Hasta recientemente, los dispositivos de imgenes estaban restringidos a una o algunas relativamente escasas bandas anchas de longitud de onda por limitaciones del diseo del detector y los requerimientos de almacenamiento de datos, transmisin y procesamiento. Los avances recientes en estas reas han permitido el diseo de dispositivos de imgenes que tienen rangos espectrales y resoluciones comparables con los espectrmetros de campo.
Imagen Optica
Detectores
D i a g r a m a e s q u e m t i c o d e l o s elementos b s i c o s de e s p e c t r o m e t r a d e i mg e n e s . Algunos sensores usan una serie de mltiples sensores de angostas bandas de longitudes de onda ( l ).
page 4
Reflectancia Espectral
En espectroscopia de luz reflejada la propiedad fundamental que queremos obtener es la reflectancia espectral: la razn de la energa reflejada sobre la energa incidente como una funcin de la longitud de onda. La reflectancia vara con la longitud de onda para la mayora de los materiales ya que la energa en ciertas longitudes de onda es dispersada o absorbida en diferentes grados. Estas variaciones de reflectancia son evidentes cuando comparamos las curvas de reflectancia espectral (grficos de reflectancia versus longitud de onda) para diferentes materiales, como en la ilustracin de abajo. Las desviaciones pronunciadas hacia abajo de las curvas espectrales marcan los rangos de longitud de onda en los cuales los materiales selectivamente absorben la energa incidente. Estas caractersticas son comnmente llamadas bandas de absorcin (no confundir con la separacin de bandas de imgenes en una imagen multiespectral o hiperespectral). La forma general de una curva espectral y la posicin y fuerza de las bandas de absorcin en muchos casos puede ser usada para identificar y discriminar materiales diferentes. Por ejemplo, la vegetacin tiene reflectancias ms altas en el rango del infrarrojo cercano y ms baja reflectancia en la luz roja que los suelos.
1 2 3 4 Bandas Multispectrales SPOT XS 5
1 2 3
Rojo Azul Verd
Bandas Landsat TM
Infrarrojo Cercano Infrarrojo Medio Infrarrojo Reflejado Suelo Seco (5% agua) Suelo Hmedo (20% agua)
60
Vegetacin
Reflectancia (%)
40
20
Agua clara de lago Agua de ro turbia
0 0.4
0.6
0.8
2.2
2.4
Curvas representativas de reflectancia espectral para varios materiales terrestres comunes desde los rangos de luz visible hasta el espectro reflejado infrarrojo. Las bandas espectrales usadas en varios sensores remotos de satlites multiespectrales son mostradas arriba para compararlas. La reflectancia es una cantidad sin unidades con valores de rango entre 0 a 1.0, o puede ser expresada como un porcentaje, como en este grfico. Cuando las medidas espectrales de un material de test son hechas en el campo o en el laboratorio, los valores de la energa incidente son tambin requeridos para calcular la reflectancia del material. Estos valores son medidos directamente o derivados desde medidas de luz reflejada (bajo las mismas condiciones de iluminacin que el material de test) desde un material de referencia estndar con una reflectancia espectral conocida.
page 5
Espectrometra de minerales
En materiales inorgnicos tales como minerales, composiciones qumicas y estructuras cristalinas, stos controlan la forma de la curva espectral y la presencia y posiciones de bandas de absorcin especficas. Las longitudes de onda de absorcin especificas pueden ser usadas para la presencia particular de elementos qumicos y iones, la carga inica de ciertos elementos, y la geometra de las cadenas qumicas entre elementos, lo cual es gobernado en parte por la estructura cristalina. La ilustracin de abajo muestra la espectrometra de algunos minerales comunes que proveen ejemplos para estos efectos. En el espectro de la hematita (un mineral de xido de hierro), la fuerte absorcin en el rango de la luz visible es causada por el ion frrico (Fe+3). En la calcita, el mayor componente de la piedra caliza, el ion de carbonato (CO3-2) es responsable por la serie de absorciones de banda entre los 1.8 a 2.4 micrmetros (m). La kaolinita y la montmorilonita son minerales de arcilla que son comunes en suelos. La fuerte absorcin de la banda cercana a los 1.4 m en ambas curvas espectrales, junto con la dbil banda a 1.9 m en kaolinita, es debida a los iones de hidrxido (OH-1), mientras que la banda ms fuerte a 1.9 m en montmorilonita es causada por las molculas de agua atadas en esta arcilla hdrica. En contraste a estos ejemplos, el feldespato ortoclasa, un mineral dominante en granito, muestra casi una absorcin de rasgo insignificante en los rangos espectrales del visible al infrarrojo.
Visible
Infrarrojo Cercano
Infrarrojo Medio
100
Calcita Feldespato Ortoclasa
80
Reflectancia (%)
Kaolinita
60
Montmorillonita
40
Hematita
20
0 0.4
0.6
0.8
2.2
2.4
Reflectancia espectral de algunos minerales representativos (compuestos de ocurrencia qumica natural que son los mayores componentes de rocas y suelos).
page 6
Pasto
60
Reflectancia (%)
40
Pasto seco amarillento
20
0 0.4
0.6
0.8
1.0 1.2 1.4 1.6 1.8 2.0 2.2 Longitud de onda (micrmetros)
2.4
Reflectancia espectral de diferentes tipos de vegetacin verde comparados con una curva espectral de hojas senescentes (secas, amarillentas). Las diferentes porciones de las curvas espectrales para la vegetacin verde son formadas por los diferentes componentes de las plantas, como es mostrado arriba.
page 7
Bibliotecas Espectrales
Varias bibliotecas de reflectancia espectral de materiales naturales o hechos por el hombre estn disponibles para el uso pblico. Estas bibliotecas proveen una fuente de referencia espectral que puede ayudar a la interpretacin de imgenes hiperespectrales y multiespectrales. Biblioteca Espectral ASTER Esta biblioteca ha sido hecho disponible por la NASA como parte del programa instrumental Advanced Spaceborne Termal Emisin and Reflectance Radiometer (ASTER). Este incluye compilaciones espectrales de NASAs Jet Propulsin Laboratory, Johns Hopkins University, y United States Geological Survey (Reston). La biblioteca espectral ASTER actualmente contiene cerca de 2000 espectrometras, incluyendo minerales, rocas, suelos, materiales hechos por el hombre, agua, y nieve. La mayora de las coberturas espectrales de la regin completa de las longitudes de onda entre 0.4 a 14 m. La biblioteca es accesible interactivamente via el Worldwide web en http://speclib.jpl.nasa.gov. Usted puede buscar la espectrometra por categora, ver un grfico espectral para cualquier espectro recuperado, y descargar los datos individuales de la espectrometra como archivo de texto. Estas espectrometras pueden ser importadas dentro de la biblioteca espectral del TNTmips. Usted puede tambin ordenar la biblioteca espectral ASTER en CD-ROM sin cargo desde la direccin web de arriba. 80 Visible
Reflectancia (%)
Infrarrojo Cercano Granito Infrarrojo Medio
Ejemplos espectrales de la biblioteca ASTER. ASTER ser uno de los instrumentos del satlite planeado EOS AM-1, y registrar datos de imgenes en 14 canales desde el visible hasta las regiones termales de infrarrojo como parte del programa NASAs Earth Science Enterprise.
60 40
20
Basalto
0 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0 2.2 2.4 Longitud de onda (micrmetros)
Biblioteca Espectral USGS El laboratorio de Espectrometra del United States Geological Survey en Denver, Colorado, ha compilado una biblioteca de cerca de 500 reflectancias espectrales de minerales y unas pocas plantas sobre las longitudes de onda en el rango de 0.2 a 3.0 m. Esta biblioteca es accesible via online en http://speclab.cr.usgs.gov/spectral.lib04/spectral-lib04.html. Usted puede buscar espectrometra individual online, o descargar la biblioteca completa. La biblioteca espectral del USGS est tambin incluida como una referencia de biblioteca estndar en el proceso TNTmips Anlisis Hiperespectral.
page 8
page 9
Reflectancia (%)
B
40
C = 60% A + 40% B
C A
20
0 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0 2.2 2.4
Las mezclas espectrales pueden Ejemplo de un espectro compuesto (C) que es una ser macroscpicas o de detalles. mezcla lineal de dos espectrometras: A (suelo seco) En una mezcla microscpica y B (vegetacin verde). cada fotn reflejado interacta con solo un material de superficie. La energa reflejada desde los materiales se combina aditivamente, as cada contribucin del material a la composicin espectral es directamente proporcional a su rea dentro del pxel. Un ejemplo de tal mezcla lineal es mostrado en la ilustracin arriba, la cual puede representar un Espectro A mosaico de vegetacin y suelo desnudo. En el espacio espectral cada espectro de endmember define el trmino de una lnea mixta (para dos Espacio endmembers) o la esquina de un espacio mezclado mezclado (para un mayor nmero de endmembers). Luego discutiremos cmo las Espectro C fracciones de endmembers pueden ser calculadas Espectro B para cada pxel. En una mezcla de detalle, tales como las mezclas microscpicas de partculas Reflectancia en Banda 1 minerales encontradas en suelos, un fotn indiGrfico de n-dimensiones de la vidual interacta con ms de un material. Tales espectrometra de tres endmembers para mezclas son no lineales en carcter y por lo tanto un caso hipottico de 2 bandas. Todos ms difciles de desenredar. los espectros que son mezclados en A,
Reflectancia en Banda 2
B, y C solo deben caer dentro del espacio de mezcla.
page 10
Radiancia y Reflectancia
De las discusiones de las pginas anteriores, debera estar claro que la reflectancia espectral es una propiedad de las caractersticas del terreno que sera capaz de medirse precisa y exactamente usando un sensor hiperespectral de avin o satlite. Pero mire el espectro de brillo de la ilustracin de abajo. Este es el promedio de 25 imgenes espectrales medidas por el sensor AVIRIS sobre la superficie brillante de un lago seco en Cuprite, escena de Nevada. La espectrometra de entrada ha sido ajustada por los efectos del sensor usando datos de calibracin a bordo, pero no otras transformaciones han sido aplicadas.
Brillo promedio medido para una porcin de la superficie de playa (cuadrado rojo a la derecha)
0.5
1.0
1.5
2.0
2.5
Longitud de onda, (micrmetros) Este espectro no tiene mucha semejanza con el espectro de reflectancia previamente ilustrada. Esto es porque el sensor ha medido simplemente la cantidad de luz reflejada alcanzada en cada banda de longitud de onda (radiancia espectral), en este caso desde una altitud de 20 kilmetros. La reflectancia espectral de los materiales de superficie es slo uno de los factores que afectan los valores medidos. La curva de reflectancia espectral para el rea muestral es en realidad plana y sin rasgos. Adems de la reflectancia de superficie, la radiancia espectral medida por un sensor remoto depende del espectro de entrada de energa solar, las interacciones de esta energa durante sus travesas hacia arriba y abajo a travs de la atmsfera, la geometra de iluminacin de las reas individuales sobre el terreno, y las caractersticas del sistema del sensor. Estos factores adicionales no slo afectan nuestra habilidad de recuperar valores de reflectancia espectral exactos para los rasgos de superficie, pero tambin introducen variabilidades adicionales dentro de la escena los cuales obstaculizan las comparaciones individuales entre celdas de imagen. Estos factores son discutidos en mayor detalle en las prximas dos pginas.
page 11
Factores de Iluminacin
Fuente de Iluminacin La figura de abajo muestra una curva tpica de irradiancia solar desde el tope de la atmsfera terrestre. La energa solar entrante varia ampliamente con la longitud de onda, con un mximo en el rango de la luz visible. El espectro de la energa solar entrante de la hora en que la imagen fue adquirida debe ser conocida, asumida, o derivada indirectamente desde otras mediciones para convertir los valores de imagen de radiancia a valores de reflectancia.
2.5
0.5
1.0
1.5
2.0
2.5
3.0
Geometra de la Iluminacin La cantidad de la energa reflejada por un rea sobre la superficie depende de la cantidad de energa solar que ilumine el rea, la cual a su vez depende del ngulo de incidencia: el ngulo entre la trayectoria de la energa entrante y una lnea perpendicular a la superficie terrestre. Especficamente, la energa recibida en cada longitud de onda (Eg) vara con el coseno del ngulo de incidencia (q): Eg = Eo x cos q, donde Eo es la cantidad de energa entrante. La energa recibida por cualquier rea de superficie por lo tanto vara a medida que la altura del sol cambia con la hora del da y la estacin del ao. Si el terreno no es plano, la energa recibida tambin vara instantneamente a lo largo de la escena por las diferencias en pendiente y direccin. Sombreamiento La cantidad de iluminacin recibida por un rea puede ser tambin reducida por sombras. Las sombras C moldeadas por los rasgos topogrficos o B nubes pueden afectar las reas incluyendo A muchas celdas de imagen contiguas. Los rboles, las hileras de cultivos, afloramientos Las diferencias de iluminacin pueden llegar rocosos, u otros objetos pequeos tambin desde diferentes ngulos de incidencia ( q ) tanto para A y B , o desde el sombreamiento pueden moldear las sombras que son ( C ). confinadas en una imagen de celda individual. Ambos tipos de sombras tienen el efecto de bajar la cantidad de brillo a lo largo de todas las longitudes de onda de los pxeles afectados.
page 12
1.0 0.8
Visible
Infrarrojo Cercano
Infrarrojo Medio
Transmitancia
CO2
H2O
0.5
1.0
1.5
2.0
2.5
Efectos del Sensor Un sensor convierte la radiancia detectada en cada canal de longitud de onda a una seal elctrica la cual es escalada y cuantificada dentro de valores enteros discretos que representan los valores de radiancia codificados. Las variaciones entre detectores de una serie, como tambin los cambios temporales en los detectores, pueden requerir de mediciones crudas para ser escaladas y /o offset para producir valores comparables. page 13
Conversin de Reflectancia I
Para comparar directamente la espectrometra de la imagen hiperespectral con la referencia de espectrometra de reflectancia, los valores codificados de radiancia en la imagen deben ser convertidos a reflectancia. Una conversin global debe considerar la fuente solar espectral, los efectos de luminosidad debidos al ngulo solar y la topografa, la transmisin atmosfrica, y la ganancia del sensor. En trminos matemticos, la reflectancia espectral del terreno es multiplicada (sobre la base de longitud de onda por longitud de onda) por estos efectos para producir el espectro de radiancia medida. Otros dos factores contribuyen de una manera aditiva a la espectrometra de la radiancia: sensor offset (ruido de instrumentos internos) y la trayectoria de radiancia debido a la dispersin atmosfrica. Varias estrategias de conversin comnmente usadas son discutidas abajo y en las paginas siguientes. Algunas estrategias slo usan informacin sacadas desde la imagen, mientras que otras requieren varios grados de conocimiento de las propiedades de reflectancia de superficie y las condiciones atmosfricas a la fecha en que la imagen fue adquirida. Conversin de campo plano Este mtodo basado en imgenes requiere que la imagen incluya una rea uniforme que tenga una curva de reflectancia espectral relativamente plana. El espectro promedio de tal rea seria dominado por los efectos combinados de la irradiancia solar y la dispersin atmosfrica y la absorcin. Ya que pocos si alguno de los materiales en paisajes naturales tienen un espectro de reflectancia completamente plano, encontrar un campo plano es difcil para la mayora de las escenas. Para escenas desrticas, lagos secos de sal incrustada presentan una espectrometra relativamente plana, y materiales brillantes hechos por el hombre tales como concreto pueden servir en escenas urbanas. Cualquier rasgo significativo de absorcin espectral en el espectro de campo plano aumentar los rasgos espurios en los clculos del espectro de reflectancia relativa. Si hay variaciones de elevacin significativas dentro de la escena, el espectro convertido tambin incorporar efectos residuales de sombras topogrficas y diferencias de trayectoria atmosfrica. Conversin de Reflectancia Relativa Promediada Este mtodo tambin normaliza el espectro de imgenes al dividirlas por la espectrometra promedio, pero deriva la espectrometra promedio de la imagen completa. Antes de calcular el espectro promedio, los valores de radiancia en cada imagen espectral son escalados de tal forma que su suma es constante en la imagen entera. Este ajuste remueve gran parte de las sombras topogrficas y otras variaciones globales de brillo. Este mtodo asume que la escena es suficientemente heterognea de tal forma que las variaciones en caractersticas reflectancias espectrales sern anuladas, produciendo un espectro promedio similar al campo plano espectral descrito arriba. Esta suposicin no es verdadera para todas las escenas, y cuando no es verdadera el mtodo producir espectrometras de reflectancia relativa que contienen rasgos espectrales espurios.
page 14
Conversin de Reflectancia II
Los mtodos de conversin basados en imgenes discutidos en las pginas previas solamente guardan relacin con contribuciones multiplicativas a la espectrometra de la imagen. La mayora de los estudios que han usado estos mtodos se han focalizado en el mapeo de minerales usando el espectro de onda corta del infrarrojo (2.0 a 2.5 m) para la cual el efecto atmosfrico aditivo en la radiancia de trayectoria es mnimo. Si la espectrometra a ser analizada incluye los rangos del visible e infrarrojo cercano, sin embargo, los efectos de la radiancia de trayectoria no deberan ser descuidados. Si la escena incluye materiales oscuros o profundas sombras topogrficas, una correccin aproximada puede ser hecha determinando (para cada banda) el valor de brillo mnimo (o el valor promedio del rea sombreada) y sustrayndola para cada pxel en la banda. Mtodo Lineal Emprico Los investigadores de campo que usan imgenes hiperespectrales tpicamente usan medidas de reflectancia de campo desde el rea de imagen para convertir los datos de la imagen a reflectancia. La espectrometra de reflectancia de campo debe ser adquirida desde dos o ms blancos terrestres de reas uniformes. Las reas de blanco deberan ser ampliamente diferentes en brillo y ser suficientemente grandes para ser reconocidas en la imagen. Usando la radiancia de la imagen y los valores de reflectancia terrestres para los blancos, una ecuacin lineal que relacione la radiancia a la reflectancia puede ser derivada para cada banda de imagen. En un grafico de radiancia versus reflectancia, la pendiente de la Objetivo brillante lnea calculada cuantifica los efectos combinados de los Pendiente = gain factores de radiancia multiplicativos (gain), mientras que la intercepcin con los ejes de la radiancia representan el componente aditivo (offset). Estos valores son entonces usados para convertir cada banda de imagen a la Objetivo oscuro reflectancia aparente. Los valores finales deberan ser considerados de reflectancia aparente ya que la Intercepci n = offset conversin no considera por los posibles efectos Reflectancia topogrficos dentro de la escena (las diferencias de sombras y la longitud de la trayectoria atmosfrica). Parmetros de conversin de Mtodos de Modelos Los modelos de clculo de de banda individual usando blancos de valores de transferencia relativa comienzan con la espectrometra reflectancia conocidos. simulada de irradiancia solar, entonces calcula los efectos de radiancia de la elevacin solar en la escena (derivada desde el da y hora de la escena) y la dispersin y absorcin atmosfrica. En la ausencia de mediciones de las condiciones actuales atmosfricas, el usuario debe estimar algunos parmetros de entrada, tal como la cantidad y distribucin de los agentes de dispersin. La absorcin de gases bien mezclados (CO2 yO2) es asumida que es uniforme a lo largo de la escena pero la absorcin debida al vapor de agua es frecuentemente variable. Los efectos de absorcin del vapor de agua pueden ser estimados y corregidos individualmente para cada pxel de imagen usando porciones del espectro que incluya las bandas de absorcin de agua. Sin embargo, los valores finales de reflectancia aparente pueden aun incorporar los efectos de sombras topogrficas.
Radiancia
reflectancia para una imagen
page 15
Sensor
Or g a n iz a tio n
C o u n try U ni t e d S ta te s F i nl a nd C a na d a U ni t e d S ta te s
NA S A S p e c t r a l Im a g i ng L t d . It r e s Re s e a r c h GE R C o rp .
Int e g r a t e d S p e c t r o ni c s A us t r a l i a P ty L td E a r t h S e a r c h S c i e nc e s Inc . U ni t e d S ta te s
page 16
La igualdad espectral es complicada 0.8 por el hecho que la mayora de las escenas hiperespectrales incluyen 0.6 muchos pxeles de imagen que Biblioteca representan mezclas espaciales de 0.4 diferentes materiales (ver pgina 10). La imagen resultante de 0.2 2.1 2.2 2.3 2.4 espectrometra compuesta puede Longitud de onda (micrmetros) igualar una variedad de Ejemplo de espectrometra de imagen y una espectrometras de referencia espectrometra igualada del mineral alunita de la pura en grados variables, quizs biblioteca del USGS (ajuste de calidad = 0.91). incluyendo algunas espectrometras de materiales que no estn realmente presentes. Si la mejor igualdad de espectrometra de referencia tiene un ajuste suficiente a la espectrometra de la imagen, entonces este material es probablemente el dominante en la mezcla y el pxel es asignado a ese material. Si no hay un espectro de referencia que alcance una igualdad suficiente, entonces no hay un endmember que domine, y el pxel no debera ser asignado. El resultado en un mapa de materiales de la imagen que representa el material dominante para la mayora de las celdas de imagen, tal como en el ejemplo mostrado abajo. Algunos ejemplos de espectrometra mezclada pueden ser incluidos en la biblioteca para mejorar el mapeamiento, pero no es usualmente posible incluir todas las posibles mezclas (y todas las proporciones de mezclas) en la biblioteca de referencia.
Minerales Alunita Kaolinita Alunita + Kaolinita Montmorillonita Calcedonia
Mapa de minerales de parte de la escena AVIRIS de Cuprite, creada para igualar el espectro de la imagen con el espectro de minerales en la biblioteca de la USGS. Las reas blancas no producen una igualdad suficiente con cualquiera de las espectrometras de reflectancia seleccionadas, y por lo tanto no son asignadas.
Imagen
Reflectancia
page 17
page 18
La Desmezcla Lineal
La desmezcla lineal es una aproximacin alternativa a la igualdad espectral simple. Su premisa fundamental es que una escena incluye un numero relativamente pequeo de materiales comunes con mas o menos propiedades espectrales constantes. Ademas, mucha de la variabilidad espectral en una escena puede ser atribuida a la mezcla espacial, en proporciones variables, de estos componentes endmember comunes. Si podemos identificar el espectro del endmember, podemos matemticamente desmezclar cada espectro de los pxeles para identificar la abundancia relativa de cada material endmember. Los modelos de procedimientos de desmezclar en cada espectro de imagen suman las abundancias fraccionales del espectro endmember, con las restricciones adicionales fracciones que deberan sumar 1.0. El mejor set de ajustes de fracciones es encontrado usando los mismos ajustes espectrales en los procedimientos descritos en pginas anteriores. Una fraccin de imagen para cada endmember destila la abundante informacin dentro de una forma que es enseguida interpretada y manipulada. Una imagen mostrando el error residual para cada pxel ayuda a identificar las partes de la escena que no estn adecuadamente modeladas para el set seleccionado de endmembers. El desafo en una desmezcla lineal es identificar un set de endmembers espectrales que correspondan a los componentes fsicos sobre la superficie. Los endmembers pueden ser definidos directamente desde la imagen usando informacin de campo o una seleccin tcnica emprica tal como aquella resumida en la prxima pagina la cual puede ser usada. Alternativamente, la espectrometra de reflectancia de los endmember puede ser seleccionada desde una biblioteca de referencia, pero esta aproximacin requiere que la imagen haya sido convertida precisamente a reflectancia. Las variaciones de luz pueden ser incluidas directamente en el modelo de mezcla definiendo un endmember de sombra que se pueda mezclar con el material espectral real. Una espectrometra de sombra puede ser obtenida directamente desde una porcin profundamente oscurecida de la imagen. En la ausencia de sombras profundas, el espectro de una superficie de asfalto oscura o un cuerpo de agua profunda puede aproximar el espectro de sombra, como en el ejemplo de la derecha.
Porcin de una escena AVIRIS con bosque, campos desnudos y vegetados, y un ro, mostrados con una banda de combinacin colorinfrarroja (la vegetacin es roja). Las fracciones de imagen de desmezcla lineal son mostradas abajo.
Fraccin Vegetacional
Fraccin Suelo
page 19
page 20
MNF Componente 2
Desmezcla Parcial
Algunas aplicaciones de imgenes hiperespectrales no requieren encontrar la abundancia fraccional de todos los componentes de endmembers en la escena. En su lugar el objetivo puede ser detectar la presencia y abundancia de un material objetivo individual. En este caso una desmezcla espectral completa no es necesaria. Cada pxel puede ser tratado como una mezcla potencial del objetivo de la firma espectral y una firma compuesta representando todos los otros materiales en la escena. El encontrar la abundancia de los componentes objetivos es entonces esencialmente un problema de desmezcla parcial. Los mtodos para detectar un espectro objetivo contra un fondo de espectrometra desconocida son frecuentemente referidos como filtros de igualdad, un trmino prestado desde un procesamiento de seal de radio. Varios algoritmos de filtros de igualdad han sido desarrollados, los que incluyen la proyeccin del subespacio ortogonal y minimizacin de la energa restrictiva (Farrand y Harsanyi, 1994). Todas estas aproximaciones realizan transformaciones matemticas del espectro de la imagen para acentuar la contribucin del espectro objetivo, mientras que minimizan el fondo. En un sentido geomtrico, los mtodos de filtros de igualdad encuentran una proyeccin del espacio espectral de n-dimensiones que muestra el rango completo de abundancia del espectro objetivo, pero esconde la variabilidad de fondo. En la mayora de los casos los espectros que contribuyen al ambiente de fondo son desconocidos, as la mayora de los filtros de igualdad usan mtodos estadsticos para estimar la firma compuesta de fondo desde la misma imagen. Algunos mtodos slo trabajan bien cuando el material objetivo es raro y no contribuye significativamente a la firma de fondo. Una versin modificada de los filtros de igualdad usa las derivadas del espectro en vez del mismo espectro, lo cual mejora la igualdad espectral con diferentes brillos en su conjunto.
Imgenes de Fraccin producidas por Filtros de Igualdad (izquierda) y Filtros de Igualdad de Derivadas (derecha) para una porcin de la escena AVIRIS de Cuprite. El espectro de la imagen objetivo representa el mineral alunita. Los tonos ms brillantes indican pxeles con fracciones ms altas de alunita. La imagen producida por Filtros de Igualdad de Derivadas muestra menos ruido de imagen, bordes mas cerrados, y un mejor contraste entre reas con diferentes fracciones de alunita.
page 21
Referencias
General Kruse, F.A. (1999). Visible-Infrared Sensors and Case Studies. In Renz, Andrew N. (ed), Remote Sensing for the Earth Sciences: Manual of Remote Sensing (3rd ed.), Vol 3. New York: John Wiley & Sons, pp. 567-611. Landgrebe, David (in press). Information Extraction Principles and Methods for Multispectral and Hyperspectral Image Data. In Chen, C.H. (ed.), Information Processing for Remote Sensing. River Edge, NJ: World Scientific Publishing Company. Manuscript available for download at http:// dynamo.ecn.purdue.edu/~landgreb/publications.html. Vane, Gregg, Duval, J.E., and Wellman, J.B. (1993). Imaging Spectroscopy of the Earth and Other Solar System Bodies. In Pieters, Carle M. and Englert, Peter A.J. (eds.), Remote Geochemical Analysis: Elementatl and Mineralogic Composition. Cambridge, UK: Cambridge University Press, pp. 121-143. Vane, Gregg, and Goetz, A.F.H. (1988). Terrestrial Imaging Spectroscopy. Remote Sensing of Environment, 24, pp. 1-29. Firmas de Reflectancia Espectral Ben-Dor, E., Irons, J.R., and Epema, G.F. (1999). Soil Reflectance. In Renz, Andrew N. (ed), Remote Sensing for the Earth Sciences: Manual of Remote Sensing (3rd ed.), Vol 3. New York: John Wiley & Sons, pp. 111-188. Clark, Roger N. (1999). Spectroscopy of Rocks and Minerals, and Principles of Spectroscopy. In Renz, Andrew N. (ed), Remote Sensing for the Earth Sciences: Manual of Remote Sensing (3rd ed.), Vol 3. New York: John Wiley & Sons, pp. 3-58. Ustin, S.L., Smith, M.O., Jacquemoud, S., Verstraete, M., and Govaerts, Y. (1999). Geobotany: Vegetation Mapping for Earth Sciences. In Renz, Andrew N. (ed), Remote Sensing for the Earth Sciences: Manual of Remote Sensing (3rd ed.), Vol 3. New York: John Wiley & Sons, pp. 189-248. Conversin de Reflectancia Farrand, William H., Singer, R.B., and Merenyi, E., 1994, Retrieval of Apparent Surface Reflectance from AVIRIS Data: A Comparison of Empirical Line, Radiative Transfer, and Spectral Mixture Methods. Remote Sensing of Environment, 47, 311-321.
page 22
Referencias
Goetz, Alexander F.H., and Boardman, J.W. (1997). Atmospheric Corrections: On Deriving Surface Reflectance from Hyperspectral Imagers. In Descour, Michael R. and Shen, S.S. (eds.), Imaging Spectrometry III: Proceedings of SPIE, 3118, 14-22. van der Meer, Freek (1994). Calibration of Airborne Visible/Infrared Imaging Spectrometer Data (AVIRIS) to Reflectance and Mineral Mapping in Hydrothermal Alteration Zones: An Example from the Cuprite Mining District. Geocarto International, 3, 23-37. Anlisis de Imgenes Hiperespectrales Adams, John B., Smith, M.O., and Gillespie, A.R. (1993). Imaging Spectroscopy: Interpretation Based on Spectral Mixture Analysis. In Pieters, Carle M. and Englert, Peter A.J. (eds.), Remote Geochemical Analysis: Elementatl and Mineralogic Composition. Cambridge, UK: Cambridge University Press, pp. 145-166. Clark, R.N., Gallagher, A.J., and Swayze, G.A. (1990). Material absorption band depth mapping of imaging spectrometer data using a complete band shape least-squares fit with library reference spectra. Proceedings of the Second Airborne Visible/Infrared Imaging Spectrometer (AVIRIS) Workshop, JPL Publication 90-54, pp. 176-186. Cloutis, E.A., (1996). Hyperspectral Geological Remote Sensing: Evaluation of Analytical Techniques. International Journal of Remote Sensing, 17, 22152242. Farrand, William H., and Harsanyi, J.C. (1994). Mapping Distributed Geological and Botanical Targets through Constrained Energy Minimization. Proceedings of the Tenth Thematic Conference on Geological Remote Sensing, San Antonio, Texas, 9-12 May 1994, pp. I-419 - I-429. Green, Andrew A., Berman, M., Switzer, P., and Craig, M.D. (1988). A Transformation for Ordering Multispectral Data in Terms of Image Quality with Implications for Noise Removal. IEEE Transactions on Geoscience and Remote Sensing, 26, 65-74. Mustard, John F., and Sunshine, J.M. (1999). Spectral Analysis for Earth Science: Investigations Using Remote Sensing Data. In Renz, Andrew N. (ed), Remote Sensing for the Earth Sciences: Manual of Remote Sensing (3rd ed.), Vol 3. New York: John Wiley & Sons, pp. 251-306.
page 23
I N T R O A H I P E R S P
Indice
absorcin bandas...........................................................5-7 atmsfera............................................................13,18 atmsfera absorcin por..........................................13,18 dispersin por..............................................13 continuum...............................................................18 iluminacin......................................................11,12 espectrometra de imgenes ...................4, 10, 16 irradiancia, solar...................................................12 desmezcla lineal..............................................19-21 filtro de ajuste .......................................................21 espectro de igualdad, ....................................17,18 transformacin de la fraccin min. de ruido...20 ndice de pureza de pixel....................................20 resolucin, espacial.............................................10 dispersin.....................................................4, 5, 13 efectos del sensor ................................................13 sombreamiento......................................................12 bibliotecas espectrales..........................................8 radiancia espectral ...............................................11 reflectancia espectral .......................................5-11 convertiendo la imagen a....................14-15 curva Vea espectro definida............................................................5 espacio espectral ...................................................9 espectrometra.........................................................4 espectroscopio..................................................4, 5 espectro (espectra) endmember............................................19, 20 imagen...............................................3, 17-20 en biblioteca.................................................8 mineral............................................................6 mezclada......................................................10 vegetacion....................................................7 graficando.....................................................9 reflectancia.............................................5-11 suelo..............................................................5 solar............................................................12 agua..............................................................5
MicroImages, Inc.
11th Floor - Sharp Tower 206 South 13th Street Lincoln, Nebraska 68508-2010 USA Telfono: (402) 477-9554 FAX: (402) 477-9559
page 24 email: info@microimages.com
internet: www.microimages.com