1.

Introduccin

Hctor Patio
Paola Ortiz

Informe3

La elaboracin de una clasificacin en una determinada zona de estudio es uno

de los objetivos fundamentales en la teledeteccin, es por esto que en el
presente informe se aborda este tema como culminacin de lo aprendido en el
curso; este informe se encuentra dividido en dos partes: la primera se dirige
a la elaboracin e interpretacin de la clasificacin supervisada de la imagen
que ha sido trabajada durante todo el semestre la cual corresponde a la zona
caribe del pas, y la segunda de igual modo a la clasificacin supervisada de la
imagen capturada por el sensor rapid eye correspondiente a la reserva forestal
Thomas Van Der Hammen.
2. Objetivo general
Creacin de un mapa de clasificacin usando imgenes satelitales y aplicando
diferentes transformaciones espectrales con el fin de identificar mejor las
diferentes coberturas del suelo.
3. Objetivos especficos
- Usar un proceso de clasificacin supervisada teniendo en cuenta los niveles
de cobertura de Corine Land Cover, diferentes transformaciones espectrales,
visitas a campo y uso de imgenes satelitales de mejor resolucin especial.
Para poder hacer anlisis de la cobertura del suelo en el momento de toma de
la imagen y analizar los cambios en el tiempo por medio de Google Earth.
- Elaborar la clasificacin supervisada por medio de imgenes con correcciones
atmosfricas ( niveles digitales con reflectancia).
- Digerir, elegir y comprobar el mejor algoritmo para la correcta elaboracin de
una clasificacin supervisada.

PARTE I

Hctor Patio
Paola Ortiz

Informe3

1. Datos y mtodos
1.1 Zona de estudio
1.1.1 Localizacin
Nuestra imagen de estudio pertenece a la zona sur del pas, la cual abarca
informacin del departamento del Atlntico y Magdalena , ms especficamente
comprende las ciudades de Santa Marta, Barranquilla y los municipios de
Cinaga, Pueblo Viejo, Sabana Grande, Malambo, Soledad, Puerto Colombia,
Tubar, Juan de Acosta y Baranoa.
1.1.2 Fisiografa
El relieve que predomina en la zona de estudio son tierras bajas y
caracteriza por la presencia de numerosas cinagas, pantanos y
formados por los desbordamientos del ro Magdalena, sin embargo
apreciar el comienzo de lo que terminar siendo la Sierra nevada
Marta.

llanas, se
playones,
se puede
de Santa

Ilustracin 1 Cinaga grande de Santa Marta- Magdalena

1.1.3 Hidrografa
La zona tiene gran diversidad hidrogrfica debido a que por un lado limita con
las aguas del ocano Atlntico, y por el otro cuenta con las aguas que
proporcionan diversos ros y cinagas, siendo el ms importante no solo de la
zona si no el del pas el rio Magdalena, de igual forma se evidencian ros ms

Hctor Patio
Paola Ortiz

Informe3

pequeos como el rio Fundacin y una gran cantidad de quebradas cinagas

siendo la cinaga grande se Santa Marta la que posee mayor extensin.

1.1.4 Clima
La temperatura media de la zona oscila entre los 27 y 30C, el rgimen anual
de lluvias es bimodal, con dos perodos de lluvias, mayo - junio y agosto noviembre, alternados con dos perodos secos, diciembre - abril y junio - julio;
el nivel de precipitaciones aumenta de norte a sur.
1.1.5 Divisin Poltica Administrativa
Como se nombraba anteriormente la imagen satelital con la que trabajamos
cubre parte de los departamentos de Atlntico y Magdalena, a continuacin se
nombraran los municipios cubiertos por la zona de estudio:
Tabla 1 Municipios presentes en la zona de estudio
MAGDALENA

ATLNTICO

Santa Marta

Barranquilla

Cinaga

Puerto Colombia

Pueblo Viejo

Tubar
Baranoa
Galapa
Soledad
Malambo

1.1.6 Demografa
Segn proyecciones de poblacin del DANE, la poblacin estimada para el ao
actual en el departamento atlntico es de 2432.145, de la cual 2325.816
pertenece a la cabecera municipal.

Hctor Patio
Paola Ortiz

1.2 Caractersticas de la imagen

Informe3

Ilustracin 22 Imagen de reflectancia relativa RGB 432

La imagen con la que se trabajo en el presente informe es producto de un
proceso de correcciones atmosfricas
de la imagen original
Landsat 8
descargada de la pgina web earth Explorer. Este proceso fue ejecutado y
explicado en el informe nmero 2.
Las medidas centrales de la imagen son:
Banda

Min

Max

Media

Mediana

Moda

1
2
3
4
5
6
7

0.11528
0.092268
0.064527
0.042715
0.028738
0.0097028
0.0062683

0.50444
0.54207
0.63693
0.73312
0.94929
1.3411
1.2493

0.149
0.128
0.097
0.080
0.102
0.077
0.051

0.14568
0.12214
0.086886
0.066987
0.05391
0.035707
0.025691

0.14264
0.11862
0.082415
0.066987
0.050314
0.035707
0.025691

Desviacin
estndar
0.010
0.013
0.021
0.029
0.096
0.089
0.057

1.3 Sistema de clasificacin de cobertura

Para poder hacer esta clasificacin se utiliz la metodologa Corine Land Cover
adaptada para Colombia (CLCC), ya que como su mismo nombre lo indica esta
es la utilizada en el pas. Esta adaptacin fue desarrollada en el ao 2010 por

Hctor Patio
Paola Ortiz

Informe3

un equipo de profesionales de los institutos IDEAM,IGAC, SINCHI, IAVH y la

UAESPNN, esta permite la realizacin de mapas de cobertura de la tierra
(escala 1:100.000) y la adaptacin a escalas regionales. En su nivel ms
general posee cinco clasificaciones: territorios artificializados, territorios
agrcolas, bosques y reas seminaturales, reas hmedas y superficies de
agua. (Tomado de la pgina web SIAC) .
1.4 Sitios de entrenamiento
A continuacin se mostraran los sitios de entrenamiento utilizados para cada
una de las clases, as como una definicin de cada una de estas segn la
metodologa corine land cover.
-

Ros:
Un ro es una corriente natural de agua que fluye con continuidad,
posee un caudal considerable y desemboca en el mar, en un lago o en
otro ro.
Se considera como unidad mnima cartografiable aquellos ros que
presenten un ancho del cauce mayor o igual a 50 metros.

Ilustracin 3 Sitios de entrenamiento

Cobertura Rio RGB 764

Para esta cobertura se crearon 36 polgonos a lo largo del rio Magdalena, estos
de un promedio de 20 a 30 pixeles. Esto se hizo ya que el rio presenta gran
variacin de composiciones a lo largo de su cauce debido a contaminacin y
sedimentos. En total el polgono de entrenamiento de esta cobertura posee
957 pixeles, este fue obtenido mediante la unin de los 36 polgonos
mencionados anteriormente, con la funcin Mergo.

Hctor Patio
Paola Ortiz

Informe3

Ilustracin 4 Signature editor cobertura Rio

-

Lagunas, lagos y cinagas naturales

Superficies o depsitos de agua naturales de carcter abierto o cerrado,
dulce o salobre, que pueden estar conectadas o no con un ro o con el
mar.

Ilustracin 5 Polgonos de entrenamiento cobertura Lagunas, lagos y

cinagas naturales RGB 764

Para esta cobertura se crearon 11 polgonos cada uno con un promedio de 60 a

80 pixeles, estn distribuidos en las diferentes cinagas presentes en la zona,
esto debido a que cada una de estas presentan variaciones en su reflectancia
debido a la profundidad y vegetacin presente. En total esta cobertura el
polgono de entrenamiento tiene 941 pixeles, ( este polgono es la unin de los
11 polgonos creados obtenido mediante la funcin Mergo de Signature editor).

Hctor Patio
Paola Ortiz

Informe3

Ilustracin 6 Signature editor cobertura Lagos, lagunas y cinagas

naturales

Pantanos costeros
Son reas costeras bajas cubiertas por vegetacin herbcea y arbustiva
rala, adaptada a los ambientes salobres, las cuales estn bajo la
influencia de la marea. Se localizan en zonas asociadas con deltas,
estuarios, lagunas costeras y planicies marinas de inundacin,
generalmente ocupando espacios cncavos detrs de la barra de playa.
Son susceptibles a la inundacin durante perodos de nivel alto del mar,
tormentas y oleaje fuerte. Se encuentran colonizadas por plantas
halfilas 1 diferentes al mangle.

Ilustracin 7 Polgonos de entrenamiento Pantanos costeros RGB 543

A diferencia de las anteriores coberturas en esta se crearon tan solo 6

poligonos con un promedio de 150 pixeles cada uno, esto debido a que los
poligonos creados abarcaban en su mayoria el total del area de los diversos
pantanos presentes. El poligono de entrenamiento en total posee 949 pixeles.

Hctor Patio
Paola Ortiz

Informe3

Ilustracin 8 Signature editor cobertura pantanos costeros

Bosque denso bajo inundable

Corresponde a las reas con vegetacin de tipo arbreo caracterizada por

un estrato ms o menos continuo cuya rea de cobertura arbrea
representa ms de 70% del rea total de la unidad, y con altura del dosel
entre 5 y 15 metros y que se encuentra localizada en las franjas adyacentes
a los cuerpos de agua (loticos), las cuales corresponden principalmente a
las vegas de divagacin y llanuras de desborde con procesos de inundacin
peridicos con una duracin superior a dos meses.

Ilustracin 9 Polgonos de entrenamiento cobertura bosque denso bajo

inundable RGB 742
En esta cobertura se realizaron 8 polgonos , en promedio cada uno de 110
pixeles, el total del polgono de entrenamiento fue de 884 pixeles.

Hctor Patio
Paola Ortiz

Informe3

Ilustracin 10 Signature editor cobertura bosque denso alto inundable

Zonas pantanosas
Esta cobertura comprende las tierras bajas, que generalmente
permanecen inundadas durante la mayor parte del ao, pueden estar
constituidas por zonas de divagacin de cursos de agua, llanuras de
inundacin, antiguas vegas de divagacin
y depresiones naturales donde la capa fretica aflora de manera
permanente o estacional. Comprenden hondonadas donde se recogen y
naturalmente se detienen las aguas, con fondos ms o menos
cenagosos. Dentro de los pantanos se pueden encontrar cuerpos de
agua, algunos con cobertura parcial de vegetacin acutica, con tamao
menor a 25 ha, y que en total representan menos de 30% del rea total
del pantano.

Ilustracin 11 Polgonos de entrenamiento Cobertura zonas

pantanosas RGB 742
Se crearon 8 polgonos de entrenamiento para esta cobertura con un promedio
de 100 pixeles cada uno, la unin de estos polgonos conforman el polgono
final de entrenamiento el cual es de 926 pixeles.

Hctor Patio
Paola Ortiz

Informe3

Ilustracin 12 Signature editor cobertura zonas pantanosas

-

Cultivos transitorios
Comprende las reas ocupadas con cultivos cuyo ciclo vegetativo es
menor a un ao, llegando incluso a ser de slo unos pocos meses, como
por ejemplo los cereales (maz, trigo, cebada y arroz), los tubrculos
(papa y yuca), las oleaginosas (el ajonjol y el algodn), la mayor parte
de las hortalizas y algunas especies de flores a cielo abierto. Tienen
como caracterstica fundamental, que despus de la cosecha es
necesario volver a sembrar o plantar para seguir produciendo.

Ilustracin 13 Polgonos de entrenamiento Cobertura cultivos

transitorios RGB 652
En esta cobertura se trabajaron 12 polgonos cada uno con promedio de 90
pixeles, el polgono obtenido mediante la herramienta Merge posee 875
pixeles.

Ilustracin 14 Signature editor cobertura Cultivos transitorios

-

Tierras desnudas y degradas

10

Hctor Patio
Paola Ortiz

Informe3

Esta cobertura corresponde a las superficies de terreno desprovistas de

vegetacin o con escasa cobertura vegetal, debido a la ocurrencia de
procesos tanto naturales como antrpicos de erosin y degradacin
extrema y/o condiciones climticas extremas. Se incluyen las reas
donde se presentan
tierras salinizadas, en proceso de desertificacin o con intensos procesos
de erosin que pueden llegar hasta la formacin de crcavas.
En Colombia, la unidad se localiza principalmente en las reas planas de
la regin Caribe y en las planicies de los valles de los ros Magdalena y
Cauca, principalmente de los departamentos de Cesar, Guajira,
Magdalena, Bolvar, Atlntico, Sucre, Tolima, Huila y Valle del Cauca.

Ilustracin 15 Polgonos de entrenamiento Cobertura tierras desnudas

y degradas RGB 652
Nuestra imagen de estudio al a ver sido tomada en poca de sequa, posee
grandes zonas donde se presencia este tipo de cobertura, es por esto que se
trabaj con 7 polgonos cada uno con un promedio de 130 pixeles, para as
conseguir el polgono final de 965 pixeles.

Ilustracin 16 Signature editor Cobertura de tierras desnudas y

degradadas

11

Bosque denso

Hctor Patio
Paola Ortiz

Informe3

Cobertura constituida por una comunidad vegetal dominada por

elementos tpicamente arbreos, los cuales forman un estrato de copas
(dosel) ms o menos continuo cuya rea de cobertura arbrea
representa ms de 70% del rea total de la unidad, y con altura del
dosel superior a cinco metros. Estas formaciones vegetales no han sido
intervenidas o su intervencin ha sido selectiva y no ha alterado su
estructura original y las caractersticas funcionales (IGAC, 1999)

Ilustracin 17 Polgonos de entrenamiento cobertura bosque denso

RGB 562
En esta cobertura se elaboraron 9 polgonos de entrenamiento, cada uno con
un promedio de
90 pixeles, para obtener finalmente el polgono de
entrenamiento de cobertura de 914 pixeles .

Ilustracin 18 Signature editor cobertura bosque denso

-

Bosque abierto
Cobertura constituida por una comunidad vegetal dominada por
elementos tpicamente arbreos regularmente distribuidos, los cuales

12

Hctor Patio
Paola Ortiz

Informe3

forman un estrato de copas (dosel) discontinuo, con altura del dosel

superior a cinco metros y cuya rea de cobertura arbrea representa
entre 30% y 70% del rea total de la unidad. Estas formaciones
vegetales no han sido intervenidas o su intervencin ha sido selectiva y
no ha alterado su estructura original y las caractersticas funcionales.

Ilustracin 19 Polgonos de entrenamiento cobertura Bosque abierto

RGB 432

Para esta cobertura se realizaron 12 polgonos cada uno de alrededor de 75

pixeles, para conseguir el polgono final de entrenamiento de 886 pixeles.

Ilustracin 20 Signature editor cobertura Bosque Abierto

Bosque de galera y ripario

13

Hctor Patio
Paola Ortiz

Informe3

Se refiere a las coberturas constituidas por vegetacin arbrea ubicada

en las mrgenes de cursos de agua permanentes o temporales. Este tipo
de cobertura est limitada por su amplitud, ya que bordea los cursos de
agua y los drenajes naturales.

Ilustracin 21 Polgonos de entrenamiento cobertura bosques de

galera y ripario RGB 562
Para esta cobertura la elaboracin de los polgonos fue muy tedioso
debido a que su extensin era muy angosta, adems se presenci que
los niveles de reflectancia eran muy similares a los del bosque abierto,
sin embargo se construyeron 6 polgonos cada uno de alrededor de 120
pixeles, para finalmente conseguir el polgono de entrenamiento de
cobertura de 893 pixeles.

Ilustracin 22 Signature editor Cobertura bosque de galera y ripario

Zona urbanizada

14

Hctor Patio
Paola Ortiz

Informe3

Las zonas urbanizadas incluyen los territorios cubiertos por infraestructura

urbana y todos aquellos espacios verdes y redes de comunicacin asociados
con ellas, que configuran un tejido urbano

Ilustracin 23 Ilustracin 22 Polgonos de entrenamiento cobertura

zonas urbanizadas
En este caso se realizaron 15 polgonos, cada uno de 50 pixeles
aproximadamente, se realizaron varios polgonos agrupando pixeles que
poseen las variaciones presentes en esta cobertura. Finalmente el polgono de
entrenamiento posee 950 pixeles.

Ilustracin 24 Signature editor Cobertura Zonas Urbanizadas

Nubes

15

Hctor Patio
Paola Ortiz

Informe3

Aunque no corresponde a una categora de la clasificacin Corine Land

Cover, es necesario para la clasificacin la creacin de esta cobertura,
para as lograr una mejor clasificacin.

Ilustracin 25 Polgonos de entrenamiento cobertura de Nubes

Para esta se realizaron tan solo polgonos, capturando las nubes
presentes en la imagen. El polgono final de entrenamiento posee 871
pixeles.

Ilustracin 26 Signature editor cobertura Nubes

-

Mares y Ocanos

Comprende los cuerpos de agua salada que bordean la zona litoral y que se
extienden a partir de la lnea de costa en perodo de bajamar.

Ilustracin 27 Polgonos de entrenamiento Cobertura Mares y ocanos

16

Hctor Patio
Paola Ortiz

Informe3

Los polgonos creados para esta cobertura fueron tomados de tal manera que
se adquirieran los distintos niveles de reflectancia en el ocano, en total se
crearon 7 polgonos de aproximadamente 110 pixeles cada uno. Finalmente el
polgono de la cobertura posee 997 pixeles.

Ilustracin 28 Signature editor Cobertura Mares y Ocanos

Pastos
Comprende las tierras cubiertas con hierba densa de composicin
florstica dominada principalmente por la familia Poaceae, dedicadas a
pastoreo permanente por un perodo de dos o ms aos. Algunas de las
categoras definidas pueden presentar anegamientos temporales o
permanentes cuando estn ubicadas en zonas bajas o en depresiones
del terreno.

Ilustracin 29 Polgonos de entrenamiento Cobertura Pastos

17

Hctor Patio
Paola Ortiz

Informe3

Para esta cobertura se obtuvo un polgono de entrenamiento de 714 pixeles.

Ilustracin 30 Signature editor Cobertura Pastos

Finalmente se obtuvieron las siguientes clases:

Ilustracin 31 Signature editor. Total de coberturas

Como se puede notar en este caso no se presencia la categora de nubes, se
decidi optar por omitirla, ya que en la zona se presentaban muy poca
nubosidad y al realizar la clasificacin con esta cobertura se presentaban
grandes conflictos, como se puede ver en la siguiente imagen (las zonas rojas
son las agrupadas como nubes en la clasificacin):

Ilustracin 32 Clasificacin en conflicto con las nubes

Adems podemos ver que hay una nueva categora llamada Costa, esta fue
creada debido a que como su mismo nombre lo indica est ubicada en el lmite
entre el mar y el ocano, en esta se presentan niveles de reflectancia muy
distintos al ocano pero muy similares a la zona urbanizada, razn por la que

18

Hctor Patio
Paola Ortiz

Informe3

se opt en crear esta nueva categora, que finalmente se tuvo en cuenta como
una variable del ocano.

1.5 Puntos de validacin

Al tener nuestra imagen de clasificacin, realizada con el algoritmo
paramtrico: Mahalanobis distance procedemos a evaluar la exactitud temtica
de esta, para lograr esto utilizamos la herramienta accuracy assessment.
Como tenemos 14 coberturas realizaremos 50 puntos de validacin por cada
una, es decir en total tendremos 700 puntos de validacin.

Ilustracin 33 Sitios de validacin

Luego de generar los puntos de validacin, procedemos a verificar y comprobar

si estos en realidad corresponden a la categora asignada por el programa,
este proceso es largo y un poco tedioso, ya que se debe reasignar el valor en
la columna Reference de la herramienta accuracy assessment uno por uno

19

Hctor Patio
Paola Ortiz

Informe3

manualmente. Para hacer esto tenemos que tener claro la codificacin de cada
una de las clases presentes:

Tabla 2 Codificacin coberturas

Cdigo
3
5
8
9
10
11
12
13

14
15
18
19
25
37

20

Cobertura
Ocanos
Pantanos
costeros
Bosque denso
bajo inundable
Bosque de
galera y
riparo
Tierras
desnudas y
degradadas
Zonas
pantanosas
Bosque denso
Lagunas,
lagos y
cinagas
naturales
Costa
Cultivos
transitorios
abiertos
Bosques
abiertos
Pastos
Zonas
urbanizadas
Rio

Hctor Patio
Paola Ortiz

Informe3

Ilustracin 34 Proceso de evaluacin temtica

Al finalizar de comprobar todos los puntos de validacin, se prosigue a generar

el reporte suministrado por ERDAS.

Ilustracin 35 Autenticacin de los puntos de validacin

Segn el informe proporcionado por el programa Erdas el nivel de precisin fue

de un 95.71% se puede suponer que se obtuvo este resultado no tanto por

21

Hctor Patio
Paola Ortiz

Informe3

tener una excelente clasificacin, si no que como podemos ver en la ilustracin

33 la mayora de los puntos se ubicaron en la parte norte de la imagen, es
decir en la cobertura de ocanos, y en las dems categoras a comparacin de
esta se presentaron muy pocos puntos de validacin, hasta se presenci el
caso extremo de los pantanos costeros que solo tuvo un punto.
Clases
Costa
Pantanos
costeros
Bosque
denso bajo
inundable
Bosque de
galera
y
riparo
Tierra
desnuda y
degrada
Zonas
pantanosas
Bosque
denso
Lagunas
lagos
y
cinagas
naturales
Ocanos
Cultivos
transitorios
Bosque
abierto
Pastos
Zonas
urbanizadas
Ros

Precisin
Referencia Clasificado Numero
Precisin
de
total
total
correcto
usuario
productor
65

65

65

100,00%

100,00%

100%

100%

14

3 21.43%

35

48

34 97.14%

32

23

23 71.88%

15

13

12

80,00% 92.31%

17

18

17

100,00% 94.44%

39

38

38 97.44%

429

430

429

2 66.67%

14

16

27
4
700

36
3
700

14

70.83%
100%

100%

100,00% 99.77%
75,00%

75%
100%

100% 87.50%

26 96.30%
72..2%
3
75%
100%
670

Ilustracin 36 Reporte exactitud tematica

22

100%

Hctor Patio
Paola Ortiz

Informe3

Es claro que esta distribucin de puntos incide mucho en el nivel de exactitud

temtica, porque para la coberturas de ocanos y costa ( como se explicaba
anteriormente, significan la misma) se presencian 494 puntos de validacin
que estn correctamente clasificados, es decir tan solo por esta cobertura se
presencia casi un 71% de exactitud temtica. Para verificar los puntos el lector
puede
dirigirse
a
los
anexos.
Nombre de clase

Kappa

Ocanos

Pantanos costeros

Bosque
denso
inundable

bajo 1

Bosque de galera y 0.6930

riparo
Tierra
desnuda
degrada

y 1

Zonas pantanosas

0.9214

Bosque denso

0.9431

Lagunas
lagos
cinagas naturales

y 1

Costa

0.994

Cultivos transitorios

0.748

Bosque abierto

Pastos
Zonas urbanizadas

0.87
0.71

Ros

Ilustracin 37Reporte Kappa

23

Hctor Patio
Paola Ortiz

Informe3

En el caso del reporte Kappa se obtuvo un 0.92 de precisin.

1.6 Mtodos

Para la realizacin de esta clasificacin, tuvimos que retomar todo lo aprendido

en el transcurso del semestre: adquisicin de la imagen , estudio de la zona,
aplicacin e implementacin de correcciones atmosfricas, proceso de
clasificacin supervisada, evaluacin de exactitud temtica y finalmente la
creacin de la matriz de error.

Ilustracin 38 Procesos aplicados para la clasificacin

1.6.1 Adquisicin de la imagen

La imagen de estudio fue descargada de la pgina earth Explorer, corresponde
a una LANDSAT 8 OLI_TIRS, ubicada en el PATH 9 y ROW 52, la cual fue
adquirida el 29 de marzo del presente ao . Luego procedimos a aplicar el
recorte de nuestra zona de estudio, obteniendo la imagen siguiente:

24

Hctor Patio
Paola Ortiz

Informe3

Ilustracin 39 Imagen de estudio RGB 432

1.6.2 Correccin atmosfrica

(En este proceso aplicamos la obtencin de la imagen de radiancia y
consecuentemente la de reflectancia, es decir se presenta un subproceso en
este paso).

Ilustracin 40 Proceso de correcciones atmosfricas

Aunque este proceso fue ya explicado en el informe 2 se presenta de manera
breve una descripcin de cada uno de estos procesos:
-

Correcciones atmosfricas:
Son aquellas tcnicas que modifican los niveles digitales originales, con
el fin de que estos se asemejen a los niveles que habra presentes en la
imagen con una recepcin ideal; estas implican por una parte la
restauracin de lneas o pxeles perdidos y por otra la correccin del
bandeado de la imagen. (Chuvieco, 1995)

25

Radiancia en el sensor:

Hctor Patio
Paola Ortiz

Informe3

La radiancia en el sensor es aquella energa que es producida por la

dispersin atmosfrica, la radiancia recibida por el sensor no es la
radiancia que procede del suelo. Esta resulta por un lado reducida por la
absorcin atmosfrica y por otra incrementada por la dispersin
(Chuvieco 1995).
La radiancia es la densidad de flujo radiante por unidad de rea y de
Angulo solido (estereorradin) incidente /emitido por/ un elemento de
superficie centrado en un punto en el espacio propagndose en una
direccin especifica. Esta es medida en vatios por metro cuadrado por
estereorradin (Gmez, 2006). Para el clculo de la radiancia se tiene la
siguiente ecuacin:

Dnde:
-

= +

es la radiancia en el sensor
B es el factor de sesgo
G es el factor de ganancia
ND son los niveles digitales de cada una de las bandas

Este proceso se realiz con ayuda de la herramienta mode maker,

obteniendo con este la siguiente imagen:

Ilustracin 41 Imagen con radiancia RGB 432

26

Hctor Patio
Paola Ortiz

Informe3

- Mtodo Cost
El modelo COST es u modelo propuesto por Chvez en (1996). Tal modelo
aplica la sustraccin del objeto ms oscuro para el efecto de bruma e incorpora
una transmitancia ya que esta representa la absorcin por parte de los gases
atmosfricos y de la dispersin Rayleight. (Chavez, 1996).
Para el clculo de las correcciones atmosfricas se empleara la siguiente
ecuacin:

(( + ) ( + ))2
(( 90 ) /180))

Las variables que determinan el clculo de la anterior ecuacin son:

-

es el valor del nivel digital de la Banda N

es el valor del nivel digital del objeto ms oscuro de la banda N

es la distancia normalizada de la Tierra al Sol.

es la irradiancia solar en cada banda N

es la transitividad atmosfrica expresada como (( 90 ) /180))

Para el desarrollo de estas correcciones se utiliz el software ATCOR, dedicado

a corregir los efectos atmosfricos: elimina la neblina, la bruma , la atmsfera
y los efectos de iluminacin solar . Adems de corregir el fenmeno
atmosfrico reduce los efectos topogrficos de la generacin de sombras.

27

Hctor Patio
Paola Ortiz

Informe3

Ilustracin 42 Imagen con correccion atmosferica

1.6.3 Clasificacin
El objetivo de este proceso es establecer una relacin cuantitativa entre
determinados parmetros fsicos como son contenido de biomasa, estrs de
la vegetacin, humedad del suelo y los ND que adquiri el sensor. La
clasificacin digital se dirige a obtener una nueva imagen, en la cual cada uno
de los pixeles originales venga definido por un nivel digital, que es el
identificador de la clase en donde se haya incluido. (Chuvieco 1996). La
clasificacin digital se divide en dos mtodos bsicamente: mtodo
supervisado y no supervisado.
-

Mtodo supervisado
Este parte de un conocimiento previo de la zona de estudio, adquirido
por experiencia previa o por trabajos de campo. Esta familiaridad con la
zona, permite al interpretar unas zonas pilotos, que se consideran
suficientemente representativas de las categoras representadas, a partir
de estas el ordenador calcula los niveles digitales que define cada una
de las clases , para luego asignar el resto de los pixeles de la imagen a
cada una de las categoras en funcin de los ND. (Chuvieco 1996).

28

Hctor Patio
Paola Ortiz

Informe3

Ilustracin 43 Esquema de clasificacin digital supervisada

Como se deca anteriormente este proceso fue ejecutado con la herramienta de
asignature editor, en donde se delimitaron las zonas piloto de las catorce
coberturas presentes en la zona de estudio, paulatinamente se realiz la
clasificacin con la opcin Mahalanobis Distance: este algoritmo asume que los
histogramas de las bandas tienen distribuciones normales, este es similar al
algoritmo de mnima distancia con la diferencia de que tiene en cuenta la
matriz de covarianza para su solucin. La ecuacin que utiliza este algoritmo
es el siguiente:

Dnde:
-

= [ ] [ 1 ] [ ]

D= Distancia Mahalanobis
C= Clase particular
X= vector de medicin del pxel candidato
Mc = el vector medio de la firma de la clase c
Cov c = la matriz de covarianza de los pxeles en la firma de la clase c
(Tomado de Erdas Guide).

Se eligi este algoritmo ya que a diferencia de los algoritmos de

distancia mnima y el de paraleleppedo, este tiene en cuenta la
variabilidad de las clases. Finalmente el resultado obtenido es el
siguiente:

29

Hctor Patio
Paola Ortiz

Informe3

Ilustracin 44Imagen clasificacin

1.6.4 Exactitud temtica

Como su nombre lo indica este proceso es la verificacin de la veracidad que
se obtuvo en la imagen de clasificacin, este proceso fue el explicado en el
literal 2.4, para la elaboracin de este se procedi al control de los puntos de
validacin mostrados en la ilustracin 33. En este se obtuvo la siguiente matriz
mostrada en la ilustracin 45 .
Como podemos observar casi la mitad de los puntos estn distribuidos en la
cobertura de ocanos y costa que vienen siendo la misma cobertura, motivo
por el cual se pierde poder validar las dems coberturas de una manera ms
detallada. Con esta matriz se puede obtener la exactitud del productor (errores
de omisin) y la exactitud del usuario (errores de exceso) estn se pueden
verificar en la ilustracin 36.

30

Clases en Oceanos
la Imagen/
Clases en
el terreno
65
Oceanos

Pantanos
costeros

Bosque
Bosque
denso bajo galera
inundable
riparo

Lagunas
lagos
cinagas
naturales
0

0
Bosque
denso bajo
inundable

Bosque de 0
galera
y
riparo

34

0
Tierra
desnuda y
degrada
0
Zonas
pantanosas

23

12

17

0
Lagunas
lagos
y
cinagas
naturales
0
Costa

38

0
Cultivos
transitorios

Pantanos
costeros

Bosque
denso

Bosque
abierto
Pastos

0
Zonas
urbanizada
s
0
Rios
65

de Tierra
y desnuda
degrada

Zonas
Bosque
y pantanosas denso

0
1

0
14

0
35

0
32

0
15

0
18

0
40

Costa
y

Hctor Patio
Paola Ortiz
Cultivos
transitorios

Pastos

Zonas
Rios
urbanizadas

total

65

47

23

13

18

38

429

430

14

16

0
3

36
3
700

0
0
429

Bosque
abierto

Informe3

0
0
3

0
0
4

0
0
14

26
0
27

Ilustracin 45 Matriz de error

2. Resultados
Al terminar todos los procesos anteriormente explicados se obtuvo la imagen
de clasificacin, est imagen presenta conflictos con la cobertura urbana, ya
que sus niveles digitales son muy similares a los de la cobertura de tierras
desnudas, motivo por el cual se puede presenciar esta inconformidad. No se
logr mejorar este problema, ya que se trat muchas veces con diferentes
polgonos de entrenamiento; referente a las dems coberturas podramos decir
que es una buena clasificacin ya que proporciona en su mayora lo que se
evidencia en el terreno.
Para una mejor presentacin, se realiz con la ayuda del programa Arcmap la
eliminacin del ruido aleatorio, esto con la ayuda de las herramientas Majority
Filter y boundary clean.
-

Majority Filter: Esta herramienta reemplaza las celdas en un rster

segn la mayora de sus celdas vecinas contiguas.

31

Hctor Patio
Paola Ortiz

Informe3

Ilustracin 46 Proceso de la herramienta Majority Filter

-

Boundary clean: Esta herramienta suaviza los lmites entre zonas

mediante la expansin y contraccin del lmite

Ilustracin 47 Proceso de la herramienta Boundary clean

Finalmente se obtuvo la siguiente clasificacin:

Ilustracin 48 Clasificacin mejorada en Arcgis

32

Hctor Patio
Paola Ortiz

Ilustracin 49 Leyenda de coberturas

Ilustracin 50 Salida Final de la clasificacin

33

Informe3

3. Discusin

Hctor Patio
Paola Ortiz

Informe3

A lo largo de este proceso se pudo ver que para obtener una buena
clasificacin se debe tener mucho cuidado y dedicacin, adems de esto como
se deca inicialmente se debe conocer muy bien la imagen de estudio, para que
de esta manera se logren crear los polgonos de entrenamiento para cada clase
correctamente. Es un proceso complicado ya que para la obtencin de esta
clasificacin, se hicieron muchos intentos posteriormente, donde se utilizaban
distintos polgonos de entrenamiento y distintos algoritmos de clasificacin.
Como se mencionaba anteriormente se podra deducir que se logr el nivel de
exactitud debido a que la mitad de la imagen pertenece a una misma
cobertura: Ocanos y costa.
Fue muy difcil determinar los diferentes polgonos de entrenamiento ya que la
zona de estudio, pertenece mayormente a zonas inundadas, motivo por el cual
es de gran dificultad evidenciar los distintos elementos que la componen.
4. Conclusiones
- La clasificacin supervisada es el mtodo indicado para aquellos que tienen
previo conocimiento sobre la imagen a trabajar, es de suma importancia
conocer y trabajar sobre este proceso, ya que este mismo nos proporciona
muchas herramientas que a lo largo de la carrera tienen un carcter
multipropsito.
- Para lograr una buena clasificacin es necesario trabajar sobre niveles
digitales corregidos, es decir sobre una imagen con correcciones atmosfricas
bien puede ser: reflectancia, ndices de vegetacin, tasseled cap, o
componentes principales.
5. Bibliografa
Arcgis
Help.
Recuperado
en
la
pgina
web
http://resources.arcgis.com/en/help/main/10.1/index.html#//00nv000000030
00000
- Chuvieco E. (1995). Tratamiento Digital de Imgenes. En Espaa (Segunda
Edicin), Fundamentos de Teledeteccin. (pp. 277 - 279). Madrid: Ediciones
Rialp, S.A.
-Erdas
Guide.
Recuperado
en
la
pgina
http://www.gis.usu.edu/manuals/labbook/erdas/manuals/FieldGuide.pdf

34

web

Hctor Patio
Paola Ortiz

Informe3

- http://redgeomatica.rediris.es/manuales/ERDAS_IMAGINE/16_MOD.pdf

II.PARTE
1. Datos y mtodos
A continuacin se explicaran los datos de entrada y procedimientos para la
clasificacin de la cobertura de tierra de la reserva forestal Thomas Van Der
Hammen y sus alrededores.
1.1 Zona de estudio
La reserva forestal Thomas Van Der Hammen es una agrupacin de varios
humedales en el norte de la ciudad de Bogot D.C entre ellos:
Humedal la conejera
Humedal Torca y Guaymaral
Humedal Colegio San Viator.

Los humedales Bogotanos son ecosistemas de gran importancia biolgica,

social, cultural y dentro de la estructura ecolgica principal hacen parte del
sistema de reas protegidas, entendida como el conjunto de espacios con
valores singulares para el patrimonio natural, cuya conservacin resulta
imprescindible para el funcionamiento de los ecosistemas, la conservacin de
la biodiversidad y la evolucin de la cultura en el Distrito Capital.
La distribucin de los humedales del Distrito, en un amplio gradiente
altitudinal, hace evidente la importancia de ellos en el cumplimiento de
funciones ecolgicas estratgicas dentro de la dinmica hidrolgica regional, en
el desplazamiento de la fauna, en su migracin altitudinal, en la diversidad
ecosistmica local, y como elementos importantes dentro de la red de
conectividad dela Estructura Ecolgica Principal y Regional 1

1.1.1. Humedal La Conejera: Se encuentra ubicado en la localidad de

Suba, al noroccidente de la ciudad de Bogot. Es uno de los pocos
humedales que ha sobrevivido a la destruccin masiva de este tipo
de ecosistemas, como resultado del aumento demogrfico y de la
intensificacin de actividades econmicas en esta regin (DAMA,

Tomado de: http://humedalesbogota.com/humedales-bogota/

35

Hctor Patio
Paola Ortiz

Informe3

2000). Actualmente este humedal es uno de los ecosistemas mejor

conservados del Distrito Capital 2.
Es alimentado por las aguas de la Quebrada La Salitrosa, el ro
Bogot y aguas subterrneas. Es uno de los Humedales en los
cuales se han realizado mayor nmero de proyectos para su
recuperacin y conservacin1. Posee una rica biota y posiblemente
es el humedal con mayor biodiversidad de la ciudad 3.
1.1.2. Humedal Colegio San Viator: En 1952 con la construccin de la
Autopista Norte se dio paso a dividir al humedal en tres, la seccin
Occidental conocida hoy como Humedal de Guaymaral, la seccin
Oriental conocida como Humedal de Torca ms el separador de la
autopista que est en constante conservacin. El Humedal limita al
Norte con el Club Campestre Cafam, al occidente con el Gimnasio
Los Andes, al sur con el cementerio Jardines del Recuerdo, al
oriente con la Autopista Norte y el Humedal Torca.
El terreno tiene aproximadamente 5,5 Hectreas, de las cuales
cerca de 1 Hectrea quedan por fuera del predio del Colegio, en una
especie de separador en forma de tringulo, entre la Autopista
Norte y la calle 209, esta ltima es la que bordea el lmite sur del
San Viator y el extremo norte del cementerio Jardines del recuerdo.
A lo que hemos llamado el Humedal del Colegio San Viator, llegan
aguas por medio de vallados desde el cementerio Jardines del
Recuerdo, sin embargo es muy probable que stas nazcan en el
cerro de la Conejera. Los vallados hacen parte de la red hdrica, de
la Sabana de Bogot, al igual que los ros, quebradas, canales y
humedales. Tienen una gran importancia en la evacuacin de aguas
lluvias y la conectividad ecolgica de algunos humedales como el de
Guaymaral 4.
1.1.3. Humedal Torca y Guaymaral: La construccin de la Autopista
Norte en 1952 separo uno de los ms grandes humedales de la
ciudad, dando paso a lo que hoy se conoce como Humedal Torca
Guaymaral.
Se encuentra localizado al norte del Distrito Capital, en la localidad
de Usaqun, a la altura de la autopista norte con calle 200 5.

El Humedal La Conejera, Fundacin Humedal La Conejera, www.ramsar.org

Humedal La Conejera, Cartilla Biodiversidad y conectividad ecolgica en la localidad
de Suba, Instituto Humboldt.
4
Cartilla Humedal Guaymaral, Alcalda Local de Suba y FUNPLANECO.
5
Tomado de humedales de Bogot, web: http://humedalesbogota.com/humedal-detorca/
3

36

1.2.

Hctor Patio
Paola Ortiz

Imgenes

Informe3

Para el estudio de clasificacin de cobertura de la tierra se utiliz una imagen

Rapid-Eye cuya casa matriz es Blackbridge.
1.2.1. Especificaciones tcnicas:
Nmero de Satlites
Tiempo de vida

5
7 aos
630 kilmetros en rbita
helio-sincrnica
11:00am Hora Local
Ecuador
Multiespectral de barrido
5 (se analizaran ms
adelante)

Altitud orbital
Paso por el Ecuador
Tipo de sensor
Bandas espectrales
Distancia de
Muestreo Terrestre (GSD)
Tamao del pixel
Ancho de franja

6.5 metros
5 metros
77 kilmetros
5 millones de kilmetros
cuadrados

Capacidad de captura diaria

Rango dinmico de la
12 bits
cmara
Tabla 3 Datos Sensor Rapid-Eye 6
1.2.2. Especificaciones espectrales:
Bandas
Espectrales
Azul
Verde
Rojo
Infrarrojo
Infrarrojo
Cercano

Rango Espectral
(nm)
440-510
520-590
630-685
690-730
760-850

Tabla 4 Bandas Espectrales de Rapid-Eye 7

Tomado de Blackbridge, web

:http://blackbridge.com/rapideye/upload/RE_Product_Specifications_ENG.pdf

37

Hctor Patio
Paola Ortiz

1.2.3. Imagen Suministrada:

Informe3

Para el estudio se utiliz el recorte de una imagen suministrada Rapid-Eye.

Ilustracin 550 Imagen Suministrada Rapid Eye RGB 321.

Sin embargo debido a que el inters que existe en hacer la clasificacin de la

zona se ha recortado la imagen teniendo en cuenta cartografa que se ha
encontrado en la red.
RapidEye
Banda 1
Banda 2
Banda 3
Banda 4
Banda 5

Mnimo Mximo
3
5
4
4
5

Media

Mediana Moda Desviacin

241
19.58
17
242
25.593
24
251
26.708
24
253
30.536
30
255
63.363
62
Tabla 5 Estadsticas de imagen

15
22
24
29
59

10.509
10.605
12.704
8.605
17.233

Tomado de Blackbridge,
web:http://blackbridge.com/rapideye/upload/RE_Product_Specifications_ENG.pdf

38

Hctor Patio
Paola Ortiz

Informe3

Ilustracin 551 Delimitacin Reserva Forestal8

Ilustracin 552 Recorte Zona de Estudio

Tomado de:
https://drive.google.com/file/d/0BzEwvK1H17qealNNZGVuTFF5b0U/view?pli=1

39

1.3.

Hctor Patio
Paola Ortiz

Informe3

Sistema de Clasificacin de cobertura

Corine Land Cover en Europa viene desarrollndose desde 1990, definiendo

una metodologa especfica para realizar el inventario de coberturas de la
tierra, constituyndose en soporte para la toma de decisiones en polticas
relacionadas con el medio ambiente y el ordenamiento territorial; aplicndose
hoy en da en la totalidad del territorio europeo.
La metodologa Corine Land Cover se adopt en Colombia en el marco del
programa de apoyo y la colaboracin prestada por el Fondo Francs para el
Medio Ambiente (FFEM), la Embajada de Francia en Colombia, el Instituto
Geogrfico Nacional de Francia (ING) y ONF Andina Colombia, con el fin de
promover una metodologa unificada y estandarizada para el contexto
colombiano en relacin a coberturas de la tierra.
La base de datos de Corine Land Cover Colombia (CLC) permite describir,
caracterizar, clasificar y comparar las caractersticas de la cobertura de la
tierra, interpretadas a partir de la utilizacin de imgenes de satlite de
resolucin media (Landsat), para la construccin de mapas de cobertura a
escala 1:100.000. Como principal resultado el pas cuenta con la "Leyenda
Nacional de Coberturas de la Tierra Metodologa CORINE Land Cover adaptada
para Colombia". 9
En su nivel ms general posee cinco clasificaciones: territorios artificializados,
territorios agrcolas, bosques y reas seminaturales, reas hmedas y
superficies de agua. Para el caso de estudio usaremos el nivel 3 y el nivel 2 ya
que es ms general.
1.4.

Sitios de entrenamiento

Para facilitar el proceso de clasificacin se usara el software PCI-Geomatics

2013 esto se har debido a que en este software no se crean demasiados
polgonos si no que el software tiene en cuenta las estadsticas de la imagen
para identificar que pixeles se asemejan ms al pixel escogido en este caso se
tendr un mximo de desviacin estndar de 10 puntos, tambin se debe
mencionar que el proceso de clasificacin se trabajara con una combinacin
RGB 532 ya que esta combinacin nos permite ver muy bien la vegetacin y
variaciones de color rojo segn su edad y tambin se puede diferenciar mejor
los suelos desnudos.

Tomado de
Sistema de
Informacin
Ambiental
de Colombia,
https://www.siac.gov.co/contenido/contenido.aspx?conID=647&catID=471

40

web:

Hctor Patio
Paola Ortiz

Informe3

Ilustracin 553 Imagen Rapid-Eye RGB 532

Para un pre-proceso de clasificacin por as nombrarlo no se tendrn en cuenta

las convenciones de Corine Land Cover, vale resaltar que este proceso se
realiza prcticamente visualmente en su totalidad y tambin teniendo en
cuenta las imgenes satelitales que nos ofrece Google Earth debido a que son
de mayor calidad espacial que la imagen de la zona de estudio.
Para lograr la clasificacin primero debemos escoger la combinacin deseada y
en donde queremos los sitios de entrenamiento de la siguiente manera:

Ilustracin 554 Combinacin y Sitios de Entrenamiento

41

Hctor Patio
Paola Ortiz

Ilustracin 555 Semilleo Raster PCI

Tabla 6 Categoras de clasificacin

42

Informe3

Hctor Patio
Paola Ortiz

Informe3

Ilustracin 556 Sitios de Entrenamiento sin imagen

Ilustracin 557 Sitios de Entrenamiento con la imagen de trabajo

Despus de terminar los sitios de entrenamiento o las semillas de

entrenamiento procedemos a crear un reporte de clasificacin; sin embargo,
tambin podemos mirar con frecuencia las estadsticas para ver posibles

43

Hctor Patio
Paola Ortiz

Informe3

errores, este proceso es muy dispendioso y requiere estar observando las

estadsticas.

Tabla 7 Separabilidad Distancia Bhattacharyya

En la tabla podemos observar que tanto se parece las muestras de una

clasificacin a la otra en este caso entre ms se acerque a 2 mejor es la
muestra por lo que se puede concluir que se tiene una buena muestra en
trminos generales.

Ahora podemos mirar por diferentes mtodos la clasificacin:

Ilustracin 558 Clasificacin Mxima Similitud

44

Hctor Patio
Paola Ortiz

Informe3

Ilustracin 59 Clasificacin Mxima Similitud con clases nulas

Ilustracin 60 Clasificacin Paraleleppedo

45

Hctor Patio
Paola Ortiz

Informe3

Ilustracin 61 Clasificacin Mnima distancia

Para decidir qu imagen es mejor se puede hacer un proceso de exactitud para

cada una y se quedarse con la mejor o bien hacerlo visualmente, para este
caso y para evitar procesos largos se har visualmente. Tomando las cuatro
imgenes se observa que la clasificacin por paraleleppedo y por mxima
distancia con valores nulos no es muy buena pues en la primera se ve la
imagen blanca, y en la segunda quedan zonas sin clasificar, si tomamos la de
mnima distancia y la mxima similitud tenemos:

Ilustracin 63 Comparacin mtodo mnima distancia (derecha) mxima similitud

(izquierda)

46

Hctor Patio
Paola Ortiz

Informe3

Con estas imgenes podemos observar que en mnima distancia podemos ver
ms detalladamente el casco urbano por lo cual trabajaremos con esta imagen.

Name

Code

Pixels

Pastos Limpio
Pastos Arborizados
Mosaico Cultivos
Mosaico Pasto
Tejido Urbano
Bosque Denso
Tierras Desnudo
Ros, Lagunas
Lagos
NULL
Total

1
2
3
4
5
6
7
9
10
0
2999454

443773
433907
184388
622913
715748
280146
235246
58927
24406
0
100

%Image Thres Vas

14.8
14.47
6.15
20.77
23.86
9.34
7.84
1.96
0.81
0

3
3
3
3
3
3
3
3
3

1
1
1
1
1
1
1
1
1

Tabla 8 Reporte de Clasificacin

En el reporte de clasificacin podemos ver la cantidad de pxeles asociados a

cada una de las clases que se han escogido.

Una vez tengamos nuestra imagen haremos un pos proceso de clasificacin

llamado agregacin este proceso lo haremos para manejar un Corine Land
Cover de nivel 2 debido a la calidad espacial de la imagen y este nivel nos
permite ver menos detalle de la informacin.

47

Hctor Patio
Paola Ortiz

Informe3

Ilustracin 64 Interfaz grfica PCI-agregacin

Ilustracin 65 Agregacin de clases

Siguiendo este paso usaremos mascaras para clasificar las clases errneas
sobre la imagen de agregacin.

48

Hctor Patio
Paola Ortiz

Informe3

Ilustracin 66 Interfaz edicin de clases

Se procede a hacer tantas mascaras como sea posible para mejorar la imagen
clasificada en este caso especfico se necesitaron ms de 70 mscaras para
obtener visualmente un resultado aceptable.
1.5.
Sitios de Validacin
Despus de terminar las mscaras se procede a realizar la exactitud de la
clasificacin:

Ilustracin 67 Interfaz Exactitud Temtica

49

Hctor Patio
Paola Ortiz

Ilustracin 68 Puntos Por clase

300 puntos de muestra, estratificados por % de cobertura

Ilustracin 69 Puntos de validacin

50

Informe3

Hctor Patio
Paola Ortiz

Informe3

Se procede a comparar la imagen multiespectral con la imagen que se ha

decidido clasificar:

Ilustracin 70 Proceso de Validacin

Se deben comparar los puntos que se han generado; es decir, cada pixel de la
imagen est en una zona de clasificacin a en la imagen multiespectral y un
punto en la imagen clasificada b se debe ver si el punto est en la misma
zona en ambas imgenes. Este proceso es largo ya que requiere revisar todos
los puntos para poder tener la exactitud temtica.

Ilustracin 71 Finalizacin del proceso

51

Hctor Patio
Paola Ortiz

Informe3

Para la verificacin de los puntos de validacin el lector puede dirigirse a los

anexos 2.

Zonasurb
Pastos
AreasAgr
Bosques
AreasAbi
Aguasco
n
Unknown
Totals

Zonas
urb
61
2
6
0
1
0
0
70

Matriz de confusin
Pasto AreasAg Bosque AreasAb
s
r
s
i
0
4
1
0
87
3
0
0
7
71
1
2
2
0
26
1
2
3
4
10
0

0
0
0
0
98
81
32
13
Tabla 9 Matriz de Confusin por clases

Aguasco
n
0
0
1
0
1

Total
s
66
92
88
29
21

0
6

0
300

En la matriz de confusin se puede observar que se tuvo una buena validacin

debido a que en la diagonal se obtuvieron los valores ms altos para cada
clase lo cual es bueno.

Overall Accuracy:
Overall Kappa
Statistic:

52

95% Confidence
Interval
Overall Kappa
0.839
Variance:
Tabla 10 ndices de Confianza
86.33%

( 82.280%
90.387%)
0.001

Class

Producer'
s
Accuracy

95%
Confidence
Interval

Zonasur
b
Pastos

87.14%

AreasAg
r
Bosques

87.65%

AreasAb
i
Aguasco
n

76.92%

( 78.587%
95.699%)
( 82.015%
95.536%)
( 79.873%
95.436%)
( 66.164%
96.336%)
( 50.173%
103.673%)
( 20.613%
112.720%)

Name

88.78%

81.25%

66.67%

Hctor Patio
Paola Ortiz

User's

Accurac
y
92.42%
94.57%
80.68%
89.66%
47.62%
100.00
%

Tabla 11 matriz de Exactitud

95%
Confidence
Interval
( 85.283%
99.566%)
( 89.389%
99.741%)
( 71.865%
89.499%)
( 76.847%
102.464%)
( 23.877%
71.361%)
( 87.500%
112.500%)

Informe3

Kappa
Statisti
c
0.9012
0.9193
0.7354
0.8842
0.4525
1

En los ndices de confianza obtenemos un ndice kappa de 0.839 lo cual quiere

decir que es una buena clasificacin. Y se puede proceder a la creacin del
mapa final.

Ilustracin 72 Clasificacin Final

53

Hctor Patio
Paola Ortiz

Informe3

Ahora se procede a la creacin del shapefile para lo cual usaremos los software
ArcGIS y ERDAS para lo cual usaremos la herramienta de ERDAS raster to
coverage:
El resultado ser un archivo de cobertura con varios shapefiles solo usaremos
el poligonal, y en ArcGIS se har la salida grfica.

Ilustracin 73 Interfaz de ERDAS Raster a Cobertura

Ilustracin 74 Mapa Final

54

Hctor Patio
Paola Ortiz

Informe3

Ilustracin 75 Diagrama de Procesos

2. Resultados
El resultado de todo este proceso es la creacin de un mapa de coberturas que
sea fcil de interpretar; sin embargo, este proceso tuvo un problema
importante debido a que no se poda obtener la imagen de reflectancia debido
a problemas de conversin de la imagen, esto supuso trabajar con los niveles
digitales originales de la imagen que al ser de 8bits nos arrojaba valores entre
0 y 255 y muchas coberturas tenan similitud en los valores; sin embargo el
proceso de clasificacin tuvo un buen nivel de confianza por lo cual se cumple
el objetivo de este informe.

Los resultados nos muestran que lamentablemente en la zona de reserva se

ven zonas urbanas lo cual representa una prdida de terreno de la reserva
frente a la ciudad de Bogot D.C., la imagen tambin nos muestra la perdida
de bosques naturales a lo largo la zona de estudio y como se observ en la
tabla 6 solo representa un poco ms del 6% del total de la imagen. Es
importante dar a conocer esta clase de resultados con un mayor nivel de
ingeniera al pblico en general, pues puede contribuir a la toma de consciencia
de cuidar el medio ambiente y los pulmones verdes en las grandes ciudades.

55

3. Discusin

Hctor Patio
Paola Ortiz

Informe3

El proceso de clasificacin de una imagen es un proceso muy complicado, largo

y de mucho cuidado, se pueden dedicar horas de trabajo para tener como
resultado final una imagen que incluso puede tener una exactitud muy baja lo
cual quiere decir que se deben hacer varios intentos, es indispensable conocer
la zona de estudio y tener ms herramientas que los niveles digitales originales
de la imagen, el software PCI nos permite agilizar de una gran manera el
proceso debido a que este software tiene en cuenta las estadsticas de cada
pixel con sus vecinos; sin embargo, esto no es garante de tener una buena
exactitud y se hace indispensable comparar estadsticas; pero, comparado con
el software ERDAS es mucho ms sencillo, muchsimo ms rpido y se pueden
ver varios resultados rpidamente.

4. Conclusiones
4.1.
Es muy difcil y complicado trabajar con los niveles digitales
originales de la imagen es imperativo tener mejor informacin espectral
de cualquier zona de trabajo.
4.2.
Es necesario conocer muy bien la zona de estudio para no
confundir ciertas firmas espectrales.
4.3.
La clasificacin supervisada supone un trabajo arduo al principio;
sin embargo, al final se facilita la creacin de clases.
4.4.
Para lograr una buena clasificacin es necesario trabajar sobre
niveles digitales corregidos, es decir sobre una imagen con correcciones
atmosfricas bien puede ser: reflectancia, ndices de vegetacin,
tasseled cap, o componentes principales.

56

Hctor Patio
Paola Ortiz

57

Informe3