Professional Documents
Culture Documents
Teledeteccin
10.1. Fundamentos de la teledeteccin
Teledeteccin es la tcnica que permite obtener informacin a distancia de objetos sin que exista un contacto material. Para que ello sea posible es necesario que, aunque sin contacto material, exista algn tipo de interaccin entre los objetos observados; situados sobre la supercie terrestre, marina o en la atmsfera; y un sensor situado en una plataforma (satlite, avin, etc.). En el caso la teledeteccin la interaccin que se produce va a ser un ujo de radiacin que parte de los objetos y se dirige hacia el sensor (gura ??). Este ujo puede ser, en cuanto a su origen, de tres tipos: Radiacin solar reejada por los objetos(luz visible e infrarrojo reejado) Radiacin terrestre emitida por los objetos (infrarrojo trmico) Radiacin emitida por el sensor y reejada por los objetos (radar) Las tcnicas basadas en los dos primeros tipos se conocen como teledeteccin pasiva y la ltima como teledeteccin activa. La radiacin (solar reejada, terrestre o emitida por el sensor y reejada) que llega de la supercie terrestre y que ha atravesado la atmsfera, es almacenada en formato digital. Una vez recuperados los datos en el centro de control del satlite, permitirn obtener informacin acerca de la supercie terrestre y de la atmsfera. El tipo de informacin que se obtiene depender de la longitud de onda en la que el sensor capte radiacin. El anlisis de esta informacin permite el reconocimiento de las caractersticas de los objetos observados y de los fenmenos que se producen en la supercie terrestre y ocenica y en la atmsfera. Por tanto son muchas las ciencias, tanto naturales como sociales, interesadas en su uso (Geografa, Geologa, Meteorologa, Agronoma, etc.). 181
182 Regin Rayos Rayos X Ultravioleta Visible Infrarrojo Microondas Radio-TV Rango de longitudes <0,03nm 0,03nm - 3nm 3nm - 0,3 0,3 - 0,7 0,7 - 300 300 - 20cm > 200cm
Q=
(10.1)
donde h es la constante de Planck (6,626x1034 Js) y c la velocidad de la luz (300000m/s). La ecuacin ?? implica que a menor longitud de onda mayor es la energa transportada por la radiacin. El conjunto de todas las longitudes de onda se denomina espectro electromagntico (gura ?? y tabla ??). Dentro del espectro electromagntico se distinguen una serie de regiones, las ms utilizadas por las diferentes tcnicas de teledeteccin son la luz visible, el infrarrojo reejado, el infrarrojo trmico y las microondas (radar). Cualquier cuerpo en la naturaleza emite radiacin y lo hace con diferentes longitudes de onda. La cantidad de energa que emite un cuerpo por radiacin como la distribucin de esta energa en diferentes longitudes de onda depende fundamentalmente de la temperatura de dicho cuerpo (ley de Stefan-Boltzman): M = T 4 por otro lado la ley de Wien: max = 2898 T (10.2)
(10.3)
183
nos permite calcular a que longitud de onda se produce el pico de mxima emisin de energa de un cuerpo a una temperatura T . Como puede observarse a mayor temperatura menor longitud de onda. Tanto en la ecuacin ?? como en la ?? la temperatura se expresa en grados Kelvin. La temperatura del Sol es de aproximadamente 6000o K mientras que la de la Tierra es de 300o K. Esto signica que la radiacin solar va a ser mxima para una longitud de onda de 0.48 (regin visible) y la terrestre mxima en una longitud de onda de 9.66 (infrarrojo trmico). Determinados fenmenos de la supercie terrestre (por ejemplo los incendios) implican una temperatura mucho mayor (548,5693,5o K) que la habitual de la supercie terrestre, esto signica que el total de radiacin emitida va a ser mucho mayor y que el pico de emisin va a estar en longitudes de onda de 5.28 - 4.3 , tambin en el infrarrojo trmico pero con valores considerablemente diferentes a los correspondientes a la temperatura normal de la Tierra. Por tanto puede concluirse que la radiacin solar domina aquellas regiones del espectro electromagntico que corresponden a la radiacin visible y al infrarrojo reejado. La radiacin terrestre domina el infrarrojo trmico, mientras que las radiaciones que corresponden a las microondas (radar) no aparecen en la naturaleza, deben ser por tanto de origen articial, generadas por el propio sensor que las recibe posteriormente reejadas (gura ??).
184 depende de la longitud de onda Nubes : muy alta en el visible depende de la longitud de onda depende de la longitud de onda Agua: muy baja en todas las longitudes de onda depende de la longitud de onda depende de la longitud de onda Supercie terrestre:
185
Problema aparte supone la aparicin de partculas lquidas (nubes, gura ??) o slidas (gura ??) que reejan gran parte de la radiacin solar que reciben. Las nubes emiten su propia radiacin en el infrarrojo trmico, diferente a la terrestre debido a su menor temperatura, con lo que ocultan la supercie terrestre en ambas regiones del espectro. Debido a la saturacin en vapor de agua, su capcidad de absorber radiacin en la banda de absorcin del vapor de agua depender de su espesor. A la hora de disear un sensor, existen tres posibilidades fundamentales: Captar radiacin solar reejada por la supercie (en una longitud de onda correspondiente a una ventana atmosfrica) Captar radiacin infrarroja procedente de la supercie terrestre o las nubes Captar radiacin de una banda en la que un gas presente una elevada capacidad de absorcin para as estimar la concentracin de este gas. Cuanto menos radiacin llegue mayor ser la cantidad de gas. Las tres bandas de Meteosat (gura ??) son un ejemplo de cada una de estas posibilidades: 1. La imagen visible capta radiacin solar reejada integrando todas las longitudes de onda del visible y parte del infrarrojo reejado (0,5 0,9), cuanto mayor sea el valor recibido por el sensor mayor es el albedo (colores claros). La imagen del infrarrojo trmico capta radiacin emitida por la Tierra (5,77,1) que, por tanto, depende de su temperatura, a mayor temperatura mayor energa recibida (colores oscuros). La imagen del vapor de agua (10,5 12,5) capta eberga en la longitud de onda en que mayor es la absorcin del vapor de agua; por tanto cuanto mayor sea la cantidad de vapor de agua presente en la columna atmosfrica menor es la cantidad de energa que capta el sensor (colores claros).
2.
3.
La combinacin de estas tres bandas permite distinguir: Tierra de oceano, por su diferente albedo y temperatura Temperatura de la supercie terrestre sin cubierta nubosa Nubes bajas (albedo muy alto, temperatura moderada, contenido en vapor de agua moderado) Nubes altas (albedo muy alto, temperatura muy baja, contenido en vapor de agua moderado) Nubes de desarrollo vertical (albedo muy alto, temperatura muy baja, contenido en vapor de agua elevado)
186
En general se considera que si el da es sucientemente despejado la absorcin atmosfrica puede despreciarse en las ventanas. Dispersin y refraccin son ms difciles de evitar, introduciendo distorsiones que deben ser corregidas. En todo caso, los problemas relacionados con la interaccin de la atmsfera tienen mayor importancia en estudios multitemporales. Si se trabaja con imgenes de una sola fecha se asume que la distorsin atmosfrica es equivalente en todo el espacio (al menos en las imgenes de alta resolucin que cubren una pequea porcin de la supercie terrestre).
donde Rs en es la radiacin que ha recibido el sensor procedente de un punto de la supercie terrestre y Rsol es la radiacin que, emitida por el sol en las longitud de onda correspondiente al canal con que se est trabajando, llega a dicho punto de la supercie terrestre. El grco que, para cada longitud de onda, nos da la reectividad en tanto por ciento se conoce como signatura espectral (gura ??) y constituye una marca de identidad de los objetos. Resulta as fcil por ejemplo distinguir entre suelo y vegetacin, e incluso entre diferentes tipos de suelo o diferentes tipos de vegetacin.
Un sensor se satura cuando la radiacin que recibe es superior al mximo que puede recibir dada su resolucin radiomtrica
188
en las que se produce mxima absorcin. En general cuanto menor sea el contenido de agua de una planta, mayor ser su reectividad en el infrarrojo medio.
189
Por ejemplo, landsat es una plataforma que contiene dos sensores landsat-TM y landsat-MSS, el primero de los cuales tiene 7 bandas (azul, verde, rojo, 3 en el infrarrojo cercano y 1 en el infrarrojo trmico y el segundo 4 bandas (verde, rojo y 2 en el infrarrojo cercano). La gura ?? muestra la ubicacin, dentro del espectro electromagntico, de las 6 bandas de landsat que corresponden con el espectro solar. La salida de radiacin (emitida o reejeda) de la supercie terrestre es un fenomeno continuo en 4 dimensiones (espacio, tiempo, longitud de onda y radiancia). Un sensor debe muestrear en este continuo discretizndolo en cada una de esas dimensiones. El modo en que esta discretizacin se lleva a cabo dene los cuatro tipos de resolucin con los que se trabaja en teledeteccin: Resolucin espacial (tamao de pixel) Resolucin temporal (tiempo que tarda el satlite en tomar dos imgenes del mismo sitito) Resolucin espectral (capacidad de discriminar entre longitudes de onda vecinas en el espectro, as como el nmero de bandas disponible). Resolucin radiomtrica (nmero de intervalos de intensidad que puede captar el sensor) La gura ?? muestra como cambios en la resolucin espacial de una imagen afectan a su calidad. La imagen procede del sensor Quick Bird, con una resolucin espacial de aproximadamente 1 metro, y es una composicin de 3 bandas (rojo, verde y azul) en color real, la resolucin radiomtrica es de 256 niveles de gris por banda. En la segunda imagen se ha simulado una reduccin de la resolucin espectral agrupando las tres bandas del visible en una sla banda pancromtica que se representa con 256 niveles de gris. La tercera y la cuarta imgenes simulan una resuccin de la resolucin radiomtrica a 4 niveles por banda en lugar de los 256 anteriores, lo que da un total de 12 colores para la tercera imagen y 4 para la cuarta. Las dos imgenes inferiores muestran una reduccin de la resolucin espacial a 25 y 50 metros respectivamente. En la tabla ?? aparecen estas caractersticas para varios sensores y plataformas. Se trata de un resumen ya que en algunos casos (Spot, Ikonos) se dispone tambin de una banda pancromtica (todo el visible integrado, como si se tratase de una fotografa en blanco y negro) generalmente con mayor resolucin espacial que las restantes; en otros casos no todas las bandas tienen la misma resolucin espacial La altura a la que se sita el satlite y sus movimientos van a condicionar las caractersticas geomtricas y la resolucin temporal de las imgenes que producen (gura ??). Los satlites que como meteosat se sitan en rbita geoestacionaria (36.000 Km) permanecen jos y producen una imagen que abarca la mayor parte de la porcin del globo terrestre a la que apuntan, sin embargo las distorsiones que aparecen hacia los polos limitan su utilizacin a la porcin entre 50o N y 50o S. El area de la supercie abarcada por cada pixel es necesariamente grande (2500 o 5000 metros dependiendo de las bandas) su resolucin espacial es por tanto pequea. Al permanecer jos su resolucin temporal puede ser muy grande, en el caso de Meteosat hay una imgen cada 30 minutos El problema de la correlacin negativa entre resolucin espacial y temporal se est solucionando en parte debido a la existencia mejores sistemas de almacenamiento de datos y al desarrollo de la teledeteccin aerotransportada, los sensores se colocan en aviones que vuelan a la altura (resolucin espacial) deseada en el momento que se requiera.
190 Sensor Meteosat NOAA AVHRR Landsat TM SPOT HRV SPOT Vegetation MODIS IKONOS Res.espacial 2500 m 1100 m 30 m 20 m 1150 m 250 - 100 m 4m Tamao de imagen Toda la esfera 2700 x 2700 Km 185x185 Km 60x60 Km 2200x200 Km 2330x2330 Km 100x100 Km Res.temporal 0.5 horas 12 horas 16 das 20 das 1 da 1 a peticin
Al recibir la radiacin procedente de la supercie terrestre, el sensor almacena un nmero entero, se trata de un intervalo de intensidad o nivel digital a partir del cual se puede obtener de nuevo la radiacin recibida mediante una sencilla transformacin lineal. El nmero de niveles de intensidad se denomina resolucin radiomtrica Una imagen de satlite en estado bruto es un conjunto de imgenes (una por banda) similares a las que se obtienen haciendo una fotografa digital. Los pixels estn organizados en un sistema de las y columnas pero sin referencia a coordenadas reales.
191
Correccin atmosfrica (para eliminar las interferencias producidas por la absorcin, dispersin y refraccin en la radiacin recibida) Correccin de luminosidad (para eliminar el efecto de solana-umbra) Dependiendo de la regin del espectro de que se trate: calculo de la reectividad dividiendo la radiacin recibida por el sensor entre la radiacin estimada en supercie (ventana atmosfrica en el visible). A partir de la reectividad en diferentes bandas pueden obtenerse ndices que se comporten como indicadores de deserticacin. Puede tabien clasicarse los distintos pixeles de la imagen en funcin de sus valores de reectividad en clases que se correspondan con tipos de suelo, vegetacin, etc. Ejemplos: Landsat, NOAA Estimacin de la concentracin del gas que absorbe la radiacin en la regin del espectro manejada (zona de absorcin): Ejemplos TOMS y Meteosat Estimacin de la temperatura del cuerpo emisor utilizando la banda de infrarrojo trmico. Casi todos los satlites recogen radiacin en alguna regin del infrarrojo trmico. En ocasiones no se llevan a cabo todos los pasos incluidos, depende de los objetivos que se persigan con el empleo de la teledetecccin, en algunos casos es suciente trabajar con los ND georreferenciados. El paso siguiente suele incluir todas o alguna de las siguientes fases: Visualizacin y composiciones de color Obtencin de variables fsicas a partir de los valores de reectividad Clasicacin de la imagen
192
la fotografa digital en cuanto a las posibilidades de retocar y realzar las imgenes. Sin embargo una imagen de satlite en bruto presenta un aspecto bastante apagado, por lo que el anlisis visual no resulta sencillo. En teledeteccin se han desarrollado diferentes tcnicas que permiten resaltar determinados aspectos para facilitar este anlisis. Aunque el espectro electromagntico abarca un mplio nmero de regiones y el ojo humano tiene una gran capacidad de discriminacin de estos colores, podemos descomponer cualquier color en tres componentes (azul, verde y rojo) que corresponden a tres regiones del espectro visible. Los dispositivos de visualizacin de imgenes (monitores, televisiones, etc) forman sus imgenes mediante la combinacin de diferentes niveles de intensidad en estos tres colores. Cada pixel en pantalla es representado mediante 3 puntos de luz, rojo, verde y azul (composicin RGB) al dispositivo encargado de pintar todos los puntos de un color se le denomina caon. De este modo existen el caon del rojo, el del verde y el del azul. En el ejemplo de la gura ?? se puede ver la descomposicin de una imagen de colores vivos en 3 imgenes que reejan la intensidad en el azul, el verde y el rojo. Una imagen de satlite tiene varias bandas, algunas de ellas responden a estos colores y otras a regiones fuera del espectro visible. Para visualizarlas podremos pasar las diferentes bandas por cada uno de los caones o por todos a la vez (imagen en blanco y negro).
Expansin lineal restringida, los valores de N Dmax y N Dmin los decide el usuario en lugar de corresponder a los valores reales de la imagen. De esta forma si N Dmax > N D > N Dmin se aplica la frmula ??; si N Dmax < N D entonces N D = 255 y si N Dmin > N D entonces N D = 0 Ecualizacin del histograma. Tiene en cuenta, n slo los valores de ND, sino tambin su frecuencia de manera que aquellos valores de ND ms frecuentes resultarn ms ajustados que los menos frecuentes.
3.
193
para representar los 3 colores bsicos; puede utilizarse cada canal para representar la intensidad de una banda y obtener as una composicin de color, la ms obvia seria simular el color real. Para ello, en landsat, la correspondencia entre bandas y caones sera: b1 ->B b2 ->G b3 ->R pero como se dispone de ms bandas, nada impide utilizarlas para generar visualizaciones en falso color. Estas composiciones servirn para resaltar los elementos que mayor reectividad presentan en las bandas utilizadas, adems de obtener visualizaciones ms o menos estticas. Por ejemplo, si se pasa la banda 4 de landsat (con alta reectividad por parte de la vegetacin) por el canal verde, la vegetacin se ver mucho ms claramente que si se utiliza la banda 2 b1 ->B b4 ->G b3 ->R En general, se trata de aprovechar que podemos visualizar tres canales a la vez para introducir las tres bandas que ms nos van a ayudar a discriminar visualmente los elementos que nos interesan. En la gura ?? aparece una composicin a partir de la descomposicin en colores de la gura ??. La intensidad del rojo se pasa por el canal azul, la del color azul por el canal verde y la del color verde por el canal rojo. El equivalente satelital de las guras ?? y ?? son las guras ?? y ?? en las que se puede ver en el extremo NO el embalse de Puentes y en el SE la ciudad de Lorca y parte del valle del Guadalentn.
10.4.3. Filtros
Se utilizan para destacar algunos elementos de la imagen. Consiste en la aplicacin a cada uno de los pixels de la imagen de una matriz de ltrado (generalmente de 3x3) que genera un nuevo valor mediante una media ponderada del valor original y los de los 8 pixels circundantes. Mediante diferentes combinaciones de los factores de ponderacin se pueden conswguir diferentes efectos. Los ltros ms utilizados son los de paso bajo que asignan a cada pixel el valor medio de los pixels circundantes; o los de paso alto (para resaltar zonas de gran variabilidad). La ecuacin que se utiliza es:
1 1 df =1 wdc,df Zc+dc,f +cf dc=1 1 1 df =1 wdc,df dc=1
ZFf,c =
(10.6)
194 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0 1.0
Cuadro 10.4: Filtro de paso bajo -1.0 -1.0 -1.0 -1.0 9.0 -1.0 -1.0 -1.0 -1.0
Cuadro 10.5: Filtro de paso alto que, en denitiva, es la ecuacin de un operador de vecindad que calcula la media ponderada. Los coecientes de ponderacin se denen como matrices (de 3x3 en este caso). Los valores de estas matrices dependern de lo que se busque con el ltrado. Un ltro de paso bajo tender a suavizar la imagen, uno de paso alto (incluyendo valores negativos en algunos coecientes de ponderacin) resalta las variaciones. Finalmente existen ltros direccionales que resaltarn elementos lineales con determinadas orientaciones (gura ??).
195
N DV I =
(10.7)
Este ndice se basa en que la vegetacin tiene una reectividad muy alta en la banda 4 de landsat y muy baja en la banda 3. Por tanto cuanto mayor sea la diferencia entre ambas bandas mayor es el porcentaje de cobertura vegetal y ms sana es esta. El dividir el ndice entre la suma de ambas reectividades compensa tanto el efecto de mayor o menor luminosidad como el efecto de la atmsfera. Se han propuesto distintas variantes para mejorar este ndice. El objetivo fundamental es eliminar la inuencia que el suelo puede tener sobre las reectividades en el rojo y el infrarrojo y que pueda enmascarar las de la vegetacin. Otros ndices, utilizando otras bandas, permitiran analizar otros aspectos como puede ser la litologa. Este tipo de ndices pueden calcularse en un SIG ya que , en denitiva, no son ms que operadores sencillos de lgebra de mapas
brillo =
k=1 6
Ckb k Ckv k
k=1 6
(10.8)
verdor =
(10.9)
humedad =
k=1
Ckh k
(10.10) (10.11)
En estas ecuaciones Ckb signica Coeciente para obtener brillo (b) en la banda k. Los coecientes Ckb , Ckv y Ckh de estas ecuaciones aparecen en la tabla ??. Permiten llevar a cabo anlisis de la densidad y estado de salud de la vegetacin.
196 Componente Brillo Verdor Humedad TM1 0.3037 -0.2848 0.1509 TM2 0.2793 -0.2435 0.1973 TM3 0.4743 -0.5436 0.3279 TM4 0.5585 0.7243 0.3406
197
198
199
Visible
Infrarrojo trmico
Vapor de agua
Figura 10.5: Imgenes de cada uno de los canales del satlite Meteosat
200
201
202
203
Figura 10.11: Descomposicin de una imagen en las componentes azul, verde y rojo
204
205
206
207
Sin entrar demasiado en los detalles del procedimiento, en la Regin de Murcia, el primer componente suele poder asimilarse al albedo, el segundo a la presencia de vegetacin y el tercero a la presencia de agua, por lo que son similares a la transformacin tasseled cap. Los ltimos componentes, puesto que absorben fundamentalemnte aleatoriedad, ruido, tienen un aspecto similar a una televisin no sintonizada.
208
di,j =
(Xvi Xvj )2
v=1
(10.12)
aunque pueden utilizarse otro tipo de distancias. Para estimar los valores de X1, X2,...,Xn para las diferentes clases se utiliza la media aritmtica de los valores de los pixels incluidos en la clase. Puesto que en la prctica no podemos saber con certeza a que clase corresponde cada uno de los pixels, el problema de la clasicacin se convierte en un problema de probabilidad de pertenencia a cada una de las clases de un conjunto, por tanto se suelen usar mtodos estadsticos. El procedimiento de clasicacin supone dos fases: Denicin de las clases Adjudicacin de cada uno de los pixels del terreno a las clases previamente denidas
209
En realidad suelen utilizarse ambos procedimientos ya que son complementarios. La clasicacin supervisada utiliza nuestro conocimiento del terreno pero si este conocimiento no es perfecto pueden escaparse cosas que una clasicacin no supervisada detectara.
Clasicacin no supervisada En la clasicacin no supervisada no se establece ninguna clase a priori, aunque es necesario determinar el nmero de clases que queremos establecer, y se utilizan algoritmos matemticos de clasicacin automtica. Los ms comunes son los algoritmos de clustering que divide el espacio de las variables en una serie de regiones de manera que se minimice la variabilidad interna de los pixeles incluidos en cada regin. Cada regin de este espacio de variables (gura ??) dene de este modo una clase espectral.
El procedimiento consta de una serie de pasos, en cada paso se identican los dos individuos ms prximos, se hace una clase con ellos y se sustituyen por el centroide de la clase resultante. De este modo cada paso analiza un individuo menos que el anterior ya que los individuos van siendo sustituidos por clases. El proceso se detiene cuando se ha alcanzado un nmero de clases igual al nmero de clases que habia sido establecido a priori. El resultado nal de un proceso de clustering suele ser un dendrograma (gura ??) en el que puede verse como los diversos individuos se aglutinan en clases, primero los que estan a un menor distancia (los mas parecidos), y como posteriormente las clases se unen entre si. A partir de un dendrograma podemos elegir el nmero de clases que queremos mantener en funcin de diferentes criterios. Puesto que una imagen de satlite contiene del orden de millones de pixels no tendra sentido hacer un dendrograma completo, ni siquiera utilizar todos los pixeles. En su lugar se establece una muestra con la que se
210
Figura 10.20: Dendrograma obtenido a partir de los pixels de las reas de entrenamiento
inicia el proceso. El usuario debe decidir a priori con cuantas clases quiere trabajar y el programa parar en el momento que toda la muestra inicial se haya reducido a ese nmero de clases. El resultado nal sera la caracterizacin de cada una de las clases obtenidas.
Clasicacin supervisada La clasicacin supervisada se basa en la disponibilidad de reas de entrenamiento. . Se trata de reas de las que se conoce a priori la clase a la que pertenecen y que servirn para generar una signatura espectral caracterstica de cada una de las clases. Se denominan clases informacionales. Estas deben ser areas lo ms homogeneas posibles y en las que sepamos lo que haba el da que se tom la imagen. Por ello esta opracin se realiza el mismo da en el que el satlite toma la imagen y luego se compra esta. Otra posibilidad es utilizar fotografa aerea o informacin de otro tipo. Obtener las caractersticas de reectividad de cada una de las clases implica una simple consulta a las imgenes (gura ??). La respuesta espectral de una clase ser la respuesta espectral media de sus pixels.
211
No estadsticos (mnima distancia, paraleleppedos) Estadsticos clsicos (mxima probabilidad) Algortmos basados en inteligencia articial (clasicacin contextual, lgica borrosa, redes neuronales, rboles de decisin)
A continuacin se indagar en algunos de estos mtodos. Se utiliza para ello una muestra de celdillas pertenecientes a 3 clases diferentes (gura ??)que podran asimilarse a celdillas de vegetacin (verde), suelo desnudo (rojo) y agua (azul). Los valores de reectividad en las bandas 3 y 4 de landsat (ver gura ?? para ver a que regiones del espectro electromagntico equivalen) se representan mediante circulos; mediante cruces se han representado los centroides de cada una de las clases (valores de reectividad media para cada una de las bandas; nalmente con un cuadrado se representa la celdilla que se va a clasicar.
Clasicacin por mnima distancia Evidentemente el pixel x se asignar a la clase respecto a la cual su distancia sea mnima (gura ??). En denitiva, se denen una serie de hiperesferas que rellenan el hiperespacio de variables sin intersectarse. Este mtodo no es demasiado bueno ya que sobreclasica la imagen, es decir ningn pixel queda sin clasicar. Aunque algunos autores sealan esto como una ventaja, realmente es un problema ya que es preferible dejar reas sin clasicar que clasicarlas sin garantas.
212
213
Clasicacin por paraleleppedos En este mtodo se denen una serie de paraleleppedos, hiperparaleleppedos manteniendo la nomenclatura anterior, que denen las fronteras de cada clase (gura ??). La denicin de cada uno de los paraleleppedos debe hacerse teniendo en cuenta los valores mximos y mnimos de reectividad para cada una de las bandas. Con este mtodo pueden aparecer pixels sin asignar o pixels asignados a varias clases. Aquellas celdillas que quedan sin clasicar representan otras clases que no se han tenido en cuenta o bien que resultan demasiado complejas para adjudicarlas a una clase.
Clasicacin por mxima verosimilitud Puesto que se tiene una muestra de refelctividades para cada clase y cada banda, puede calcularse la media y la desviacin tpica de cada una de las clases, y utilizar algn modelo de distribucin de probabilidad. El clasicador de mxima probabilidad asume que los datos siguen una funcin de distribucin normal para asignar la probabilidad de que un pixel cualquiera pertenezca a cada una de las clases. El pixel se asigna de este modo a la clase a la que es ms probable que pertenezca. Este mtodo puede usarse de forma automtica, o puede establecerse algn criterio que permita asignar pixels a una clase slo si la probabilidad correspondiente es superior a determinado umbral. Permite por otro lado denir algn tipo de criterio para medir la calidad de la asignacin, por ejemplo la diferencia entre la mxima probabilidad y la siguiente.
214
En la gura ?? aparecen una serie de elipses rodeando a cada uno de los centroides, se trata de lineas de isoprobabilidad, por tanto el pixel se clasicar como perteneciente a la clase en la que sus valores resulten ms probables. Sin embargo la hiptesis de que los datos de reectividad siguen una distribucin normal no siempre se cumple y debera vericarse siempre. Clasicacin de contexto Todos los mtodos estudiados hasta ahora utilizan, para clasicar una celdilla, slo los valores de reectividad recogidos en dicha celdilla. Este hecho no es demasiado problemtico si el tamao de la celdilla es mayor que los diferentes elementos fsicos que componen el paisaje. Sin embargo si el tamao es ms pequeo que las unidades de paisaje podra utilizarse la informacin de los pixels de alrededor para estimar la pertenencia a una clase o conrmar la estimacin. Puede resultar un mtodo til en combinacin con el de mxima probabilidad ya que permite incluir la informacin de los pixels circundantes para tomar una decisin en caso de que las probabilidades para dos clases sean similares o no exista una clase con probailidades de pertenencia sucientemente altas. Contexto espacial Se trata de incorporar otras fuentes de informacin distintas a las bandas para la clasicacin. Entre esta informacin estara la altitud, pendiente, litologa, etc. Las distintas formaciones vegetales tienen mayor capacidad
215
para desarrollarse en determinados entornos denidos en parte por estas variables. Por tanto puede ser til establecer cual es la formacin vegetal con mayor probabilidad de desarrollarse en un determinado pixel (en funcin de topografa y litologa) y combinar esta informacin con la de las bandas. Clasicaciones multitemporales Si lo que se pretende es distinguir entre clases cuya respuesta espectral varan con el tiempo, por ejemplo entre diferentes usos del suelo, puede ser interesante integrar imgenes obtenidas en diferentes fechas. Imgenes de primavera y otoo tienen un gran valor discriminante ya que las supercies vegetales, especialmente las de cultivo muestran grandes diferencias. Si se utiliza esta tcnica, resulta imprescindible realizar una buena coreeccin atmosfrica de las imgenes. Si todas son de la misma fecha, la inuencia de la atmsfera es la misma para todas por tanto podemos asumir que no inuye demasiado en la clasicacin. Sin embargo si las imgenes proceden de diferentes fechas, la diferente inuencia de la atmsfera puede enmascarar y distorsionar los cambios en la respuesta espectral. Clasicacin por redes neuronales Se basan en el uso de redes neuronales articiales que, se supone, imitan a las redes neuronales reales en el desarrollo de tareas de aprendizaje. Una neurona articial es un objeto lgico (se trata de software no de hardware) que recibe diversas entradas, hace una media ponderada de las mismas y produce una salida a partir de la aplicacin de una funcin umbral a la media ponderada. Si conectamos las asalidas de unas neuronas como entradas de otras obtenemos una red neuronal. Uno de los ejemplos ms tpicos de red neuronal es el la Back Propagation Neural Network que aparece en la gura. Consta de una capa de entrada con tantas neuronas como variables de entrada se vayan a introducir en el modelo (en el caso de la teledeteccin sera una por cada banda utilizada para clasicar), una capa oculta que realiza la mayor parte del clculo y una capa de salida con tantas neuronas como posibles clases existan. En teledeteccin
216
esta salida suele consistir en un valor numrico entre 0 y 1 para cada clase, cuanto mayor sea este valor ms verosimil resulta que el pixel pertenezca a la clase en cuestin Para trabajar con una red neuronal existen varias fases:
1.
Entrenamiento. Se le introducen a la red la respuesta espectral de pixeles cuya clase se conoce y se compara la salida con la realidad. A partir de esta comparacin se modican los coecientes de ponderacin de todas las neuronas para que se obtenga la respuesta adecuada (se trata de un procedimiento automtico) es decir un 1 en la clase correcta y ceros en las incorrectas Estabilizacin. Al principio del entrenamiento, los factores de ponderacin cambian muy deprisa, pero conforme este se desarrolla (y si las areas de entrenamiento se han seleccionado correctamente) se estabilizan (no se modican aunque se vuelvan a introducir los pixels de entrenamiento). En este momento naliza la fase de entrenamiento Clasicacin. Se introducen las respuestas espectrales de los pixels cuya clase no se conoce y se adjudican a la clase que de una respuesta ms alta (que no va a ser necesariamente 1).
2.
3.
Se trata en denitiva de un mtodo de clasicacin no paramtrico robusto que da buenos resultados cuando las respuestas espectrales de las clases no siguen una distribucin normal. La clave est en el conjunto de coecientes de ponderacin que constituyen un conjunto de parmetros que deben ajustarse a unos datos de entrada y salida. Por tanto en cierto modo es equivalente a una regresin multivariante no paramtrica.
Arboles de clasicacin Suponen un anlisis exhaustivo de las respuestas espectrales de las clases y del conjunto de datos disponibles, consiste en ir haciendo preguntas a cada pixel cuya respuesta positiva o negativa conducir a otra pregunta y asi sucesivamente hasta obtener la clase a la que pertenece. Se basa en los mismos principios que los sistemas expertos.
Clasicadores borrosos Sea cual sea el procedimiento de clasicacin utilizado, surge el problema de que algunos pixels resultan inclasicables, bien porque sus probabilidades de pertenencia a cualquier clase sean muy bajas (mxima verosimilitud, salidas de un mtodo de redes neuronales, etc.) o porque aparezcan dos o ms clases con muy alta probabilidad que se disputen el pixel. En estos casos tiene ms sentido no clasicar los pixels de forma unvoca sino establecer cual es su posibilidad de pertenencia a cada una de las clases (el concepto de posibilidad no es exactamente igual al de probabilidad).
217
A B C D E F
10.8. Bibliografa
Chuvieco,E. (2000) Fundamentos de Teledeteccion espacial, RIALP, 568 pp. Chuvieco, E. (2002) Teledeteccin Ambiental, Ariel, Mather,P.M (1999) Computer Processing of Remotely-Sensed Images. An Introduction,Wiley,. 292 pp + 1 CDROM.
218