Taller SIG IIIOptimización visual de imágenes satelitales Presentado por: Lina López Rubio Jeniffer Rodríguez Caicedo Docente: Alejandro Salamanca Universidad de Ciencias Aplicadas y Ambientales U.D.C.A Facultad de Ingeniería Programa Ingeniería Geográfica y ambiental Bogotá D.C., 7 de marzo 2016 28"W Latitud esquina SW 9°25'45. 1. SE – suroriente) Latitud central 10°07'20. Imagen satelital del caribe colombiano 2016-03-02 22:23:56.1.47"N Longitud esquina SE 74°06'53.16"W Latitud esquina NE 10°48'32.87"W Latitud esquina NW 11°10'09. ¿Qué tipo de imagen descargó? Landsat 8 OLI (Operational Land Imager)/ TIRS (Thermal Infrared Sensor) . NW nororiente. Conceptos a. Coordenadas tomadas del metadato del insumo: (NE . SE – sureste.70"N Longitud esquina SW 75°48'25.noreste.60"N Longitud central 74°46'17.04"W Latitud esquina SE 9°03'59. Barranquilla. El Cármen de Bolívar y Magangué. que incluye ciudades como Cartagena.36"N Longitud esquina NE 73°43'58.49"W b.12"N Longitud esquina NW 75°26'04. Procedimiento: 1. Elegir la imagen deseada. teniendo en cuenta elementos que dificulten el análisis de la imagen como la nubosidad (Figura 3) . Elegir el data set Landsat Archive/ L8 OLI/TIRS (Figura 2) Figura 2: Elección data set.2.gov. del data set “L8 OLI/TIRS” de Landsat Archive.usgs. 3. ¿Cómo lo hizo? Descargada del aplicativo de earthexplorer. Elegir la zona de la cual se desea descargar la imagen (Figura 1) Figura 1: Elección zona por coordenadas. 2. Figura 4: Descarga de la imagen 3. ¿Cuál es la resolución espacial. TIRS Bandas térmicas: 100 metros R. Descargar el archivo más pesado que es el insumo completo con el metadato. OLI Banda pancromática iii. 9 TIRS Bandas térmicas . OLI Banda pancromática: 15 metros iii. espacial: i. espectral: i. espectral y radiométrica de la imagen? R. OLI Banda multiespectral: 30 metros ii. 4.Figura 3: Elección imagen. OLI Banda multiespectral ii. Figura 5: Cálculo área efectiva. a) ¿Cuál es el sistema de referencia espacial de las imágenes? WGS84 .zona UTM 18 b) ¿Cuál es el área efectiva de la imagen en kilómetros cuadrados? 37198. en las propiedades de la imagen observadas en ArcGIS se identifica 16 bits) c. (Usandivarias.8 Km2. (Herrera. d. y al combinarlas se obtienen nuevas bandas. 2002) Para la combinación de bandas. radiométrica: 16 bits (A pesar de los datos encontrados anteriormente que dice ser 12 bits. esta se calculó con la herramienta “mensuration”. Estas imágenes están compuestas por celdas llamadas pixeles correspondientes a un valor numérico que representan el color que tiene la imagen. los procesadores están compuestos por tres bandas principales RGB. 2012) . Optimización de imágenes: Una imagen satelital es la representación gráfica de un objeto emitida por un aparato eléctrico u óptico.R. este puede ser representado en un histograma que muestra la variabilidad de estos datos. en las cuales se pueden ubicar las del sensor y así generar nuevos tonos y colores (Figura 6). y el análisis de los valores nombrados anteriormente que además representan los colores que no son visibles para el ojo humano. ángulo. así como la visualización del histograma para observar la variabilidad de los valores de estas características.cartesia.Figura 6: Gráfico tomado de http://www. Estos valores permiten la identificación de ciertos elementos geográficos que no son visibles con el color real de la imagen (vegetación sana. mosaicos o filtros. “Image Analysis” cuenta con otra sección que es “Processing” que brinda técnicas de análisis de los datos de la imagen. crear el índice diferencial de vegetación normalizado (NDVI).org/data/apuntes/telede teccion/landsat-analisis-visual. que permite el tratamiento de imágenes. Según ESRI. tales como la combinación de capas. como por ejemplo el contraste o el brillo. . altura. tipo de suelo. perímetro y el área de una imagen. Y una tercera sección “Mensuration” que permite hacer medidas de puntos. penetración atmosférica). distancia. el software ArcGIS cuenta con herramientas que permiten la optimización de estas imágenes como lo es “Image Analysis” (Figura 7) que en la sección “Display” permite manipular la apariencia de la imagen. y que tienen un valor en el espectro electromagnético.pdf Para este taller se utilizó el software ArcGIS. 2001) Según ESRI son denominados como datos temáticos. Estos tienen límites definibles y conocidos. (Orellana. . Figura 9: Marco conceptual. e.Figura 8: “Processing” y “Mensuration”. categóricos o discontinuos que representan objetos en los datos ráster y vector. Conjunto de datos discreto o continuo: a) Datos discretos: Las variables de este grupo solo pueden tomar valores posibles. Cartagena y otras más pequeñas como Tolú. b) Datos continuos: Por lo general. Cartagena y otros centros poblados. orientación. edificios. parcelas. no discretos o de superficie. Este conjunto puede tomar distintos valores dentro de un rango según el tipo de medición. propagación de enfermedad. El nivel de detalle para estos elementos en todas las bandas es moderado. que por conocimiento previo del territorio sabemos que están en esta zona. Así como algunas carreteras que conectan las dos grandes ciudades en esta área. Soledad. tipos de suelo. 2. son el resultado de mediciones que se expresan en unidades. Santa Ana. . 2001) Según ESRI representan fenómenos que permiten su medición a partir de un punto fijo en el espacio o una fuente de emisión.Ejemplos: Lagos. pues debido a la nubosidad de la zona sur y la resolución espacial no se pudo identificar muy bien otros centros poblados. Mompós identificadas gracias a otra herramienta (Google Maps). ¿Qué elementos puede reconocer sobre la superficie terrestre? Con la banda 8 (pancromática) podemos identificar ciudades principales tales como Barranquilla. Ejemplos: Elevación. (Orellana. Magangué. Figura 10: Identificacion de Barranquilla. carreteras. dispersión de población. Fundación. pero muy pocos caminos. Estos también son llamados datos de campo. . 2. el rio Magdalena que atraviesa la imagen y algunos canales o ciénagas que están conectados a este. Si se desea guardar la nueva imagen. El nivel de detalle proporcionado por esta banda es muy bueno. 3. esto fue verificado por la herramienta mencionada anteriormente. se puede observar claramente el límite agua-tierra. 4. El contraste y brillo por medio de la modificación de los valores de los píxeles permite la posible mejora de la imágen. 2015) Procedimientos: 1. Ejecución de mejoramientos globales: Los mejoramientos que se utilizaron fueron combinación de bandas (Figura 14. 15 y 16) y contraste/brillo (Figura 17). Cargar bandas en ArcMap. Ciénaga de Santa Marta y rio Magdalena. Figura 11: Identificación de cuerpos de agua.Con la banda 7 podemos identificar los cuerpos de agua como la gran ciénaga de Santa Marta. (ESRI. Combinación de bandas y contraste/brillo: La composición de bandas permite combinar capas ráster con las diferentes bandas RGB y así realizar otros análisis como el NDVI. pues todo cuerpo de agua o zona húmeda se identifica con color negro (Figura 11). En la sección “Processing” seleccionar el icono de “Composite bands” 5. Consultando previamente la combinación de bandas para Landsat 8. Habilitar ventana “Image Analysis” 3. seleccionarlas manteniendo oprimida la tecla shift. Figura 12: Procedimiento combinación de bandas. Figura 13: Combinación de bandas 7. Figura 14: (urbano). 6 y 4 para el falso color (urbano). Imagen Falso color . . El sharpening 3x3 aumenta el pan sharpened. y los detalles de la multiespectral a la pancromática. Figura 16: Vegetacion saludable 5 6 2.Figura 15: Penetración atmosférica Bandas 7 6 5. Ejecución de mejoramientos locales: Los mejoramientos que se utilizaron fueron Pan sharpened (Figura 19) y sharpening 3x3 (Figura 21) Pan Sharpened y sharpening 3x3: El pan sharpened permite mejora la resolución espacial de la multiespectral con la pancromática. Figura 17: Procedimiento y el Antes y después de la ciudad de Cartagena (1:62000) ejecutando mejoramientos de contraste y el brillo. 4. b) Habilitar ventana “Image Analysis” c) Consultando previamente la combinación de bandas para Landsat 8. e) Si se desea guardar la imágen.sharpening Ciudad de Cartagena Escala 1:62000. . con la herramienta “Create pan-sharpened ráster dataset” seleccionar la banda multiespectral y pancromática d) Para el Sharpening 3x3 Seleccionar en la ventana “Imagen Analysis” la imagen pansharpened y seleccionar el filtro. Figura18: Procedimiento Pansharpen. Figura 19: Resultado Pan.Procedimientos: a) Cargar bandas en ArcMap. . estas zonas tendrán una coloración más intensa . Análisis de resultados Mejoramientos globales: Falso color urbano (bandas 7. si aumentamos su contraste. emiten ese espectro. esto quiere decir que a mayor brillo. y con el control deslizante gamma podemos llegar a maximizar en ancho de banda en bits relativos. esta se tornará oscura). con la transparencia los pixeles llegaran a tener una fusión con el fondo (tomando características mate). 6. ya sea para codificar valores brillantes u oscuros. con el brillo controlamos la cantidad de luz. Penetración atmosférica (bandas 7. pues los materiales naturales como el barro y la madera suelen confundirse con el entorno. más opaca se verá la imagen y entre menos brillo.4): En esta imagen (Figura 14) las zonas urbanas tienden a los azules claros.5): En esta imagen (Figura 15) los colores naranja nos indican aquellas zonas donde la penetración de la radiación solar es mayor. esto se debe a que los materiales de construcción usados.Figura 20: Filtros Figura 21: Pan-sharpened a Sharpening 3x3 5. En algunas zonas son difíciles de diferenciar.6. Las mejoras radiométricas de una imagen aumentan los contrastes en ciertos rangos espectrales. detalles que no son visibles por el ojo humano. Para mejorar características de tipo espacial en una imagen. podemos agregar diferentes filtros a la imagen cruda. aumenta el detalle de la imagen por medio de la resolución. en este caso de 30m a 15m. Un 3*3 es un filtro de suavizado. La mejora “Sharpened more” sobre el sharpened. Esto sucede fusionando una imagen una de alta resolución (pancromática) y una de menor resolución (multiespectral). . esto permite realizar cambios manuales en el histograma y así obtener el producto que se desea. Figura 22: Esquema 6. crecimiento urbano. Sharpening 3x3: En este caso se resta una imagen borrosa de la original y. relieve.Mejoramientos locales: Pansharpening: Mejoramos la resolución espacial de nuestra imagen con la banda multiespectral. nubosidad) se determina cual es la mejor técnica para analizar la imagen que se tiene. La resolución espacial de la multiespectral se baja a la a la resolución de la pancromática. se aumenta su contraste de nuevo a gama completa. Conclusiones A partir del conocimiento previo del territorio (condición climática. así que cada pixel se sustituye con la suma o media de sí mismo y sus ocho vecinos. Para la combinación de bandas usadas se puede definir la siguiente fórmula: Vegetación saludable + falso color (urbano) = protección zonas verdes. y las curvas de reflectancia del elemento a analizar. lo cual nos da una imagen a color con alta resolución. Si se tiene mayor conocimiento sobre el espectro electromagnético. a continuación. Recuperado 7 de Marzo 2016. REFERENCIAS ESRI. Buenos Aires: Universidad de Buenos Aires. Sharpen. 20-27. Análisis visual de imágenes obtenidas del sensor ETM+ satélite Landsat. cálculo de áreas perímetros.arcgis. J. 1. ArcGIS for Desktop.dm.org/parrafosgeograficos/images/RevistasPG/2002_V1/1-4.uba.htm Herrera.nist. (2016). de http://desktop. Recuperado de: http://igeopat. (2015). Optimización del uso de imágenes satelitarias en situaciones de riesgo. Recuperado: 5 Marzo 2016. L. Datos continuos y discretos.html Orellana.arcgis. Estadística descriptiva.arcgis.pdf Usandivarias. vías.pdf NIST (2016).com/es/communities/imagery/018500000008000000. Cartesia. E. (2012). La mejora Sharpening 3x3 permite observar con claridad las manzanas catastrales. Recuperado de: http://www. caminos. de: http://resources. El satélite Landsat. Recuperado de: http://www.com. (2002). Recuperado de: http://www.org/data/apuntes/teledeteccion/landsat-analisis-visual.gov/lispix/imlab/filter/sharpen. Facultad de ciencias exactas y naturales.cartesia. Párrafos Geográficos. Resources. (2001). ArcGIS: For image display and analysis | ArcGIS Resource Center.ar/materias/estadistica_Q/2011/1/modulo%20descriptiva. La mejora del brillo y contraste en este caso permite observar con mayor facilidad el limite mar-tierra.pdf .org.com/es/desktop/latest/manage-data/raster-andimages/discrete-and-continuous-data.htm ESRI. Departamento de matemáticas.