Guia 2014 Envi 5.1 y Arcgis

MANUAL CAMBIO DE COBERTURA DE

TIERRA Y USO DE SUELO

“Procesamiento digital de imágenes satelitales

LandSat 8 con ENVI 5.1 y ARCGIS 10.2”

Elaborado por:NINO BRAVO MORALES

CONSULTOR EN GEOMÁTICAEmail: [email protected]

GEOMATICA AMBIENTAL S.R.L.Contribuyendo al desarrollo sostenible

Grupo Facebook: ArcGis 10.2

AMBIENTAL S.R.L.AMBIENTAL S.R.L.AMBIENTAL S.R.L.

Curso de SIG y Teledetección 2014

Bravo Morales, Nino 954849467 [email protected] Página 1

ÍNDICE

Guía 1. Descargar Imagen Satelital Landsat 7 o 8

Guía 2. Introducción de ENVI 5.1

Guía 3. Combinación de Bandas Landsat 8 - ENVI 5.1

Guía 4. Calibración de Imagen LandSat ENVI 5.1

Guía 5. Cortar una imagen en la Zona de estudio - ENVI 5.1

Guía 6. Fusión de imagen Multiespectral - Banda Pancromática - ENVI 5.1

Guía 7. Análisis estadístico de la Imagen Landsat 8 - ENVI 5.1

Guía 8. Clasificación supervisada - Flujo de trabajo de clasificación para

categorizar los píxeles de una imagen LandSat 8 en muchas clases -

ENVI 5.1

Guía 9. Procesamiento de Imagen Satelital Landsat 8 - 16bist a 8 bits

Guía 10. Composicion de Bandas de la Imagen LandSat 8

Guía 11. Fusion de Imagen Satelital - Banda Pancromatica

Guía 12. Nitidez de la imagen Satelital LandSat 8

Guía 13. indice de vegetación

Guía 14. Determinación de Zona de Rio o Zona Susceptible a inundación



Guía 1:

Descargar imagen LandSat 7 o 8

El programa Landsat es una serie de misiones de observación de la Tierra por

satélite administrado conjuntamente por la NASA y el Servicio Geológico de

EE.UU.

En 1 972, el lanzamiento de ERTS-1 (Tierra Recursos Tecnología por Satélite,

más tarde renombrado Landsat 1) comenzó la era de la una serie de satélites

que tienen desde que adquirida forma continua de tierras datos obtenidos por

detección remotas basados en el espacio.

La última satélite de la serie Landsat, la Misión de Continuidad de Datos de

Landsat (LDCM), se puso en marcha el 11 de febrero de 2013. Ahora

renombrado Landsat 8, los datos adquiridos por el satélite continúa para

expandir el archive para los usuarios de en todo el mundo.

Landsat misión Cronológica



SENSORES DE LANDSAT

1. Escáner multiespectral Landsat (MSS)

Imágenes constan de cuatro bandas espectrales, con 80 metros de resolución

espacial. Tamaño aproximado escena es de 170 km al norte-sur por 185

kilómetros de este a oeste (106 km por 115 km). Denominaciones de banda

específicos difieren de Landsat 1-3 de Landsat 4-5.

MULTIESPECTRAL

SCANNER (MSS)

LANDSAT

1 - 3

LANDSAT

4 - 5

LONGITUD DE

ONDA

(MICRÓMETROS)

RESOLUCIÓN

(METROS)

Banda 4 Banda 1 0.5-0.6 60

Banda 5 Band 2 0.6-0.7 60

Banda 6 Banda 3 0.7-0.8 60

Banda 7 Banda 4 0.8-1.1 60

* Tamaño original pixel MSS fue de 79 x 57 metros, los sistemas de producción ya volver a

muestrear los datos de hasta 60 metros.

Landsat Thematic Mapper (TM)

Las imágenes se componen de siete bandas espectrales con una resolución

espacial de 30 metros para las bandas de 1 a 5 y 7. La resolución espacial de la

banda 6 (infrarrojo térmico) es de 120 metros, pero se vuelve a muestrear a los

píxeles de 30 metros. Tamaño aproximado escena es de 170 km al norte-sur por

183 kilómetros de este a oeste (106 km por 114 km).

THEMATIC MAPPER (TM)

LANDSAT

4 -5

LONGITUD DE

ONDA

(MICRÓMETROS)

RESOLUCIÓN

(METROS)

Banda 1 0,45-0,52 30

Banda 2 0,52-0,60 30

Banda 3 0,63-,69 30



Banda 4 0,76-0,90 30

Banda 5 1,55-1,75 30

Banda 6 10,40-12,50 120 * (30)

Banda 7 2,08-2,35 30

* TM Band 6 fue adquirido con una resolución de 120 metros, pero los productos procesados antes

de 25 de febrero 2010 se vuelven a muestrear a los píxeles de 60 metros. Productos procesados

después de 25 de febrero 2010 se vuelven a muestrear a los píxeles de 30 metros.

Landsat Enhanced Thematic Mapper Plus (ETM +)

Las imágenes se componen de ocho bandas espectrales con una resolución

espacial de 30 metros para las bandas de 1 a 7. La resolución por la banda 8

(pancromática) es de 15 metros. Todas las bandas pueden recoger uno de los dos

ajustes de ganancia (alta o baja) para una mayor sensibilidad radiométrica y el

rango dinámico, mientras que la banda 6 recoge tanto la ganancia alta y baja para

todas las escenas. Tamaño aproximado escena es de 170 km al norte-sur por 183

kilómetros de este a oeste (106 km por 114 km).

ENHANCED THEMATIC

MAPPER PLUS (ETM +)

LANDSAT

7

LONGITUD DE

ONDA

(MICRÓMETROS)

RESOLUCIÓN

(METROS)

Banda 1 0,45-0,52 30

Banda 2 0,52-0,60 30

Banda 3 0,63-,69 30

Banda 4 0,77 a 0,90 30

Banda 5 1,55-1,75 30

Banda 6 10,40-12,50 60 * (30)

Banda 7 2,09-2,35 30

Banda 8 Desde 0,52 hasta

0,90 15



* ETM + Band 6 se adquiere a los 60 metros de resolución. Productos procesados después de 25

de febrero 2010 se vuelven a muestrear a los píxeles de 30 metros.

Landsat 8 Operacional Tierra Imager (OLI) y el sensor infrarrojo térmico

(TIRS)

Las imágenes constan de nueve bandas espectrales con una resolución espacial

de 30 metros para las bandas de 1 a 7 y 9. Nueva banda 1 (ultra-azul) es útil para

estudios costeros y aerosol. Nueva banda 9 es útil para la detección de cirros. La

resolución por la banda 8 (pancromática) es de 15 metros. Bandas térmicas 10 y

11 son útiles para proporcionar temperaturas de la superficie más precisos y se

recogen a 100 metros. Tamaño aproximado escena es de 170 km al norte-sur por

183 kilómetros de este a oeste (106 km por 114 km).

LANDSAT 8 OPERACIONAL TIERRA IMAGER (OLI) Y THERMAL INFRARED SENSOR (TIRS) LANZADO 11 DE

FEBRERO 2013

BANDAS LONGITUD DE

ONDA (MICRÓMETROS)

RESOLUCIÓN (METROS)

Band 1 - aerosol Costera

0,43 - 0,45 30

Banda 2 - Azul 0,45 - 0,51 30

Band 3 - Verde 0,53 - 0,59 30

Band 4 - Rojo 0,64 - 0,67 30

Band 5 - Infrarrojo Cercano (NIR)

0,85 - 0,88 30

Band 6 - SWIR 1 1,57 - 1,65 30

Banda 7 - SWIR 2 2,11 – 2,29 30



Band 8 - Pancromático

0,50 - 0,68 15

Band 9 - Cirrus 1,36 - 1,38 30

Band 10 - Infrarrojo térmico (TIRS) 1

10,60 - 11,19 100

Band 11 - Thermal Infrared (TIRS) 2

11,50 - 12,51 100

* Bandas Tirs se adquieren en una resolución de 100 metros, pero se vuelven a

muestrear a 30 metro de entrega de datos de productos.

¿Qué es el Sistema de Referencia Mundial (WRS)?

El Sistema de Referencia Mundial (WRS) es una notación global que se utiliza

en la catalogación de los datos del Landsat. Landsat 8 y Landsat 7 siguen el

WRS-2, al igual que Landsat 5 y Landsat 4. Landsat 1, Landsat 2 y Landsat 3

siguieron WRS-1.

Archivos de forma para WRS-1 y -2 (límites ruta / fila) están disponibles para

descargar.

http://landsat.usgs.gov/tools_wrs-2_shapefile.php

Ascendente (de la noche)

Descendente (durante el día)

WRS2_A_PERU: Es un cuadrante

ascendente durante la noche y

WRS2_D_PERU: Es un cuadrante

descendente durante el día.

http://landsat.usgs.gov/tools_wrs-2_shapefile.php



Característica de Landsat 8

• Formato de entrega: GeoTIFF

• Proyección /Datum: UTM/WGS 1984, orientado al Norte

• Tipo de Dato: 16 Bit

• Tamaño da Cena: 170 km x 185 km

• Expectativa da misión: Mínimo 5 años



Procedimiento para descargar satélite Landsat 8

Las imágenes de satélite Landsat-8 están listas para servir a los fines científicos y

sociales para el que fueron designados. ¿Alguna noticia sobre el proyecto LDCM

(Landsat Data Continuity Mission) realizó cambios en la estructura de los

metadatos.

Buscadores GLOVIS (http://glovis.usgs.gov/) y Earth Explorer

(http://earthexplorer.usgs.gov/) son los más utilizados para la compra de las

escenas familiares Landsat. Aunque las imágenes no son procesadas por el INPE,

haga clic en el tutorial de abajo y utilizar este excelente consejo para realizar

descargas de escenas Landsat-8.

Información adicional

Las imágenes son gratuitas;

El satélite tiene 01 y 09 de la banda pancromática bandas multiespectrales;

La resolución del PAN es de 15 metros. La resolución espacial

multiespectral dispone de 30 metros;

Si se combina con el MULT NAP, la resolución espacial es de 15 metros

finales;

El Landsat-8 se entregan en 16 bits, siendo necesario realizar un Cambio

de escala (Conversión radiométrica);

El Landsat-8 están orientados al norte verdadero, haciendo necesario

rediseñarlos;

Los productos de Landsat 8 se entregan en la proyección UTM, WGS 1984

datum;

El formato de entrega de Landsat-8 es GeoTIFF.

Earth Explorer

1. Acceso a la pagina http://earthexplorer.usgs.gov/

http://glovis.usgs.gov/

http://earthexplorer.usgs.gov/

http://earthexplorer.usgs.gov/



2. Registrase, en el canto superior derecho, después de finalizar o registrarse,

ejecuta Login.

3. Debe de iniciar sesión como usuario para descargar los satélites.

4. Cuando ya has entrado como usuario saldrá su nombre de usuario en la

parte superior derecho.

5. Buscamos la imagen satelital de Landsat

mediante un shp.; entramos a criterios de

búsqueda, nos dirigimos en Shapefile, y

agregamos los formatos que nos pide.



6. El mismo shp. Cada uno con su

formato respectivo. De ahí clic en

Subir.

7. Nos va salir un mensaje:

solamente aceptamos, que nos

indica que hemos agregado un

polígono de los límites.

8. Ahora nos dirigimos a los conjuntos de

datos a descargar: elegimos Landsat

Archivo y activamos L8 OLI / TIRS, que

nos indica que vamos a descargar las

imágenes de Landsat 8.

9. Podemos agregar algunos criterios

que son importantes:



10. Voy a seleccionar una imagen de Día, si es trabajo de investigación

queremos el criterio de nubosidad a 10% o 20%.

11. Por ultimo hacemos clic en Resultados y nos saldrá

12. Si seleccionamos el pie, se va mostrar la imagen en la visualización, para

verificar si corresponde al área de estudio.

Para ver la información de la imagen a

descargar, un clic en la imagen rosada y

se abrirá una ventana de características.



13. Para descargar hacemos clic en la flechita y se abrirá una ventana nueva.

14. En esta ventana seleccionamos Level 1 GeoTIFF data Product (855.3MB),

en esta parte tamos descargando todos las bandas de Landsat 8.

15. Por ultimo hacemos clic en descargar con el ID.



A. GLOVIS

1. Para la interface de GLOVIS requiere instalar JAVA, aplícalo en caso que

necesite.

2. Acceso a la pagina http://glovis.usgs.gov/

3. Nos saldrá un mensaje para descargar e instalar Java.

4. Para la instalación cerramos los buscadores y se va instalar.

http://glovis.usgs.gov/



5. En la vista pequeña buscamos a Perú y lo

hacemos un clic, esperamos que cargue

en la visualización mayor.

6. Para ver las ciudades y los limites

departamentales entramos en Map Layer

y activamos All Map Layers

7. Ahora seleccionamos el archivo de la imagen a descargar que es Landsat 8;

entramos Collection / Landsat Archive y activamos Landsat 8 OLI.



8. Si sabemos la ubicación de nuestra

imagen Landsat por Path / Row (Ruta /

Fila), será más fácil ubicar el área de

estudio; o también la latitud y longitud.

Nos muestra la

información de la imagen

a descargar y si

deseamos visualizarlo

hacemos clic en GO.

Podemos cambiar

la imagen, con

diferente fecha,

del mismo lugar.



9. Se abrirá una nueva página, y seleccionamos en la flechita verde, para la

descarga.

10. Seleccionamos Level 1 GeoTIFF Data Product, para descargar todos los

archivos de Landsat 8.

Seleccionamos ADD,

para agregar en la lista,

se puede escoger más

de uno.

Seleccionamos SEND TO CART,

para guardar en el carrito.



Guía 2:

INTRODUCCION DE ENVI 5.1.

Llega la nueva actualización de ENVI con numerosas funcionalidades,

mejoras en la edición, datos y nuevas herramientas generales.

Exelis lanza ENVI 5.1, la nueva versión del procesador de imágenes.

Esta nueva versión trae numerosas actualizaciones en cuanto a

funcionalidades generales, herramientas y soporte adicional de datos

que permitirán realizar un análisis más preciso.

Entre las múltiples novedades, destacan:

Un mosaico sin costuras que te permitirá combinar escenas

georreferenciadas en una sola imagen de forma rápida y sencilla.

Una nueva herramienta, Regiones de Interés (ROI), que te

proporcionará diferentes formas de definir y gestionar.

Gestor de datos para trabajar con formatos más actualizados,

incluidos LAZ y KOMPSAT-3. Además, también se ha mejorado el

soporte para NPP VIIRS y Landsat 8.

Lector genérico de archivos HDF5 que te permitirá abrir cualquier

archivo HDF5 y crear archivos ráster combinando diferentes

documentos 2D y 3D.

2.1. Abrir una imagen satelital Landsat 8

Nos vamos en el menú principal

File Open As se desplegará

una información de los satélites

que deseamos utilizar en ENVI.

En este ejemplo nos vamos en

Landsat GeoTIFF with metadata.



Se abrirá esta ventana y buscamos la ruta donde está guardado la

imagen satelital LandSat 8, agregamos el archivo

LC80070662013119LGN01_MTL.txt.

Para visualizar las bandas nos dirigimos a

Data Manager.

Senos abrirá la venta de Data Manager

y visualizaremos las 11 bandas y su

espectro electromagnético de cada una

de las bandas.



En la ventana anterior podemos realizar las combinaciones de bandas

seleccionando tres bandas (RGB).

Por ejemplo la combinación de las

bandas 653, que viene a ser SWIR 1

(1.6090) que es el color Rojo, Near

Infrared (NIR) (0.8646) que es el color

verde y Green (0.5613) que viene hacer

el Azul.

Nos muestra las combinaciones que

realizamos anteriormente.

Haciendo clic en Load Data,

visualizaremos la imagen

combinada en ENVI.

Acá nos muestra la información del

Landsat que hemos agregado,

como vemos la proyección, tamaño

de pixel, Longitud de onda en

micrómetro, tipo de archivo, Tipo

de sensor, Datum.



Visualizando en ENVI 5.1. Los colores de la combinación 653.

Para visualizar la información de la

imagen satelital entramos en View

Metadata.



Se nos desplegará esta venta de informaciones importantes.

Podemos visualizar la información

de ruta, Tipo de archivo, columnas

y filas, cuantas bandas contiene,

Tipo de sensor.


de Tamaño de pixel, Unidades.




de proyección, esferoide, Datum y

sus intervalos de la proyección.


de extensión de la imagen satelital,

este, norte, oeste y sur, unidades

métricas.




espectral de cada banda, para su

respectiva corrección con ENVI.

Tiempo de adquisición de la imagen



Guía 3:

Combinación de Bandas de una imagen Landsat 8 -

ENVI 5.1

Bandas de ráster

Algunos rásteres tienen una banda única, o capa (una medida de una sola

característica) de datos, mientras que otros tienen múltiples bandas. Básicamente,

una banda se representa con una sola matriz de valores de celda, y un ráster con

múltiples bandas contiene múltiples matrices de valores de celda que coinciden

espacialmente y que representan la misma área espacial. Un ejemplo de dataset

ráster de banda única es un modelo digital de elevación (DEM). Cada celda en un

DEM contiene solamente un valor que representa la elevación de superficie.

También puede tener una ortofoto de banda única, que a veces se llama imagen

pancromática o de escala de grises.

Cuando hay múltiples bandas, cada ubicación de celda tiene más de un valor

asociado. Con múltiples bandas, cada banda por lo general representa un

segmento del espectro electromagnético recopilado por un sensor. Las bandas

pueden representar cualquier porción del espectro electromagnético, incluidos los

rangos no visibles a simple vista, como las secciones infrarrojas o ultravioletas. El

término banda se originó a partir de la referencia a la banda de color en el

espectro electromagnético.

Cuando crea una capa de mapa a partir de una imagen ráster, puede elegir

mostrar una banda única de datos o formar una composición de color a partir de

múltiples bandas. Una combinación de cualquiera de las tres bandas disponibles



en un dataset ráster multibanda se puede utilizar para crear composiciones RGB.

Al visualizar bandas juntas como composiciones RGB, a veces se puede recabar

más información del dataset que si fuese a trabajar con sólo una banda.

Una imagen de satélite, por ejemplo, por lo general tiene múltiples bandas que

representan distintas longitudes de onda desde las porciones ultravioleta hasta las

visibles e infrarrojas del espectro electromagnético. Las imágenes Landsat, por

ejemplo, son datos recopilados desde siete bandas distintas del espectro

electromagnético. Las bandas 1-7, incluida la 6, representan datos de las regiones

visibles, casi infrarrojas e infrarrojas media. La banda 6 recopila datos de la región

infrarroja termal. Otro ejemplo de una imagen multibanda es una ortofoto de color

verdadero en la que hay tres bandas, cada una representa rojo, verde o celeste.



El satélite Landsat-8 fue diseñado con la posibilidad de generar nuevos productos

por nuevas combinaciones de bandas. En poco tiempo tendremos artículos

académicos que contienen más información, pero es posible que desee saber qué

combinaciones de bandas del satélite Landsat-8 tiene resultados similares

predecesores Landsat-5 y Landsat-7. Consulte la tabla siguiente:

Vista rápida Resultar Landsat 7

Landsat 5 Landsat 8

Infra-rojo 4, 3, 2 5,4,3

Color Natural

3, 2, 1 4,3,2

Falso color 5,4,3 6,5,4

Falso color 7.5.3 7,6,4

Falso color 7,4,2 7.5.3

Fuente: http://landsat.usgs.gov/L8_band_combos.php

http://landsat.usgs.gov/L8_band_combos.php



2.1. Para iniciar el proceso de importación, descomprima las bandas de

la imagen utilizando el programa WINZIP u otro.

2.2. Luego, en el menú principal de ENVI nos dirigimos Nos vamos en

el menú principal File Open As se desplegará una

información de los satélites que deseamos utilizar en ENVI. En este

ejemplo nos vamos en Landsat GeoTIFF with metadata.



Se abrirá esta ventana y buscamos la ruta donde está guardado la

imagen satelital LandSat 8, agregamos el archivo

LC80070662013119LGN01_MTL.txt.

Para visualizar las bandas nos dirigimos a

Data Manager.

Se abrirá la venta de Data Manager y

visualizaremos las 11 bandas y su

espectro electromagnético de cada una

de las bandas.



En la ventana anterior podemos realizar las combinaciones de bandas

seleccionando tres bandas (RGB).

Por ejemplo la combinación de las

bandas 653, que viene a ser SWIR 1

(1.6090) que es el color Rojo, Near

Infrared (NIR) (0.8646) que es el color

verde y Green (0.5613) que viene

hacer el Azul.

Nos muestra las combinaciones que

realizamos anteriormente.

Haciendo clic en Load Data,

visualizaremos la imagen

combinada en ENVI.

Acá nos muestra la información del

Landsat que hemos agregado,

como vemos la proyección, tamaño

de pixel, Longitud de onda en

micrómetro, tipo de archivo, Tipo

de sensor, Datum.



Visualizando en ENVI 5.1. Los colores de la combinación 653.

Para visualizar la información de la

imagen satelital entramos en View

Metadata.



Se nos desplegará esta venta de informaciones importantes.


de ruta, Tipo de archivo, columnas

y filas, cuantas bandas contiene,

Tipo de sensor.


de Tamaño de pixel, Unidades.




de proyección, esferoide, Datum y

sus intervalos de la proyección.


de extensión de la imagen satelital,

este, norte, oeste y sur, unidades

métricas.




espectral de cada banda, para su

respectiva corrección con ENVI.

Tiempo de adquisición de la imagen



Vamos a combinar las bandas 652 de la

imagen LandSat 8 con la herramienta

Layer Stacking, que se encuentra

ubicada en Toolbox > RasterManagement >

Layer Stacking.

Hacemos clic en import File, para cargar las bandas a combinar, de

uno en uno.

Podemos proyectar el

ráster de salida.

Especificamos las

bandas a

combinar, de uno

en uno

En esta ventana vamos agregar las bandas

que deseamos combinar: 652

Escogemos las

bandas

multiespectrales



El mismo paso realizaremos para las bandas 5 y 2.

Sólo tenemos activado

01 banda de las 07.

Al final obtendremos las

03 bandas espectrales

(652), en ese orden.

Ahora damos la salida a

la combinación 652 en

Choose.

Voy a escoger la banda

6, que viene hacer

SWIR 1 (1.6090).



Guía 4:

CALIBRACIÓN RADIOMETRICA DE IMAGEN LANDSAT 8

ENVI 5.1.

Los datos que vienen almacenados en una imagen Landsat (o cualquier

otra imagen obtenida mediante un sensor óptico), son valores o niveles

digitales (ND). Dichos niveles digitales no representan de manera

directa ninguna variable biofísica y, por tanto, no es conveniente que

usted obtenga ningún índice espectral usando dichos valores "crudos".

La razón para no hacerlo es muy simple: los llamados "índices

espectrales" fueron desarrollados para trabajar con valores de

reflectancia espectral de la superficie terrestre. Los niveles digitales no

proporcionan dicha información. Por lo tanto, hay que convertir dichos

valores ND en valores de reflectancia. Este proceso se realiza en dos

etapas:

a) Conversión de ND a Radiancia (esta etapa se conoce como

calibración radiométrica)

b) Conversión de Radiancia a Reflectancia Aparente (es decir, el

cálculo de la reflectancia en el sensor)

Si, adicionalmente, se remueven los efectos atmosféricos, es posible

convertir la reflectancia en el sensor en reflectancia en la superficie. En

tal caso, se habrá realizado un proceso completo de corrección

atmosférica.

1. Corregiremos la imagen de LandSat 8

con el método de reflectancia

entramos en Toolbox Radiometric

Correction Radiometric Calibration.



Se abrirá estaba ventana y

utilizaremos las bandas

multiespectrales y clic en

Ok.

En esta ventana nos

proporciona el tipo de

calibración que deseamos

dar a la imagen, para este

caso voy a utilizar la

Radiancia.

Hacemos clic en Apply

FLAASH Settings

Corrección Radiancia Sin Corrección



Análisis atmosférica Fast Línea de visión de Hipercubos

(FLAASH)

FLAASH es una herramienta de corrección atmosférica de primeros

principios que corrige longitudes de onda del visible a través de las

regiones del infrarrojo del infrarrojo cercano y de onda corta, de hasta 3

m. (Para las regiones termales, utilice la opción Herramientas de

corrección radiométrica> Corrección Atmosférica térmica.) FLAASH

trabaja con la mayoría de los sensores hiperespectrales y

multiespectrales. El vapor de agua y la recuperación de aerosoles sólo

son posibles cuando la imagen contiene bandas en posiciones de

longitud de onda apropiada. FLAASH puede corregir las imágenes

recogidas en cualquiera vertical (nadir) o geometrías oblicuas de

visualización.

Introducimos la

imagen de valores

de radiacia.

El factor de la

escala de radiancia

va ser 10.



Ahora vamos a configurar el tipo de sensor que se esta

utilizando. Estamos utilizando LandSat 8 OLI

Guardamos archivo

de salida de

Reflectancia.

Direccionamos el

archivo de salida de

FLAASH

Nombre del archivo

de salida FLAASH



Seguido configuramos la fecha y hora que se tomó la imagen

Landsat 8 OLI, para ver esta información entramos la

visualización de la imagen cruda – View metadata, se abrirá

una ventana con las características de la imagen.



Cada verificamos el tipo de sensor: Landsat OLI

Verificamos el tamaño de pixel que tiene las bandas

multiespectrales



Verificamos la proyección – UTM Zona 18S

Verificamos la extensión que tiene la imagen



Visualizamos los espectro de Reflectancia a corregir.

Parámetros de la imagen



Verificamos la fecha y hora que ha sido tomado la imagen

Verificamos la calibración del factor de escala.



Por defecto nos salió las

coordenadas geográficas del

centro de localización de escena

de la imagen.

Nos encontramos en el Trópico

y el modelo No Aerosol.



Seleccione Opciones de modelo de la Atmósfera

Utilice el modelo atmosférico lista desplegable para elegir uno de los

estándares MODTRAN ® modelos de atmósferas.

Para obtener los mejores resultados, seleccione un modelo cuyo nivel de

vapor de agua en columna cantidad es similar o algo mayor que, que

espera que para la escena. Las cantidades de vapor de agua de la

columna estándar (desde el nivel del mar hasta el espacio) para cada

atmósfera del modelo se presentan en la siguiente tabla.

MODELO AMBIENTE

VAPOR DE

AGUA

(STD ATM-

CM)

VAPOR DE

AGUA

(G / CM 2 )

SUPERFICIE TEMPERATURA

DEL AIRE

SUB-ÁRTICO INVIERNO

(SAW) 518 0.42 -16 ° C (3 ° F)

LATITUDES MEDIAS DE

INVIERNO (MLW) 1060 0.85 -1 ° C (30 ° F)

ESTÁNDAR EE.UU. (EE.UU.) 1762 1.42 15 ° C (59 ° F)

SUB-ÁRTICO DE VERANO

(SAS) 2589 2.08 14 ° C (57 ° F)

LATITUDES MEDIAS DE

VERANO (MLS) 3636 2.92 21 ° C (70 ° F)

TROPICAL (T) 5119 4.11 27 ° C (80 ° F)

Si no hay información de vapor de agua está disponible, seleccione una

atmósfera de acuerdo a la temperatura del aire en superficie conocido o

esperado, lo que tiende a correlacionarse con el vapor de agua. Si la

temperatura no es conocida, seleccione una atmósfera en la siguiente

tabla, que se basa en un modelo de temperatura de la superficie de

temporada-la latitud.

Latitud (° N) Ene Marzo Mayo Julio Septiembre Noviembre

80 SAW SAW SAW MLW MLW SAW

70 SAW SAW MLW MLW MLW SAW

60 MLW MLW MLW SAS SAS MLW

50 MLW MLW SAS SAS SAS SAS

40 SAS SAS SAS MLS MLS SAS

30 MLS MLS MLS T T MLS

20 T T T T T T

10 T T T T T T



Comparación de Reflectancia FLAASH y Radiancia

Para ello hemos creado nuevo visualización con “Create New View” y

dividir la pantalla en 2, forma vertical.

Para mostrar la misma zona en las dos imágenes hacemos clic en “Link

Views” ahí agregaremos las visualizaciones.

0 T T T T T T

-10 T T T T T T

-20 T T T MLS MLS T

-30 MLS MLS MLS MLS MLS MLS

-40 SAS SAS SAS SAS SAS SAS

-50 SAS SAS SAS MLW MLW SAS

-60 MLW MLW MLW MLW MLW MLW





En esta ventana seleccionamos Geo Link y Link All, Link a todas las

visualizaciones.

Ahora ya tenemos Geo Link ponemos OK.



Exportar la imagen de Reflectancia FLAASH

Para guardar en otro formato nos dirigimos al menú principal

File > Save As…



Guía 5:

CORTAR UNA IMAGEN CON LA ZONA DE ESTUDIO -

ENVI 5.1.

El formato ESRI Shapefile (SHP) es un formato de archivo informático

propietario de datos espaciales desarrollado por la compañía ESRI, quien

crea y comercializa software para Sistemas de Información Geográfica

como Arc/Info o ArcGIS. Originalmente se creó para la utilización con su

producto ArcView GIS, pero actualmente se ha convertido en formato

estándar de facto para el intercambio de información geográfica entre

Sistemas de Información Geográfica por la importancia que los

productos ESRI tienen en el mercado SIG y por estar muy bien

documentado.

Un shapefile es un formato vectorial de almacenamiento digital donde se

guarda la localización de los elementos geográficos y los atributos

asociados a ellos. No obstante carece de capacidad para almacenar

información topológica. Es un formato multiarchivo, es decir está

generado por varios ficheros informáticos. El número mínimo requerido

es de tres y tienen las extensiones siguientes:

.shp - es el archivo que almacena las entidades geométricas de los

objetos.

.shx - es el archivo que almacena el índice de las entidades

geométricas.

.dbf - es la base de datos, en formato dBASE, donde se almacena

la información de los atributos de los objetos.

Además de estos tres archivos requeridos, opcionalmente se pueden

utilizar otros para mejorar el funcionamiento en las operaciones de

consulta a la base de datos. Estos archivos son:

.prj - Es el archivo que guarda la información referida al sistema

de coordenadas en formato WKT.

.sbn y .sbx - Almacena el índice espacial de las entidades.

.fbn y .fbx - Almacena el índice espacial de las entidades para los

shapefiles que son inalterables (solo lectura).

.ain y .aih - Almacena el índice de atributo de los campos activos

en una tabla o el tema de la tabla de atributos.



.shp.xml - Almacena los metadatos del shapefile.

Nos dirigimos en ENVI 5.1 menú principal File New Vector Layer…

En esta ventana nos pedirá la

información de la entidad a crear:

nombre, Tipo de entidad y

proyección, en este caso hacemos

clic en la imagen proyectada con

UTM, Zona 18 S.



Después de haber creado vamos a editar la entidad, para construir en la

visualización de ENVI.

Guardamos el shapefile entrando en el

menú principal File > Save As…

Crear vector Editar vector

Editar vértice



Ahora pasamos a recortar la imagen en forma de la zona de estudio.

Entramos en toolbox > Raster Management >

Resize Data

En esta ventana seleccionamos Spatial Subset,

para incorporar el archivo shapefile y cortar en

su forma.



Hay varias formas de cortar la

imagen, en este ejemplo

vamos a utilizar ROI/EVF.

Seleccionamos el shapefile:

Zona_Estudio.shp

Ya tenemos el área de corte.



Guardamos la imagen de salida

con el nombre de

Clip_7_66_Flaash



Guía 6:

Fusión de imagen multiespectrales LandSat 8 – banda

pancromática - ENVI 5.1.

¿Qué es la fusión de imágenes?

La fusión de imágenes utiliza una imagen pancromática de mayor resolución (o

banda de ráster) para fusionar con un dataset ráster multibanda de menor

resolución. El resultado produce un dataset ráster multibanda con la resolución del

ráster pancromático en donde los dos rásteres se superponen completamente.

La fusión de imágenes es una transformación radiométrica disponible a través de

la interfaz de usuario o desde una herramienta de geoprocesamiento. Varias

compañías de imagen proporcionan imágenes multibanda de baja resolución e

imágenes pancromáticas de mayor resolución de las mismas escenas. La fusión

de imágenes se utiliza para incrementar la resolución espacial y proporcionar una

mejor visualización de una imagen multibanda con la imagen de banda única de

alta resolución.

Método Gram-Schmidt

El método de fusión de imágenes Gram-Schmidt, se basa en un algoritmo general

de vector ortogonalización, la ortogonalización de Gram-Schmidt. Este algoritmo

se compone en vectores (por ejemplo, 3 vectores en espacio 3D) que no son

ortogonales, después los rota para que sean ortogonales. En caso de imágenes,

cada banda (pancromático, rojo, verde, azul e infrarrojo) corresponde a un vector

de alta dimensión (#dimensiones = #píxeles).

En el método de fusión de imágenes Gram-Schmidt, el primer paso es crear una

banda de desplazamiento panorámico de baja resolución al calcular un promedio

ponderado de las bandas MS. A continuación, estas bandas no tienen relación

entre sí utilizando el algoritmo de ortogonalización Gram-Schmidt, al tratar a cada



banda como un vector multidimensional. La banda de desplazamiento panorámico

de baja resolución simulada se utiliza como el primer vector; que no se rota o

transforma. La banda de desplazamiento panorámico de baja resolución se

reemplaza después con la banda de desplazamiento panorámico de alta

resolución y todas las bandas se transforman de nuevo en alta resolución.

Algunos pesos sugeridos para los sensores comunes son (orden: rojo, verde, azul,

infrarrojo), como se muestra a continuación:

GeoEye—0.6, 0.85, 0.75, 0.3

IKONOS—0.85, 0.65, 0.35, 0.9

QuickBird—0.85, 0.7, 0.35, 1.0

WorldView-2: 0,95; 0,7; 0,5; 1,0

Para la fusión vamos a utilizar la herramienta de Toolbox > Image Sharpening >

Gram-Schmidt Pan Sharpening.

Seleccionamos la imagen Multi

Banda.



Seleccionamos la imagen

Pancromática (Banda 8)

Sin Fusión Pancromático Con Fusión Pancromático

El tipo de sensor que tamos

utilizando “Landsat8_OLI” y

seleccionamos el método de

remuestreo Bilinear.



Guía 7:

ANÁLISIS ESTADISTICO DE IMAGEN LANDSAT 8 - ENVI

5.1.

Característica de Landsat 8: La imagen a procesar es una

imagen Landsat 8, en que almacena sus datos de pixel se

emplean 16 bits firmados, es decir, cada pixel puede adoptar

un valor que variará entre -31 768 y 32 767.

Cuadro 1. Valores de pixel que se emplean en # bits

El tipo de datos El mínimo (Valor) El máximo (Valor)

1 bit UNSIGNED 0 1

2 bit UNSIGNED 0 3

4 bit UNSIGNED 0 15

8 bit UNSIGNED 0 255

8 bit SIGNED -128 127

16 bit UNSIGNED 0 65 535

16 bit SIGNED -31 768 32 767

32 bit UNSIGNED 0 4 294 967 295

32 bit SIGNED -2 147 483 648 2 147 483 647

32 bit FLOAT Un tipo de dato de 32 bits que admite decimales.

64 bit Un tipo de dato de 64 bits que admite decimales.

Para mejor análisis estadístico de la imagen vamos a trabajar

con 16 bits sin firmado (UNSIGNED), para ello convertiremos

utilizando el ArcGIS 10.2.



Abra el ArcMap 10.2 y entramos en ArcToolbox, entramos en la

Herramientas de administración de datos > Ráster > Dataset ráster >

Copiar ráster

A. In raster (Ráster de entrada): El nombre y la ubicación del dataset raster

(Clip_7_66_Flaash_B8)

A

B

D

E

C

F G



B. Out raster dataset (Dataset ráster de salida): El nombre y la ubicación del

dataset ráster que se va a crear. Al almacenar el dataset ráster en un

formato de archivo, deberá especificar la extensión del archivo:

.bil—Esri BIL

.bip—Esri BIP

.bmp: BMP

.bsq—Esri BSQ

.dat: ENVI DAT

.gif: GIF

.img: ERDAS IMAGINE

.jpg: JPEG

.jp2: JPEG 2000

.png: PNG

.tif: TIFF

ninguna extensión para Cuadrícula de Esri

Cuando almacene un dataset ráster en una geodatabase, no se deberá

agregar ninguna extensión de archivo al nombre del dataset ráster.

C. Configuration Keyword (Palabra clave de configuración (opcional))

Especifica los parámetros de almacenamiento (configuración) para una

geodatabase de archivos y una geodatabase de ArcSDE. Las

geodatabases personales no utilizan palabras clave de configuración.

Seleccionamos la opción DEFAULTS.



D. Ignore Nodata (Ignorar valor de fondo (opcional)): digitalice el valor “0”

Utilice esta opción para quitar los valores no deseados que se crean

alrededor de los datos ráster. El valor especificado se distinguirá de otros

datos valiosos en el dataset ráster. Por ejemplo, un valor de cero a lo largo

de los bordes del dataset ráster se distinguirá de los valores cero dentro del

dataset ráster.

E. NoData Value (Valor NoData (opcional)): digitalice el valor “0”; Todos los

píxeles con el valor especificado se establecerán como NoData en el

dataset ráster de salida.

F. Pixel Type (Tipo de píxel (opcional)): Seleccione 16_BIT_UNSIGNED

Determina la profundidad de bit del dataset ráster de salida. Si no se

especifica, la profundidad de bit de salida será igual que la de la entrada.

No se producirá un re-escalamiento de los valores ráster cuando se elija un

tipo de píxel diferente. Si el tipo de píxel se degrada (se lo baja), los valores

ráster que estén fuera del rango válido para esa profundidad de píxel se

truncarán y se perderán. (Cuadro 1.)

G. Scale Pixel Value (Escalar valor de píxel (opcional)): activar el rango de

8 bits.

Cuando la salida es un tipo diferente de píxel que el de entrada (como 16

bits a 8 bits) puede elegir que los valores se aumenten para que se ajusten

al nuevo rango; de lo contrario, los valores que no se ajusten en el nuevo

rango de píxel se desecharán.

Marcado: los valores de píxeles aumentarán al nuevo tipo de píxeles.

Cuando ajusta la profundidad del píxel, el ráster lo mostrará, pero los

valores se ajustarán según a la nueva profundidad de bit que se

especificó.



7.1. Calcular estadísticas

ENVI puede calcular estadísticas básicas y / o información tabulada

histograma (distribución de frecuencias) para las imágenes de una sola

banda o multibanda. El mínimo, máximo y espectros significar sólo

pueden calcularse para imágenes multibanda. Del mismo modo, las

estadísticas de covarianza, que incluyen vectores propios y una matriz

de correlación, sólo pueden calcularse para imágenes multibanda. Las

estadísticas se calculan en doble precisión.

Desde el cuadro de herramientas (Toolbox), seleccione Estadísticas>

Calcular estadísticas. Aparecerá el cuadro de diálogo de archivo de

entrada Calcular estadísticas.



En la Selección de archivos de entrada, seleccione el archivo de entrada

al seleccionar el nombre del archivo.

Haga clic en Aceptar. Aparecerá el cuadro de diálogo Calcular

Parámetros Estadísticas.

Seleccione el tipo de estadísticas que

incluyen:

Estadísticas básicas: Calcula las

estadísticas básicas (el mínimo, máximo,

media y desviación estándar para todas

las bandas) para sus datos. Estas

estadísticas básicas se calculan siempre.

Esta opción siempre se establece.

ENVI no calcula estadísticas para algunas

bandas especificadas como malas bandas

en el archivo de cabecera de la imagen.

Histogramas: Calcula el histograma de cada banda. Los cálculos de

distribución de frecuencias también devuelven el número de puntos,

puntos acumulables, por ciento por cada bin, y el porcentaje

acumulativo para cada DN (Número Digital) en el histograma de la

imagen.

Covarianza: Calcula la matriz de covarianza, la matriz de correlación,

los valores propios y vectores propios. Cuando se selecciona, la

imagen Covarianza casilla de verificación también aparece en el

cuadro de diálogo. Seleccione la covarianza Imagen casilla para

devolver las matrices de covarianza y correlación, y los vectores

propios como imágenes en la lista de bandas disponibles. Las

dimensiones de las imágenes resultantes se nb por NB , donde nb es

el número de bandas de los datos de entrada. Los vectores propios

están asociados con las filas en la imagen de salida vector propio.



Activamos las dos opciones, para

guardar el archivo de estadística

y el reporte del archivo texto.

Ya hemos guardados el archivo

estadística y el reporte.

Cambiar la precisión de los

datos que aparece en el

informe hacemos clic en

Report Precision…

Seleccione la salida a la pantalla

de la casilla de verificación para

mostrar el informe de

estadísticas en la pantalla.



Para cambiar la precisión de los datos que aparece en el informe de

estadísticas de producción, haga clic en Informe de precisión. Aparecerá

el cuadro de diálogo Establecer Informe de precisión.

Utilice la precisión de datos de campo para establecer el número

de dígitos a mostrar después del punto decimal.

Utilice el Informe flotante botón de activación para designar el

formato (normal o científico) de los números en el informe ASCII.

normales números están en formato decimal (por ejemplo,

25,88). Científicos números son un solo dígito seguido de un valor

decimal, la carta E, y el poder exponencial (por ejemplo, 2.588e

001).

Haga clic en Aceptar. Cuando se calculan las estadísticas, las

estadísticas Resultados aparecerá la ventana gráfica.



Ver Statistics Reports

La sección de ventana las Estadísticas Resultados diálogo muestra el

perfil que ha seleccionado en el Select Plot botón desplegable. En la

ventana gráfica, botones del ratón le permiten realizar las siguientes

tareas:

Botón izquierdo del ratón: muestra un cursor en forma de cruz en el

punto de datos más cercano e informa de su (x, y).

Botón derecho del ratón: Contiene todas las opciones asociadas con

una ventana de dibujo regular.

Para guardar los resultados entramos en

el menú principal File > Save results

text file…

Lo abrimos el archivo con Excel.



Cuadro 2. Estadística básica de la imagen

Basic Stats Min Max Mean Stdev Num Eigenvalue

Band 1 31397 33997 31853.7074 135.954075 1 38225.7777

Band 2 31809 33704 32154.1648 104.671537 2 5656.91279

Band 3 32277 33382 32500.7559 73.089763 3 783.281319

Band 4 32465 33526 32645.6773 64.568202 4 28.039243

Band 5 32674 33770 33041.332 74.372594 5 6.673315

Band 6 32756 32985 32785.3724 14.840065 6 1.633252

La imagen LandSat 8, trabaja con valores de pixel de 16 bits.

Nota: recordar que los niveles es diferente de 8 bits y 16bits; el de 8

bits = 256 niveles por canal de color (x3 canales de color (RGB)

= 256 x 256 x 256 = 16.777.216 colores y el de 16 bits =

65.536 niveles por canal de color.

En el cuadro 1 se muestra las estadísticas básicas de una imagen de

satélite, en la que para almacenar el valor de un pixel se emplean 16

bits, es decir, cada pixel puede adoptar un valor que variará entre 0 y

65535.

Extraer las siguientes conclusiones:

La banda 6 posee todos píxeles con niveles digitales concentrados entre

los valores 32756 y 32985, es decir no se encontrará en esa banda

ningún pixel con un valor inferior a 32756 y superior a 32985. La banda

que pose poca concentración es la Banda 6 (Max – Min = 229).



7.2. Medidas de tendencia central

Estos tipos de medidas permiten identificar y ubicar el ND al cual tiende

agruparse los Niveles Digitales (valor central). Cuando se aplica a

poblaciones, se les denomina parámetros o valores estadísticos de la

población. Las principales medidas utilizadas para ubicar el ND central

son la media aritmética, la mediana y la moda.

• Media aritmética

Es la medida de tendencia central más utilizada y sencilla de calcular,

debido al manejo algebraico. La media aritmética representa el valor

medio, alrededor del cual se agrupa resto de los valores radiométricos

de una banda. La media se analiza en el conjunto con los valores

mínimos y máximos y la desviación estándar, lo que permite conocer el

comportamiento radiométrico de la imagen, su grado de homogeneidad

y de dispersión. La principal desventaja de la media aritmética, está en

la sensibilidad a cambios de los valores o valores extremos.

Adicionalmente a la media aritmética, existen otras medidas como la

media geométrica, la media ponderada, la media cuadrática, entre

otras.

• Mediana

Corresponde al valor del ND intermedio cuando todos los elementos se

ordenan en una lista de menor a mayor o de mayor a menor. Se tiene

que el 50% de las observaciones se encuentran por arriba de la mediana

del ND y 50% por debajo de ella.

Para el cálculo de la mediana, debe considerarse que las imágenes que

cuenten con un número total de píxeles impar, la mediana dará como

resultado la posición intermedia de la serie ordenada, mientras que para

un número total de píxeles par, se debe promediar los dos valores de las

posiciones centrales.

• Moda

ND que presenta mayor frecuencia en una imagen. Algunas veces es

posible que se presente dos valores con mayor frecuencia, por lo que se

denomina bimodal, otras veces con más de dos valores, lo que se

conoce como multimodal.



7.3. Medidas de dispersión

Estas medidas permiten identificar cuanto se dispersan los ND alrededor

del ND central, en otras palabras, permiten conocer como los valores de

los datos se reparten a través del rango radiométrico de la imagen,

tomando como referencia el ND central.

• Desviación estándar o típica

La desviación estándar permite determinar el promedio aritmético o

fluctuaciones de los datos respecto a su punto central o media. Si los

valores tienden a concentrarse alrededor de la media - la desviación

estándar es pequeña, si los valores tienden a distribuirse lejos de la

media – la desviación estándar es grande.

Ejemplo práctico:

Imaginemos que disponemos de una caja de 65 536 lápices de colores.

Todos los lápices están ordenados por tonalidades; tal y como se

venden en las papelerías. Si observamos la caja nos damos cuenta que

el color de un lápiz es muy similar (a veces idéntico) al situado a su

lado. Supongamos que a cada lápiz se le asocia un valor, un nivel

digital. Si pintamos cada pixel de la banda 2 y de la banda 5 con su lápiz

correspondiente: ¿qué sucederá con la visualización de ambas bandas?

banda 6 posee todos su píxeles con valores muy concentrados en un

rango pequeño (32756 - 32985), su visualización presentará poca

variación en cuanto a tonalidad se refiere. Sin embargo, la banda 1

(31397 - 33997), empleará toda la caja para visualizar la imagen.

Como conclusión distinguiremos más detalles en la banda 1 que en la

banda 6. No olvidemos que las dos están representando a la misma

porción de terreno.

¿Y si en lugar de una caja de colores empleamos una gama de 255

grises que van desde el negro al blanco? Con más razón mejor contraste

en la imagen.



Hacemos clic en la banda 6,

para representar en rangos de

colores.

Rango de Pixel de la imagen

banda 6.

Crear una nueva clasificación

de colores.

Numero de rangos de colores

255 (RGB) para la clasificación.



Cuadro 3. Histograma de la Banda 6

DN Npts FA Total FR Percent FR Acc Pct

32756 299948 299948 7.4594 7.4594

32757 0 299948 0 7.4594

32758 0 299948 0 7.4594

32759 0 299948 0 7.4594

32760 0 299948 0 7.4594

32761 0 299948 0 7.4594

32762 5953 305901 0.148 7.6075

32763 1173 307074 0.0292 7.6366

32764 145 307219 0.0036 7.6403

32765 177 307396 0.0044 7.6447

32766 3909 311305 0.0972 7.7419

32767 15797 327102 0.3929 8.1347

32768 12957 340059 0.3222 8.457

32769 21746 361805 0.5408 8.9978

Numero de

pixel Frecuencia

Absoluta

Frecuencia

Absoluta

Frecuencia

Relativa



32770 8761 370566 0.2179 9.2156

32771 8358 378924 0.2079 9.4235

32772 9327 388251 0.232 9.6554

32773 11513 399764 0.2863 9.9418

32774 16061 415825 0.3994 10.3412

32775 25840 441665 0.6426 10.9838

32776 43097 484762 1.0718 12.0556

32777 66387 551149 1.651 13.7066

32778 96803 647952 2.4074 16.114

32779 135919 783871 3.3802 19.4941

32780 186567 970438 4.6397 24.1339

32781 242615 1213053 6.0336 30.1675

32782 278297 1491350 6.921 37.0885

32783 284725 1776075 7.0808 44.1693

32784 257791 2033866 6.411 50.5804

32785 225382 2259248 5.605 56.1854

32786 196765 2456013 4.8934 61.0788

32787 174165 2630178 4.3313 65.4101

32788 155658 2785836 3.8711 69.2812

32789 140007 2925843 3.4818 72.763

32790 126114 3051957 3.1363 75.8993

32791 113321 3165278 2.8182 78.7175

32792 101561 3266839 2.5257 81.2432

32793 89121 3355960 2.2164 83.4596

32794 78073 3434033 1.9416 85.4012

32795 67497 3501530 1.6786 87.0798

32796 57645 3559175 1.4336 88.5134

32797 49560 3608735 1.2325 89.7459

32798 42757 3651492 1.0633 90.8092

32799 36890 3688382 0.9174 91.7266

32800 31814 3720196 0.7912 92.5178

32801 28331 3748527 0.7046 93.2224

32802 24935 3773462 0.6201 93.8425

32803 21603 3795065 0.5372 94.3797

32804 19126 3814191 0.4756 94.8554

32805 16732 3830923 0.4161 95.2715

32806 14749 3845672 0.3668 95.6383

32807 13420 3859092 0.3337 95.972

32808 11931 3871023 0.2967 96.2687

32809 11148 3882171 0.2772 96.546

32810 10049 3892220 0.2499 96.7959



32811 8894 3901114 0.2212 97.0171

32812 8192 3909306 0.2037 97.2208

32813 7246 3916552 0.1802 97.401

32814 6497 3923049 0.1616 97.5626

32815 6081 3929130 0.1512 97.7138

32816 5657 3934787 0.1407 97.8545

32817 4991 3939778 0.1241 97.9786

32818 4496 3944274 0.1118 98.0904

32819 4345 3948619 0.1081 98.1985

32820 3826 3952445 0.0951 98.2936

32821 3478 3955923 0.0865 98.3801

32822 3288 3959211 0.0818 98.4619

32823 3009 3962220 0.0748 98.5367

32824 2846 3965066 0.0708 98.6075

32825 2588 3967654 0.0644 98.6719

32826 2365 3970019 0.0588 98.7307

32827 2068 3972087 0.0514 98.7821

32828 1964 3974051 0.0488 98.831

32829 1823 3975874 0.0453 98.8763

32830 1714 3977588 0.0426 98.9189

32831 1596 3979184 0.0397 98.9586

32832 1426 3980610 0.0355 98.9941

32833 1325 3981935 0.033 99.027

32834 1227 3983162 0.0305 99.0575

32835 1109 3984271 0.0276 99.0851

32836 1071 3985342 0.0266 99.1118

32837 1019 3986361 0.0253 99.1371

32838 893 3987254 0.0222 99.1593

32839 869 3988123 0.0216 99.1809

32840 800 3988923 0.0199 99.2008

32841 791 3989714 0.0197 99.2205

32842 693 3990407 0.0172 99.2377

32843 718 3991125 0.0179 99.2556

32844 623 3991748 0.0155 99.2711

32845 619 3992367 0.0154 99.2865

32846 606 3992973 0.0151 99.3015

32847 577 3993550 0.0143 99.3159

32848 563 3994113 0.014 99.3299

32849 518 3994631 0.0129 99.3428

32850 524 3995155 0.013 99.3558

32851 467 3995622 0.0116 99.3674



32852 442 3996064 0.011 99.3784

32853 485 3996549 0.0121 99.3905

32854 422 3996971 0.0105 99.401

32855 424 3997395 0.0105 99.4115

32856 421 3997816 0.0105 99.422

32857 416 3998232 0.0103 99.4323

32858 434 3998666 0.0108 99.4431

32859 461 3999127 0.0115 99.4546

32860 407 3999534 0.0101 99.4647

32861 369 3999903 0.0092 99.4739

32862 398 4000301 0.0099 99.4838

32863 399 4000700 0.0099 99.4937

32864 412 4001112 0.0102 99.5039

32865 380 4001492 0.0095 99.5134

32866 433 4001925 0.0108 99.5242

32867 380 4002305 0.0095 99.5336

32868 391 4002696 0.0097 99.5433

32869 380 4003076 0.0095 99.5528

32870 376 4003452 0.0094 99.5621

32871 412 4003864 0.0102 99.5724

32872 370 4004234 0.0092 99.5816

32873 358 4004592 0.0089 99.5905

32874 380 4004972 0.0095 99.5999

32875 382 4005354 0.0095 99.6094

32876 364 4005718 0.0091 99.6185

32877 370 4006088 0.0092 99.6277

32878 326 4006414 0.0081 99.6358

32879 344 4006758 0.0086 99.6443

32880 334 4007092 0.0083 99.6527

32881 349 4007441 0.0087 99.6613

32882 361 4007802 0.009 99.6703

32883 373 4008175 0.0093 99.6796

32884 353 4008528 0.0088 99.6884

32885 340 4008868 0.0085 99.6968

32886 332 4009200 0.0083 99.7051

32887 338 4009538 0.0084 99.7135

32888 307 4009845 0.0076 99.7211

32889 345 4010190 0.0086 99.7297

32890 318 4010508 0.0079 99.7376

32891 320 4010828 0.008 99.7456

32892 309 4011137 0.0077 99.7532



32893 329 4011466 0.0082 99.7614

32894 290 4011756 0.0072 99.7686

32895 309 4012065 0.0077 99.7763

32896 285 4012350 0.0071 99.7834

32897 262 4012612 0.0065 99.7899

32898 278 4012890 0.0069 99.7968

32899 266 4013156 0.0066 99.8035

32900 273 4013429 0.0068 99.8102

32901 281 4013710 0.007 99.8172

32902 277 4013987 0.0069 99.8241

32903 255 4014242 0.0063 99.8305

32904 240 4014482 0.006 99.8364

32905 252 4014734 0.0063 99.8427

32906 254 4014988 0.0063 99.849

32907 237 4015225 0.0059 99.8549

32908 255 4015480 0.0063 99.8613

32909 216 4015696 0.0054 99.8666

32910 206 4015902 0.0051 99.8718

32911 201 4016103 0.005 99.8767

32912 206 4016309 0.0051 99.8819

32913 217 4016526 0.0054 99.8873

32914 222 4016748 0.0055 99.8928

32915 201 4016949 0.005 99.8978

32916 221 4017170 0.0055 99.9033

32917 165 4017335 0.0041 99.9074

32918 166 4017501 0.0041 99.9115

32919 162 4017663 0.004 99.9155

32920 163 4017826 0.0041 99.9196

32921 151 4017977 0.0038 99.9234

32922 153 4018130 0.0038 99.9272

32923 156 4018286 0.0039 99.931

32924 146 4018432 0.0036 99.9347

32925 133 4018565 0.0033 99.938

32926 130 4018695 0.0032 99.9412

32927 115 4018810 0.0029 99.9441

32928 132 4018942 0.0033 99.9474

32929 133 4019075 0.0033 99.9507

32930 116 4019191 0.0029 99.9535

32931 109 4019300 0.0027 99.9563

32932 92 4019392 0.0023 99.9585

32933 90 4019482 0.0022 99.9608



32934 95 4019577 0.0024 99.9631

32935 76 4019653 0.0019 99.965

32936 84 4019737 0.0021 99.9671

32937 77 4019814 0.0019 99.969

32938 75 4019889 0.0019 99.9709

32939 59 4019948 0.0015 99.9724

32940 60 4020008 0.0015 99.9739

32941 59 4020067 0.0015 99.9753

32942 73 4020140 0.0018 99.9771

32943 70 4020210 0.0017 99.9789

32944 55 4020265 0.0014 99.9803

32945 49 4020314 0.0012 99.9815

32946 53 4020367 0.0013 99.9828

32947 60 4020427 0.0015 99.9843

32948 52 4020479 0.0013 99.9856

32949 50 4020529 0.0012 99.9868

32950 37 4020566 0.0009 99.9877

32951 46 4020612 0.0011 99.9889

32952 45 4020657 0.0011 99.99

32953 42 4020699 0.001 99.991

32954 32 4020731 0.0008 99.9918

32955 35 4020766 0.0009 99.9927

32956 23 4020789 0.0006 99.9933

32957 21 4020810 0.0005 99.9938

32958 26 4020836 0.0006 99.9945

32959 24 4020860 0.0006 99.9951

32960 24 4020884 0.0006 99.9956

32961 22 4020906 0.0005 99.9962

32962 15 4020921 0.0004 99.9966

32963 13 4020934 0.0003 99.9969

32964 13 4020947 0.0003 99.9972

32965 17 4020964 0.0004 99.9976

32966 12 4020976 0.0003 99.9979

32967 13 4020989 0.0003 99.9983

32968 10 4020999 0.0002 99.9985

32969 8 4021007 0.0002 99.9987

32970 9 4021016 0.0002 99.9989

32971 8 4021024 0.0002 99.9991

32972 9 4021033 0.0002 99.9994

32973 5 4021038 0.0001 99.9995

32974 3 4021041 0.0001 99.9996



32975 4 4021045 0.0001 99.9997

32976 1 4021046 0 99.9997

32977 1 4021047 0 99.9997

32978 1 4021048 0 99.9997

32979 3 4021051 0.0006 99.9998

32980 1 4021052 0 99.9998

32981 2 4021054 0 99.9999

32982 2 4021056 0 99.9999

32983 0 4021056 0 99.9999

32984 1 4021057 0 100

32985 2 4021059 0 100

TOTAL 4021059 100

Figura 1. Barra de frecuencia relativa de los pixeles en Niveles Digitales

(DN) de la banda 6

Para los píxeles cuyo ND es 32790 el histograma informa que:

• Columna Nº de píxeles: La imagen posee 126114 pixeles con ND

32790.

• Columna Total: 3051957 píxeles de la imagen almacenan un ND

32790 o menor.

• Columna Frecuencia %: Dicho de otra forma el 3.1363% de los

pixeles de la imagen tienen ND 32790.



• Columna Frecuencia acumulada %: el 75.8993% tiene ND

32790 o menor.

Debe observarse que el 99% de los pixeles de la imagen tienen valores

entre 32756 y 32833, es decir, la mayoría de los píxeles de la imagen

tienen un ND en un rango de 32795 ND ((32756-32833)/2), cuando la

disponibilidad es entre 0 y 255. Los píxeles almacenan niveles muy

concentrados, existe muy poca dispersión. Esto implica también, que la

imagen adolece de poco contraste.



Guía 8:

Clasificación supervisada - Flujo de trabajo de

clasificación para categorizar los píxeles de una imagen

LandSat 8 en muchas clases - ENVI 5.1

El flujo de trabajo de clasificación utiliza cualquiera de los métodos no

supervisados o supervisadas categorizar píxeles de una imagen en

muchas clases. Usted puede realizar una clasificación no supervisada sin

proporcionar datos de entrenamiento, o puede realizar una clasificación

supervisada, en la que usted proporciona datos de entrenamiento y se

especifica un método de clasificación de máxima probabilidad, la

distancia mínima, la distancia de Mahalanobis, o espectral Angle Mapper

(SAM).

Seleccionamos la

imagen a clasificar.



Seleccionamos el método

de clasificación

supervisada.

Propiedades de la clase:

nombre de la clase, color

de la clase.

Datos de las clases

Estas herramientas

podemos crear más

clases, eliminar,

abrir y guarda

Visualización de la

clasificación de la

imagen Landsat 8



Con esta herramienta crearemos

los polígonos para representar la

clasificación de bosque, pastizal,

rio, playón, deforestación.



En la pestaña Algoritmo, seleccione un método de clasificación de la lista

desplegable provista. Para opcionalmente ajustar la configuración de los

parámetros de los algoritmos, vea Establecer opciones avanzadas:

Máxima Verosimilitud: Asume que las estadísticas de cada clase

en cada banda tienen una distribución normal y calcula la

probabilidad de que un píxel dado pertenece a una clase

específica. Cada píxel se le asigna a la clase que tiene la

probabilidad más alta (es decir, la probabilidad máxima). Este es

el valor predeterminado.

Distancia mínima: Usos de los vectores de medias para cada

clase y calcula la distancia euclidiana de cada pixel desconocido

para el vector medio para cada clase. Los píxeles se clasifican en

la clase más cercana.

Distancia de Mahalanobis: Un clasificador distancia sensible a la

dirección que utiliza las estadísticas para cada clase. Es similar a

la clasificación máxima probabilidad, pero asume todas las

covarianzas de clase son iguales, y por lo tanto es un método más

rápido. Todos los píxeles se clasifican para los datos de

entrenamiento más cercanos.

Espectral ángulo Mapper: (SAM) es una clasificación espectral

de base física que utiliza un n ángulo-D para que coincida con

Tipos de Metodología de

clasificación



píxeles para los datos de entrenamiento. Este método determina

la similitud espectral entre dos espectros mediante el cálculo del

ángulo entre los espectros y tratarlos como vectores en un espacio

con dimensionalidad igual al número de bandas. Esta técnica,

cuando se utilizan en los datos de reflectancia calibrados, es

relativamente insensible a la iluminación y albedo efectos. SAM

compara el ángulo entre el vector de la formación y cada vector

de píxeles en la media de n espacio-D. Ángulos más pequeñas

representan partidos más estrechos con el espectro de referencia.

Los píxeles se clasifican en la clase con el menor ángulo.

Introduzca los valores de los métodos de limpieza que haya activado:

Especifique el tamaño de su núcleo suave usando un número impar (por

ejemplo, 3 = 3x3 píxeles). Píxel central del kernel plaza será

reemplazado por el valor de la clase mayor parte del kernel. El valor

predeterminado es 3.

Elimina el ruido de salida y

pigmentación durante la

limpieza

Elimina pequeñas regiones



Especifique el Agregar Tamaño mínimo en píxeles. Las regiones con un

tamaño de este valor o menor se agregan a una región adyacente, más

grande. El valor predeterminado es 9.

Active la vista previa opción de ver los resultados de limpieza en una

ventana de vista previa antes de procesar toda la imagen. Puede

cambiar la configuración de limpieza y obtener una vista previa de los

resultados de nuevo, si es necesario.

Exportamos la clasificación

en formato ráster.


en formato Shapefile.



Ahora abrimos el ARCGIS 10.2 para agregar el shapefile y corregir las

coberturas de tierra y uso de suelo.


estadística, en formato

texto.

Exportamos las reglas de

clasificación, en formato

ráster.



Nombre de las zonas de nube y zonas urbanas.



Guía 9:

Procesamiento de Imagen Landsat 8 en ArcGIS 10.1

“Conversión de 16bits a 8bits”

IMÁGENES LANDSAT 8 LDCM

Esta nueva entrega intenta resumir las bondades del programa LandSat y al

mismo tiempo dar una breve visión de la nueva etapa de este programa que se ha

puesto en órbita en febrero de 2013 con el lanzamiento de la plataforma Landsat 8

LDCM (Misión de Continuidad de la Información Landsat).

Este año el programa LandSat cumplió 40 años de recolección ininterrumpida de

información espectral de la superficie de la tierra, y otorgó un registro de la

evolución de los sistemas terrestres que se encuentra asegurado en archivos

históricos.

Serie de satélites LandSat y año de su lanzamiento:

LandSat 1: 1972 fuera de servicio




LandSat 5: 1985 el USGS informó que empieza a tener problemas de

funcionamiento (giroscopio) y parece que la nave está llegando al cierre de

su ciclo.

LandSat 6: 1993. Lanzamiento fallido.

LandSat 7: 1999. A partir del año 2003 presenta problemas en la

adquisición y tratamiento de las imágenes, presentándose franjas inclinadas

de datos inválidos (gaps) hacia la izquierda unos 8° respecto a la

orientación horizontal debido a la rotación, provocando la pérdida de un

22% de la información de cada imagen.

Misión de Continuidad de la Información Landsat LDCM (Landsat 8):

Lanzado el 11-02-2013.



Así es como las nuevas bandas de Landsat 8 alinean con Landsat 7:

Landsat 7 Landsat 8

Banda Ancho (µm) Resolución (m) Banda Ancho (µm) Resolución (m)

Band 1 Coastal 0.43 – 0.45 30

Band 1 Blue 0.45 – 0.52 30 Band 2 Blue 0.45 – 0.51 30

Band 2 Green 0.52 – 0.60 30 Band 3 Green 0.53 – 0.59 30

Band 3 Red 0.63 – 0.69 30 Band 4 Red 0.64 – 0.67 30

Band 4 NIR 0.77 – 0.90 30 Band 5 NIR 0.85 – 0.88 30

Band 5 SWIR1 1.55 – 1.75 30 Band 6 SWIR1 1.57 – 1.65 30

Band 7 SWIR2 2.09 – 2.35 30 Band 7 SWIR2 2.11 – 2.29 30

Band 8 Pan 0.52 – 0.90 15 Band 8 Pan 0.50 – 0.68 15

Band 9 Cirrus 1.36 – 1.38 30

Band 6 TIR 10.40 – 12.50 30/60 Band 10 TIRS1 10.6 – 11.19 100

Band 11 TIRS2 11.5 – 12.51 100

INFORMACIÓN PARA NUEVOS USUARIOS IMÁGENES LANDSAT 8

a. Licencia: Los Landsat 8 imágenes son gratuitas;

b. Descargar: Para descargar imágenes del Landsat-8, utilice la guía 16.

c. Colección: El satélite Landsat-8 entró en funcionamiento en 2013, pronto

sólo tiene imágenes de la segunda mitad de este año.

d. Fusión: Si combina la banda 8 PAN (tonos de gris) de 15 metros de

resolución espacial con otras bandas multiespectrales (color) 30 metros, la

resolución espacial final de la escena Landsat-8 será de 15 metros;

e. Resolución radiométrica: Las imágenes Landsat-8 se entregan en 16 Bits

(software como AutoCAD / Photoshop / Gimp no son capaces de ver estas

fotos). Hay que hacer un Rescale a 8 bits (conversión radiométrica);

f. Imagen de la proyección: Proyección UTM WGS 1984 N;

g. Reproyección: Las imágenes Landsat-8 están orientados al NORTE

verdadero, siendo necesario rediseñarlos. Esto significa que en lugar de

recibir una escena Landsat 8-Proyección / Datum UTM Zona 18 WGS1984 S,

recibirá una escena Landsat 8-Proyección / Datum UTM Zona 18 N

WGS1984;

h. Formato de entrega de Landsat-8: GeoTIFF.

i. Revisar el período de Landsat-8: 16 días (lo que significa que el satélite

toma 16 días para hacer otra pasada a través de la misma región).



Cambiar la escala (Conversión radiométrica)

Es el proceso utilizado para llevar a cabo transformaciones radiométricas en

imágenes de satélite. Durante el proceso, las imágenes se convierten en el rango

de 16 bits a 08 bits, facilitando la distribución de otros programas y reducir a la

mitad el tamaño del archivo. Los datos se escalan para ser compatible con la

gama de 8 bits (0-255 niveles de gris), similares a los productos Landsat-5 y

Landsat-7.

Este procedimiento se aplica a todas las bandas,

incluyendo la pancromática. No es necesario

cargar todas las bandas, porque vamos a

ejecutar la tarea en Batch.

Abra el ArcMap 10.1 y entramos en ArcToolbox,

entramos en la Herramientas de administración

de datos > Ráster > Dataset ráster > Copiar

ráster

.



En la primera fila, le hacemos doble clic para abrir el ráster de entrada.

1. Configuración de la primera banda 1.

A

B

D

E

C

F G

Doble clic.



A. In raster (Ráster de entrada): El nombre y la ubicación del dataset raster

(Banda 1)

B. Out raster dataset (Dataset ráster de salida): El nombre y la ubicación del

dataset ráster que se va a crear. Al almacenar el dataset ráster en un

formato de archivo, deberá especificar la extensión del archivo:

.bil—Esri BIL

.bip—Esri BIP

.bmp: BMP

.bsq—Esri BSQ

.dat: ENVI DAT

.gif: GIF

.img: ERDAS IMAGINE

.jpg: JPEG

.jp2: JPEG 2000

.png: PNG

.tif: TIFF




C. Configuration Keyword (Palabra clave de configuración (opcional))

Especifica los parámetros de almacenamiento (configuración) para una

geodatabase de archivos y una geodatabase de ArcSDE. Las

geodatabases personales no utilizan palabras clave de configuración.

Seleccionamos la opción DEFAULTS.



D. Ignore Nodata (Ignorar valor de fondo (opcional)): digitalice el valor “0”

Utilice esta opción para quitar los valores no deseados que se crean

alrededor de los datos ráster. El valor especificado se distinguirá de otros

datos valiosos en el dataset ráster. Por ejemplo, un valor de cero a lo largo

de los bordes del dataset ráster se distinguirá de los valores cero dentro del

dataset ráster.

E. NoData Value (Valor NoData (opcional)): digitalice el valor ”0”; Todos los

píxeles con el valor especificado se establecerán como NoData en el

dataset ráster de salida.

F. Pixel Type (Tipo de píxel (opcional)): Seleccione 8_BIT_UNSIGNED

Determina la profundidad de bit del dataset ráster de salida. Si no se

especifica, la profundidad de bit de salida será igual que la de la entrada.

No se producirá un re-escalamiento de los valores ráster cuando se elija un

tipo de píxel diferente. Si el tipo de píxel se degrada (se lo baja), los valores

ráster que estén fuera del rango válido para esa profundidad de píxel se

truncarán y se perderán.

El tipo de datos El mínimo (Valor) El máximo (Valor)

1 bit UNSIGNED 0 1

2 bit UNSIGNED 0 3

4 bit UNSIGNED 0 15

8 bit UNSIGNED 0 255

8 bit SIGNED -128 127

16 bit UNSIGNED 0 65 535

16 bit SIGNED -31 768 32 767

32 bit UNSIGNED 0 4 294 967 295

32 bit SIGNED -2 147 483 648 2 147 483 647



32 bit FLOAT Un tipo de dato de 32 bits que admite decimales.

64 bit Un tipo de dato de 64 bits que admite decimales.

G. Scale Pixel Value (Escalar valor de píxel (opcional)): activar el rango de

8 bits.

Cuando la salida es un tipo diferente de píxel que el de entrada (como 16

bits a 8 bits) puede elegir que los valores se aumenten para que se ajusten

al nuevo rango; de lo contrario, los valores que no se ajusten en el nuevo

rango de píxel se desecharán.

Desmarcado: los valores de píxeles permanecerán iguales y no

aumentarán. Cualquier valor que no se ajuste dentro del rango de valor

se desechará. Esta es la opción predeterminada.

Marcado: los valores de píxeles aumentarán al nuevo tipo de píxeles.

Cuando ajusta la profundidad del píxel, el ráster lo mostrará, pero los

valores se ajustarán según a la nueva profundidad de bit que se

especificó.



Se ha descargado estos dos

archivos.



Guía 10:

Composición de Bandas del LandSat 8 y 7 en ArcGIS

10.1

1. Bandas de ráster

Algunos rásteres tienen una banda única, o capa (una medida de una sola

característica) de datos, mientras que otros tienen múltiples bandas. Básicamente,

una banda se representa con una sola matriz de valores de celda, y un ráster con

múltiples bandas contiene múltiples matrices de valores de celda que coinciden

espacialmente y que representan la misma área espacial. Un ejemplo de dataset

ráster de banda única es un modelo digital de elevación (DEM). Cada celda en un

DEM contiene solamente un valor que representa la elevación de superficie.

También puede tener una ortofoto de banda única, que a veces se llama imagen

pancromática o de escala de grises.

Cuando hay múltiples bandas, cada ubicación de celda tiene más de un valor

asociado. Con múltiples bandas, cada banda por lo general representa un

segmento del espectro electromagnético recopilado por un sensor. Las bandas

pueden representar cualquier porción del espectro electromagnético, incluidos los

rangos no visibles a simple vista, como las secciones infrarrojas o ultravioletas. El

término banda se originó a partir de la referencia a la banda de color en el

espectro electromagnético.

Cuando crea una capa de mapa a partir de una imagen ráster, puede elegir

mostrar una banda única de datos o formar una composición de color a partir de

múltiples bandas. Una combinación de cualquiera de las tres bandas disponibles



en un dataset ráster multibanda se puede utilizar para crear composiciones RGB.

Al visualizar bandas juntas como composiciones RGB, a veces se puede recabar

más información del dataset que si fuese a trabajar con sólo una banda.

Una imagen de satélite, por ejemplo, por lo general tiene múltiples bandas que

representan distintas longitudes de onda desde las porciones ultravioleta hasta las

visibles e infrarrojas del espectro electromagnético. Las imágenes Landsat, por

ejemplo, son datos recopilados desde siete bandas distintas del espectro

electromagnético. Las bandas 1-7, incluida la 6, representan datos de las regiones

visibles, casi infrarrojas e infrarrojas media. La banda 6 recopila datos de la región

infrarroja termal. Otro ejemplo de una imagen multibanda es una ortofoto de color

verdadero en la que hay tres bandas, cada una representa rojo, verde o celeste.



El satélite Landsat-8 fue diseñado con la posibilidad de generar nuevos productos

por nuevas combinaciones de bandas. En poco tiempo tendremos artículos

académicos que contienen más información, pero es posible que desee saber qué

combinaciones de bandas del satélite Landsat-8 tiene resultados similares

predecesores Landsat-5 y Landsat-7. Consulte la tabla siguiente:

Vista rápida Resultar Landsat 7

Landsat 5 Landsat 8

Infra-rojo 4, 3, 2 5,4,3

Color Natural

3, 2, 1 4,3,2

Falso color 5,4,3 6,5,4

Falso color 7.5.3 7,6,4

Falso color 7,4,2 7.5.3

Fuente: http://landsat.usgs.gov/L8_band_combos.php

http://landsat.usgs.gov/L8_band_combos.php



Entramos ArcToolbox, clic en la herramienta

Data Management Tools – Raster – Raster

Processing – Composite Bands. Vamos a

realizar la composición colorida RGB 6-5-4 de

satélite Landsat 8 que corresponde la antigua

composición RGB 5-4-3.


Bravo Morales, Nino Frank 954849467 Página 1

Guía 11:

Fusión de Imagen en ArcGIS 10.1

Después de la proyección de imagen multiespectral, ha llegado el momento de

lograr la resolución espacial de 15 metros del Landsat-8. Crear dataset ráster con

nitidez de desplazamiento panorámico (Administración de datos), Combina un

dataset ráster pancromático de alta resolución con un dataset ráster multibanda de

menor resolución para crear un ráster rojo-verde-azul (RGB) con la resolución del

ráster pancromático.

Entramos en ArcToolbox, clic en Data Management Tools – Raster – Raster

Processing – Create Pan-Sharpened Raster Dataset

C

A

B

D



A. Input Raster (Ráster de entrada): El dataset ráster de entrada al que desea

aplicar la refinación pancromática. Generalmente, se trata de un dataset

ráster multibanda de baja resolución.

B. Output Raster Dataset (Dataset ráster de salida): El dataset ráster de

salida.

Al almacenar el dataset ráster en un formato de archivo, deberá especificar

la extensión del archivo:

.bil—Esri BIL

.bip—Esri BIP

.bmp: BMP

.bsq—Esri BSQ

.dat: ENVI DAT

.gif: GIF

.img: ERDAS IMAGINE

.jpg: JPEG

.jp2: JPEG 2000

.png: PNG

.tif: TIFF




C. Panchromatic Imagen (Imagen pancromática)

El dataset ráster pancromático. Generalmente, es una imagen de escala de

grises de alta resolución (Banda 8)

D



D. Panchromatic Type (Tipo de nitidez de desplazamiento panorámico):

seleccionamos ESRI, hay otros como logaritmo BROVERY, IHS, etc.

El método de fusión de imágenes:

IHS: Utiliza el espacio de colores Intensidad, Tono y Saturación para la

fusión de datos.

BROVEY: Utiliza el algoritmo Brovey basado en modelado espectral para

la fusión de datos.

Esri: Utiliza el algoritmo Esri basado en modelado espectral para la

fusión de datos.

SIMPLE_MEAN: Utiliza el valor promediado entre los valores rojo, verde

y azul, y el valor de píxel pancromático.

Gram-Schmidt: Utiliza el algoritmo de refinado pancromático espectral

Gram-Schmidt para refinar datos multiespectrales.

Resultado final



Resolución espacial 30 metros

Resolución espacial 15 metros



Guía 12:

Nitidez de la imagen Satelital LandSat 8

Con la imagen resultante de 15 metros, de resolución espacial, vamos aplicar la

nitidez con la ventana análisis de imagen.

1. La activación de la ventana de análisis de imagen,

en el menú principal entramos en Windows (Ventanas)

y hacemos clic en Analyst Imagen.

2. Hacemos clic en la imagen multiespectral y se va

activar varios parámetros.

3. En procesamiento escogemos filtro (Nitidez)

4. Se creará una nueva imagen llamado “Filter_RGB_654_8.tif”.

5. Para ver la diferencia entramos en visualización y hacemos clic en la

imagen resultante “Filter_RGB_654_8.tif”, de ahí hacemos clic en barrear

capa.



6. Al obtener la nitidez de la imagen este archivo, tenemos que guardarlo en

nuestra carpeta de trabajo, en la ventana de análisis de imagen hay un

disquet, hacemos un clic seleccionando la imagen a exportar.

Con nitidez

Sin nitidez



Exportarlo el Raster en la carpeta de ruta.



Guía 13:

Índice de vegetación

El análisis de la vegetación y la detección de los cambios de sus patrones, son

claves para la evaluación de recursos naturales y su monitoreo. Es por ello que

la detección y la evaluación cuantitativa de la vegetación verde constituyen

una de las mejores aplicaciones de la percepción remota para el manejo de los

recursos ambientales y la toma de decisiones.

Con la finalidad de explicar cómo la detección remota interactúa con la

vegetación, y para su mejor comprensión, hemos creído conveniente definir

algunos términos.

1. Fundamentos

La detección remota de la cobertura vegetal se fundamenta en algunas

propiedades que tienen las hojas al interactuar con la radiación solar.

Analizamos a continuación estas propiedades.

2. Comportamiento espectral de la hoja viva

La clorofila no absorbe toda la luz del sol uniformemente, Las moléculas de

clorofila preferentemente absorben la luz roja y azul para usar en la

fotosíntesis (Figura 1). Ellas deben absorber tanta cantidad como 70% a 90%

de la luz incidente en esas regiones. Mucho menos cantidad de la luz verde es

absorbida y más es reflejada, entonces el observador humano, que puede ver

sólo el espectro visible, observa la reflexión dominante de la luz verde como

vegetación viva (Figura 2).

Figura 1. Espectro de absorción para la clorofila.



Figura 2. Reflectancia Espectral típica de una hoja viva En el espectro cercano

al infrarrojo, la reflexión de la hoja es controlada no por pigmentos de plantas,

pero sí por la estructura del tejido esponjoso. La cutícula y la epidermis son

mayormente transparentes a la radiación infrarroja, entonces una muy

pequeña radiación es reflectada de la parte exterior de la hoja. La radiación

que pasa a la epidermis superior es fuertemente esparcida por el tejido

esponjoso y las cavidades dentro de la hoja. Muy poca de esta energía

infrarroja es absorbida internamente, es principalmente (por encima del 60%)

esparcida de manera ascendente (la que se llama energía reflectada) o

descendente (energía trasmitida). Entonces la estructura interna de la hoja es

responsable por el brillo de la reflectancia infrarroja de la vegetación viva.

En el borde del espectro visible la absorción de la luz roja por los pigmentos de

clorofila empieza a declinar, y la reflectancia crece abruptamente. Entonces, si

la reflectancia es considerada no sólo en el visible, pero a través del visible e

infrarrojo cercano, la reflectancia pico de la vegetación viva no está en el verde

pero sí en el infrarrojo cercano (Figura 3). Este comportamiento explica la gran

utilidad del espectro infrarrojo cercano para los estudios de vegetación y, por

supuesto, facilita la separación de las superficies de vegetación de las

superficies sin vegetación, que son usualmente muy oscuras en el infrarrojo

cercano. Además las diferencias en la reflectancia de las especies de plantas

frecuentemente son más pronunciadas en el infrarrojo cercano (Figura 3).



Figura 3. Las diferencias entre las clases de vegetación se distinguen mejor en

el infrarojo que en el visible.

Figura 4: Cambios en el contenido de agua de la hoja deben ser pronunciados

en la región del infrarrojo cercano.

Este diagrama ilustra diferencias en la reflectancia entre la película de agua

equivalente de 0.018 cm y 0.014 cm; cambios en la reflectancia son evidentes

en la región del infrarrojo. Con la madurez o estrés en las plantas por

enfermedad, ataques de insectos, o escasez de humedad, las características

espectrales de la hoja deben cambiar. En general estos cambios

aparentemente ocurren simultáneamente en ambas regiones visible e

infrarrojo, pero los cambios de reflectancia en el infrarrojo frecuentemente son

más notables. La reflectancia en la región del infrarrojo es aparentemente

controlada por la naturaleza de las complejas cavidades entre la hoja y la

reflexión interna de radiación infrarroja de esas cavidades.



Algunos científicos sugieren que la tensión de la humedad o madurez natural

de la hoja causa esas cavidades para colapsar como plantas marchitas. Otros

sostienen que es posible que el decrecimiento en la reflexión de la región

cercana al infrarrojo sea causado por el deterioro de células muertas antes que

cambios físicos en las cavidades.

Entonces, los cambios en el vigor de la vegetación y las imágenes del infrarrojo

han sido valiosos en la detección y mapeo de presencia, distribución, y

extensión de los cultivos enfermos e infestaciones de insectos. Además, los

cambios en la estructura de la hoja que acompañan la madurez natural de los

cultivos están sujetos a detección con imágenes del infrarrojo (Figura 5).

Figura 5. Mayores influencias en las propiedades espectrales de la hoja viva.

3. Definición de índice de vegetación

Son medidas cuantitativas, basadas en los valores digitales, que tienden a

medir la biomasa o vigor vegetal. Usualmente el índice de vegetación es

producto de varios valores espectrales que son sumados, divididos, o

multiplicados en una forma diseñada para producir un simple valor que indique

la cantidad o vigor de vegetación dentro de un píxel. Altos valores de índices

de vegetación identifican píxeles cubiertos por proporciones substanciales de

vegetación saludable.

Existe una variedad de Índices de Vegetación que han sido desarrollados para

ayudar en el monitoreo de la vegetación. La mayoría de estos índices están

basados en las interacciones diferentes entre la vegetación y la energía

electromagnética de las bandas del espectro rojo e infrarrojo.



La evaluación cuantitativa de la biomasa de la vegetación verde es realizada a

través de modelos de índices de vegetación (VI). Estos índices son aplicables a

imágenes con diferentes resoluciones como NOAA AVHRR, LANDSAT TMS, MSS

(Multispectral Scanner Scenes), SPOT HRV/XS (reflectancia para el nivel 1

multiespectral). Estos índices han sido usados en una variedad de contextos

para evaluar la biomasa, en aplicaciones para climas áridos, y en la evaluación

del riesgo de degradación del suelo.

Un índice de vegetación muy simple puede ser debido a los cambios en los dos

rangos del espectro mencionados arriba, logrados dividiendo la medida de la

reflectancia del infrarrojo por la del rojo. A mayor contraste entre las medidas

del rojo e infrarrojo mayor vigor vegetal presentará la cubierta observada (más

alta será la relación entre los sitios donde hay vegetación). Bajos valores de

contraste significan una vegetación enferma hasta llegar a zonas sin

vegetación (suelo y agua), cuyo resultado de la relación es muy pequeño.

Entonces las áreas de vegetación darán un valor de índice más alto.

A pesar que existen muchas variaciones a esta lógica, la que ha recibido mayor

atención es el Índice de Vegetación por diferencia Normalizada (NDVI).

Índices de transformación

Es la más conocida de este grupo. Consiste en la transformación de bandas

espectrales disponibles para formar un nuevo conjunto de bandas no

correlacionadas, dentro de las cuales una imagen de índices de vegetación

verde puede ser definida.

En la tabla siguiente se muestran los diferentes métodos de cálculos de índices

de vegetación y sus características.

Nombre del índice

Fórmula Características

Basados en la Pendiente

De diferencia normalizada (NDVI)

𝑁𝐷𝑉𝐼 = (𝑁𝐼𝑅 − 𝑅𝐸𝐷)

(𝑁𝐼𝑅 + 𝑅𝐸𝐷)

Minimiza efectos topográficos la escala va de -1 a 1, con el valor cero representando el aproximado donde empieza la ausencia de vegetación. Los valores negativos representan superficies sin vegetación.

Transformado (TVI) 𝑇𝑉𝐼 = √[

𝑁𝐼𝑅 − 𝑅𝐸𝐷

𝑁𝐼𝑅 + 𝑅𝐸𝐷] + 0.5

El valor de 0.5 evita resultados negativos. La raíz cuadrada intenta corregir valores que se aproximan a una distribución de Poisson e introduce una distribución normal. No



elimina todos los valores negativos.

Transformado Corregido (CTVI)

𝐶𝑇𝑉𝐼= 𝑁𝐷𝑉𝐼 [(𝑁𝐷𝑉𝐼 + 0.5)/(𝑎𝑏𝑠(𝑁𝐷𝑉𝐼

+ 0.5))]𝑥 √𝑎𝑏𝑠(𝑁𝐷𝑉𝐼 + 0.5)

Para valores del rango -1 a 1 que no se les cambiaba el signo como la anterior. Suprime el signo negativo. Sobre estimación del verde.

Transformada de Tiam (TTVI) 𝑇𝑇𝑉𝐼 = √𝐴𝐵𝑆 [

𝑁𝐼𝑅 − 𝑅𝐸𝐷

𝑁𝐼𝑅 + 𝑅𝐸𝐷] + 0.5 Suprime la sobreestimación del verde.

Cociente simple (RVI) 𝑅𝑉𝐼 =

𝑅𝐸𝐷

𝑁𝐼𝑅 La reversa de la estándar simple.

Normalizado (NRVI)

𝑁𝑅𝑉𝐼 = 𝑅𝑉𝐼 − 1

𝑅𝑉𝐼 + 1

El resultado de RVI es normalizado. Es similar al NVDI, reduce efectos topográficos, iluminación y efectos atmosféricos, además de crear una distribución normal estadísticamente deseable.



ÍNDICE DE VEGETACIÓN POR DIFERENCIA NORMALIZADA - NDVI

El índice diferencial de vegetación normalizado (NDVI) es un índice normalizado

que le permite generar una imagen que muestra el verdor (la biomasa relativa).

Este índice aprovecha el contraste de las características de dos bandas de un

dataset ráster multiespectral: las absorciones de pigmento de clorofila en la banda

roja y la alta reflectividad del material de las plantas en la banda cercana al

infrarrojo (NIR).

El NDVI se utiliza en todo el mundo para hacer un seguimiento de las sequías,

supervisar y predecir la producción agrícola, ayudar en la predicción de las zonas

con riesgo de incendio y cartografiar la desertización. El NDVI es muy utilizado en

el seguimiento de la vegetación global porque ayuda a compensar los cambios en

las condiciones de iluminación, la pendiente de la superficie, la orientación y otros

factores extraños (LILLESAND 2004).

La reflexión diferencial en las bandas roja e infrarroja (IR) le permite supervisar la

densidad e intensidad del crecimiento de la vegetación verde utilizando la

reflectividad espectral de la radiación solar. Las hojas verdes suelen presentar una

mejor reflexión en el rango de longitudes de onda cercanas al infrarrojo que en el

rango de longitudes de onda visibles. Cuando las hojas tienen sed o bien están

enfermas o muertas, se vuelven más amarillas y se reflejan bastante menos en el

rango de longitudes de onda cercanas al infrarrojo. Las nubes, el agua y la nieve

presentan una mejor reflexión en el rango visible que en el rango de longitudes de

onda cercanas al infrarrojo, mientras que la diferencia es casi nula para las rocas y

el terreno desnudo. El cálculo del NDVI crea un dataset de banda única que

básicamente representa el verdor. Los valores negativos representan nubes, agua

y nieve, mientras que los valores cercanos a cero representan rocas y tierra

desnuda.

NDVI = (NIR − RED)

(NIR + RED)

El NDVI se utiliza para estimar de la vegetación verde el:

- Crecimiento de las plantas (vigor),



- Cobertura de vegetación y la

- Producción de biomasa.

Ya que el índice está relacionado con la actividad fotosintética de la vegetación.

El índice NDVI se calcula con bandas de imágenes de satélite, aprovechando

las características únicas del reflejo de la vegetación verde.

El índice varía entre – 1 y 1.

Operativamente, el índice varía en el rango – 0.1 y 0.92, para maximizar el

intervalo de la vegetación, representándose convencionalmente como una

variación o rampa de colores entre el rojo intenso (-0.1) y el verde intenso

(0.92):

Cuadro 1. Bandas espectrales para el cálculo del NDVI

Satélite Visible (RED)

Infrarrojo (NIR)

AVHRR de NOAA Banda 1 (0.58 – 0.68 μm) Banda 2 (0.72 – 1.0 μm)

TM Landsat 4 y 5 Banda 3 (0.63 – 0.69 μm) Banda 4 (0.76 – 0.90 μm)

MSS Landsat 4 - 5 Banda 2 (0.6 – 0.7 μm) Banda 4 (0.8 – 1.1 μm)

ETM+ Landsat 7 anda 3 (0.63 – 0.69 μm) Banda 4 (0.77 – 0.90 μm)

OLI y TIRS Landsat 8 Banda 4 (0.64 – 0.67 μm) Banda 5 (0.85 – 0.88 μm)

Terra ASTER Banda 2 (0.63 – 0.69 μm) Banda 3 (0.76 – 0.86 μm)

IKONOS-2 Banda 3 (0.63 – 0.70 μm) Banda 4 (0.76 – 0.85 μm)



Procesamiento para determinar el NDVI Landsat 8 – ArcGIS 10.1

1. Agregamos la formula Float("B5" - "B4.tif") / Float("B5" +

"B4.tif"), en el raster de salida lo guardamos como NDVI_1

Ingresamos a ArcToolbox, y nos

dirigimos a Herramientas de Spatial

Analyst – Algebras de Mapas –

Calculadora Raster.



Float: Convierte el valor de cada celda de un ráster en una representación de

punto flotante.

Ilustración

Uso

Los valores de entrada pueden ser positivos o negativos.

Si ejecuta Flotante en una entrada que ya es un punto flotante, los

valores de salida serán iguales que los de entrada.

NOTA: Las nubes son una desventaja en el análisis de NDVI, Nos indica que es

un área sin cobertura, también la sombra de las nubes nos indica sin

cobertura.



Guía 14:

Determinación de Zona de Rio o Zona Susceptible a

inundación

Para obtener cartografiar estas zonas, podemos reclasificar el NDVI calculando,

extraer aquellos datos relacionado con los ríos y luego convertirlo a shapefile para

el proceso de digitalización.

1. Para ellos nos vamos a ArcToolbox, seguido a

Herramienta de Spatial Analyst / Reclasificar

/Reclasificar.

2. Aparecerá una ventana donde incluimos la

siguiente información.

A. Input raster: seleccionamos NDVI

B. Reclass fiel: seleccionamos Value.

C. Ouput rater: Damos un nombre al archivo

de salida.

A

B

C

Damos clic en el

botón classify

(Clasificar)



3. Nos aparecerá una ventana donde incluimos la siguiente información.

A. En Method (método): seleccionamos Estándar Desviation (Desviación

Típica)

B. En Interval Size (Intervalo): seleccionamos 1/3 Std DEV. (1/3 Desv. Típica).

4. Damos clic en Ok y luego en OK. Obtenemos el siguiente resultado.

A

B



La figura anterior nos muestras varias cosas interesantes:

Los valores del Reclass_NDVI (NDVI Reclasificado) menores a 5

corresponden a diferentes cuerpos de agua, la variación se debe

posiblemente a sedimentación, profundidad, vegetación, etc.

Los valores mayores, corresponden a vegetación en diferentes estados de

salubridad, densidad, tamaño, etc.

DIGITALIZACIÓN DE LOS CUERPOS DE AGUA – ARCGIS 10.1

Para digitalizar el rio entramos en Raster calculator y escribimos la siguiente

formula:

Río = Con("Reclass_NDVI1" <= 5,1,0)

Este es una expresión condicional donde le estamos diciendo a ArcGis que donde

NDVI_2013 sea igual a 5 (para los ríos), lo haga igual a 1 y donde los valores sean

diferentes a 5 coloque un cero. Pues solo queremos que queden los ríos.



Vemos que todo aquello que es una corriente de agua tiene una coloración Azul y

lo demás una coloración caña.

Para convertir el raster a shapefile, entramos a conversión Tools

Guia 2014 Envi 5.1 y Arcgis

Documents

Transcript of Guia 2014 Envi 5.1 y Arcgis