Grupo
PR
Grupo
PR
UNIDAD 4
Tema 1
CIAF CIAF
BOGOT
, D. C.
Centro de Investigacin y Centro de Investigacin y Desarrolloen enInformacin Informacin Geogrfic a Desarrollo Geogrfica
Instituto Geogrfico Agustn Codazzi.Todos los derechos comerciales reservados. Prohibida su reproduccin para fines no acadmicos o de investigacin.
Instituto Geogrfico Agustn Codazzi.Todos los derechos comerciales reservados. Prohibida su reproduccin para fines no acadmicos o de investigacin.
La delimitacin se realiza mediante un cursor sobre la pantalla del computador. Se recomienda seleccionar varias muestras por categora fin de reflejar adecuadamente la variabilidad de la zona de estudio. Es importante contar con los datos de campo prximos a la fecha de adquisicin de la imagen para garantizar la consistencia entre la realidad y la imagen. Se recomienda evitar la delimitacin de muestras en los sitios de transicin entre las dos clases, ya que stas presentarn confusin espectral. Las reas no deben ser muy homogneas, obviando la variacin real de las coberturas temticas. El tamao de la muestra, en teora, puede ser de nueve pxeles. El nmero de pxeles recomendable es de 200 como mnimo, distribuidos sobre toda la imagen en varios campos pequeos y no en una muestra grande, para no subestimar la variabilidad de esa categora. Deben tenerse en cuenta las caractersticas propias de la imagen intentando abarcar las variaciones que se presentan para cada clase, su orientacin, pendiente, densidad, vigor, contenido de humedad y tipo del suelo (Posada, 2008).
Instituto Geogrfico Agustn Codazzi.Todos los derechos comerciales reservados. Prohibida su reproduccin para fines no acadmicos o de investigacin.
Otra alternativa es sealar los pxeles puros y a partir de stos crear regiones de manera automtica, lo que garantiza las areas de entrenamiento suficientemente homogneas, evitando incluir pxeles fronterizas a dos clases. Este mtodo se recomienda para reas urbanas y cuerpos de agua (Posada, 2008).
Figura 3: Grficas de dispersin de reas de entrenamiento en las bandas TM3, TM4 y TM5
Se puede observar que algunas clases se diferencian en cuanto a su media, pero al final no se garantiza la separabilidad debido al traslape entre sus desviaciones estndar (Posada, 2008). Dentro los mtodos numricos de evaluacin estadstica se encuentran los criterios de divergencia trasformada y la distancia de Bhattacharya, los cuales calculan con base en medias, varianzas y matrices de varianza-covarianza, adems del grado de separabilidad entre las categoras. El mayor valor del criterio indica mayor separabilidad ente stas. En el caso de la divergen-
Instituto Geogrfico Agustn Codazzi.Todos los derechos comerciales reservados. Prohibida su reproduccin para fines no acadmicos o de investigacin.
cia transformada, la mxima separabilidad entre las bandas de una imagen se da cuando el valor es de 2000, en el caso del segundo criterio el valor es de 1414 (Posada, 2008). Al finalizar el anlisis se llega a la conclusin de si las muestras delimitadas son similares estadsticamente, lo que conllevara a una confusin entre ellas. Si por el contrario las estadsticas resultan ser diferentes, se indicara un alto grado de separabilidad. En el primer caso se toman decisiones sobre la necesidad de reajustar las parcelas de entrenamiento o de reajustar y generalizar la leyenda, de la complementacin de la informacin, del uso de las imgenes de otras fechas, de otras bandas o de reajustar el mtodo planteado para conseguir los resultados. Una vez se solucionan estas interrogantes se procede a seleccionar algoritmos de clasificacin y a la clasificacin propiamente dicha (Posada, 2008).
Instituto Geogrfico Agustn Codazzi.Todos los derechos comerciales reservados. Prohibida su reproduccin para fines no acadmicos o de investigacin.
La imagen clasificada con este algoritmo no tendr pxeles sin clasificar, lo que puede conllevar a errores de comisin si las reas piloto no son muy bien determinadas. No toma en cuenta la dispersin de los ND alrededor de su media ni la correlacin existen entre las bandas. Se recomienda para imgenes con paisajes sencillos y homogneos (Posada, 2008).
El algoritmo de paraleleppedo tiene una inconveniencia debido a que se pueden presentar situaciones de difcil decisin, igualmente es posible que se presenten pxeles incluidos en los dominios de dos clases temticas y otros pueden quedarse fuera del rango, generndose as las reas sin clasificar (Posada, 2008).
Instituto Geogrfico Agustn Codazzi.Todos los derechos comerciales reservados. Prohibida su reproduccin para fines no acadmicos o de investigacin.
Instituto Geogrfico Agustn Codazzi.Todos los derechos comerciales reservados. Prohibida su reproduccin para fines no acadmicos o de investigacin.