TELEDETECCIN

DEFINICIN DE TELEDETECCIN
El trmino teledeteccin es una traduccin del ingls 'remote sensing', y se refiere no
slo a la captacin de datos desde el aire o desde el espacio sino tambin a su posterior
tratamiento. Una definicin ms formal la describe como la tcnica de adquisicin y
posterior tratamiento de datos de la superficie terrestre desde sensores instalados en
plataformas espaciales, en virtud de la interaccin electromagntica existente entre la
tierra y el sensor, siendo la fuente de radiacin bien proveniente del sol (teledeteccin
pasiva) o del propio sensor (teledeteccin activa).

Ejemplo de teledeteccin pasiva

Nuestros sentidos perciben un objeto slo cuando pueden descifrar la informacin que
ste les enva y la propia visin es, en s, un proceso de teledeteccin. Los tres
elementos principales en un sistema de teledeteccin son:
1. Sensor, el ojo.
2. La pelcula fotogrfica, objeto observado.
3. Flujo energtico, que permite poner a los dos anteriores en relacin. Este flujo
procede del objeto por reflexin de la luz solar (color de los objetos), por emisin
propia o tambin podra tratarse de energa emitida por el propio sensor y
reflejada por el objeto, en cuyo caso la teledeteccin recibe el nombre de ACTIVA,
por oposicin a teledeteccin PASIVA, cuando la fuente energtica es el sol.
La posibilidad de adquirir informacin a distancia se basa en lo especfico de la
interaccin entre la radiacin electromagntica y la materia. Todos los objetos tienen una
respuesta espectral propia y adems esta combinacin espectral es similar a la que
presentan otros objetos o superficies de las mismas caractersticas u homogeneidad.

La teledeteccin consiste en la identificacin de los objetos a partir de las diferencias en

la energa reflejada.

Existen tres tipos de informacin que se puede recoger:

Espacial, indicando la organizacin en el espacio de los elementos.
Espectral, denotando la naturaleza de las superficies.
Temporal, donde se observan los cambios en el tiempo de una determinada zona.
En el campo del Anlisis de Sistemas se definen modelos abstractos de sistemas fsicos
reales. Un sistema viene caracterizado por su estado, definido por sus variables de
estado y el modo en que esas variables cambian en el tiempo, como una funcin del
estado previo y la/s entrada/s al sistema.
El mundo puede ser tratado como un gran sistema. Cada disciplina cientfica construye
su propio modelo abstracto de 'el mundo'. Para medir el estado del mundo, son
necesarias medidas de las variables de estado. Por razones prcticas de rapidez y
sencillez, es mejor extraer datos de mediciones sin contacto fsico. Este es el campo de la
adquisicin de datos por teledeteccin.
Dado el estado del mundo en un instante t, un buen modelo y conocimiento de la entrada
del sistema, se puede realizar una estimacin del estado futuro:
Estado (t+1) = f (Estado(t), Entrada(t))
Extraccin de informacin es la actividad de responder a cuestiones usando datos y
reglas en un contexto adecuado.
Acercamiento sistemtico a la teledeteccin
Un acercamiento sistemtico significa que un problema complejo es dividido en
subproblemas ms pequeos hasta que seamos capaces de resolver de forma ms o
menos trivial todos los subproblemas. Para implementar esta estrategia, los sistemas
reales son abstrados a sistemas modelos que son divididos en subsistemas. Si para cada
subsistema la relacin entre la entrada y la salida es conocida, habremos hallado la
relacin entre la entrada y la salida para el sistema completo.
Teledeteccin es la actividad de recolectar informacin de datos obtenidos mediante
medidas sin contacto. Modelamos la extraccin de informacin desde teledeteccin como
un sistema de extraccin de informacin que produce respuestas a preguntas propuestas
por usuarios de datos de teledeteccin, observaciones de campo y datos histricos, todo
ello almacenado en un SIG (Sistema de Informacin Geogrfica).
La principal fuente de datos consiste en una imagen, matriz bidimensional. Un dato
particular representa un elemento de la escena sobre la superficie de la tierra, llamado
elemento imagen y representado como un pxel (picture element).

TIPOS DE DATOS EN IMGENES DE TELEDETECCIN

Segn el modelo multibanda presentado en el grfico anterior, se puede almacenar una
imagen digital completa (con todas las bandas) de tres formas diferentes, en funcin del
ordenamiento de los pxeles:
BSQ (Band Sequential): Se guardan las bandas en orden consecutivo. Idneo para
procesamiento espacial, ya que toda la informacin de una banda es fcilmente
accesible al encontrarse junta y consecutiva.
BIP (Bands Interleaved by Pixel): todas las bandas de un determinado pxel son
almacenadas de forma consecutiva. Idneo para procesamiento espectral, por
encontrarse seguida la informacin de cada pxel.
BIL (Bands Interleaved by Line): todas las bandas de una determinada lnea son
almacenadas de forma consecutiva. Compromiso entre los dos formatos anteriores.

RESOLUCIONES
Las caractersticas fundamentales de los datos adquiridos en un sistema de este tipo, se
pueden definir por parmetros como:
Resolucin espectral
Se refiere al nmero de bandas y a la anchura espectral de esas bandas que un
sensor puede detectar. Por ejemplo la banda 1 del TM recoge la energa entre 0.45 y
0.52 mm. Es una resolucin espectral ms fina que la de la banda pancromtica del
SPOT, que est entre 0.51 y 0.73 mm.
Resolucin espacial
Es una medida del objeto ms pequeo que puede ser resuelto por el sensor, o el
rea en la superficie que recoge cada pxel.
Resolucin radiomtrica
Se refiere al rango dinmico, o nmero de posibles valores que puede tomar cada
dato. Por ejemplo con 8 bits, el rango de valores va de 0 a 255.
Resolucin temporal
Se refiere a cada cuanto tiempo recoge el sensor una imagen de un rea particular.
Por ejemplo el satlite Landsat puede ver el mismo rea del globo cada 16 das.

APLICACIONES DE LA TELEDETECCIN
La teledeteccin se ha aplicado con bastante xito y sobre todo, con la certeza de que
ser una tecnologa importantsima a corto plazo, en reas y aplicaciones como:
Meteorologa
Anlisis de masas nubosas y su evolucin
Modelizacin climtica a diferentes escalas
Prediccin de desastres naturales de origen climtico
Agricultura y Bosques
Discriminacin de tipos de vegetacin: tipos de cultivos, tipos de maderas...
Determinacin del vigor de la vegetacin
Determinacin del rango de interpretabilidad y biomasa
Medicin de extensin de cultivos y maderas por especies
Clasificacin de usos del suelo
Cartografa y Planeamiento Urbanstico
Cartografa y actualizacin de mapas
Categorizacin de la capacidad de la tierra
Separacin de categoras urbana y rural
Planificacin regional
Cartografa de redes de transporte
Cartografa de lmites tierra - agua
Cartografa de fracturas
Geologa
Reconocimiento de tipos de roca
Cartografa de unidades geolgicas principales
Revisin de mapas geolgicos
Delineacin de rocas y suelos no consolidados
Cartografa de intrusiones gneas
Cartografa de depsitos de superficie volcnica reciente
Cartografa de terrenos
Bsqueda de guas de superficie para mineralizacin

Determinacin de estructuras regionales

Cartografas lineales
Recursos Hidrogrficos
Determinacin de lmites, reas y volmenes de superficies acuticas
Cartografa de inundaciones
Determinacin del rea y lmites de zonas nevadas
Medida de rasgos glaciales
Medida de modelos de sedimentacin y turbidez
Determinacin de la profundidad del agua
Delineacin de campos irrigados
Inventario de lagos
Deteccin de zonas de alteraciones hidrotermales
Oceanografa y Recursos Martimos
Deteccin de organismos marinos vivos
Determinacin de modelos de turbidez y circulacin
Cartografa trmica de la superficie del mar
Cartografa de cambios de orillas
Cartografa de orillas y reas superficiales
Cartografa de hielos para navegacin
Estudio de mareas y olas
Medio Ambiente
Control de superficies mineras
Cartografa y control de polucin de aguas
Deteccin de polucin del aire y sus efectos
Determinacin de efectos de desastres naturales
Control medioambiental de actividades humanas (eutrofizacin de aguas, prdida de
hojas, etc.)
Seguimiento de incendios forestales y sus efectos
Estimacin de modelos de escorrenta y erosin

PRINCIPIOS FSICOS
RESEAS HISTRICAS
Histricamente, las propiedades de la radiacin electromagntica se han explicado por
dos teoras aparentemente contrapuestas:
Teora ondulatoria
Representada sobre todo por cientficos como Huygens o Maxwell. Propone que la
naturaleza de la luz es ondulatoria y se transmite siguiendo un modelo armnico y
continuo, a la velocidad de 3x108 m/s. Est formada por dos campos de fuerzas
ortogonales entre s: elctrico y magntico. Las caractersticas de esta onda pueden
describirse con dos parmetros:
Longitud de onda (l): Distancia entre dos picos sucesivos de una onda, entre dos
puntos con igual fase.
Frecuencia (F): nmero de ciclos que pasan por un punto fijo por unidad de
tiempo.
La relacin entre longitud de onda y frecuencia viene dada por la expresin:
c=lxF
(c = 3 x 108 m/s)

Teora corpuscular
Fueron sus principales defensores Planck y Einstein. Propugnaban que la luz es una
sucesin de unidades discretas de energa (fotones) con masa igual a cero. Son paquetes
discretos de energa.
La cantidad de energa transportada por un fotn es Q = h x F, esto significa que a
mayor frecuencia, mayor ser la energa transportada y viceversa; por eso ser ms
difcil detectar radiacin de frecuencias bajas, porque conllevan menor cantidad de
energa.
Actualmente se compaginan ambas; la naturaleza de la luz es dual (De Broglie). El
movimiento de toda partcula lleva asociado una onda, de longitud:

y energa:

Dependiendo del fenmeno en particular, se estudiar desde un punto de vista u otro.

EL ESPECTRO ELECTROMAGNTICO
Podemos definir totalmente cualquier tipo de energa dando su longitud de onda (o
frecuencia).
El espectro electromagntico es la sucesin continua de esos valores de frecuencia,
aunque conceptualmente se divide en bandas, en las que la radiacin electromagntica
manifiesta un comportamiento similar.

PRINCIPALES BANDAS DEL ESPECTRO ELECTROMAGNTICO

Desde el punto de vista de la teledeteccin destacan una serie de bandas como las ms
utilizadas dada la tecnologa actual. Estas bandas se resumen a continuacin:

Espectro visible (0.4 - 0.7 m)

Es la nica radiacin electromagntica perceptible por el ojo humano (de ah su
nombre). Coincide con la longitud de onda donde es mxima la radiacin solar.
Podemos localizar los distintos colores en las longitudes:
Azul: 0.4 - 0.5 m Verde: 0.5 - 0.6 m Rojo: 0.6 - 0.7 m
Infrarrojo prximo (0.7 - 1.3 m)
Banda importante para diferenciar masas vegetales y concentraciones de humedad.
Infrarrojo medio (1.3 - 8 m)
En esta regin se entremezclan los procesos de reflexin de luz solar y de emisin de
la superficie terrestre, por lo que hay muchas dificultades.
Infrarrojo lejano o trmico (8 - 14 m)
Es la regin del espectro en la que emiten energa todos los cuerpos de la superficie
terrestre.
Microondas (desde 1 mm)
Tiene la propiedad de ser transparente a la cubierta nubosa, pero tambin de llevar
asociada muy poca energa. Por eso, si se quiere usar esta banda tendr que ser
haciendo teledeteccin activa.
ALGUNAS DEFINICIONES
Cuerpo negro
Es un emisor perfecto (e = 1). Un cuerpo negro transforma la energa calorfica en
energa radiante a la mxima velocidad en consonancia con las leyes termodinmicas.
Un emisor perfecto es tambin un absorbente perfecto.
Cuerpo blanco
Refleja toda la energa que recibe (e = 0).
Cuerpo gris
Absorbe y emite de forma constante para todas las longitudes de onda (e = cte.).
Radiador selectivo
Absorbe y emite de forma distinta para diferentes longitudes de onda (e cte.). Son
los cuerpos ms abundantes en la naturaleza.
ALGUNAS MAGNITUDES RADIOMTRICAS
Energa
Capacidad para realizar un trabajo. Se mide en Julios (J).
Energa radiante (Q)
Energa asociada con la radiacin electromagntica. Indica el total de energa radiada
en todas las direcciones. Se mide en Julios (J).
Flujo radiante (F)
Energa radiante por unidad de tiempo. Se mide en vatios (W).
Emitancia (M)
Energa radiante desde una unidad de rea y por unidad de tiempo. Se mide en vatios
por metro cuadrado (W/m2).
Irradiancia (E)
Energa radiante sobre una unidad de rea y por unidad de tiempo. (W/m 2).
Radiancia (L)
Se define como el total de energa radiada por unidad de rea y por ngulo slido de
medida. Se mide en vatios por metro cuadrado y estereo-radin (W/m2sr).
Otras magnitudes (adimensionales). Se expresan en tanto por ciento o tanto por uno.
Emisividad (e)
Relacin entre la emitancia de una superficie (M) y la que ofrecera un emisor
perfecto, llamado cuerpo negro, a la misma temperatura (Mn).
Reflectividad (r)
Relacin entre el flujo incidente y reflejado en una superficie.

Absortividad (a)
Relacin entre el flujo incidente y el que absorbe una superficie.
Transmisividad (t)
Relacin entre el flujo incidente y el transmitido por una superficie.
DEFINICIONES DE TIPOS DE SUPERFICIES
Especular
Es aquella superficie ideal en la que se cumple perfectamente la ley de la reflexin
(ngulo incidente = ngulo reflejado).
Lambertiana
Es aquella superficie, tambin ideal, que refleja la radiacin incidente de manera
uniforme en todas las direcciones.

En realidad todas las superficies son una mezcla de las dos, adems es funcin de la
longitud de onda. Si sta es pequea, las rugosidades tienden a difundir mucho ms la
energa incidente que si son longitudes de onda mayores, con comportamiento ms
especular.
LEYES DE LA RADIACIN ELECTROMAGNTICA
Cualquier objeto con temperatura por encima del cero absoluto (-273 C) radia energa.
Para distintas temperaturas, varan dos aspectos: se incrementa la energa total radiada,
y por otro lado se ampla el rango del espectro en el que radia (con el consiguiente
desplazamiento de la longitud de onda de mxima radiacin).
A partir de 2000 K un cuerpo empieza a emitir radiacin visible que, empezando por el
rojo, si sigue subiendo la temperatura, termina en el blanco. Existen curvas calculadas en
laboratorio, llamadas curvas de emitancia de un cuerpo negro a distintas temperaturas.
Con este grfico se puede conocer el comportamiento espectral de un cuerpo, conocida
su temperatura y emisividad (grado de similitud con un cuerpo negro).
La longitud de onda a la que se produce la mxima emitancia de un cuerpo negro viene
dada por la ley de Wien:

(T en K, l en mm.)
OTROS FACTORES IMPORTANTES
Para una misma superficie, el flujo de energa recibido por el sensor no slo depende de
la reflectividad, sino tambin de otros factores:
Angulo de iluminacin solar (depende de la fecha del ao y la hora de medicin)
Relieve (distintas pendientes)
Influencia de la atmsfera (dispersin y absorcin)

Variaciones medioambientales de la superficie (asociacin con otras cubiertas,

homogeneidad).
La conclusin que se obtiene de la presencia perturbadora de estos factores es que en
torno a un comportamiento tipo, que se denomina firma espectral, cada cubierta
presenta una cierta variabilidad espectral debida a los factores ya comentados, que
dificulta su discriminacin de otras superficies.
DOMINIO PTICO
Ya hemos visto antes que esta banda constituye el grupo de longitudes de onda
directamente dependientes de la luz solar. Es la banda de mayor inters para la
observacin remota de la superficie terrestre.
La curva de emitancia del sol se asemeja bastante a la de un cuerpo negro a esa
temperatura.
La radiacin cuando entra en contacto con la superficie terrestre puede sufrir cuatro
procesos diferentes:
1. Parte ser reflejada con un ngulo similar a aqul con el que haya incidido. Esta
reflexin recibe el nombre de ESPECULAR.
2. Parte ser reflejada uniformemente en todas direcciones. Reflexin LAMBERTIANA.
3. Parte ser absorbida por el objeto, de modo que ste sufra un calentamiento. Ms
adelante perder esa energa en forma de radiacin en el infrarrojo trmico, el cuerpo
se enfriar.
4. Parte ser transmitida a otros objetos o a la superficie terrestre y no volver al
espacio exterior, donde se encuentra el sensor.
El flujo radiante se descompone en tres trminos: fi = fr + fa + ft (flujo incidente es igual
al reflejado ms el absorbido ms el transmitido). Dividiendo todos los trminos entre f i
obtenemos: 1 = r + a + t.
Siendo rigurosos, dependen de la longitud de onda: 1=r + a + t
El que esta proporcin r + a + t vare con la longitud de onda, es interesante para
poder distinguir diversas zonas conociendo precisamente esa variacin de proporciones.
Las divergencias espectrales entre superficies, permitirn distinguirlas (especialmente los
referidos a reflectividad, que suponen la principal fuente de informacin en
teledeteccin), una vez hayan sido corregidos de los efectos causados por la atmsfera y
otras anomalas. En el espectro visible, esta divergencia se manifiesta en lo que
llamamos 'color'.

Teniendo en cuenta la componente de reflectividad (rl), que es lo que podemos medir con
el sensor, podremos saber qu tipo de superficie es la que da esa firma espectral.

Firmas espectrales tpicas para tres tipos de superficies

COMPORTAMIENTO ESPECTRAL TERICO PARA LOS TRES ELEMENTOS

FUNDAMENTALES DEL PAISAJE, EN EL DOMINIO PTICO
Vegetacin vigorosa
Es especialmente variable, dependiendo de mltiples factores: estado fenolgico,
forma y contenido en humedad. De manera general se puede decir que presenta una
reducida reflectividad en las bandas visibles, con un mximo relativo en la regin del
verde (0.55 mm). Esto es debido al efecto absorbente de los pigmentos fotosintticos
de las hojas. De entre estos, la clorofila absorbe en la zona del rojo. Por eso, en
vegetacin no vigorosa la clorofila no absorbe tanto y la hoja amarillea (verde +
rojo).
La estructura celular interna da la elevada reflectividad en el infrarrojo cercano que
luego va reducindose paulatinamente hacia el infrarrojo medio. Por tanto, el
contraste ms ntido se presenta entre las bandas visibles (especialmente rojo) y el
infrarrojo cercano. Cuanto mayor sea ese contraste, mayor ser el vigor de la
vegetacin.
Estos tres parmetros: cantidad de pigmentos, estructura celular y contenido en
agua, manifestados por la respuesta espectral de esa masa de vegetacin de la que
forman parte, puede servir para discernir entre unas especies y otras, su nivel de
desarrollo e incluso entre su estado sanitario.

Suelos
Muchas veces son invisibles, debido a la vegetacin. Para suelos desnudos,
comportamiento espectral mucho ms uniforme que el de la vegetacin. La curva
espectral que presentan es bastante plana y de carcter ligeramente ascendente.
El comportamiento espectral del suelo desnudo es mucho ms uniforme que el de
la vegetacin, mostrando una curva espectral bastante plana y de carcter
ascendente. Los principales factores que intervienen en este caso son la
composicin qumica del suelo, su textura y estructura y el contenido en
humedad. Por ejemplo, un suelo de origen calcreo tiende al color blanco,
indicando alta reflectividad en todas las bandas visibles, mientras que los
arcillosos ofrecen una mayor reflectividad en el rojo, como consecuencia de su
contenido en xido de hierro. La reflectividad espectral presenta mayores valores
en suelos de textura gruesa, apelmazados, secos y sin materia orgnica. Como ya
se ha dicho para la vegetacin, el contenido en humedad es uno de los elementos
destacados en la reflectividad en longitudes de onda largas (infrarrojo medio) y
as suelos con alto contenido en humedad darn una reflectividad baja en esa
banda. Cuanto ms seco y apelmazado sea un suelo, mayor ser su reflectividad.
Agua
Absorbe o transmite la mayor parte de la radiacin visible que recibe. Por tanto
presentar una curva espectral plana, baja y de sentido descendente. De todas
formas, en aguas poco profundas, la reflectividad aumenta. Los factores que
afectan a este comportamiento son: profundidad, contenido en materias en
suspensin (clorofila, arcillas y nutrientes) y rugosidad de la superficie (factor,
ste ltimo extremadamente importante).
Por su parte, la nieve ofrece un comportamiento completamente diferente al del
agua, con una reflectividad elevada en las bandas visibles, reducindose
drsticamente en el infrarrojo cercano.
DOMINIO DEL INFRARROJO TRMICO
Como la temperatura de la superficie terrestre es de unos 300 K, su emitancia espectral
es mxima en la banda entre 8 y 14 m (infrarrojo trmico). Esto nos permitir detectar
el calor que procede de las distintas superficies, pero para ello no se mide la energa
reflejada, sino la emitida, en funcin de la temperatura.
Se produce el fenmeno de que casi toda esta energa es absorbida por la atmsfera, con
lo que se calienta, permitiendo la existencia de vida. Pero hay una ventana de
transmisin entre 8 y 14 m que se puede usar en teledeteccin.
COMPORTAMIENTO ESPECTRAL TERICO PARA LOS TRES ELEMENTOS
FUNDAMENTALES DEL PAISAJE, EN EL DOMINIO DEL INFRARROJO TRMICO
Vegetacin
Presenta unas propiedades en general bastante complejas. Como absorbe energa
solar durante el da, y la devuelve durante la noche, est ms caliente que el aire que
la rodea durante la noche, y ms fra que su entorno durante el da.
Suelos y agua
El factor ms destacado es su contenido de humedad. A mayor humedad, ms fro
estar durante el da y ms clido durante la noche, con respecto a los suelos secos.
El agua posee la mayor inercia trmica debido a su alta conductividad. Es ms difcil
que cambie su temperatura.

10

DOMINIO DE LAS MICROONDAS

Se trata de las mayores longitudes de onda utilizadas en teledeteccin. La observacin
de esta banda es compleja, y todava no muy comn. Pero el inters est creciendo
debido a que en estas frecuencias la atmsfera es transparente y no existe el problema
de que las cubiertas nubosas oculten la superficie terrestre.
Como la emitancia de los objetos es muy baja en esta banda, es muy difcil detectar
flujo. Los aparatos que lo hacen se llaman radimetros de microondas. Por lo tanto, se
construyen sensores para esta banda que emiten su propio haz de microondas, del que
posteriormente recogern su reflexin (teledeteccin activa).
En este tipo de sistemas, tiene mucha importancia la rugosidad de la superficie para
cmo sea la seal de retorno. Por ejemplo los suelos rugosos y secos tendrn un mayor
coeficiente de retro-difusin, y por tanto, aparecern en tonos ms claros en las
imgenes radar.
DOMINIO DE RADIO
Ms all de la regin de las microondas, se encuentra esta zona de longitudes de onda
muy grandes. Se usa en teledeteccin, pero no para detectar fenmenos de la superficie
terrestre sino para transmitir datos y comandos entre el satlite y la base terrestre. Si no
hay enlace directo con tierra, o bien se graba la lectura del sensor en cinta, para su
posterior transmisin, o bien se utiliza una red de satlites de comunicaciones
intermediaria.
INTERACCIN DE LA ATMSFERA CON LA RADIACIN ELECTROMAGNTICA
Hay que tener en cuenta un cuarto elemento aparte del sensor, el objeto y el flujo
electromagntico: la atmsfera que hay entre medio. La energa solar incidente en
nuestro planeta est cifrada en 340 Wm-2 (vatios/m2). De toda ella, slo 173 Wm-2 llegan
a la superficie terrestre, este factor de reduccin o ALBEDO habr de ser tenido en
cuenta a la hora de interpretar la respuesta de los objetos. En el trayecto seguido por la
radiacin electromagntica sta sufrir tres fenmenos principales:
Absorcin
Dispersin
Emisin
Sus efectos se manifiestan en un emborronamiento de la imagen; se reduce el contraste
y la cantidad total de radiacin que llega al sensor. Existen diversas correcciones en
forma de algoritmos para tratar estos efectos.
Absorcin
Proceso por el cual las molculas y partculas de la atmsfera absorben la energa
radiante (65 Wm-2) y la transforman en energa interna que posteriormente ser
emitida en el infrarrojo trmico. La atmsfera reduce as la observacin espacial a
ciertas bandas concretas del espectro, llamadas ventanas atmosfricas. Pero si lo que
se pretende es estudiar la atmsfera (satlites meteorolgicos), los sensores se
disearn para captar la radiacin precisamente en aquellos lugares donde la
absorcin atmosfrica sea ms alta.
Dispersin
Este fenmeno se traduce en un redireccionamiento o pequeo desvo del camino
recto de propagacin. Es causado por la interaccin entre la radiacin y los gases y
partculas atmosfricas. La reflexin consiguiente a ese choque, supone un aporte
adicional a la radiancia proveniente de la superficie terrestre. Se reduce por tanto la

11

radiancia directa, aumentando la difusa. Los principales causantes son los aerosoles y
el vapor de agua. Se describen tres tipos de dispersin:
-

Dispersin Rayleigh
Se produce cuando afecta a longitudes de onda menores que el tamao de la
partcula. Afecta por tanto a las longitudes de onda ms cortas. Es la de mayor
influencia en teledeteccin. Es la causante del color azul del cielo.

Dispersin Mie
Se produce cuando afecta a longitudes de onda de tamao similar al tamao
de la partcula. Tambin depende de la longitud de onda.

Dispersin no selectiva
Producida por las partculas de mayor tamao. Afecta por igual a todas las
longitudes de onda. Por eso las nubes y nieblas se ven de color blanco, ya que
dispersan por igual toda la luz visible.

Emisin
Como cualquier cuerpo con temperatura mayor que -273 K, emite su propia
radiacin, que lgicamente tiene mayor importancia en el infrarrojo trmico. Por
tanto, su efecto es fundamental si pretendemos trabajar en dicha banda del infrarrojo
trmico.

TIPOS DE SENSORES
En un sistema de teledeteccin el sensor es bsico y la consecucin de los objetivos
propuestos a la hora de realizar cualquier tipo de proyecto de teledeteccin depender de
su correcta eleccin en funcin de sus resoluciones espectral, espacial, temporal y
radiomtrica.
Los sensores pueden clasificarse, en primera instancia, en:
activos: son aquellos que emiten radiacin en la longitud de onda deseada y luego
reciben la porcin que los objetos han reflejado.
pasivos: cuando se limitan a recibir radiacin electromagntica.
Otro mtodo de clasificacin los diferencia en funcin del satlite o plataforma sobre la
que van instalados:
satlites de rbita geoestacionaria: "vuelan" a 300.000 kilmetros sobre la Tierra
y giran con el mismo periodo de revolucin que ella, de forma que el sensor est
continuamente tomando imgenes (electrnicas, no fotogrficas) del mismo punto.
satlites de rbitas polares: orbitan a 400 km de distancia, su tamao de pixel
ser, por tanto, ms reducido, y vuelven a tomar la misma escena cada cierto
periodo de tiempo.
PRODUCTOS DISPONIBLES EN EL MERCADO
Los productos ms clsicos son las imgenes LANDSAT (TM) y las SPOT, las primeras han
sido desarrolladas por la Agencia Espacial Norteamericana, mientras que el proyecto
SPOT est a cargo del CNES francs en colaboracin con Blgica y Suiza. A continuacin
se dan algunas caractersticas de cada una de ellas:
Landsat TM
El sensor TM (Thematic Mapper) es el sucesor en la serie Landsat del MSS. Supone
grandes mejoras en las resoluciones espacial, espectral y radiomtrica: de 79 a 39

12

metros, de 4 a 7 bandas y de 6 a 8 bits (actualmente las imgenes MSS tambin se

codifican en 8 bits). La resolucin espectral del sensor es:
o banda 1: 0,45-0,52 m: azul
o banda 2: 0,52-0,60 m: verde
o banda 3: 0,63-0,69 m: rojo
o banda 4: 0,76-0,90 m: infrarrojo prximo
o banda 5: 1,55-1,75 m: infrarrojo medio
o banda 6: 10,40-12,50 m: infrarrojo trmico
o banda 7: 2,08-2,35 m: infrarrojo medio
La banda 6 tiene una resolucin espacial de 120 m.
SPOT
El sistema de exploracin instalado en esta plataforma se denomina HRV y permite
dos modos de captura de la informacin: pancromtico y multibanda con unas
resoluciones espaciales de 20 y 10 m. respectivamente. El rea cubierta por cada
escena es de 60x60 km. Es sensible en las siguientes bandas del espectro:
o multibanda XS1: 0,5-0,59 m: verde
o multibanda XS2: 0,61-0,68 m: rojo
o multibanda XS3: 0,79-0,89 m: infrarrojo prximo
o pancromtico PAN: 0,51-0,73 m: parte del visible
Una importante novedad del sistema es su capacidad para variar el ngulo de
observacin, lo que le permite observar la misma zona en pasadas sucesivas, de
modo que entre dos imgenes de la misma zona tomadas en pasadas consecutivas
tengan una zona comn y permitan la visin estereoscpica, lo que permitira crear
un modelo digital del terreno.
Todos estos productos varan su precio en funcin de las correcciones a las que hayan
sido sometidos previamente a la distribucin del producto. Las correcciones sistemticas
se clasifican en radiomtricas y geomtricas, corrigiendo las primeras entre otros, los
efectos producidos por la mala calibracin de los sensores y las segundas las debidas a la
esfericidad y la rotacin terrestre.
Hay otros sistemas de exploracin espacial del territorio, aunque son de menor difusin o
de aplicaciones ms especficas: NOAA (el sensor que lleva incorporado es el AVHRR de
resolucin 1 km y cinco canales de observacin), METEOSAT (satlite geoestacionario con
un tamao de pxel de 5 km), ERS (es un satlite europeo en el que hay participacin
espaola. Su resolucin espacial es de 30 m), SEASAT, JERS (plataforma japonesa
hbrida: activa y pasiva), HELIOS, MIR, etc. y los sistemas activos de RADAR (SLAR, SAR,
SEASAT) y LIDAR.

SISTEMA RADAR
El Radar (RAdio Detection And Rangin) mide el tiempo de retardo y la anchura del eco
reflejado de un pulso de radiacin electromagntica.
Un sistema radar consiste en:
Un Transmisor, genera un pulso de radio y luz de gran potencia con longitudes de
onda entre 1 y 100 cm.
El Sensor activo, enva pulsos a la antena y retorna el eco al receptor.
Una Antena, la cul enva el pulso transmitido a la zona de estudio y recoge lo secos
devueltos.
Un receptor el cual convierte el eco devuelto a cdigo digital numrico.
Un grabador de datos, el cul almacena la imagen dato para ser procesada y
visualizada.

13

La tcnica radar, conocida como Radar de Apertura Sinttico (SAR), es un tipo de

sistema de radar modificado para producir imgenes en vez de grficos de rangos y
direcciones. Al igual que las tcnicas radar ms comunes, las imgenes radar tambin
transmiten pulsos de energa microondas y, es por ello considerado un sistema de sensor
remoto activo. Estas caractersticas lo hacen diferente a la mayora del resto de los
sistemas de sensores remotos y permite operar de noche o bajo condiciones de
nubosidad densa.
VENTAJAS DEL SISTEMA RADAR
Las ventajas de las imgenes radar frente a otros sistemas pticos (por ejemplo, Landsat
o SPOT) incluyen:
Debido a que la energa de las microondas no es afectada por las cubiertas nubosas el
sistema radar de obtencin de imgenes es capaz de obtener una alta calidad en
zonas tradicionalmente nubosas como los polos o los trpicos.
En regiones muy ridas la energa de las microondas puede penetrar en la superficie
hasta una profundidad considerable, dndonos medidas nicas de las propiedades de
la cubierta terrestre.
En regiones con vegetacin muy abundante, el sistema radar puede penetrar en la
cubierta y en la imagen resultado podr observarse claramente la superficie situada
bajo la vegetacin.
El sistema radar utiliza la interaccin de las microondas con la superficie de estudio y
su posterior reflexin y difusin. Esto nos permite deducir informacin sobre la
naturaleza de los objetos que no hubiese sido posible obtener utilizando otros
mtodos convencionales. SAR por lo tanto, complementa otro tipo de datos como por
ejemplo los infrarrojos.
CARACTERSTICAS DEL SISTEMA RADAR
Moteado
La imagen aparece con un "sarpullido" causado por una combinacin de la dispersin de
muchas pequeas dispersiones dentro de un pxel. Una resolucin ms alta puede no
producir este efecto. El moteado puede desaparecer al hacer la media entre diferentes
vistas, pero esto reduce la resolucin de la imagen
Ambigedades
Las ambigedades son irreales, particularmente las aparecidas en los bordes de las
masas de agua. Esto es debido a las reflexiones procedentes de otros pulsos.
Superposicin de niveles
En un caso extremo, la cima de la montaa aparece ms cercana que la parte baja. Esto
puede mejorarse incrementando el ngulo del punto de vista.
Sombra radar
Las pendientes traseras de las montaas aparecen negras. Esto puede ser mejorado
usando datos de otra pasada.
Alto contraste en reas urbanas
Estas zonas causan una dispersin debido a las esquinas reflectoras y las los efectos
suavizantes de las calles. Los ngulos afilados aparecen brillantes y las carreteras
oscuras.
Distorsin radiomtrica
La imagen puede aparecer ms luminosa en el centro. Esto tambin puede causar
bandeo, todo debido al tipo de antena de radar.

14

Interferencias
Formas lineales o paralelogramos brillantes a lo largo de la imagen pueden ser causadas
por otros emisores radar operando en la misma frecuencia dentro del rea de trabajo.
APLICACIONES DEL SISTEMA RADAR
Se enumeran las siguientes aplicaciones:
Produccin de mapas topogrficos. Las imgenes radar ayudan a producir mapas
topogrficos digitales del globo entero con un alto grado de precisin: en alturas 1 m en
zonas relativamente llanas y 5 m en zonas de alto relieve.
La habilidad del radar para penetrar en la arena seca y en algunas cubiertas vegetales la
hace muy til en exploraciones arqueolgicas.
Anlisis de desastres. El radar puede recolectar datos de noche, a travs de nubes e
incluso lluvia. Esto permite un rpido acceso a informacin de la zona afectada
incluyendo extensiones daadas por terremotos, huracanes, lavas o coladas de barro,
inundaciones, maremotos ...
El radar, por interferometra puede grabar diferencias de nivel de 2 a 10 cm en casos
de terremotos o actividad volcnica.
Visualizacin de masas de hielo en el mar. Las imgenes radar de la zonas heladas
pueden ser usadas para controlar cambios climticos o seguir el movimiento de los
grandes icebergs. El mar en estas zonas es una mezcla de hielo, burbujas de aire y
bolsas de agua. En las imgenes radar, el mar abierto se ve de color negro debido a la
reflexin especular ignorando las olas. El hielo "nuevo" es muy rugoso, mientras que el
viejo es relativamente suave causando un alto nivel de volumen de dispersin.
Mezcla de suelos. La constante dielctrica del suelo varia segn sea el contenido
heterogneo del suelo. De este modo, a medida que el contenido de la mezcla se
incrementa, la penetracin de las ondas radar disminuye causando que la imagen
aparezca con mayor brillo de lo habitual. Este efecto puede ser usado en aplicaciones
agrcolas y medioambientales.

TCNICAS ESTADSTICAS ELEMENTALES

Con el objeto de realizar una serie de estudios previos y de sondeo con las bandas
obtenidas, sern de utilidad una serie de tcnicas estadsticas ya conocidas, que aqu se
mencionarn slo a modo descriptivo:
Habr que conocer en qu medida siguen nuestros datos las diversas hiptesis
hechas en los modelos matemticos que se apliquen despus. Un ejemplo claro es la
hiptesis de normalidad de los datos de cara a proceder a realizar una clasificacin
supervisada por el mtodo de mxima probabilidad. Ser til pues, establecer algn
tipo de test de normalidad.
Tambin ser importante eliminar valores aberrantes o anmalos. La obtencin de
estadsticas elementales que sinteticen y describan las diferentes bandas espectrales
ser la primera operacin a realizar.
Ser de gran utilidad el clculo de las medidas de centralidad (media, mediana y
moda) y de dispersin (varianza, desviacin tpica) de las distintas bandas
espectrales.
La realizacin de los histogramas de cada banda nos ilustrar acerca de su
distribucin, pudindose verificar la normalidad de las mismas.

15

La determinacin del nmero de combinaciones espectrales distintas que se

presentan en la imagen reducen drsticamente el nmero de datos a tratar y mejora
su interpretabilidad al permitir observar mejor ciertas pautas.
El clculo de las matrices de varianza-covarianza y de correlaciones nos expresar el
grado de interdependencia existente entre las bandas dos a dos. La realizacin de
histogramas bidimensionales con dos bandas informar acerca de la distribucin
bivariante de ambas.
Otra tcnica de gran importancia consiste en realizar cocientes entre bandas. Esto
proporciona una informacin nueva que puede ser muy relevante para la deteccin de
ciertos fenmenos, como por ejemplo la separacin de terrenos desnudos y zonas
arboladas.

TCNICAS ESTADSTICAS MULTIDIMENSIONALES

La imagen analizada estar siempre representada, desde un punto de vista estadstico,
por una nube de puntos en un espacio multidimensional.
Dicho espacio de representacin puede ser o bien el espacio original constituido por las
bandas espectrales, o bien un espacio transformado constituido por combinaciones
lineales de las bandas.
Los objetivos que se persiguen al generar estos nuevos espacios de representacin son
los siguientes:
1. Extraer la informacin bsica contenida en el conjunto de las bandas a travs de un
pequeo nmero de factores.
2. Reducir el volumen de informacin a tratar posteriormente al aplicar tcnicas de
clasificacin automtica o reconocimiento de patrones. Esta reduccin en el volumen
de informacin puede disminuir el coste de transmisin de los datos del satlite a la
tierra.
3. Obtener unas nuevas bandas espectrales que estn intercorreladas (lo cual evitar el
manejo de informacin redundante) y cuyo contenido de informacin decrezca
rpidamente de la primera a la ltima.
La tcnica ms utilizada en este contexto ha sido el Anlisis de Componentes Principales
(o transformacin de Karhunen-Loeve, ampliamente utilizada y pormenorizada
posteriormente).

PRIMEROS TRATAMIENTOS EN LA IMAGEN

La teledeteccin espacial con equipos ptico-electrnicos emplea un soporte no clsico
para la grabacin de la informacin (no usa, por ejemplo, emulsin fotogrfica). El sensor
explora secuencialmente la superficie terrestre, adquiriendo a intervalos regulares la
radiacin que proviene de los objetos situados en ella. El sensor detecta la radiacin
media de una parcela de terreno equivalente al tamao del pixel. Este valor medio se
traduce a valor numrico, que debe ser interpretado. Dado que la respuesta recogida en
un pixel est afectada por diversas alteraciones es recomendable hacer una serie de
operaciones correctoras.
Correccin de agentes externos
El flujo de energa recibido por el sensor no slo depende de la reflectividad de la
cubierta, sino tambin de otros factores externos. Los ms importantes son:

16

Condiciones atmosfricas.
Geometra de la observacin. El ngulo de elevacin solar (fuente del flujo
energtico) y ngulo de observacin (posicin del sensor) respecto a la superficie
terrestre determinan la respuesta que sta da.

Realce de imgenes
Supone un cambio en el modo en que se visualiza la informacin contenida en la imagen,
pero sin alterarla. El realce es bsico cuando se pretende un anlisis visual de la imagen.

CORRECCIONES GEOMTRICAS
Las imgenes de teledeteccin no son mapas. No poseen escala. Y muchas de las
aplicaciones de la teledeteccin requieren que los datos estn referidos a una base
geogrfica, que permita localizar los valores de reflectancia correspondientes a un
determinado punto del terreno.
Si podemos buscar puntos dentro de la imagen de los que sabemos sus coordenadas
geogrficas (bien a partir de un mapa o bien a partir de otra imagen ya rectificada),
podremos calcular una transformacin que obtenga la proyeccin de los datos en un
plano, conforme a un sistema de proyeccin cartogrfico. A esos puntos se les llama
puntos de control (GCP, Ground Control Points).
La relacin entre el sistema de coordenadas de la imagen y el de la realidad se construye
mediante una transformacin. Se trata de una regresin lineal mltiple:

Donde a0, a1, a2, b0, b1, b2 son los coeficientes de regresin, ci y li las variables
independientes y Xi e Yi las variables dependientes. Se emplea el mtodo de mnimos
cuadrados para calcular esos coeficientes de las funciones de transformacin.
Con una transformacin lineal (de primer orden) slo podemos hacer tres cosas: rotar,
escalar y trasladar una imagen, son necesarios 6 coeficientes. Con transformaciones no
lineales (de segundo orden o ms) tambin podremos corregir las distorsiones internas
de la imagen, entonces sern necesarios 12 coeficientes para segundo orden, 20 para
tercer orden, etc. con los que el nmero de puntos de control a buscar ser mayor.
La bondad del grado de ajuste se mide por la importancia de los residuales. El indicador
ms utilizado es el error medio cuadrtico (RMS) para cada uno de los i puntos de
control:

17

El promedio de los RMS para todos los puntos de control facilita una evaluacin de la
calidad general del ajuste. Podemos hacer que el RMS sea cero aumentando
suficientemente el grado de la transformacin, pero eso puede ser innecesario. Lo que se
hace es tolerar un cierto margen de error (de RMS). El RMS expresa distancia en el
sistema de unidades origen, esto es, distancia en nmero de pxeles. Un RMS de 2
significa que el pxel de referencia est dos pxeles alejado del pxel retransformado.
Se necesita tambin conocer el tamao del pxel para que en la operacin de remuestreo
(ver siguiente apartado) se pueda calcular el nmero de pxeles que se debern
intercalar entre posiciones conocidas de referencia.
La calidad y cantidad de puntos de control utilizados determinan el grado de precisin en
la captacin de la geometra de una imagen. Tambin es importante que estn
uniformemente distribuidos por toda la imagen. Deben ser de localizacin fcil y segura;
as, son buenos ejemplos: las intersecciones de carreteras, confluencias de ros, estribos
de las presas, etc.
Se pueden buscar las coordenadas geogrficas en un mapa (registro de imagen a mapa),
o bien en otra imagen ya corregida de la misma zona (registro de imagen a imagen).

PROCEDIMIENTOS DE REMUESTREO
Las transformaciones anteriores permiten calcular la posicin correcta de cada pxel, pero
esto supone un trasvase de coordenadas, no de NDs. Cmo llenar esa matriz corregida?
Lo normal es que el pxel de la imagen nueva se site entre varios de la original. Para
esto existen tres mtodos:
Vecino ms cercano
Toma el valor del pxel de la imagen original ms cercano a las coordenadas calculadas.
Presenta las ventajas de que es un mtodo rpido y asegura que el valor del pxel existe
en realidad, no es 'inventado', pero la desventaja de que introduce rasgos no lineales,
como fracturas en las lneas rectas. Por otra parte es el nico aplicable a imgenes
clasificadas, ya que en ese caso no se puede permitir realizar promedios de los valores
existentes.
Interpolacin bilineal
Se interpola el valor de los cuatro pxeles ms cercanos al punto calculado. Da un
resultado ms suave.
Interpolacin bicbica
Se basa en un ajuste con un polinomio de tercer grado. Se toman los 16 puntos ms
cercanos. Es el ms complicado pero el que proporciona la imagen ms natural.
Debido a que el remuestreo puede alterar de alguna forma el contenido real de los datos
proporcionados por el sensor, si se piensa clasificar una imagen, es mejor dejar este
proceso de rectificacin geomtrica para despus de la clasificacin. Una imagen sin
rectificar es espectralmente ms correcta que una rectificada.
Por ltimo, si la imagen ya est rectificada, para georreferenciarla tan solo hay que
guardar las coordenadas geogrficas del pxel superior izquierdo, y el tamao del pxel,
en la cabecera.

18

CLASIFICACIN
Clasificar una imagen consiste en tomar decisiones. En teledeteccin, esas decisiones
pueden ser del tipo asignar este pxel a la categora A, siempre en funcin de algn
criterio de clasificacin y atendiendo a alguna medicin sobre el elemento a clasificar (en
nuestro caso, la firma espectral).
El objetivo de toda clasificacin es el reconocimiento de clases o grupos cuyos miembros
tengan ciertas caractersticas en comn. El resultado ideal consiste en obtener clases que
sean mutuamente excluyentes y exhaustivas.
Al conjunto de valores de un pxel en varias bandas espectrales (lo que se define como
firma espectral) podemos verlo desde el punto de vista de la clasificacin como un
patrn, y al conjunto de caractersticas o variables en las que se han tomado esos pxeles
se les denomina rasgos. As, un patrn es un conjunto de medidas en una serie de
rasgos, y la clasificacin puede definirse como una forma de reconocimiento de patrones,
donde los pasos a seguir seran:
1. Seleccin de los rasgos particulares que mejor describan el patrn.
2. Eleccin de un mtodo adecuado para la comparacin de los patrones.
3. Como paso opcional, la comprobacin de los resultados; medicin del grado de
exactitud conseguido con esa clasificacin.
Podemos diferenciar dos tipos principales de clasificacin: supervisada, si partimos de un
cierto conocimiento sobre la zona a clasificar y a partir del cual obtendremos criterios de
clasificacin, y no supervisada, si no tenemos ningn conocimiento previo y de lo que se
trata es de discriminar pxeles en funcin de una magnitud cuantitativa de diferenciacin
entre unos y otros. En definitiva:
Clasificacin supervisada
Previamente se han de seleccionar muestras de cada clase constitutiva. Esas zonas,
conocidas como zonas de entrenamiento, sern procesadas a fin de calcular sus
estadsticas: media, rango, desviacin tpica, etc. en todas las bandas que intervengan
en la clasificacin.
Clasificacin no supervisada
Supone la bsqueda automtica de grupos de valores homogneos. La intervencin
humana se centra ms en la interpretacin de resultados que en la consecucin de los
mismos.
Se proponen tambin algunos mtodos mixtos, ya que el mtodo supervisado puede
resultar a veces demasiado subjetivo y el no supervisado puede carecer de significado
fsico real.
Independientemente del mtodo utilizado, se hace necesario efectuar un anlisis de las
estadsticas, para comprobar que efectivamente se podr efectuar una discriminacin.
Hay varios mtodos de estudio de los datos, unos analticos y otros grficos.
Utilizaremos un mtodo grfico para ilustrar grficamente las distintas problemticas que
se plantean en un proceso de clasificacin y las soluciones que se proponen.
Por ejemplo, en el siguiente grfico:

19

la visin y el cerebro se combinan para dar una interpretacin 'visual' de patrones, de

forma que se distinguen dos clases, formadas cada una por un rango diferente en cada
variable. La presencia de dos clases diferentes es clara debido a las dos regiones
relativamente densas de puntos. Sin embargo, el punto P parece no pertenecer a
ninguno de los grupos, debido a que la distancia a los centros de ambas clases es muy
grande.
Tambin podemos visualmente determinar el grado de compactacin de una clase, en
funcin de la dispersin de sus puntos alrededor del centro de la clase, y podemos
estimar el grado de separacin entre clases atendiendo a la distancia entre dichos
centros y al grado de dispersin de los puntos.
Parece lgico que la distancia euclidiana es una medida importante en la determinacin
de los parmetros inter-clases. Tambin es importante la escala en la cual se expresan
los valores numricos. Si se cambia la escala de, por ejemplo, el eje X, vemos que la
interpretacin de las relaciones entre puntos cambia tambin.
Los mismos conceptos se pueden extrapolar a un espacio de tres dimensiones. Lo vemos
en la figura:

Como visualmente tambin distinguimos dos regiones diferenciadas, y que la distancia

euclidiana tambin se puede aplicar de la misma forma, esta vez en tres dimensiones.
Y los mismos conceptos se pueden seguir extrapolando a espacios de n dimensiones.
Aunque no podamos visualizarlos, los conceptos y las relaciones matemticas son
aplicables igualmente. La distancia eucldea entre dos puntos en un espacio ndimensional se calcula por la expresin:

donde xia es la coordenada del punto "a" en la dimensin i.

20

FASE DE ENTRENAMIENTO
Esta fase, que slo se efecta si se trata de una clasificacin supervisada, consiste en
seleccionar muestras, en forma de zonas de pxeles concretos, que se asignarn por el
usuario a una clase concreta, basndose en el conocimiento previo que se tiene sobre la
imagen. A partir de los puntos de las zonas de entrenamiento, se extraern ciertos
parmetros estadsticos. La eleccin de los parmetros a calcular depender del mtodo
concreto de asignacin que se vaya a emplear despus. As, el mtodo del paraleleppedo
requiere conocer los valores mximos y mnimos de cada clase en cada banda, mientras
que el de mnima distancia requiere calcular la media en cada banda. El mtodo ms
elaborado, el de mxima probabilidad, requiere el clculo de la media en cada banda y la
matriz de varianza-covarianza de cada clase.
Ni que decir tiene que es fundamental la correcta seleccin de las muestras, ya que en
caso contrario, las estadsticas no sern las correctas y los resultados pueden ser
completamente errneos. Por otro lado, la validez de los resultados depender de dos
factores:
1. El grado de fiabilidad de los posibles supuestos previos que se hayan hecho.
2. La representatividad de la muestras tomadas
Las suposiciones que se toman como ciertas a priori sobre los datos, dependern
tambin del mtodo de asignacin empleado. Aqu tambin, el mtodo ms complejo es
en el que se realizan las suposiciones ms rgidas. Se explicarn las consideraciones que
se toman en los respectivos apartados posteriores.
La representatividad de las muestras indica que los pxeles tomados contienen las
distintas 'variedades' que se dan en el rango de valores de cada clase, y adems que se
toman en las proporciones adecuadas. Una zona que contiene un tipo de vegetacin,
pongamos por caso, conferas, contendr una serie de puntos con valores
estadsticamente muy correlados (esto es lo que se llama 'autocorrelacin espacial'),
mientras que los pxeles de conferas correspondientes a otra zona separada,
seguramente tendrn una cierta separacin espectral respecto a los primeros, por efecto
de la distinta concentracin en esa zona, el relieve del terreno, o el estado de la
vegetacin. Es por tanto deseable escoger distintas variedades de una clase por toda la
imagen, ms que escoger una zona amplia pero correspondiente a una misma rea.
FASE DE ASIGNACION
Se trata de adscribir cada uno de los pxeles de la imagen a una de las clases
previamente seleccionadas. Existen distintos algoritmos para este propsito:
Paraleleppedo
Es el mtodo que menos cantidad de informacin requiere a partir de las muestras. Se
fija un rea de dominio para cada clase, segn sus valores mximo y mnimo (aunque
tambin se pueden establecer otros lmites en funcin de la centralidad y dispersin de
los valores. Ese rea tendr la forma geomtrica de un paraleleppedo, que definir las
regiones en el espacio n-dimensional. Un pxel pertenece a una clase si entra dentro del
paraleleppedo que la clase define. Si no entra dentro de ninguna clase, queda sin
clasificar.

21

Mtodo de clasificacin del paraleleppedo

Es un mtodo rpido y simple. Viene bien como primera aproximacin. Como desventaja,
puede producir pxeles sin clasificar y paraleleppedos superpuestos.
Una forma de solucionar el caso de que un pxel est dentro de dos paraleleppedos es
asignarlo al primero de ellos que se haya encontrado pertenencia. En este caso cobra
especial importancia por tanto el orden en el que se verifique la pertenencia a cada clase.
Otra solucin propone calcular en caso de incertidumbre la distancia eucldea al centro de
cada paraleleppedo como criterio de asignacin.
Mnima Distancia
Se incluye el pxel en aquella categora que minimiza la distancia entre el pxel y el
centroide de la clase. El centroide de una clase es un vector, cuyas componentes son las
medias aritmticas de los valores de muestra de los pxeles de esa clase en cada banda.
Se emplea la distancia euclidiana:

donde:
dai es la distancia del pxel 'a' a la clase 'i'
xak es la componente 'k' del pxel 'a'
es la componente k de la media de los pxeles de la clase i

Mtodo de clasificacin de mnima distancia

Se puede indicar un umbral para cada clase, indicando la mxima distancia permitida
para asignar la pertenencia a esa clase. As podremos parametrizar distintas distancias
mximas para distintas clases, en funcin del grado de concentracin que presentan los
pxeles.
Tambin es un mtodo rpido. Pero presenta la desventaja de que no tiene en cuenta la
variabilidad entre clases (la nube de puntos con forma elipsoidal).
Distancia de Mahalanobis
Asume previamente que los histogramas de las clases tienen distribuciones normales. La
forma geomtrica de la nube de puntos que representa al conjunto de pxeles
pertenecientes a una clase puede ser descrita por una elipsoide. Dicha forma de elipsoide

22

dependa directamente de la covarianza entre las distintas variables. La localizacin,

forma y tamao de las elipses reflejan la media, varianzas y covarianzas de los datos, y
esta idea se puede trasladar fcilmente a n-dimensiones.
La distancia de Mahalanobis tiene en cuenta la variabilidad de clases. Por ejemplo
clasificando reas urbanas puede haber pxeles correctamente clasificados ms lejos de
la media que en una clase de agua, donde los valores estn todos ms agrupados
(menor varianza). El siguiente grfico expresa este fenmeno:

Distancia de Mahalanobis

Si hubiramos clasificado por mnima distancia, el punto P hubiera sido asignado a la

clase C2 ya que es la que ms cerca en trminos de distancia eucldea. Pero por la
naturaleza intrnseca de la correlacin que existe entre los pxeles de cada clase, vemos
que a quien en realidad pertenece es a la clase C1. Este hecho es el que tiene en cuenta
la distancia de Mahalanobis.
La frmula para calcular dicha distancia es:
donde:
i representa la clase 'i'
x es el vector de muestras del pxel que se quiere medir la distancia
es el vector de medias de los pxeles de la clase i
Si es la matriz de varianza-covarianza de los valores de los pxeles de la clase i
Mxima Probabilidad
Tambin asume previamente que los histogramas de las clases tienen distribuciones
normales. Si no es as, mejor usar otro mtodo. Est basado en calcular las
probabilidades de que un pxel pertenezca a cada clase. Se asignar a la clase de mayor
probabilidad. Es el ms complejo y que ms clculos realiza pero tambin el que d los
mejores resultados. Tiene en cuenta la variabilidad de las clases, al igual que la distancia
de Mahalanobis.
La frmula reza que la probabilidad P(x) de que un pxel x (en realidad un vector x con
tantos valores como variables) pertenezca a la clase i viene dado por la frmula de
densidad normal multivariante:
donde:
x es el vector del cual que quiere medir distancia.
p es el nmero de caractersticas del vector x
Si representa la matriz de varianza-covarianza para la clase i
es el determinante de esa matriz

23

es la distancia de Mahalanobis, vista en el apartado anterior

Efectuando unas meras operaciones podemos simplificar la apariencia de la expresin,
obteniendo:
donde, como hemos multiplicado por (-1), para maximizar P(x) buscaremos el valor que
minimice (-2ln(P(x))).
La ecuacin bsica que se acaba de exponer, asume que las probabilidades son iguales
para todas las clases. Esto es lo que se debe considerar cuando no se tiene otro
conocimiento en contra. Pero si sabemos que eso no es as, se puede especificar factores
de ponderacin para cada clase que implementen en la frmula las distintas
probabilidades. A esto se le conoce como la regla de decisin Bayesiana. Las
probabilidades son proporcionales al rea (o volumen, o hipervolumen) que cubre cada
clase, y pueden ser consideradas como pesos. Esos pesos se incorporan a la frmula
restando dos veces el logaritmo de la probabilidad a priori de la clase i, a la probabilidad
logartmica calculada por la frmula anterior.
Para visualizar en una dimensin el efecto de cambiar la probabilidad a priori de una
clase, considrese el grfico:

Mxima probabilidad

De todas formas, establecer valores para esos coeficientes de compensacin, no resulta

nada fcil. Un criterio posible sera conceder a cada clase una probabilidad equivalente a
la superficie que ocupa en la zona de estudio, pero no siempre es fcil determinarla a
priori sin un conocimiento previo sobre la zona. En caso de desconocimiento, lo mejor es
dar a todas las clases la misma probabilidad.
Para entender el mtodo de mxima probabilidad, Chuvieco (1990) propone un ejemplo
con dados: supongamos que tenemos dos pares de dados: unos, con las caras
numeradas del 1 al 6, y otro con las caras numeradas del 3 al 8. Si lanzamos uno de los
pares y obtenemos un 7, el problema sera estimar qu par ha sido el utilizado, y un
buen criterio es el de asignar la tirada al par ms probable. As, la probabilidad de
obtener un 7 con el par de dados normales es 6/36 (las combinaciones posibles son 1-6,
6-1, 2-5, 5-2, 3-4, 4-3), mientras que la probabilidad de obtenerlo con el par anmalo es
2/36 (3-4 y 4-3). Por lo tanto, la tirada es asignada al par normal.
Esto no significa que no pueda producirse una tirada mayor a 9 con un par de dados
normal, ni inferior a 9 con el otro. El mtodo no puede asegurar a qu categora asignar
el elemento si existe solapamiento entre las clases, pero es bastante certero.
Evidentemente, los errores sern mayores cuanto mayor sea el solape entre las
funciones de probabilidad.
La traduccin de este ejemplo al campo de la teledeteccin, se realiza de la siguiente
forma: los dados son las clases y las tiradas son los niveles digitales de los pxeles a

24

clasificar. En definitiva, calculamos las probabilidades de pertenencia de los pxeles a las

distintas clases, y la asignacin se produce a la clase que maximiza esa probabilidad.
Por ltimo, es posible tambin establecer unos umbrales de probabilidad para cada
categora, de forma que los elementos cuya mxima probabilidad de pertenencia a una
clase sea menor que dicho umbral, queden rechazados, es decir, sin clasificar.

Umbrales de probabilidad

Evaluacin de las clasificaciones

Una vez que la clasificacin se ha efectuado, se puede determinar el grado de error
cometido, en trminos de nmero de pxeles incorrectamente clasificados. Los resultados
de las clasificaciones tanto supervisadas como no supervisadas se pueden evaluar con la
ayuda de las reas de comprobacin. El diseo de muestreo de dichas reas y su
localizacin debe realizarse previamente a la clasificacin para evitar posibles sesgos.
Estas reas de comprobacin sern perfectamente conocidas y tendremos tabuladas la
superficie que poseen cada una de las clases. En estas mismas reas se evalan las
superficies de cada clase que se han obtenido a travs de las clasificaciones realizadas
con el ordenador y se comparan con los anteriores resultados. La utilizacin de reas de
entrenamiento para este propsito es claramente inadecuada.
Siempre se puede realizar una clasificacin que se adapte a lo que marcamos, pero lo
que intentamos medir es el grado de aproximacin con la realidad, no con las muestras
que hemos introducido. Este es por tanto el inconveniente del mtodo ya que es difcil
conseguir esa informacin de referencia.
La construccin de matrices de confusin en las que las filas representan las clases
verdaderas y las columnas las clases asignadas en el proceso clasificador, dan una
medida de la calidad de la clasificacin. Cuanto mayores sean los valores contenidos en
la diagonal principal con respecto a los del resto de la matriz, ms fiable ser la
clasificacin realizada. Al final los resultados se expresan en porcentajes de acierto para
cada clase y totales.
ANALISIS DE SUBPIXEL
En los ltimos tiempos, estn surgiendo avanzadas tcnicas de clasificacin que
perfeccionan el proceso, incluyendo nuevas herramientas. Uno de esos mtodos es el
llamado 'anlisis de subpxel', que es el que se describe a continuacin.
Las superficies naturales, rara vez estn compuestas de un slo material uniforme. La
mezcla espectral se da cuando materiales con diferentes propiedades espectrales se ven
representadas en un nico pxel en la imagen digital. Con este mtodo no podremos
saber dnde dentro de cada pxel se da cada superficie, puesto que hemos llegado al
lmite de resolucin espacial, pero s que podemos cuantificar las proporciones de
reflectancia que corresponden a cada una.

25

El modelo lineal que se aplica, asume que no se produce interaccin entre materiales.
Este modelo lineal tiene validez en las escalas en las que se trabaja en teledeteccin. A
pequeas escalas, los efectos de dispersin producen no linealidades en la mezcla.
El modelo establece que la firma espectral de un pxel es combinacin lineal de varias
firmas
espectrales
'puras',
ponderadas
por
sus
factores
de
abundancia.
Matemticamente, el espectro observado (un vector) es el producto matricial de una
matriz que contiene los espectros de los distintos elementos puros, por el vector de
abundancias. Por tanto, calculando el producto de la matriz inversa de los elementos
puros por el espectro de un pxel, da como resultado el vector de abundancias que se
desea establecer.

Principios del anlisis de subpxel

Los espectros puros se pueden obtener de dos formas: bien a partir de espectros de
materiales aislados medidos en laboratorio, o bien a partir de ciertas manipulaciones
matemticas con la imagen que extrae esa informacin particularizada.
El resultado ahora no es decir que a un pxel determinado corresponde a cierta clase,
sino determinar qu tanto por ciento de cada clase est presente en cada pxel de la
imagen.

FILTRADO DE IMGENES CLASIFICADAS

El resultado de una clasificacin suele dar pxeles sueltos en medio de una zona
homognea, perdiendo unidad geogrfica y dificultando la interpretacin. A esto se le
llama 'efecto de sal y pimienta'.
Para solventarlo, se emplea una tcnica de suavizacin de resultados, similar a aplicar un
filtro pasa-bajos (aunque no igual ya que no se pueden aplicar promedios de pxeles
contiguos).
Hay que tener en cuenta que podemos estar eliminando parte de la exactitud por la que
tanto nos hemos esforzado en el proceso de clasificacin, en aras de unos resultados ms
homogneos y fciles de interpretar. En el equilibrio entre ambos criterios estar el punto
de equilibrio. Dos tipos de filtros:
Filtro Modal
El pxel situado en el centro de la matriz 3x3 del filtro se asigna a la categora ms
frecuente entre los pxeles vecinos.

26

Filtro de Mayora
El pxel central se asigna a la categora que cuente con la mitad ms uno de los pxeles
vecinos. Si ninguna categora rebasa ese valor, se deja como estaba.

27