N
DEFINICIN DE TELEDETECCIN
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.
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.
BSQ (Band Sequential): Se guardan las bandas en orden consecutivo. Idneo para
Resolucin espectral
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
PRINCIPIOS FSICOS
RESEAS HISTRICAS
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
8
continuo, a la velocidad de 3x10 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.
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.
y energa:
EL 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)
ALGUNAS DEFINICIONES
Cuerpo negro
Absorbe y emite de forma distinta para diferentes longitudes de onda (e cte.). Son
los cuerpos ms abundantes en la naturaleza.
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
2
por metro cuadrado (W/m ).
Irradiancia (E)
2
Energa radiante sobre una unidad de rea y por unidad de tiempo. (W/m ).
Radiancia (L)
Se define como el total de energa radiada por unidad de rea y por ngulo slido de
2
medida. Se mide en vatios por metro cuadrado y estereo-radin (W/m sr).
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)
Especular
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.
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).
(T en K, l en mm.)
Para una misma superficie, el flujo de energa recibido por el sensor no slo depende de
la reflectividad, sino tambin de otros factores:
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 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.
Vegetacin vigorosa
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).
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.
Vegetacin
Suelos y agua
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).
DOMINIO DE RADIO
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
-2 2 -2
nuestro planeta est cifrada en 340 Wm (vatios/m ). De toda ella, slo 173 Wm 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
Absorcin
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
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:
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
SPOT
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.
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
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.
Distorsin radiomtrica
La tcnica radar, conocida como Radar de Apertura Sinttico (SAR), es un tipo de
La imagen puede aparecer ms luminosa en el centro. Esto tambin puede causar
bandeo, todo debido al tipo de antena de radar.
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.
La habilidad del radar para penetrar en la arena seca y en algunas cubiertas vegetales la
hace muy til en exploraciones arqueolgicas.
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.
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
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:
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
CORRECCIONES GEOMTRICAS
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).
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.
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
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:
Clasificacin supervisada
Clasificacin no supervisada
Utilizaremos un mtodo grfico para ilustrar grficamente las distintas problemticas que
se plantean en un proceso de clasificacin y las soluciones que se proponen.
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.
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:
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:
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.
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.
Distancia de Mahalanobis
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:
23
es la distancia de Mahalanobis, vista en el apartado anterior
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.
Mxima probabilidad
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.
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
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
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.
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 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'.
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