Imágenes de Satelite
LANDSAT LANDSAT SPOT
Características MSS TM HRV
Disponible desde 1972 1982 1986
Tipo de registro XS XS Pan y XS
Frecuencia de pasada 16 días 16 días 26 días
Area de cobertura (km2/imagen) 34000 34000 3600
Tamaño del pixel (m) 50-80 30 10 y 20
Visión esteresocópica No* No* Sí
Productos Mejorados Sí Sí Sí
Sensores TM y HRV:
• El Thematic Mapper (TM) es un equipo de
barrido multiespectral. Frente al MSS mejora
la resolución espacial, espectral y radiométrica:
de 79 a 30 m, de 4 a 7 bandas, y de 6 a 8 bits,
respectivamente. Sobresalen las aplicaciones
terrestres y marinas sobre el sensor MSS:
detección de turbidez y contaminantes en el
agua (banda azul), exploración minera (IRM),
contenido de humedad en las plantas y suelos
(IRM), etc.
• El sistema SPOT incorpora dos equipos de
exploración por empuje denominados HRV
(Haute Resolution Visible) los que permiten
obtener imágenes en dos modalidades:
pancromático y multibanda (V, R e IRC). Este
sensor posee la capacidad de variar su campo
de visión y realizar observaciones no verticales
de hasta 27 grados a ambos lados del nadir. Si
es necesario reduce la frecuencia temporal de
las imágenes de 26 a 2-3 días.
Sensor Ikonos:
• Operativo desde 1999, este
sistema posee una
resolución espacial de 1
metro en el modo
pancromático y 4 metros
en XS, ambos tipos de gran
aplicación en el ámbito
urbano.
• La calidad del dato
espacial puede confundirse
con la misma calidad
entregada por una
fotografía aérea digital,
como apreciamos en el
ejemplo.
Sensor QuickBird II:
• El sensor QuickBird
destaca por su alta
resolución espacial, ideal
para trabajos catastrales,
delimitación de predios,
aplicaciones urbanas, etc.,
teniendo en el modo
pancromático un tamaño
de píxel de 0,62 metros.
• Un aspecto importante en
estas imágenes de alta
resolución espacial es la
relación entre la
georreferenciación, con su
dato espacial coordenado, y
el tamaño del píxel, que
exige una mayor y mejor
exactitud.
Otros sistemas de percepción remota:
• NOAA-AVHRR (National Oceanic • ERS (European Remote Sensing
and Atmospheric Administration Satellite): Orbita a 780 km. Banda
Satellite): Orbita a 833 km, 5 bandas C (5,3 cm); resolución espacial de
(R, IRC, IRM y 2IRT); 12 horas; 1,1 26 m en profundidad.
km; 1024 niveles de codificación. • JERS-1: Banda L; resolución de 20
m; ángulo de observación de 35º.
• GOES (Geostationary Opertional Además, cuenta con un equipo
Environmental Satellite): registra el óptico OPS (Optical Sensor) que
disco visible de la Tierra cada 30 proporciona información de 8
minutos; 2 bandas (visible e IRT). bandas en el visible + IRC e IRM
• METEOSAT-Met1 (36.000 km): 3 con 25 m.
bandas (P, IRM, IRT); 30 minutos, • RADARSAT: Satélite canadiense de
resolución 2,5 en el visible y 5 km en micro-ondas de variada resolución
el térmico. espacial, coberturas y ángulos de
incidencia. Banda C, 11 y 100 m;
• SEASAT (795 km): Sistema SAR; área cubierta entre 50 y 500 km; 24
ángulo de incidencia entre 20 y 26 días de frecuencia temporal; 20º y
grados; 20 m de resolución espacial; 50º de incidencia.
banda L (23,5 cm).
Sistemas de Observación Satelital:
Nombre Origen Fecha de Sensores Tipo Número de Resolución
Lanzamiento Canales Espacial (m)
Landsat-7 USA 1999+ ETM+ Multiespec. 6 30
1 60
Pancromat. 1 15
NOAA-L USA 1999 AVHRR Multiespec. 5 1100
OrbView-3 Orbimage 1999 OrbView Multiespec. 4 4
Pancromat. 2 1-2
LightSAR USA 2001 SAR Radar 4 3-100
ADEOS-II Japan 1999 GLI Multiespec. 34 250-1000
ENVISAT-1 ESA 1999 ASAR Radar 1 30,150
MERIS Multiespec. ---- ----
IRS-P5 India/USA 1999 Pan Pancromat. 1 2.5
EOS PM-1 USA 2000 MODIS Multiespec. 36 250-1000
OrbView-4 Orbimage 2000 OrbView-4 Hiperespec. 280 8
ARIES Australia 2000 ARIES-1 Pancromat. 1 12
Multiespec. 96 12,30
NOAA-M USA 2001 AVHRR Multiespec. 5 1100
XSTAR France/U.K. 2001 XSTAR Multiespec. 10+ 20
SPOT-5 France 2001 HRV Multiespec. 3 10
1 20
Pancromat. 1 5
VI Multiespec. 4 1150
Sensores Activos (I)
• Un sensor activo porta su propia fuente de
iluminación que recoge su reflexión en el rango
de las micro-ondas en una banda comprendida
entre 0,1 cm 1m. Sistema conocido con el nombre
de radar (radiómetro activo de mico-ondas).
• Una mayor penetración atmosférica de las
micro-ondas aporta una considerable ventaja
frente a los sensores ópticos, al permitir trabajar
con independencia de la cobertura nubosa.
• El sistema más conocido es el radar de apertura
sintética o SAR (Synthetic Aperture Radar). Su
principio de operación se basa en el efecto
Doppler.
• Este sistema observa la superficie lateralmente lo
que implicará notables deformaciones
geométricas en la imagen (ver figuras). La
misma resolución espacial sufrirá variaciones, en
acimut y en profundidad. Por su parte, la
resolución en profundidad dependerá de la
duración de los pulsos emitidos.
Sensores Activos (II)
El relieve ejerce una gran influencia
sobre la geometría de las imágenes
radar. Estos efectos son:
• i) las distancias se “acortan” enla
imagen cuando la pendiente es
pronunciada (ver figura).
• ii) si el relieve o pendiente es
extrema, los objetos pueden
aparecer en orden inverso a su
posición real (solapamiento inverso).
• iii) con ángulos de incidencia bajos,
no se recibe información de las
vertientes contrarias al sentido del
flujo.
Sensores Activos (III)
• La imagen ERS-1 del
ejemplo muestra en tono
brillante los pliegues
cordilleranos, así como la
ciudad de Santiago en
tonalidad más oscura.
• En tonos intermedios la
imagen radar indica los
suelos con aptitud
agrícola.
• El ángulo de inclinación
así como la fecha resultan
determinantes para el
tipo de información
espacial.
Sensores Activos (IV)
• En este ejemplo
correspondiente a una
imagen LANDSAT-TM de
1991 destacan diversos
elementos urbanos de
dinámica bastante lenta,
como son: el crecimiento
urbano, escurrimientos
superficiales, etc.
• Dentro de los indicadores
sobresalen: el color, tono,
forma y contexto.
Clasificación Visual
• Una de las principales ventajas del
análisis visual sobre el digital es su
capacidad para incorporar a la
interpretación de la imagen criterios
complejos. Mientras el tratamiento
digital se basa, casi exclusivamente,
en la intensidad radiométrica de cada
píxel, el análisis visual puede utilizar
otros elementos difíciles de definir en
términos digitales, como son los
indicadores de textura,
emplazamiento, asociación, etc.
• Los criterios visuales deben
manejarse con cierta precaución en
imágenes de satélite; escalas de
trabajo y geometría de adquisición
son distintas a las empleadas en
fotografía aérea.
Composiciones de color
• Para una mejor discriminación de
cubiertas resulta adecuada la
combinación de bandas y colores.
• Las tonalidades más habituales para
dicha composición en falso color
corresponden a las siguientes
cubiertas:
-Rojo-magenta: vegetación vigorosa.
-Rosa: Vegetación de menor
densidad y/o en temprano estado de
crecimiento.
-Blanco: Suelos desnudos, canteras,
nubes, en general corresponden a
zonas de máxima reflectividad.
-Azul oscuro a negro: Superficies
cubiertas parcial o totalmente por
agua.
-Gris a azul verdoso metálico:
Ciudades o centros poblados.
Mejoras Visuales en la Imagen:
Uso de Realces
• Los realces son técnicas
destinadas a producir mejoras
en la calidad visual e
interpretativa de la imagen, de
manera que sean más evidentes
los rasgos de interés que pueda
ofrecernos ésta.
• Lo más común es aplicar una
expansión del contraste.
• Entre los realces más
comúnmente aplicados destacan
el de tipo lineal, ecualización del
histograma, cuadrático e
inverso.
Uso de Filtros
• Los filtros trabajan con el
contraste espacial, o si se prefiere
la diferencia entre el nivel digital
de un determinado píxel y el de
sus vecinos, pudiendo suavizar
estos contrastes o reforzar los
contornos entre áreas
homogéneas.
• A diferencia de los realces el filtro
crea una nueva imagen, ya que
los ND son alterados con la
finalidad de producir una mejora
visual.
• Los filtros se dividen básicamente
en filtros de paso alto y filtros de
paso bajo.
Tratamiento Digital de Imágenes
Estadísticas en la Imagen: Histogramas
• La frecuencia relativa de un
determinado píxel se calcula
como el cociente entre el número
de píxeles que presenta ese valor
y el total de píxeles de la imagen.
Dicha proporción define lo que
escalarmente se conoce como
Histograma.
• Su localización nos permite
deducir la tonalidad dominante
de cada banda; su anchura está
relacionada con el contraste,
mientras que la presencia de
peaks relativos puede ser testigo
de determinadas clases de
coberturas.
Dispersogramas
• La relación entre bandas es otra
característica que merece ser
estudiada, ello se efectúa con el
objeto de analizar el grado de
información original que aporta
cada una.
• Cuando la nube de puntos de
estos gráficos tiende a formar
una línea (correlación lineal
tiende al valor 1), las bandas
estarán muy relacionadas. Por el
contrario, si la nube de puntos
ofrece una alta dispersión (valor
de la correlación lineal tiende a
0), las dos bandas ofrecerán
información contrastada.
Perfiles Radiométricos
• El perfil radiométrico supone
una sencilla operación
estadística que ofrece una
interesante información
sobre el sentido espectral de
cada banda, en función de la
línea que forma el perfil de
las cubiertas que se deseen
inspeccionar.
• Este tipo de herramienta
entregará su información
según sea el trazado definido
sobre la imagen a utilizar y
de las bandas que la
componen.
Indices de Vegetación (NDVI):
• El índice de vegetación es
un cociente entre dos
bandas o más de la misma
imagen. El empleo de estos
cocientes requiere
especialmente de la
utilidad de la banda rojo y
la del infrarrojo cercano.
• El objetivo de estos índices
es la discriminación de
masas vegetales, así como
el vigor que puedan
presentar las mismas.
Entre estos índices destaca
el NDVI, SAVI y otros.
Clasificación No supervisada
• Este tipo de clasificación asigna los
pixeles de la imagen en función de
su similitud espectral en las bandas
consideradas. Una vez
seleccionadas las bandas que
intervendrán en el proceso se elige
el algoritmo de procesamiento, que
en nuestro ejemplo correspondió al
denominado K-Means, indicando la
definición de 8 clases y la
realización de 16 iteraciones.
• La clasificación no supervisada
presenta una clara diferencia de
clases, pero pierde información de
escurrimientos superficiales.
• Las estadísticas de verificación
determinan la precisión con que se
realizó el proceso.
Clasificación Supervisada I:
• La definición de campos de
entrenamiento (training fields) resulta
fundamental para aplicación de este
método de clasificación. Estos tienen por
función identificar las clases o categorías
temáticas de interés.
• Previo a la aplicación del algoritmo de
clasificación resulta recomendable
estudiar los histogramas, así como la
matriz de separabilidad; esto último
permite comprobar el grado de
separación entre una clase y otra, entre
valores de 1,8 a 2,0 la separación es
óptima.
• La fase siguiente es la asignación de los
pixeles de la imagen a cada una de las
clases previamente definidas mediante la
aplicación de algún algoritmo de
clasificación.
Clasificación Supervisada II:
• En esta imagen de Landsat-TM de
Valdivia se utilizó el algoritmo de
máxima probabilidad (Maximum
Likelihood) como algoritmo de
asignación.
• La verificación del proceso se realiza
mediante muestras de la imagen.
Finalmente, la aplicación de filtros
modales resulta optativa para
mejorar los resultados obtenidos.
• La clasificación supervisada aporta
el reconocimiento de suelos
inundados, aunque aparece un exceso
de suelo urbano en zonas de similares
respuestas espectrales.
• A la imagen se le aplicó un filtro
modal con matriz de 3x3, para
suavizar los efectos del ruido.
Análisis Lineal de Mezclas Espectrales (ALME):
• La técnica ALME considera 3 aspectos: i) asume
que la radiación recibida por el sensor desde cada
tipo de cubierta se restringe al ámbito de la
parcela ocupada por ese píxel; ii) su radiancia
global es proporcional a la superficie ocupada por
cada cubierta, y iii) se asume en el ALME que
existen firmas espectrales puras, válidas para
toda la zona analizada. La situación se resume en
la siguiente fórmula:
r i , j ,k
= åm=1, p Fi , j , m r
m,k
+ ei , j ,k