Manual Del Curso Envi

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

MANUAL DEL CURSO –TALLER PROCESAMIENTO DIGITAL DE IMAGENES DE SATELITE CON EL ENVI

ELABORADO POR:

ING. LUIS SAMANIEGO POLANCO CONSULTOR EN GESTION DE RIESGOS DE DESASTRES DOCENTE DEL DEPARTAMENTO DE CONSTRUCCION FACULTAD DE INGENIERIA CIVIL UNIVERSIDAD NACIONAL DE INGENIERIA

E-mail: [email protected]

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

INDICE INTRODUCCION CAPITULO I NOCIONES INTRODUCTORIAS PRINCIPIOS FÍSICOS DE TELEDETECCIÓN SISTEMAS ESPACIALES DE TELEDETECCIÓN LA OBTENCIÓN DE LA IMAGEN EL ENVI Y SUS CARACTERÍSTICAS CAPITULO II LA INTERPRETACIÓN DE LOS DATOS FASES EN LA INTERPRETACIÓN SELECCIÓN DEL MÉTODO DE ANÁLISIS TRATAMIENTO DIGITAL DE IMÁGENES CORRECCIONES, REALCES Y MEJORAS DE LA IMAGEN CAPITULO III INTERPRETACIÓN VISUAL DE IMÁGENES CRITERIOS VISUALES PARA IDENTIFICAR CUBIERTAS ELEMENTOS DE ANÁLISIS VISUAL EJEMPLOS DE ANÁLISIS VISUAL CAPITULO IV GENERACIÓN DE INFORMACIÓN TEMÁTICA MODELOS INDUCTIVOS Y DEDUCTIVOS EN TELEDETECCIÓN COCIENTES E ÍNDICES DE VEGETACIÓN EJEMPLOS DE CÁLCULO DEL NDVI CAPITULO V COMPOSICIÓN DE MAPAS LA TELEDETECCIÓN Y LOS SISTEMAS DE INFORMACIÓN GEOGRÁFICOS TALLERES T1.- CASO APLICATIVO DE TELEDETECCION T2.- OBTENCION DEL PATH Y ROW DE LAS IMÁGENES SATELITALES T3.- OBTENCION DE LA IMAGEN T4.- TRABAJO CON EL ENVI ZOOM T5.- EL ENVI Y SUS CARACTERISTICAS T6.- ANALISIS COMPARATIVO VISUAL T7.- ANALISIS VISUAL DE AREQUIPA T8.- CORRECCIONES RADIOMÉTRICAS DE IMÁGENES LANDSAT ETM+ CON EL ENVI T9.- SELECCIÓN DEL AREA DE TRABAJO T10.- ANALISIS COMPARATIVO CUALITATIVO DE CHICLAYO T11.- ANALISIS DEL NDVI EN LA CIUDAD DE CHICLAYO T12.- TELEDETECCION Y LOS SIG BIBLIOGRAFIA ANEXOS

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

CAPITULO I Este capítulo brinda una breve visión de los conceptos generales sobre procesamiento de imágenes, el tipo de información que puede procesar y las aplicaciones del ENVI en las ciencias de la tierra. También brinda una visión general del funcionamiento del software ENVI y las ventajas que proporciona respecto a otros sistemas de procesamiento de imágenes. 1.1 NOCIONES INTRODUCTORIAS El término procesamiento digital de imágenes se refiere al uso de una computadora para manipular los datos de imágenes almacenados en un formato digital. El objetivo del procesamiento de imágenes aplicado a las ciencias de la tierra es el de realzar los datos geográficos en un formato digital para hacerlos más significativos para el usuario, extraer información cuantitativa y resolver problemas. Una imagen digital es almacenada como un arreglo bidimensional (o grilla) de pequeñas áreas llamadas pixels (picture x elements), y cada pixel corresponde espacialmente a un area de la superficie terrestre. Este arreglo o grilla es también llamado raster, por lo tanto los datos de imágenes son a menudo llamados datos raster. El dato raster está ordenado en filas horizontales llamadas líneas, columnas verticales llamadas muestras. Cada pixel en la imagen raster está representado por un número digital (o ND).

Esta imagen de NDs puede representar diferentes tipos de datos dependiendo de la fuente de datos. Para datos satelitales tales como Landsat y SPOT, los PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

NDs representan la intensidad de energía reflejada en longitudes de onda visible, infrarrojo y otras. Para datos de imágenes de radar (Synthetic Aperture Radar - SAR), los NDs representan la potencia del pulso de radar que retorna a la antena. Para modelos de terreno digitales (MTDs), los NDs representan la elevación del terreno.Independientemente de cual es la fuente, todos estos tipos de datos pueden ser almacenados en un formato raster. Aplicando transformaciones matemáticas a los números digitales, el ENVI puede resaltar datos de la imagen y extraer información sutil que sería imposible utilizando técnicas tradicionales de interpretación manual. Por tal motivo el procesamiento de imágenes se ha vuelto una herramienta importante para todo tipo de aplicaciones de las ciencias de la tierra. Muchos datasets de imágenes poseen múltiples bandas (o capas) de datos cubriendo la misma área geográfica, cada una conteniendo un tipo diferente de información. Por ejemplo, una imagen satelital SPOT HRV-XS tiene tres bandas de datos, cada una registrando reflexiones de la superficie terrestre en longitudes de onda de luz diferentes. Como en cada banda se registran reflexiones de una parte distinta del espectro, este dato es a menudo llamado dato multiespectral. Muchas técnicas potentes de procesamiento de imágenes han sido desarrolladas para combinar varias bandas desde las imágenes multiespectrales para resaltar tipos de información específicas de las ciencias de la tierra como abundancia de vegetación, parámetros de calidad de agua, o los tipos de minerales presentes en la superficie terrestre. 1.2 PRINCIPIOS FÍSICOS DE TELEDETECCIÓN La Teledetección (también llamados sensores remotos) es definida como la ciencia y tecnología por medio de la cual las características de los objetos de interés pueden ser identificadas, medidas o analizadas sin contacto directo. Esto se hace por medio de la adquisición y registro de energía reflejada o emitida para luego traducirla a archivos de computadora o imágenes impresas para su posterior interpretación.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

VENTAJAS DE USAR LA TELEDETECCIÓN • • • • •

El sistema medidor no disturba el objeto Hay periodicidad en la adquisición de datos Como la información está en formato digital, se puede automatizar el proceso de detección El sistema observa al objeto en diferentes dimensiones (espacial, temporal, espectral) El sistema cubre una vasta área de la superficie terrestre en cada imagen

1.3 SISTEMAS ESPACIALES DE TELEDETECCIÓN

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

1.4 LA OBTENCIÓN DE LA IMAGEN

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

1.6 EL ENVI Y SUS CARACTERÍSTICAS El ENVI es el mejor software para obtener información de imágenes geoespaciales de manera fácil, rápida y precisa. Por sus herramientas fáciles de usar, su funcionalidad comprobada y resultados rápidos su demanda se incrementa notoriamente en estos últimos años. Obtener información critica a partir de imágenes geoespaciales, es cada vez más importante dada la creciente utilización de éstas como fuente de información. Por la misma razón, las herramientas y procesos son esenciales ya que deben extraer la información fácil y en forma precisa sin importar el tipo de aplicación que necesita, ya sea para propósitos de inteligencia, científicos o de planeación. Hoy en día, tanto científicos como analistas de imágenes, en una gran variedad de disciplinas, escogen ENVI, como la mejor solución de software para extraer información de imágenes geoespaciales. ENVI ofrece herramientas avanzadas y fáciles de usar para leer, explorar, preparar, analizar y compartir la información extraída de sus imágenes. Desarrollado por expertos en procesamiento de imágenes y visualización de datos, ENVI esta construido en una plataforma extensible que permite acceder fácilmente a la información y ajustar las aplicaciones ENVI a nuestras necesidades. Por su plataforma abierta, ENVI puede ser su solución sin importar el ambiente de trabajo: Windows, Macintosh, Linux o UNIX. ENVI soporta los formatos utilizados por numerosos satélites y sensores aerotransportados incluyendo imágenes pancromáticas, multiespectrales, hiperespectrales, de radar y térmicas. ENVI puede leer más de 70 formatos de datos incluyendo HDF, GeoTIFF y JITC (NITF). ENVI nos provee de herramientas automatizadas de procesamiento que permiten preparar fácil y rápidamente sus imágenes para visualización y para análisis adicionales. Con ENVI podremos: • Registrar dos o más imágenes • Ortorrectificar imágenes • Calibrar imágenes • Corregir las distorsiones atmosféricas en las imágenes • Crear y sobreponer capas vectoriales • Identificar Regiones de Interés (ROIs) • Crear Modelos Digitales de Elevación (DEMs) • Generar imágenes de alta resolución espectral y espacial. • Realizar mosaicos y máscaras • Recortar y rotar imágenes • Determinar índices de vegetación ENVI nos ofrece una interfase de usuario intuitiva y herramientas fáciles de usar para ver y explorar nuestras imágenes. Con ENVI podremos visualizar gran cantidad de datos y metadatos, compararlos y crear representaciones en tres dimensiones.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

TALLERES

TALLER 1 CASO APLICATIVO DE TELEDETECCION 1.- INTRODUCCION El presente trabajo consistió en el análisis y síntesis de un documento que aplica el tratamiento digital de imágenes la teledetección para el reconocimiento y control de deslizamientos. Donde se presentan diversos métodos de tratamiento digital. Se incluyen métodos de segmentación textural de imágenes, basados en su espectro de textura, para la detección principalmente de flujos de tierra y deslizamientos rotacionales, así como otros de realce textural de escarpes y bordes de deslizamientos, de realce espectral para la diferenciación de cuerpos deslizados, y de visualización tridimensional. También se presenta un nuevo método para el control indirecto de deslizamientos sobre áreas extensas, basado en la detección automática de cambios en la superficie del terreno producidos por movimientos de ladera y el cálculo de umbrales en imágenes ópticas multitemporales de alta resolución espacial. Este método se aplica al análisis de la reactivación del gran deslizamiento de Tessina, en los Alpes orientales italianos, usando para ello imágenes pancromáticas de 1 m de resolución. Se clasifica de este modo el deslizamiento en sectores, según su actividad durante el período abarcado por las imágenes. 2.- LA TELEDETECCION La teledetección está basada en sus principios tecnológicos en propiedades de las ondas electromagnéticas definidas como la asociación de dos campos perpendiculares: El campo eléctrico y el campo magnético. Físicamente, las ondas electromagnéticas son definidas por tres características: El ancho de onda (l), la frecuencia (u) y la polarización; estas variables son unidas a la velocidad c con la relación: C = l u. La polarizacion de PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

la onda es función de la evolución del campo eléctrico en un plan, en estas condiciones la onda es polarizada de una manera rectilínea, espiral o elíptica. El desplazamiento de la onda en su plan de evolución posee una energía potencial (E) definida por un rayo electromagnético proporcional a la frecuencia de la onda electromagnética según E = h u (h: constante de Planck = 6.626 1034J.s-1). La teledetección está interesada de manera particular en los espectros electromagnéticos producto de la interacción de los rayos electromagnéticos generados durante el intercambio energético entre la tierra y el sol. En esta relación se destacan por su uso los espectros siguientes: a.- El dominio del visible, comprendido en el intervalo de onda del orden de 0.38 hasta 0.78 micro-m. En este intervalo se capta el canal pancromático utilizado en los estudios urbanos. b.- El dominio del infrarrojo cercano, comprendido en el intervalo de 0.78 hasta 3 micro-m, de gran uso en los estudios relacionados con la determinación de los contenidos en agua. c.- El dominio del infrarrojo medio, comprendido en el intervalo de 3 hasta 8 micro-m, toma como base de su emisión y reflexión la superficie terrestre. Este dominio es destinado a los estudios de los contenidos en humedad de la actividad clorofiliana. d.- El dominio del infrarrojo térmico, comprendido en el intervalo de 8 hasta 15 micro-m, toma como base la emisión exclusiva desde la superficie terrestre, destinado en general a los estudios relacionados con la meteorología. Estos cuatro dominios y otros del espectro magnético, delimitan el campo de la teledetección pasiva, es decir en este caso, los sensores poseen solamente la propiedad de captar los rayos electromagnéticos emitidos y/o reflejados desde diferentes fuentes. Al contrario, en la teledetección activa, las fuentes de emisión están confundidas con los mismos sensores diseñados para captar la reflexión de los rayos electromagnéticos emitidos desde las mismas fuentes emisoras (radares, sonares, láser). En el campo de la teledetección activa, se destacan por su uso las hiperfrecuencias emitidas y captadas dentro del intervalo comprendido entre 2 hasta 30 cm. de ancho de onda. Es un campo de muy baja energía, utilizado con gran frecuencia en los estudios oceanográficos.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Diagrama del método de segmentación de imágenes basado en el espectro textural. En la imagen se observan flujos de tierra y deslizamientos rotacionales.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

TALLER 2 OBTENCION DEL PATH Y ROW DE LAS IMÁGENES SATELITALES Lo primero que hacemos es obtener las imágenes satelitales. Utilizando los Sistemas de Información Geográficos, se ubicaron las coordenadas. Para ello se ha considerado su PATH y ROW. Para ello abrimos el ARCMAP para añadir algunos layers.

Con la opción ADD DATA añadimos tres layers al ARCMAP, estos son Cities, Departamentos y el WRS (Sistema de Referencia Mundial)

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Luego, hacemos doble clic en la leyenda del layer WRS_PERU, para poder cambiar la simbología y seleccionamos la opción Hollow.

Luego, colocamos el layer WRS_PERU, en la parte superior para que se superponga a las demás capas. Y obtenemos los cuadrángulos con las imágenes de satélite tomadas en el Perú, tal como se muestra a continuación:

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Lo siguiente es ubicar el PATH y ROW, osea la fila y la trayectoria de la imagen que le corresponde a la ciudad de Huaraz. Para ello haremos una búsqueda, utilizaremos entonces el comando FIND.

La búsqueda la hacemos en el layer Cities, y en el campo CITY_NAME.

Luego de encontrar a la ciudad de Huaraz procedemos a seleccionarla.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Entonces habremos ubicado a la ciudad de Huaraz en nuestro mapa.

Para obtener el Path y Row de la ciudad de Huaraz nos vamos en la Tabla de Contenidos (TOC), a Selection y desactivamos las opciones Cities y Departamentos. Luego seleccionamos el cuadrángulo donde se ubica Huaraz.

Finalmente, abrimos la tabla de atributos del layer WRS_Peru y hacemos clic en Selected.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Obtenemos, lo siguiente:

HUARAZ

PATH 8

ROW 67

Luego de obtener dichos parámetros, se obtienen las imágenes satelitales del ESDI en el Global Land Cover Facility, imágenes gratuitas del Internet. Se han obtenido dos imágenes satelitales de la ciudad de Huaraz ambas obtenidas con el sensor TM, la primera del 30 de Diciembre de 1989 y la otra del 15 de Setiembre de 1991.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

TALLER 3 OBTENCION DE LA IMAGEN Aquellos que necesiten imágenes satélites para realización de prácticas o estudios y no dispongan de los recursos económicos para comprarlas, puedan localizar en la Web del Global Land Cover Facility (GLCF) imágenes que les puedan servir para sus propósitos de estudio e investigación. En el caso de que quieran revisar que imágenes están disponibles gráficamente deben de ir al link: http://www.landcover.org/index.shtml

En su Web comentan que el uso principal (no exclusivo) que le están dando a las imágenes son: • • • •

Ciencias: Climatología, conservación, geografía y educación. Políticas ambientales: calentamiento global, desarrollo sostenible y gestión de riesgos. Gestión de Recursos: Biodiversidad, forestales y inventario forestales Gestión de Desastres: Fuegos, inundaciones y seguridad alimentaria

Este servidor ofrece Imágenes satelitales Landsat MSS, TM y ETM+; ASTER; MODIS; NOAA AVHRR; Modelos de elevación digital (DEM) SRTM, y otros productos elaborados como composiciones multi-temporales de imágenes, NDVI, y otros. La mayoría de las imágenes y productos disponibles están en formato GeoTiff por lo que pueden ser importados directamente a muchas aplicaciones SIG gratuitas como DIVA-GIS1 , o a programas de procesamiento de imágenes satelitales como Multispec©2 para crear imágenes en color real o falso color, o simplemente a cualquier visualizador de imágenes.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Procedemos a ingresar al ESDI (Earth Science Data Interface), y procedemos a seleccionar el modo de búsqueda como mapa (Map Search) o Landsat Path Row.

Previamente se obtiene el PATH y ROW de la imagen a descargar, o caso contrario directamente se busca el cuadrángulo de la imagen a evaluar. Primer Caso: Map Search

Primero tildar las casillas del producto que se quiere bajar, en este caso serán imágenes Landsat MSS, TM y ETM+, y luego hacer clic repetidamente sobre el lugar deseado del mapa (dar tiempo a recargar la página entre cada clic) hasta visualizar bien el área de interés y la ubicación y cobertura de las escenas Landsat disponibles (señaladas como rectángulos rojos).

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Luego se procede a descargar las imágenes satelitales del GLCF, de acuerdo al cuadrángulo seleccionado.

Luego, nos dirigimos a la opción Preview and Download.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Notamos las características de la imagen, por ejemplo que ha sido tomada con el sensor ETM+, del satélite LANDSAT 7 y que el tipo de archivo es GeoTIFF. Luego, haciendo un clic en la imagen visualizamos sus características y los aspectos de nubosidad.

Para la descarga de la imagen nos dirigimos a la opción Download. PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Lo primero que nos aparece es un mensaje que nos detalla que la imagen obtenida es de la Universidad de Maryland – USA, y que las descargas deben ser moderadas; debido a que si se abusa en el uso de este mediante aceleradores de descarga o cualquier otro software parecido se nos restringirá el ID sin previo aviso.

Procedemos a bajar todos los archivos que pertenecen a nuestra imagen, sobretodo las bandas y el archivo de metadatos.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Segundo Caso: PATH / ROW SEARCH

Para esta parte necesitamos conocer previamente el Path y Row de la imagen que queremos descargar; por ejemplo si queremos analizar la ciudad de Huaraz su Path es 8 y su Row es 67.

Luego, de colocarle el Path y Row de la imagen se buscan las imágenes existentes con la opción Submit Query.

Se obtiene que se ha encontrado una escena de la imagen requerida con el sensor ETM+. PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Se obtiene que se han encontrado dos escenas de la imagen requerida con el sensor TM.

Luego, nos dirigimos a la opción Preview and Download.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Para la descarga de la imagen nos dirigimos a la opción Download.

Procedemos a descargar todos los archivos de la imagen.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

TALLER 4 TRABAJO CON EL ENVI ZOOM Primero en el ENVI nos dirigimos a File y la opción Launch ENVI Zoom

Nos aparece la ventana de apertura del ENVI Zoom:

Seguidamente nos aparece el area de trabajo:

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Procedemos a abrir un archivo con la opción FILE y luego OPEN.

Añadimos la imagen:

Podemos rotar la imagen con la opción Rotate.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Podemos simular un vuelo con la opción Fly:

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Podemos realizar diversas mejoras a la imagen como la opción Gaussian.

Podemos hacer mejoras manuales con la opción Interactive Strech.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Con la opción Data Manager podemos ver las características de la imagen trabajada.

Con la opción Data Manager, tambien podemos realizar combinaciones de bandas.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

TALLER 5 EL ENVI Y SUS CARACTERÍSTICAS Abrimos el siguiente archivo para trabajarlo en el ENVI:

Se visualizara de la siguiente manera:

Mientras trabaje con ENVI, aparecerán en pantalla diferentes ventanas y cajas de diálogo que le permitirán manipular y analizar su imagen. Las más importantes de estas pantallas son un grupo de tres ventanas que visualizan su imagen, permitiéndole moverse dentro de ella y ampliar diferentes zonas. Este grupo de ventanas se denomina colectivamente como el Grupo de Visualización, que consiste en: PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

•

La Ventana Principal Aquí es donde toda o parte de su imagen se visualiza a la máxima resolución.

•

La Ventana de Scroll Si la imagen completa no cabe en la Ventana Principal, aparece la Ventana de Scroll, donde se visualiza una copia reducida de la imagen completa, permitiéndole seleccionar el área a visualizar en la Ventana Principal.

•

La Ventana de Zoom Visualiza una versión aumentada del área seleccionada en la Ventana Principal.

Formato de Ficheros ENVI ENVI usa un formato de datos raster generalizado, consistente en un simple "fichero binario plano" y un pequeño fichero ASCII (texto) de cabecera asociado. Este formato de fichero permite a ENVI usar casi cualquier fichero de imagen, incluyendo aquellos que contienen su información de cabecera insertada en el propio fichero de datos. Los datos raster generalizados se almacenan como una serie binaria de bytes en formatos Band Sequential (BSQ), Band Interleaved by Pixel (BIP), o Band Interleaved by Line (BIL). BSQ es el formato más simple, con cada línea de datos seguida inmediatamente por la siguiente línea de la misma banda espectral. Es el formato óptimo para el acceso espacial (X,Y) a cualquier parte de una simple banda espectral. El formato BIP proporciona óptimas prestaciones para el procesamiento espectral. BIL es un formato con prestaciones intermedias entre el procesamiento espacial y espectral. Es el formato de fichero recomendado para la mayor parte de las tareas de procesamiento de ENVI. ENVI soporta una gran variedad de tipos de datos: byte, entero (integer), entero largo (long integer), coma flotante (floating-point), coma flotante de doble precisión (doubleprecision floating-point), y complejo (complex). El fichero de cabecera separado proporciona información a ENVI sobre: las dimensiones de la imagen; cualquier cabecera incluida que pueda haber; el formato de los datos; y cualquier otra información pertinente. Este fichero se crea normalmente (con los datos introducidos por el usuario) la primera vez que un fichero en particular es leído por ENVI. Se puede visualizar y editar después si es necesario. Si así lo desea, también se puede generar ficheros de cabecera de ENVI, desde fuera de ENVI, usando un editor de textos.

VISTA EN 3D

Podemos visualizar en 3D la imagen con la opción Tools y luego 3D SurfaceView

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Aparece la siguiente ventana:

Seleccionamos la imagen a visualizar y le damos ok.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Nos aparece el modelo en 3D:

Vamos a Options y seleccionamos Surface Controls.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Con las diversas opciones, podemos mover, redimensionar o rotar la imagen, Ademas, podemos modificar su elevación con la opción Vertical Exaggeration.

Luego podemos ver algunos detalles con la opción Tools y Cursor Location /Value.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Otro detalle importante es mencionar la opción en Tools y luego Pixel Locator.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

TALLER 6 ANALISIS COMPARATIVO VISUAL 1.0 INTRODUCCION El presente trabajo consiste en realizar una comparación de dos imágenes satelitales del mismo lugar, en este caso se ha escogido la ciudad de Chiclayo, debido a que esta ciudad se ha convertido en el eje económico de la macro región norte del Perú, y esto ha generado en los últimos años un crecimiento urbano desordenado de la ciudad, que le genera gran exposición, fragilidad y presenta poca resiliencia para afrontar eventos naturales adversos esperados en la región Lambayeque como un sismo de gran magnitud, no ocurre uno hace mas de 400 años en dicha zona, o un FEN. Para dicho análisis se ha realizado un mejoramiento visual de dichas imágenes, mediante la composición coloreada. Para ello se han considerado las combinaciones de Banda 321, 752, 432, 357 y 354. 2.0 EL MEJORAMIENTO VISUAL DE LAS IMÁGENES DE SATELITE El mejoramiento visual de imágenes es un conjunto de tratamientos digitales destinados a mejorar la lectura visual de la información contenida en la misma imágen o mezclando el contenido de varias imágenes. El interés del tratamiento consiste en llegar a una imagen que permite resaltar los detalles en términos de color, textura, estructura y contexto. Los resultados de dicho tratamiento pueden ser utilizados en una estrategia de fotointerpretación operada directamente por el usuario ó en un paso hacia un tratamiento digital destinado a aislar y después extraer una información temática. 3.0 LA COMPOSICION COLOREADA Del momento que el ojo humano es menos sensible a las tonalidades del color gris, la composición coloreada es quizás la técnica mas utilizada para resaltar los detalles en una imagen satélite.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

La composición coloreada consiste en operar una mezcla de 3 bandas de una imagen adentro de un referencial AVR (Azul, Verde, Rojo). A cada banda de la imagen le será asignado un color dentro del referencial AVR y después mezcladas en un proceso de síntesis aditiva para la visualización en pantalla ó un proceso de síntesis sustractiva para fines de impresión. 4.0 ANALISIS VISUAL DE LA CIUDAD DE CHICLAYO 4.1 ANTECEDENTES DE LA CIUDAD DE CHICLAYO La ciudad de Chiclayo se encuentra ubicada entre las coordenadas geográficas 06°46’19" de Latitud Sur y 79°50’45" de Longitud Oeste. Chiclayo es una ciudad costera ubicada sobre el Valle Chancay – Lambayeque, presenta una altitud comprendida entre 30 y 24 m.s.n.m. El entorno físico presenta un suelo llano de suave pendiente en dirección descendente NE a SO, con pequeñas elevaciones topográficas entre las que resaltan Cerropón al oeste de la ciudad y las estribaciones de Reque al sur de la misma. Caracterizan la calidad de los suelos la composición de depósitos finos sedimentarios y compresibles formados por arcillas inorgánicas de limos plásticos y no plásticos, en estratos variables y paralelos. A partir de las últimas décadas, es evidente el comportamiento metropolitano que se viene desarrollando en el área urbana conformada por la ciudad de Chiclayo, y los núcleos: Lambayeque, San José, Pimentel, Santa Rosa, Monsefú, Eten, Puerto Eten y Reque. En esta área urbana con tendencia metropolitana, destaca el carácter dinamizador de la ciudad de Chiclayo como centro urbano principal. En el período 1940 -1993 la evolución histórica de crecimiento demográfico de ciudades con tendencia metropolitana en el Perú, muestra que la ciudad de Chiclayo ha registrado en ese período una tasa de crecimiento promedio anual de 5.0; muy similar a sus análogas Trujillo, (5.1) y Tacna, (5.3); y un crecimiento absoluto de 361,879 habitantes que refieren que la población se ha incrementado 12.5 veces en 53 años. Al año 1993, Chiclayo (393,418 Hab.) era la segunda ciudad más poblada de la macro región norte del país; después de Trujillo (472,355 Hab.) y seguida de Chimbote (264,736 Hab.)

Fig. 1 Crecimiento de Ciudades con Tendencia Metropolitana PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Fuente: INEI

Para la ubicación de la ciudad de Chiclayo, primero se trabajo con el ArcGis, en el ArcMap se añadieron los shapes Departamentos de Perú, principales ciudades y los sectores WRS (Sistema de Referencia Mundial) del Perú. Luego con la herramienta de identificación (Identify) se ubico el cuadrángulo al que pertenece la ciudad, para poder obtener su imagen satelital. Una forma de obtenerla, es mediante el PATH y el ROW.

A continuación se presentan estos datos para varias ciudades importantes del Perú:

CHICLAYO * HUARAZ ICA CAJAMARCA PISCO

PATH 10 8 6 9 6

ROW 65 67 70 65 69

Luego de obtener dichos parámetros, se procedió a la obtención de las imágenes satelitales del ESDI en el Global Land Cover Facility.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

4.2 COMBINACION DE BANDA 3-2-1 La primera es la combinación natural RGB 321 – BANDAS 3,2,1. Es la percepción más próxima a la percepción de la Tierra con nuestros ojos desde el espacio, de ahí el nombre de color verdadero. Las bandas visibles dan respuesta a la luz que ha penetrado más profundamente, y por tanto sirven para discriminar el agua poco profunda y sirven para distinguir aguas turbias, corrientes, batimetria y zonas con sedimentos. Esta composición es denominada “color natural”. Ya que las bandas del espectro visible son utilizadas en esta combinación, las características del terreno aparecen en los colores similares a al sistema de visión humano, la vegetación saludables es verde, campos recientemente limpiados son muy claros en reflectancia, la vegetación no saludable es marrón y amarilla, las vías son grises y las líneas de costa de color blanco. Esta combinación provee la mayor penetración del agua y sedimentos superficiales así como información batimétrica. Esta es también usada para estudios urbanos. Áreas escasamente pobladas de vegetación no son tan fácilmente discriminables como en las composiciones 451 o 432. Las nubes y nevados aparecen en blanco y son difíciles de distinguir a diferencia de la combinación 451. La combinación 321 no distingue el agua superficial del suelo como si lo hace la combinación 753.

Fig. 2 IMAGEN DE CHICLAYO AÑO 1991 – RGB 321 Fuente: Elaboración Propia PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Fig. 3 IMAGEN DE CHICLAYO AÑO 2000 – RGB 321 Fuente: Elaboración Propia

4.3 COMBINACION DE BANDA 7-5-2 Esta combinación en falso color se utiliza principalmente para estudios de Geología. Fig. 4 IMAGEN DE CHICLAYO Fuente: Elaboración Propia

AÑO 1991 – RGB 752

PDI CON ENVI ING. LUIS SAMANIEGO

AÑO 2000 – RGB 752

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

4.4 COMBINACION DE BANDA 4-3-2 Esta es la composición estándar denominada "Falso Color". La vegetación aparece en tonos rojizos, las áreas urbanas son celestes y los suelos varían de marrón oscuro hacia el claro en toda esta gama. El hielo, los nevados y nubes son blancos o un celeste ligero. Los árboles coníferos aparecerán más oscura que los árboles de madera dura. Ésta es una combinación de bandas muy popular y es útil para los estudios de vegetación, monitoreo de drenajes, patrones de suelo y en varias fases de crecimiento de los cultivos. Generalmente, los colores rojos profundos indican hoja ancha y/o la vegetación más saludable mientras los tonos de rojo más ligeras significan prados o áreas de vegetación remanente escasa. Se muestran las áreas urbanas densamente pobladas en azul ligero. Esta combinación de las bandas del TM da resultados similares al infrarrojo color, tradicionalmente usado en la fotografía aérea

Fig. 5 IMAGEN DE CHICLAYO AÑO 1991 – RGB 432 Fuente: Elaboración Propia

Podemos apreciar en la Fig. 5, de acuerdo a la combinación de Bandas 432, que la visión infrarroja detalla la gran cantidad de hectáreas de vegetación vigorosa, cultivos regados y bosques en el valle de la Cuenca Chancay Lambayeque, próxima a la ciudad de Chiclayo. El color marrón detalla la vegetación arbustiva existente. PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Fig. 6 IMAGEN DE CHICLAYO AÑO 2000 – RGB 432 Fuente: Elaboración Propia

De acuerdo a la Fig. 6, podemos ver que la visión infrarroja detalla que desde el año 1991 hasta el año 2000, se han perdido una gran cantidad de áreas verdes colindantes a la ciudad de Chiclayo, debido probablemente a la deforestación, a la expansión de la zona urbana y al abandono de las actividades agrícolas de las comunidades próximas a la ciudad. Es muy probable, que otro aspecto importante que haya generado una modificación tan notoria seria en Fenómeno el Niño ocurrido los años 19971998 y que afectó seriamente a toda la región Norte del país.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

4.5 COMBINACION DE BANDA 3-5-7 Esta es otra composición en falso color RGB que se utiliza para estudios que detallan el proceso de erosión de suelos. La erosión es el desgaste o la destrucción de la corteza terrestre, especialmente las capas más fértiles, por la acción de agentes como el agua, viento, glaciares, hielo y deshielo, calor y frío, actividad del mar y el hombre. Los terrenos rocosos resisten mayormente el desgaste, mas no así los arenosos y calcáreos, que son más endebles y resultan víctimas de los agentes erosivos. El vaivén del mar ha recortado costas y originado acantilados, como los que se observan en el norte de Europa; mientras que en el caso de los glaciares, la erosión que propician ha formado los fiordos, especialmente en Suecia y Noruega. Entre todas estas acciones de los agentes erosivos, las que lleva a cabo el hombre son consideradas las más dañinas, debido a que representan un grave peligro para toda la población.

Fig. 7 IMAGEN DE CHICLAYO AÑO 1991 – RGB 357 Fuente: Elaboración Propia

Fig. 8 IMAGEN DE CHICLAYO AÑO 2000 – RGB 357 PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER Fuente: Elaboración Propia

4.6 COMBINACION DE BANDA 3-5-4 Esta es otra composición en falso color RGB que se utiliza para estudios que detallan el proceso de clasificación de suelos. Latitudes norte tienen suelos negros mientras que latitudes tropicales tienen suelos rojos. La reflectancia del suelo decrece con el incremento del material orgánico. Mientras la humedad del suelo se incrementa la reflectancia decrece en todas la longitudes de onda. La textura del suelo causara incremento en la reflectancia de este con un decremento en el tamaño de este por ejemplo. Las partículas más grandes (rocas, arena y suelos) básicamente dan una gran sombra.

Fig. 9 IMAGEN DE CHICLAYO AÑO 1991 – RGB 354 Fuente: Elaboración Propia

Fig. 10 IMAGEN DE CHICLAYO AÑO 2000 – RGB 354 Fuente: Elaboración Propia PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

5.0 COMENTARIOS FINALES -

-

-

-

-

-

-

La ciudad de Chiclayo ha sufrido un crecimiento desordenado en estos últimos años, producto de la gran actividad comercial y turística que la han convertido en una gran Metrópoli. Sin embargo, esto ha conllevado a que del año 1991 al año 2000 los cambios en las actividades económicas en las zonas colindantes a la ciudad han cambiado su aspecto considerablemente, además cabe recordar que es ese lapso de tiempo ocurrió un FEN, que causo grandes perdidas en los sectores productivos de la región Lambayeque y de otras regiones del Norte del Perú. La composición en color constituye una fuente de información extraordinaria, y un punto de partida para generar preguntas, hipótesis de trabajo y sobre todo estrategias para ir verificando el alcance y la pertenencia de sus preocupaciones de investigación. De acuerdo a la combinación de Bandas 432, para 1991 la visión infrarroja detalla la gran cantidad de hectáreas de vegetación vigorosa, cultivos regados y bosques en el valle de la Cuenca Chancay Lambayeque, próxima a la ciudad de Chiclayo. Sin embargo, para el año 2000 se han perdido una gran cantidad de áreas verdes colindantes a la ciudad, debido probablemente a la deforestación, a una expansión de la zona urbana sin control y al abandono de las actividades agrícolas de las comunidades próximas a la ciudad. Otra composición utilizada en falso color RGB fue la que detalla proceso de erosión de suelos, combinación de Banda 357. Esta comparación también nos muestra los grandes procesos erosivos ocurridos principalmente por inundaciones en las zonas colindantes a la ciudad de Chiclayo. La construcción de carreteras, canales, urbanizaciones, en zonas con riesgo de erosión, conlleva el trazo de pendientes inestables, por lo que estas frágiles laderas, expuestas a la lluvia o filtración de agua, al final ceden, provocando deslizamientos o derrumbes. Indudablemente que la existencia de un buen manto vegetal ayuda a neutralizar la acción de los agentes erosivos. Se logra una reducción de la energía de las gotas de agua en las partes altas de las plantas, disminuyendo su impacto. Con la captación de una parte de la lluvia, también hay una disminución en la velocidad del escurrimiento por la superficie al aumentar la escabrosidad del terreno. Otra composición utilizada en falso color RGB fue la que detalla proceso de clasificación de suelos, combinación de Banda 354. Finalmente, para el análisis de imágenes de satélite se requiere un conocimiento previo de la zona existente en la imagen, en este caso de la ciudad de Chiclayo. Este conocimiento previo, implica la ubicación de la imagen en cierto contexto, influenciado por el tipo de análisis que se pretende realizar. No es lo mismo realizar un análisis de Coberturas Vegetales y Usos del Suelo, que plantearse una Caracterización Geológica de un terreno.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

TALLER 7 ANALISIS VISUAL DE LA CIUDAD DE AREQUIPA 1.0 INTRODUCCION La teledetección está basada en sus principios tecnológicos en propiedades de las ondas electromagnéticas definidas como la asociación de dos campos perpendiculares: El campo eléctrico y el campo magnético. 2.0 LAS FIRMAS ESPECTRALES Y LA IDENTIFICACION DE OBJETOS GEOGRAFICOS La diferencia en la reflectancia de los objetos geográficos nos da la posibilidad de identificarlos sobre una imagen compuesta por el producto de la captación remota de la señal emitida por cada objeto. En la práctica esta posibilidad de captación extendida es relativamente ponderada por varios factores: En primer lugar, es importante identificar de una manera más precisa lo que entendimos por los términos de objetos geográficos. Los techos de dos edificios vecinos, en caso que constituyen dos objetos geográficos semánticamente idénticos, estos pueden ser totalmente diferentes por su composición química, su tamaño, su orientación su textura y estructura …Etc. Estas diferencias y otras generadas en el marco de las desigualdades mencionadas anteriormente, nos arrojan a menudo otras medidas de las esperadas al momento de querer pasar de una identificación individual hacia un grupo de individuos geográficos. En segundo lugar, dos objetos geográficos naturalmente semejantes como en el caso de dos parcela de trigo vecinas en la periferia urbana, nos pueden arrojar reflectancias diferentes en función de su estado fisiológico, la densidad de plantación, la orientación de las parcelas…Etc. En tercer lugar, las interferencias del entorno geográfico del objeto a identificar, juegan tambien un papel en la distorsión de la reflectancia. El mismo objeto captado durante una fuerte polución urbana, puede presentar una reflectancia diferente en las condiciones normales. La mezcla de la información es también producto de la inadecuación entre los tamaños a detectar y la debilidad de los captores a restituir la reflectancia dentro del abanico de sus capacidades radiométricas y espaciales. En cuarto lugar, la adecuación entre lo que se busca y la capacidad de restitución de los captores no constituye por si sola una limitante única. Los parámetros inherentes a los satélites mismos durante la toma de imagen juegan un papel determinante: la hora, la estación y el ángulo de la toma entre otros, están lejos de ser factores marginales y sus grados de incidencia son variables en función de los estudios a realizar. Buscar firmas espectrales de los diferentes objetos geográficos de interés, nos parece como un ejercicio difícil pero no del todo imposible. La existencia de la PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

teledetección es la respuesta a estas dificultades una vez que hemos tomado conciencia de las limitaciones objetivas que presenta nuestro instrumento de trabajo. Como lo vamos a ver en algunos ejemplos, muchas vecez, las limitaciones del instrumento son usadas para poner en relieve fenómenos de importancia para los estudios urbanos. 3.0 EL MEJORAMIENTO VISUAL DE LAS IMÁGENES DE SATELITE El mejoramiento visual de imágenes es un conjunto de tratamientos digitales destinados a mejorar la lectura visual de la información contenida en la misma imágen o mezclando el contenido de varias imágenes. El interés del tratamiento consiste en llegar a una imagen que permite resaltar los detalles en términos de color, textura, estructura y contexto. Los resultados de dicho tratamiento pueden ser utilizados en una estrategia de fotointerpretación operada directamente por el usuario ó en un paso hacia un tratamiento digital destinado a aislar y después extraer una información temática.

4.0 LA COMPOSICION COLOREADA Del momento que el ojo humano es menos sensible a las tonalidades del color gris, la composición coloreada es quizás la técnica mas utilizada para resaltar los detalles en una imagen satélite.

La composición coloreada consiste en operar una mezcla de 3 bandas de una imagen adentro de un referencial AVR (Azul, Verde, Rojo). A cada banda de la imagen le será asignado un color dentro del referencial AVR y después mezcladas en un proceso de síntesis aditiva para la visualización en pantalla ó un proceso de síntesis sustractiva para fines de impresión. En el caso en que los sensores del satélite toman algunos canales de la imagen adentro del espectro AVR del dominio del visible, la mezcla resultante de estos canales es una composición en color natural que restituye lo que ve el ojo humano. En el caso contrario, la afectación de un color AVR a un canal con cuyas características cromáticas no corresponden al color afectado, la mezcla generada en dicho proceso es llamada: Una composición en falso color (del momento que el paisaje de la imagen resultante, no es igual al color real de los objetos geográficos tomados). En este sentido, la composición en falso color constituye una manera de apreciar temáticas mucho más que un apoyo para identificar objetos por su color. PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

La interpretación de las composiciones coloreadas obedece al principio de asociación del color resultante con el contenido de los canales involucrados en la misma composición. A manera de ejemplo, el canal 3 del satélite Spot multibanda es un canal tomado en el dominio del infrarrojo cercano. Este canal, es dedicado a reflejar los contenidos en humedad como son el agua y la vegetación. La reflexión de humedad en la vegetación toma un lugar alto en el espectro tomado por el canal, esta reflexión es mas fuerte si la vegetación en cuestión está en un estado de actividad clorofiliana intensa generando una liberación de energía por transpiración. En una composición en falso color si se afecta el color rojo al canal 3 de Spot , la vegetación dependiendo de su grado de cobertura en el suelo y también de su estado vegetativo tomará un color comprendido entre al amarillo rojizo para la vegetación muy espesa hasta el color rojo obscuro en el caso de los bosques.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

El papel de la composición en color es de suma importancia para descubrir los contenidos temáticos inherentes a cada canal de la imagen satélite. Para la composición en falso color de arriba el tema vegetación es central del momento que nos permite delimitar la ciudad de Mexicali en el frente posterior agrícola del Valle Imperial en Estados Unidos. Se nota también él rol discriminatorio de la vegetación urbana comparando Mexicali y su vecina ciudad americana Calexico, en Mexicali el paisaje urbano parece monótono y sin vegetación, hasta entrar en los barrios residenciales de Pueblo Nuevo, al revés en Calexico el ordenamiento americano muestra una homogenización urbana alrededor de la valorización de la vegetación. En este tipo de paisajes, sin necesidad de tener muy claro el trazado de la línea fronteriza entre los dos países, cualquiera de los fotointérpretes puede con un ligero margen de error dibujar la frontera. 5.0 ANALISIS VISUAL DE LA CIUDAD DE AREQUIPA Comparación visual de las combinaciones de banda para la ciudad de Arequipa, Considerando secciones de 1000x1000. Dicho análisis visual se realiza utilizando tres bandas del sensor, coincidiendo con la capacidad de los monitores, empleados en informática, monitores RGB.

5.1 COMBINACION DE BANDA 3-2-1 La primera es la combinación natural RGB 321 – BANDAS 3,2,1. Es la percepción más próxima a la percepción de la Tierra con nuestros ojos desde el espacio, de ahí el nombre de color verdadero. Las bandas visibles dan respuesta a la luz que ha penetrado más profundamente, y por tanto sirven para discriminar el agua poco profunda y sirven para distinguir aguas turbias, corrientes, batometría y zonas con sedimentos. -

El azul oscuro indica aguas profundas. El azul claro indica aguas de media profundidad. La vegetación se muestra en tonalidades verdes. El suelo aparece en tonos marrones y tostados.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

5.2 COMBINACION DE BANDA 7-5-2 Esta combinación en falso color se utiliza principalmente para estudios de Geología.

SE APRECIA LA CIUDAD DE AREQUIPA CON UNA TONALIDAD PRINCIPALMENTE VERDOSA.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

5.3 COMBINACION DE BANDA 4-3-2 Esta es la combinación en falso color. -

Rojo magenta, es para la vegetación vigorosa, cultivos regados, prados de montaña o bosques de caducifolia, etc.

-

Rosa, áreas vegetales menos densas o praderas.

-

Blanco, áreas de escasa o nula vegetación pero de máxima reflectividad

-

Azul oscuro o negro, superficies cubiertas parcial o totalmente por el agua.

-

Marrón, vegetación arbustiva muy variable en función de la densidad y del tono del sustrato.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

TALLER 8 CORRECCIONES RADIOMÉTRICAS DE IMÁGENES LANDSAT ETM+ CON EL ENVI 1.0 INTRODUCCION Durante el pre-procesamiento de las imágenes satelitales se realizan diversas correcciones, las mas importantes son las radiométricas y geométricas, fundamentales se realizan para el mejoramiento de las imágenes y su trabajo posterior. El presente trabajo consistió en corregir radiométricamente las bandas de una imagen de satélite con el ENVI, en este caso se ha utilizado la imagen obtenida de la ciudad de Chiclayo con el sensor ETM+, el 31 de Octubre del 2000. 2.0 CORRECCION RADIOMETRICA Algunos aspectos radiométricos importantes son los siguientes: • La energía electromagnética que incide sobre el sensor es convertida a una señal eléctrica para luego ser digitizada. • La relación entre la señal de entrada y salida es por lo general lineal. • Los sensores tienen un rango eficaz y por eso se existen las zonas de insensitividad y saturación. • El rango dinámico está definido por la parte dentral de la curva. • Los niveles de cuantificación son normalmente de 6, 8 ó 10 bits.

Fig.1 Curva característica de entrada-salida. Fuente: CISMID-JICA

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Fig.2 Reflexión espectral de los materiales en la superficie terrreste Fuente: CISMID-JICA

2.1 SELECCIÓN DEL AREA DE TRABAJO • Primero se generó la combinación RBG 321 y se le aplicó la opción [Image] Linear 2%, para ecualizar la imagen, de esta manera se varia el contraste.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

•

Segundo, se definió la región de interés.

•

Tercero, se revisaron las estadísticas y se escogió cada banda de trabajo.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

•

Cuarto, se obtuvieron los parámetros estadísticos

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

•

Se obtiene el Histograma de frecuencias del contenido de los valores de los píxeles.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

2.2 BANDAS CORREGIDAS Para la corrección consideraremos el DN (Numero Digital) de los valores menores al 0.1% acumulado. PARA LA BANDA 1:

PARA LA BANDA 2:

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

PARA LA BANDA 3:

PARA LA BANDA 4:

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

PARA LA BANDA 5:

PARA LA BANDA 7:

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Las correcciones son las siguientes: • B1-62 • B2-46 • B3-43 • B4-34 • B5-29 • B7-21

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Se obtienen las bandas corregidas.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Finalmente se deben corregir los valores negativos, y esto se hará mediante el uso de mascaras. 2.3 MASCARAS Se le aplica la mascara a la Banda 1.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Finalmente, se obtiene la Banda 1 Corregida Final, luego de aplicarle la Mascara 1 a la Banda1 Corregida.

Este proceso se debe aplicar a todas las bandas para realizar la corrección radiométrica. PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

TALLER 9 SELECCIÓN DEL AREA DE TRABAJO Se debe definir un área de interés para analizar los cambios existentes con más precisión.

Se definen las coordenadas del área de interés para el análisis posterior, que será primero solo visual (cualitativo) y luego con el NDVI (cuantitativo).

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Finalmente se guarda la imagen cortada.

Se repite el mismo paso y se obtienen ambas imágenes cortadas.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Luego, se le coloca el nombre a cada banda de las imágenes para poder trabajarlas posteriormente.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

TALLER 10 ANALISIS COMPARATIVO CUALITATIVO DEL CHICLAYO Lo primero es aplicarle la combinación de bandas RGB 321.

Los procesos de ajuste del contraste tienden a adaptar la resolución radiométrica de la imagen a la capacidad del monitor de visualización. Cada sensor codifica la radiancia recibida en un número determinado de ND, de acuerdo a las características de su diseño. Ese rango digital puede no corresponder con el número de niveles de visualización (NV) que facilita la memoria gráfica, por lo que resulta preciso ajustar, por algún procedimiento, ambos parámetros. Para la mejora del contraste de ambas imágenes se le aplico [Image] Linear 2%.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

La primera es la combinación natural RGB 321 – BANDAS 3,2,1. Es la percepción más próxima a la percepción de la Tierra con nuestros ojos desde el espacio, de ahí el nombre de color verdadero. Las bandas visibles dan respuesta a la luz que ha penetrado más profundamente, y por tanto sirven para discriminar el agua poco profunda y sirven para distinguir aguas turbias, corrientes, batimetria y zonas con sedimentos. -

El azul oscuro indica aguas profundas. El azul claro indica aguas de media profundidad. La vegetación se muestra en tonalidades verdes. El suelo aparece en tonos marrones y tostados.

Luego, las combinaciones a analizar son: 432, 752, 341 y 453 5.1

COMBINACION 432

Esta es la combinación en falso color o visión infrarroja. -

Rojo magenta, es para la vegetación vigorosa, cultivos regados, prados de montaña o bosques de caducifolia, etc. - Rosa, áreas vegetales menos densas o praderas. - Blanco, áreas de escasa o nula vegetación pero de máxima reflectividad - Azul oscuro o negro, superficies cubiertas parcial o totalmente por el agua. - Marrón, vegetación arbustiva muy variable en función de la densidad y del tono del sustrato. Se aprecia que para la zona circundante a la ciudad de Chiclayo, hay variaciones importantes en la vegetación vigorosa, cultivos regados, etc. Esto debido a los efectos del crecimiento urbano de la ciudad y debido a los efectos del FEN ocurrido entre 1997-1998.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

5.2

COMBINACION 752

Esta combinación en falso color se utiliza principalmente para estudios de Geología. 5.3

COMBINACION 341

Se aprecia en la imagen: En tonos verdes intensos, vegetación vigorosa. En tonos violáceos, áreas edificadas. En tonos verdes a negros, zonas arboladas. En tonos marrones claros, cereales. Se aprecia nuevamente, la abundante vegetación vigorosa próxima al centro urbano y como esta ha variado desde 1991 al 2000.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

5.4

COMBINACION 453

Esta combinación realza con gran detalle los límites entre el agua y la tierra. Los diferentes tipos de vegetación se muestran en colores marrones, verdes y naranjas. Realza las diferencias de humedad en el suelo y es usada para el análisis de humedad en el suelo y vegetación. Generalmente el suelo húmedo aparece más oscuro.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

TALLER 11 ANALISIS DEL NDVI EN LA CIUDAD DE CHICLAYO El Índice de Vegetación de Diferencia Normalizada o NDVI se utiliza para estimar de la vegetación verde: • El crecimiento de las plantas (vigor) • Cobertura de vegetación • Producción de biomasa Este índice esta relacionado con la actividad fotosintética de la vegetación. El índice NDVI se calcula con bandas de imágenes de satélite, aprovechando las características únicas del reflejo de la vegetación verde. El índice varia entre -1 y 1. En nuestro caso, se tienen las imágenes recortadas con combinación RGB 321, y con la mejora del contraste con [Image] Linear 2%.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Se procede a realizar el cálculo del NDVI para la imagen de 1991 y para la imagen de 2000.

Luego, se le da el nombre del archivo de salida para el primer caso será NDVI19910422.env y para el segundo caso será NDVI20001031.env

Se obtiene lo siguiente:

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Finalmente, para analizar las variaciones, se procede a restar los NDVI calculados mediante una resta simple y se obtiene el archivo DIFNDVI.env.

Si revisamos el Histograma de frecuencias de dicho archivo (DIFNDVI.env) notamos que la media es diferente a cero. Por lo cual el primer ajuste será hacer que la media sea igual a cero. Histograma de la DIFNDVI.env

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Para lo cual al archivo DIFNDVI.env le sumamos el valor de la media. Se obtendrá lo siguiente como operación matemática: B1 +0.104022

Revisamos el histograma de frecuencias de la DIFNDVICORREGIDO.env, y notamos que el valor de la media es cero. Histograma de la DIFNDVICORREGIDO.env

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Por lo cual, a partir de ahora se trabajara con los valores de la desviación estándar. Para este caso es de 0.348544 Primero se realiza un análisis visual del histograma de frecuencias.

Para la evaluación, se puede utilizar como umbrales una desviación, dos desviaciones o tres desviaciones dependiendo de donde se producen los mayores cambios. Para este caso, se utilizaron dos desviaciones y se consideraron cinco intervalos. Limite < -2σ < -σ +/> +σ > +2σ

Interpretación Deterioro + Deterioro Se mantiene Mejoría Mejoría +

Rango -10 a -0.697 -0.697 a -0.3485 -0.3485 a +0.3485 +0.3485 a +0.697 +0.697 a +10

Estos rangos se ingresan al ENVI y se obtiene lo siguiente:

PDI CON ENVI ING. LUIS SAMANIEGO

Color

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Finalmente, para cuantificar los valores de ganancia o pérdida se procedieron a colocar los valores en Band Threshold para la región de interés que se viene analizando. Los resultados fueron los siguientes: Limite < -2σ < -σ +/> +σ > +2σ

Interpretación Deterioro + Deterioro Se mantiene Mejoría Mejoría +

PDI CON ENVI ING. LUIS SAMANIEGO

Área (Km2) 9.554 44.716 218.189 29.259 7.837

Color

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Notamos que para este análisis, se aprecia que el deterioro es notorio entre los años 1991 y 2000. Si se utiliza solo una desviación y se consideraron dos intervalos. Limite < -σ > +σ

Interpretación Deterioro + Mejoría +

Rango -10 a -0.3485 +0.3485 a +10

Color

Notamos que considerando como umbral solo una desviación, los valores de franco deterioro y franca mejoría se incrementan notoriamente.

Si se utilizan tres desviaciones y se consideran cinco intervalos, se obtiene lo siguiente. Limite < -3σ < -σ +/> +σ > +3σ

Interpretación Deterioro + Deterioro Se mantiene Mejoría Mejoría +

PDI CON ENVI ING. LUIS SAMANIEGO

Rango -10 a -1.0455 -1.0455 a -0.3485 -0.3485 a +0.3485 +0.3485 a +1.0455 +1.0455 a +10

Color

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Se aprecia que si se considera una desviación los valores se vuelven totalmente o de franco crecimiento o de franca mejoría, si consideramos tres desviaciones estos valores totales se convierten solo en deterioro o mejoría. Por lo cual el valor, que consideramos al inicio de dos desviaciones es el más adecuado.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

TALLER 12 TELEDETECCION Y LOS SIG •

ANALISIS DE LOS NDVI OBTENIDOS

Para el análisis del NDVI se sabe que este toma valores entre -1 y +1, de manera que consideraremos que los valores negativos indican superficies sin vegetación, tales como, agua, nieve o nubes, y valores positivos crecientes indican vegetación creciente. Al suelo desnudo le corresponderían valores en el intervalo 0-0,2 mientras que la vegetación estaría en el rango 0,2-0,8. Es este el índice más comúnmente utilizado en aplicaciones agronómicas, dinámica de cambio de la cobertura vegetal, seguimiento de la desertificación, etc. Vamos a propiedades del layer:

Definimos tres intervalos: INTERVALO 1: SIN VEGETACION INTERVALO 2: SUELO DESNUDO INTERVALO 3: VEGETACION

-1,0 - 0,0 0,0 - 0,2 0,2 - 0,8

Para lo cual en las propiedades del layer, utilizamos el método de clasificación manual y colocamos los valores de corte:

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Resultados para la imagen de Huaraz1989:

Resultados para la imagen de Huaraz 1991, considerando los mismos intervalos:

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

•

DIFERENCIA DEL NDVI DE HUARAZ 1989 Y 1991

Obtenemos el NDVI de la diferencia al restar el NDVI de 1991 con el NDVI de 1989, con la opción MINUS del Arc Toolbox

Se obtiene lo siguiente:

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Histograma de la diferencia del NDVI, en la opción propiedades del Layer:

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Obtenemos como parámetros importantes: Media Desv. Estándar

= =

- 0.09 0.09

Para detallar las zonas de cambio positivo y negativo, definiremos cuatro intervalos: INTERVALO 1: INTERVALO 2: INTERVALO 3: INTERVALO 4:

PDI CON ENVI ING. LUIS SAMANIEGO

- 1,00 - 0,09 0,00 0,09

a a a a

- 0,09 0,00 0,09 1,00

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Donde se observa claramente de color rojo las zonas de perdida o de deterioro y de color verde las zonas de ganancia o mejoría.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

BIBLIOGRAFIA •

CHUVIECO, Emilo. FUNDAMENTOS DE TELEDETECCION ESPACIAL.

•

ESTRADA, Miguel. LOS SENSORES REMOTOS Y SU CAPACIDAD DE DETECTAR DAÑOS. V CURSO INTERNACIONAL CISMID-JICA

•

FERNANDEZ, Ignacio y Eliecer HERRERO. EL SATELITE LANDSAT. ANALISIS VISUAL DE IMÁGENES OBTENIDAS DEL SENSOR ETM+. UNIVERSIDAD DE VALLADOLID

•

HERNANDEZ, Leal. ANÁLISIS ESPACIO-TEMPORAL DE LA DESERTIFICACIÓN USANDO LOS SENSORES NOAA-AVHRR Y LANDSAT –TM. Tesis Doctoral. Universidad de la Laguna, España.

•

HERVÁS, J y Otros. MONITORING LANDSLIDES FROM OPTICAL REMOTELY SENSED IMAGERY: THE CASE HISTORY OF TESSINA LANDSLIDE, ITALY". Geomorphology. Institute for the Protection and Security of the Citizen. Directorate General Joint Research Centre, European Commission, 21020 Ispra (VA), Italia.

•

Hervas, J. TRATAMIENTO DIGITAL DE IMÁGENES DE TELEDETECCIÓN EN EL ESPECTRO ÓPTICO PARA EL RECONOCIMIENTO Y CONTROL DE DESLIZAMIENTOS. Department of Computer Science, Cardiff University, Gran Bretaña.

•

INDECI. PLAN DE PREVENCION ANTE DESASTRES: USOS DEL SUELO Y MEDIDAS DE MITIGACION. PROGRAMA INDECI-PNUD, CIUDADES SOSTENIBLES, 2003.

•

USGS-USA. EL SATELITE LANDSAT. ANALISIS VISUAL DE IMÁGENES OBTENIDAS DEL SENSOR ETM+

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

ANEXOS ANEXO I ¿QUE COMBINACIÓN DE BANDAS DEBO ESCOGER PARA MI PROYECTO?

Esa es una pregunta muy frecuente para aquellas personas que empiezan o que ya tiene una buena experiencia en la interpretación y en el tratamiento digital de imágenes de satélite aquí veremos a continuación un resumen sobre este tema que podría hacerte de gran utilidad.

Landsat 5 (TM sensor)

Longitud de Onda (micrómetros)

Resolución (metros)

Banda 1

0.45 - 0.52

30

Banda 2

0.52 - 0.60

30

Banda 3

0.63 - 0.69

30

Banda 4

0.76 - 0.90

30

Banda 5

1.55 - 1.75

30

Banda 6

10.40 - 12.50

120

Banda 7

2.08 - 2.35

30

Landsat 7 (ETM+ sensor)

Longitud de Onda (micrómetros)

Resolución (metros)

Banda 1

0.45 - 0.515

30

Banda2

0.525 - 0.605

30

Banda 3

0.63 - 0.69

30

Banda 4

0.75 - 0.90

30

Banda 5

1.55 - 1.75

30

Banda 6

10.40 - 12.5

60

Banda 7

2.09 - 2.35

30

Pan. Banda

0.52 - 0.90

15

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Limites

1,2,3; 1,2,4; 1,4,5

Manipulación del Contraste No

Urbano

1,2,3; 1,4,5

Si banda 4 (1,4,5)

Si banda 4 (1,4,5)

Cultivos

1,2,3; 1,4,5

Si banda 4 (1,4,5)

Si banda 4 (1,4,5)

Forestal

1,2,3; 1,4,5

Si banda 4 (1,4,5)

Si banda 4 (1,4,5)

Dep. salinos

1,2,3; 1,4,5

Si banda 4 (1,4,5)

Si banda 4 (1,4,5)

Veg. remanente

1,4,5

Si banda 4 (1,4,5)

Si banda 4 (1,4,5)

Parques/Golf

1,2,3

No

No

Cubierta de interés Agua

Cubierta

Cuerpos de Agua

Suelos

Vegetación

Materiales hecho por el hombre

Nieve y Hielo

PDI CON ENVI ING. LUIS SAMANIEGO

Bandas Usadas

No

Comportamiento/Reflectancia Generalmente su reflectancia es alta en el espectro visible, sin embargo, el agua clara tiene menos reflectancia que el agua turbia. En la región del IR cercano y medio la absortividad del agua se incrementa haciéndose esta más oscura. Esto es dependiente de la longitud de de onda y la profundidad de esta también. El incremento del material orgánico disuelto en los cuerpos de agua hace que tienda a un ligero desplazamiento del pico del visible hacia la región IR o sea desde la región verde del espectro (agua clara).

Latitudes norte tienen suelos negros mientras que latitudes tropicales tienen suelos rojos. La reflectancia del suelo decrece con el incremento del material orgánico. Mientras la humedad del suelo se incrementa la reflectancia decrece en todas la longitudes de onda. La textura del suelo causara incremento en la reflectancia de este con un decremento en el tamaño de este por ejemplo. Las partículas más grandes (rocas, arena y suelos) básicamente dan una gran sombra. La respuesta espectral básicamente esta dada por la clorofila y la absorción de agua en la hojas Needles tienen una respuesta mas oscura que las hojas. Habrá varios tipos de sombreados dependiendo de la estructura de las hojas, mezcla del contenido de humedad y salud de la planta. El concreto y el asfalto muestran una curva que generalmente se incrementa desde la región del visible hacia el Ir cercano e Ir medio. Sin embargo a medida que el concreto es más antiguo este se vuelve más oscuro en su respuesta mientras que el asfalto más claro. La nieve vieja puede desarrollar una compacta estructura y el contenido de humedad aumenta, lo cual hace a esta menos reflectiva en el IR cercano e Ir medio. Esto hace posible comparar la vieja y nueva cobertura nival por su comportamiento en la región del Ir medio.

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Tipo de Cobertura Agua Urbano Cultivos Forestal Dep. Salinos Veg. remanente Veg. irrigada

Combinación Espectral de Bandas Banda 1, 4 y 7 / Banda 1, 2 y 3 Banda 1,4 y 7 Banda 1, 2 y 3 Banda 1, 4 y 7 Banda 1, 2 y 3 Banda 1, 4 y 7 Banda 1, 4 y 7

R, G, B Contenido Potencial de Información

Esta es la composición estándar denominada "Falso Color". La vegetación aparece en tonos rojizos, las áreas urbanas son celestes y los suelos varían de marrón oscuro hacia el claro en toda esta gama. El hielo, los nevados y nubes son blancos o un celeste ligero. Los árboles coníferos aparecerán más oscura que los árboles de madera dura. Ésta es una combinación de bandas muy popular y es útil para los estudios de 4,3,2

vegetación, monitoreo de drenajes, patrones de suelo y en varias fases de crecimiento de los cultivos. Generalmente, los colores rojos profundos indican hoja ancha y/o la vegetación más saludable mientras los tonos de rojo más ligeras significan prados o áreas de vegetación remanente escasa. Se muestran las áreas urbanas densamente pobladas en azul ligero. Esta combinación de las bandas del TM da resultados similares al infrarrojo color, tradicionalmente usado en la fotografía aérea. Esta composición es denominada “color natural”. Ya que las bandas del espectro visible son utilizadas en esta combinación, las características del terreno aparecen en los colores similares a al sistema de visión humano, la vegetación saludables es verde, campos recientemente limpiados son muy

3,2,1

claros en reflectancia, la vegetación no saludable es marrón y amarilla, las vías son grises y las líneas de costa de color blanco. Esta combinación provee la mayor penetración del agua y sedimentos superficiales así como información batimétrica. Esta es también usada para estudios urbanos. Áreas escasamente pobladas de vegetación no son tan fácilmente discriminables como en las composiciones 451 o 432. Las nubes y nevados aparecen en blanco y son difíciles de distinguir a diferencia de la combinación 451. La combinación 321 no distingue el agua superficial del suelo como si lo hace la combinación 753.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Esta combinación produce una

apariencia similar a la combinación

“natural”. Mientras que también penetra las partículas atmosféricas y el smoke. La vegetación saludable será de un verde claro intenso y puede saturarse en estaciones de alto crecimiento las pasturas aparecerán verdes, las áreas de suelo desnudo serán de un a tonalidad rosada, los tonos

naranjas

y marrones

representan

la

vegetación

remanente

escasamente esparcida. La vegetación seca será de color naranja y el agua será de color azul. La arena, suelos y minerales son resaltados en una multitud de colores. Esta combinación de bandas provee una sobresaliente imagen para áreas desérticas. Esta combinación es muy útil también para 7,4,2

estudios geológicos, agricultura y de humedales. Si existiera algún tipo de incendio en una imagen de esta composición este aparecería de color rojo. Esta combinación también es empleada para el manejo de aplicaciones post incendios forestales en el análisis de áreas quemadas y no quemadas. Las pasturas aparecen de un verde claro. Los puntos de color vede claro dentro de las áreas urbanas indican presencia de cubiertas de gras, parques, cementerios, y campos de golf. Los tonos verde olivo a vede claro normalmente indican áreas de foresta con presencia de coníferas siendo más oscuras que los bosques decidious.

La vegetación saludable aparece en tonos de rojo, marrón, naranja y Amarillo. Los suelos pueden ser de tonos verdes y marrones, las zonas urbanas son de color blanco, celeste y gris, el azul amoratado representan áreas recientemente cosechadas y el color rojizo muestra nueva vegetación 4,5,1

en desarrollo, probablemente pastizales ralos. El agua clara y profunda será de tono oscuro en esta combinación, si el agua es superficial o contiene sedimentos en suspensión esta debería aparecer en tonos de azul claro. En estudios de vegetación la adición de la banda media del infrarrojo aumenta la sensitividad de detectar varios estados del crecimiento de las plantas o del stress; sin embargo deberá de tenerse cuidado en la interpretación si la imagen fue adquirida en época de precipitación. El uso de las banda 4 y 5 muestran alta reflectancia en áreas de vegetación saludable. Esto se vuelve muy útil al comparar áreas humedecidas y áreas de tonos rojos con sus correspondientes colores en la combinación 321 para asegurar una correcta interpretación. Esta no es una adecuada combinación de bandas para estudios de características urbanas tales como vías y aeropuertos. Esta viene a ser una combinación de las bandas del IR cercano (Banda 4),

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

IR medio (Banda 5) y la roja (Banda 3) ofrece una definición de los limites entre el suelo y agua, además resalta sutilmente detalles no interpretables 4,5,3

aparentemente con las bandas del visible solamente. Lagos y cursos de agua pueden ser localizados con gran precisión cuando más bandas en el infrarrojo son usadas. Con esta combinación de bandas las condiciones y tipos de vegetación presentes muestran una variada gama de colores y tonalidades (marrón, verde y naranja). La combinación 453 muestra muy bien las diferencias de humedad y es muy útil para el análisis de las condiciones del suelo y la vegetación. Generalmente el suelo más húmedo aparece más oscuro debido a la capacidad de absorción del agua. Esta combinación de bandas también provee una apariencia de interpretación

“natural”

mientras

penetra

también

las

partículas

atmosféricas, como el smoke y la niebla. La vegetación aparece en tonos de verde oscuro

y claro durante su crecimiento estacional, las

características urbanas son de color blanco, gris, celeste o púrpura, arenas suelos y minerales aparecen en una variedad de colores. La casi completa absorción del agua, hielo, y nieve en el IR medio, provee una buena definición de la línea de costa y a la vez que resalta las fuentes de agua 7,5,3

dentro de la imagen. La nieve y el hielo aparecen de un color azul oscuro, mientras que el agua es negra o azul oscuro. Las superficies calientes tales como los incendios forestales y calderas de volcanes saturan el IR medio y aparecen en tonos de rojo y amarillo. Una aplicación particular de esta combinación es el monitoreo de incendios forestales. Durante estaciones de poco crecimiento de la vegetación la combinación 742 debe ser reemplazada. Áreas de inundación deberían lucir negras o azul oscuro, comparada con la combinación 321 en la cual las áreas de inundación superficial aparecen grises y son más difíciles de distinguir. Como la combinación 451, esta combinación provee al usuario de una gran cantidad de información y contraste de colores. La vegetación saludable es

5,4,3

de un verde intenso y los suelos son de color lila. Mientras la combinación 742 incluye la banda 7. La cual tiene la información geológica, la 543 usa la banda 5 la cual contiene la mayor información agrícola. Esta combinación es muy útil para estudios de vegetación, y es ampliamente usado en las áreas de manejo de madera y control de plagas.

5,4,1

Esta combinación luce muy similar a la 742 en que la vegetación saludable es de un color verde intenso, excepto que la combinación 541 es mejor para estudios referentes a la agricultura.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

Esta combinación involucra las bandas no visibles. Esta provee la mejor 7,5,4

penetración atmosférica. Las líneas de costas y playas son bien definidas. Esta puede ser usada para encontrar características texturales y de humedad en los suelos. La vegetación aparece en tonos azules. Si el usuario prefiere el color verde en la vegetación, esta combinación debería ser sustituida por la 745. Esta combinación de bandas puede ser muy util para estudios geológicos.

5,3,1

Esta combinación muestra a textura topográfica, mientras que la combinación 731 puede mostrar diferentes tipos de rocas.

ANEXO II

AN-1 Promedios mensuales de NDVI para estudios de deforestación con el sensor NOAA-AVHRR Fuente: Universidad de la Laguna.

PDI CON ENVI ING. LUIS SAMANIEGO

UNIVERSIDAD NACIONAL DE INGENIERIA UNIMASTER

AN-2 Compasiones Multitemporales de imágenes AVHRR de la isla de la Española. Fuente: Universidad de la Laguna.

PDI CON ENVI ING. LUIS SAMANIEGO