Irene Pérez Llorente Junio 2008 - Centro de Estudios Hidrográficos ...

More documents

Recommendations

Info

5.2.4. Clasificación temporal La baja resolución espacial de las imágenes hace que la calidad de la información disponible no sea muy buena, lo que quedó demostrado tras los intentos fallidos de estudiar los cambios a través de las imágenes individuales clasificadas. No obstante, esta baja resolución en el dominio espacial puede contrarrestarse aprovechando la gran resolución temporal que ofrece la disponibilidad de imágenes de la misma zona en distintas fechas. Para poder explotar la información temporal adicional que alberga el conjunto de las imágenes se creó un archivo multitemporal a partir del cual se clasificarían las evoluciones temporales de las distintas cubiertas usando herramientas espectrales. Creación de un archivo multitemporal El archivo multitemporal fue creado a través de la opción “Basic Tools / Layer Stacking” del software ENVI, que permite la superposición de imágenes georreferenciadas como bandas de un único archivo. Los archivos (o subconjuntos espaciales o espectrales) que quieren ser superpuestos se seleccionan a través del botón “Import File” del diálogo “Layer Stacking Parameters”. La superficie geográfica del archivo final puede incluir la extensión cubierta por todos los archivos originales (eligiendo la opción “Inclusive” en el apartado “Output File Range”) o únicamente el área en el que todos los archivos se superponen (opción “Exclusive”). Las bandas originales son remuestreadas y reproyectadas en una proyección y tamaño de píxel común seleccionadas por el usuario o usando la de uno de los archivos de entrada. En nuestro caso los archivos de entrada eran todas las imágenes georreferenciadas de las distintas fechas ya cortadas y con el mismo tamaño de píxel y proyección, pero de todas formas se eligió la opción inclusiva y la proyección y dimensiones de la imagen del 22.11.07. La obtención de un archivo con varias bandas permite la creación de composiciones de color colocando 3 imágenes de distintas fechas en las bandas del rojo, verde y azul, lo que facilita la visualización de las características de la superficie de la isla y los cambios que se producen a lo largo de las fechas elegidas. Por otro lado, aunque las imágenes ASAR han sido obtenidas a una sola frecuencia, al superponer las distintas fechas en canales de un único archivo, cada píxel contiene información sobre los valores digitales para las distintas imágenes solapadas. Este fichero multitemporal tiene la misma estructura que las imágenes multiespectrales y por ello los algoritmos espectrales, diseñados para productos que contienen varias bandas a distintas frecuencias, pueden operar con los canales del fichero creado, que corresponden a la misma frecuencia pero son de distintas fechas. Clasificación Angular Temporal La clasificación se llevó a cabo mediante el clasificador SAM (“Spectral / Mapping Methods / Spectral Angle Mapper”), que usa un algoritmo para determinar la semejanza a partir del ángulo entre el patrón espectral de referencia (procedente de archivos ASCII, librerías espectrales o de la media espectral de ROIs) y el espectro de cada píxel, 100
tratándolos como vectores en un espacio con el mismo número de dimensiones que de bandas. Como la información disponible en nuestro caso son imágenes de una sola frecuencia colocadas como bandas de un mismo archivo el método utilizado sería una Clasificación Angular Temporal (y no espectral) a partir de los patrones temporales de los píxeles; las clases representarían de esta forma dos tipos de información: naturaleza de la cubierta y variación temporal de la misma. Figura 105. Composición de falso color formada por la banda 2 (25.11.07) en el canal rojo, la banda 4 (01.12.07) en el canal azul y la banda 6 (08.12.07) en el canal verde. El primer paso consiste en seleccionar patrones temporales (“endmembers”) que se consideren representativos de las posibles evoluciones de cada cubierta. Para ello se creó una composición en falso color con 3 bandas del archivo multitemporal (que pueden irse modificando una vez cargadas) y se analizó el espectro de los píxeles a partir del diagrama de perfil Z (“Tools/ Profiles/ Z Profile (Spectrum)”). Los endmembers considerados representativos se guardaron en una biblioteca espectral 23 (a través de “File / Save Plot As… / Spectral Library” desde el menú de la ventana “Spectral Profile”) para usarlos como patrones de referencia a partir de los cuales clasificar el conjunto de imágenes en base a los patrones temporales de sus píxeles. 23 Biblioteca espectral: recopilación de medidas de radiometría en bases de datos que almacenan el espectro de distintos materiales. Las bibliotecas espectrales de ENVI se almacenan en el formato de imagen ENVI, en el que cada fila de la imagen se corresponde con un espectro individual, y cada columna representa una medida individual del espectro a una longitud de onda específica. 101
Page 1:
Irene Pérez Llorente Junio 2008
Page 5:
Memoria de las Prácticas en Empres
Page 8:
· Software BEAM 4.1. · Software E
Page 11 and 12:
1.1.1. Formación, precipitación y
Page 13 and 14:
· Metamorfismo de gradiente fuerte
Page 15 and 16:
Clasificación Internacional de la
Page 17 and 18:
Figura 8. Clasificación de la niev
Page 19 and 20:
µ y ε se refieren a la permeabili
Page 21 and 22:
· Hielo húmedo con inclusiones de
Page 23 and 24:
La distribución de la energía emi
Page 25 and 26:
Para poder observar la superficie t
Page 27 and 28:
1.3.4. Aplicaciones de la teledetec
Page 29 and 30:
3. Área de estudio La isla de Livi
Page 31 and 32:
Además de relieves cónicos aislad
Page 33 and 34:
predation on the food web of lakes
Page 35 and 36:
vertical). En función de las disti
Page 37 and 38:
La resolución espacial en la direc
Page 39 and 40:
calcularse de forma correcta usando
Page 41 and 42:
Figura 29. Tipos de reflexión de l
Page 43 and 44:
ASAR GOMOS RA-2 MERIS MIPAS MWR LRR
Page 45 and 46:
Modos de operación de ENVISAT ASAR
Page 47 and 48:
4.1.5. Adquisición de Imágenes Lo
Page 49 and 50: Imágenes ASAR Wide Swath encontrad
Page 51 and 52: Sus imágenes tampoco son útiles p
Page 53 and 54: · Codificaciones flag: son un tipo
Page 55 and 56: · “Synthetic Color Image”: tra
Page 57 and 58: 5. Metodología 5.1. Tratamientos p
Page 59 and 60: Los productos ASAR abiertos de esta
Page 61 and 62: tamaño de píxel de 150 m de acuer
Page 63 and 64: Figura 41. Máscara de bits creada
Page 65 and 66: Figura 46. Imagen de la isla de Liv
Page 67 and 68: heterogénea o punto objetivo), que
Page 69 and 70: Figura 59. Filtro de Ocurrencia de
Page 71 and 72: - “Isodata”: usa el mismo crite
Page 73 and 74: De las pruebas realizadas se obtuvi
Page 75 and 76: montañosa. El color verde claro ap
Page 77 and 78: Figura 79. Resultado de la clasific
Page 79 and 80: Figura 82. Polígonos correspondien
Page 81 and 82: - Red Neuronal: usa la propagación
Page 83 and 84: Los límites de Byers son un poco d
Page 85 and 86: Figura 90a. ROIs definidas para la
Page 89 and 90: Figura 94a. ROIs para la imagen del
Page 93 and 94: Figura 97b. Detalle de la Penínsul
Page 95 and 96: Figura 100a. Segunda clasificación
Page 97 and 98: Figura 102a. Segunda clasificación
Page 99: Figura 104a. Segunda clasificación
Page 103 and 104: Figura 108. Clasificación Angular
Page 105 and 106: Por ello se optó por dejar la clas
Page 107 and 108: Combinación de clases Clases Inici
Page 109 and 110: La clase 1 cubre el 78 % de la imag
Page 111 and 112: Clase 4 (Coral) La clase 4 presenta
Page 113 and 114: Clase 7 (Amarillo) La clase 7 está
Page 115 and 116: Clase 10 (Blanco) La clase 10 corre
Page 117 and 118: 6. Conclusión El presente trabajo
Page 119 and 120: · COLBECK, S., AKITAYA E., ARMSTRO
Page 121 and 122: · PINILLA C. “Qué es la teledet
Page 123 and 124: Anexo I. Clasificación Internacion
Page 125 and 126: 125
Page 127: 127
show all

Irene Pérez Llorente Junio 2008 - Centro de Estudios Hidrográficos ...

Create successful ePaper yourself

Delete template?

Save as template?