Taller SIG III

Optimizacin visual de imgenes satelitales

Presentado por:
Lina Lpez Rubio
Jeniffer Rodrguez Caicedo

Docente:
Alejandro Salamanca

Universidad de Ciencias Aplicadas y Ambientales

U.D.C.A
Facultad de Ingeniera
Programa Ingeniera Geogrfica y ambiental

Bogot D.C., 7 de marzo 2016

1. Conceptos
a. Imagen satelital del caribe colombiano 2016-03-02 22:23:56, que incluye ciudades
como Cartagena, Barranquilla, El Crmen de Bolvar y Magangu.
Coordenadas tomadas del metadato del insumo: (NE - noreste, NW nororiente, SE sureste, SE suroriente)
Latitud central

1007'20.60"N

Longitud central

7446'17.87"W

Latitud esquina NW

1110'09.12"N

Longitud esquina NW

7526'04.16"W

Latitud esquina NE

1048'32.36"N

Longitud esquina NE

7343'58.04"W

Latitud esquina SE

903'59.47"N

Longitud esquina SE

7406'53.28"W

Latitud esquina SW

925'45.70"N

Longitud esquina SW

7548'25.49"W

b.
1. Qu tipo de imagen descarg?
Landsat 8 OLI (Operational Land Imager)/ TIRS (Thermal Infrared
Sensor)

2. Cmo lo hizo?
Descargada del aplicativo de earthexplorer.usgs.gov, del data set L8
OLI/TIRS de Landsat Archive.
Procedimiento:
1. Elegir la zona de la cual se desea descargar la imagen (Figura 1)

Figura 1: Eleccin zona por coordenadas.

2. Elegir el data set Landsat Archive/ L8 OLI/TIRS (Figura 2)

Figura 2: Eleccin data set.

3. Elegir la imagen deseada, teniendo en cuenta elementos que

dificulten el anlisis de la imagen como la nubosidad (Figura 3)

Figura 3: Eleccin imagen.

4. Descargar el archivo ms pesado que es el insumo completo con el
metadato.

Figura 4: Descarga de la imagen

3. Cul es la resolucin espacial, espectral y radiomtrica de la imagen?

R. espacial:
i. OLI Banda multiespectral: 30 metros
ii. OLI Banda pancromtica: 15 metros
iii. TIRS Bandas trmicas: 100 metros
R. espectral:
i.
OLI Banda multiespectral
ii.
OLI Banda pancromtica
iii.
9 TIRS Bandas trmicas

R. radiomtrica: 16 bits (A pesar de los datos encontrados anteriormente

que dice ser 12 bits, en las propiedades de la imagen observadas en
ArcGIS se identifica 16 bits)
c.
a) Cul es el sistema de referencia espacial de las imgenes?
WGS84 - zona UTM 18
b) Cul es el rea efectiva de la imagen en kilmetros cuadrados?
37198.8 Km2, esta se calcul con la herramienta mensuration.

Figura 5: Clculo rea efectiva.

d. Optimizacin de imgenes:
Una imagen satelital es la representacin grfica de un objeto emitida por un aparato
elctrico u ptico. Estas imgenes estn compuestas por celdas llamadas pixeles
correspondientes a un valor numrico que representan el color que tiene la imagen, este
puede ser representado en un histograma que muestra la variabilidad de estos datos.
(Usandivarias, 2002)
Para la combinacin de bandas, los procesadores estn compuestos por tres bandas
principales RGB, y al combinarlas se obtienen nuevas bandas, en las cuales se pueden
ubicar las del sensor y as generar nuevos tonos y colores (Figura 6). (Herrera, 2012)

Figura 6: Grfico tomado de

http://www.cartesia.org/data/apuntes/telede
teccion/landsat-analisis-visual.pdf

Para este taller se utiliz el software ArcGIS, que permite el tratamiento de imgenes, y
el anlisis de los valores nombrados anteriormente que adems representan los colores
que no son visibles para el ojo humano, y que tienen un valor en el espectro
electromagntico.
Estos valores permiten la identificacin de ciertos elementos geogrficos que no son
visibles con el color real de la imagen (vegetacin sana, tipo de suelo, penetracin
atmosfrica).
Segn ESRI, el software ArcGIS cuenta con
herramientas que permiten la optimizacin de estas
imgenes como lo es Image Analysis (Figura 7) que
en la seccin Display permite manipular la apariencia
de la imagen, como por ejemplo el contraste o el brillo,
as como la visualizacin del histograma para observar
la variabilidad de los valores de estas caractersticas.
Image Analysis cuenta con otra seccin que es
Processing que brinda tcnicas de anlisis de los
datos de la imagen, tales como la combinacin de
capas, crear el ndice diferencial de vegetacin
normalizado (NDVI), mosaicos o filtros. Y una tercera
seccin Mensuration que permite hacer medidas de
puntos, distancia, ngulo, altura, permetro y el rea de
una imagen.

Figura 8: Processing y Mensuration.

Figura 9: Marco conceptual.

e. Conjunto de datos discreto o continuo:
a) Datos discretos: Las variables de este grupo solo pueden tomar valores
posibles. (Orellana, 2001)
Segn ESRI son denominados como datos temticos, categricos o
discontinuos que representan objetos en los datos rster y vector. Estos
tienen lmites definibles y conocidos.

Ejemplos: Lagos, edificios, carreteras, parcelas, tipos de suelo.

b) Datos continuos: Por lo general, son el resultado de mediciones que se
expresan en unidades. Este conjunto puede tomar distintos valores
dentro de un rango segn el tipo de medicin. (Orellana, 2001)
Segn ESRI representan fenmenos que permiten su medicin a partir
de un punto fijo en el espacio o una fuente de emisin. Estos tambin
son llamados datos de campo, no discretos o de superficie.
Ejemplos: Elevacin, orientacin, dispersin de poblacin, propagacin
de enfermedad.

2. Qu elementos puede reconocer sobre la superficie terrestre?

Con la banda 8 (pancromtica) podemos identificar ciudades principales tales como
Barranquilla, Cartagena y otras ms pequeas como Tol, Fundacin, Soledad,
Magangu, Santa Ana, Momps identificadas gracias a otra herramienta (Google Maps).
As como algunas carreteras que conectan las dos grandes ciudades en esta rea, pero
muy pocos caminos.
El nivel de detalle para estos elementos en todas las bandas es moderado, pues debido
a la nubosidad de la zona sur y la resolucin espacial no se pudo identificar muy bien
otros centros poblados, que por conocimiento previo del territorio sabemos que estn en
esta zona.

Figura 10: Identificacion de Barranquilla, Cartagena y otros centros poblados.

Con la banda 7 podemos identificar los cuerpos de agua como la gran cinaga de Santa
Marta, el rio Magdalena que atraviesa la imagen y algunos canales o cinagas que estn
conectados a este.
El nivel de detalle proporcionado por esta banda es muy bueno, pues todo cuerpo de
agua o zona hmeda se identifica con color negro (Figura 11), se puede observar
claramente el lmite agua-tierra, esto fue verificado por la herramienta mencionada
anteriormente.

Figura 11: Identificacin de cuerpos de agua, Cinaga de Santa

Marta y rio Magdalena.

3. Ejecucin de mejoramientos globales: Los mejoramientos que se utilizaron fueron

combinacin de bandas (Figura 14, 15 y 16) y contraste/brillo (Figura 17).
Combinacin de bandas y contraste/brillo:
La composicin de bandas permite combinar capas rster con las diferentes bandas
RGB y as realizar otros anlisis como el NDVI. El contraste y brillo por medio de la
modificacin de los valores de los pxeles permite la posible mejora de la imgen.
(ESRI, 2015)
Procedimientos:
1. Cargar bandas en ArcMap.
2. Habilitar ventana Image Analysis
3. Consultando previamente la combinacin de bandas para Landsat 8,
seleccionarlas manteniendo oprimida la tecla shift.
4. En la seccin Processing seleccionar el icono de Composite bands
5. Si se desea guardar la nueva imagen.

Figura 12: Procedimiento combinacin de bandas.

Figura 13: Combinacin de bandas 7, 6 y

4 para el falso color (urbano).

Figura 14:
(urbano).

Imagen

Falso

color

Figura 15: Penetracin atmosfrica Bandas 7

6 5.

Figura 16: Vegetacion saludable 5 6 2.

Figura 17: Procedimiento y el Antes y despus de la ciudad de Cartagena (1:62000) ejecutando

mejoramientos de contraste y el brillo.

4. Ejecucin de mejoramientos locales: Los mejoramientos que se utilizaron fueron

Pan sharpened (Figura 19) y sharpening 3x3 (Figura 21)
Pan Sharpened y sharpening 3x3:
El pan sharpened permite mejora la resolucin espacial de la multiespectral con la
pancromtica, y los detalles de la multiespectral a la pancromtica. El sharpening
3x3 aumenta el pan sharpened.

Procedimientos:
a) Cargar bandas en ArcMap.
b) Habilitar ventana Image Analysis
c) Consultando previamente la combinacin de bandas para
Landsat 8, con la herramienta Create pan-sharpened rster
dataset seleccionar la banda multiespectral y pancromtica
d) Para el Sharpening 3x3 Seleccionar en la ventana Imagen
Analysis la imagen pansharpened y seleccionar el filtro.
e) Si se desea guardar la imgen.

Figura18: Procedimiento Pansharpen.

Figura 19: Resultado Pan- sharpening Ciudad de Cartagena Escala 1:62000.

Figura 20: Filtros

Figura 21: Pan-sharpened a Sharpening

3x3

5. Anlisis de resultados
Mejoramientos globales:

Falso color urbano (bandas 7,6,4): En esta imagen (Figura 14) las zonas urbanas
tienden a los azules claros, esto se debe a que los materiales
de construccin usados, emiten ese espectro. En algunas zonas
son difciles de diferenciar, pues los materiales naturales como el barro y la
madera suelen confundirse con el entorno.

Penetracin atmosfrica (bandas 7, 6,5): En esta imagen (Figura 15) los colores
naranja nos indican aquellas zonas donde la penetracin de la radiacin solar es
mayor, si aumentamos su contraste, estas zonas tendrn una coloracin ms
intensa ; con el brillo controlamos la cantidad de luz, esto quiere decir que a
mayor brillo, ms opaca se ver la imagen y entre menos brillo, esta se tornar
oscura); con la transparencia los pixeles llegaran a tener una fusin con el fondo
(tomando caractersticas mate); y con el control deslizante gamma podemos
llegar a maximizar en ancho de banda en bits relativos, ya sea para codificar
valores brillantes u oscuros.

Mejoramientos locales:

Pansharpening: Mejoramos la resolucin espacial de nuestra imagen con la

banda multiespectral. Esto sucede fusionando una imagen una de
alta resolucin (pancromtica) y una de menor resolucin (multiespectral), lo cual
nos da una imagen a color con alta resolucin. La resolucin espacial de la
multiespectral se baja a la a la resolucin de la pancromtica, en este caso de
30m a 15m.
Sharpening 3x3: En este caso se resta una imagen borrosa de la original y, a
continuacin, se aumenta su contraste de nuevo a gama completa. Un 3*3 es un
filtro de suavizado, as que cada pixel se sustituye con la suma o media de s
mismo y sus ocho vecinos.

Figura 22: Esquema

6. Conclusiones

A partir del conocimiento previo del territorio (condicin climtica, relieve, nubosidad)
se determina cual es la mejor tcnica para analizar la imagen que se tiene.
Si se tiene mayor conocimiento sobre el espectro electromagntico, y las curvas
de reflectancia del elemento a analizar, esto permite realizar cambios manuales en el
histograma y as obtener el producto que se desea.
Para mejorar caractersticas de tipo espacial en una imagen, podemos agregar
diferentes filtros a la imagen cruda.
Las mejoras radiomtricas de una imagen aumentan los contrastes en ciertos rangos
espectrales.
Para la combinacin de bandas usadas se puede definir la siguiente frmula:
Vegetacin saludable + falso color (urbano) = proteccin zonas verdes, crecimiento
urbano, detalles que no son visibles por el ojo humano.
La mejora Sharpened more sobre el sharpened, aumenta el detalle de la imagen por
medio de la resolucin.

La mejora del brillo y contraste en este caso permite observar con mayor facilidad el
limite mar-tierra.
La mejora Sharpening 3x3 permite observar con claridad las manzanas catastrales,
vas, caminos, clculo de reas permetros.

REFERENCIAS
ESRI. (2015). Datos continuos y discretos. ArcGIS for Desktop. Recuperado: 5 Marzo
2016, de http://desktop.arcgis.com/es/desktop/latest/manage-data/raster-andimages/discrete-and-continuous-data.htm
ESRI. (2016). ArcGIS: For image display and analysis | ArcGIS Resource Center.
Resources.arcgis.com.
Recuperado
7
de
Marzo
2016,
de:
http://resources.arcgis.com/es/communities/imagery/018500000008000000.htm
Herrera, E. (2012). El satlite Landsat. Anlisis visual de imgenes obtenidas del sensor
ETM+
satlite
Landsat.
Cartesia.org.
Recuperado
de:
http://www.cartesia.org/data/apuntes/teledeteccion/landsat-analisis-visual.pdf
NIST (2016). Sharpen. Recuperado de: http://www.nist.gov/lispix/imlab/filter/sharpen.html
Orellana, L. (2001). Estadstica descriptiva. Buenos Aires: Universidad de Buenos Aires.
Facultad de ciencias exactas y naturales. Departamento de matemticas.
Recuperado
de:
http://www.dm.uba.ar/materias/estadistica_Q/2011/1/modulo%20descriptiva.pdf
Usandivarias, J. (2002). Optimizacin del uso de imgenes satelitarias en situaciones de
riesgo.
Prrafos
Geogrficos,
1,
20-27.
Recuperado
de:
http://igeopat.org/parrafosgeograficos/images/RevistasPG/2002_V1/1-4.pdf