Tecnologas de la informacin geogrfica: Teledeteccin

Prctica 17: 1

TECNOLOGAS DE LA INFORMACIN GEOGRFICA:

Modulo de TELEDETECCIN
Dr. Javier Salas

Curso 2010/2011

Prctica 5: Clasificacin digital

Objetivos:
Familiarizar al alumno con los procesos de la clasificacin digital de imgenes de satlite y
mostrar sus potencialidades para la investigacin medioambiental. Afianzar los conocimientos tericos
adquiridos mediante el desarrollo de casos prcticos. Contrastar los criterios empleados en el tratamiento
digital con los utilizados en el anlisis visual de las imgenes.

Desarrollo:
El alumno deber seguir el guin propuesto para estas sesiones, tomando nota de los procesos
seguidos y los resultados obtenidos, de cara a la superacin de la parte de prcticas que se incluir en
el examen final. El profesor, tras una explicacin general de la prctica, se dedicar a resolver
cuestiones puntuales durante el desarrollo de estas sesiones.

Ejercicio 1: Clasificacin supervisada

Antes de entrar en el programa IDRISI asegrate de que la configuracin regional de tu
ordenador est en Ingls (Inicio- Panel de Control- Configuracin regional-Opciones
regionales- Seleccionar: Ingles Estados Unidos)
El programa IDRISI Andes permite abordar la clasificacin digital de imgenes, convirtiendo los
ND contenidos en imgenes multiespectrales, en una imagen con un nmero determinado de categoras de
ocupacin del suelo. En esta prctica ensayaremos dos algoritmos de clasificacin supervisada con la
imagen del P.N. de Cabaeros (TM1 a TM7).
1.1. Establecimiento de la leyenda
Para abordar la clasificacin digital, conviene partir de una serie de datos auxiliares, as como
del trabajo de campo sobre la zona de inters. A partir de esta informacin se debe elaborar una
leyenda de trabajo bien ajustada a las clases de cubierta presentes en la imagen. La leyenda que vamos
a utilizar est compuesta por:
Identificador
1
2
3
4
5
6
7

Categora
Lminas de agua
Cultivos de regado
Cultivos de secano (+ suelo desnudo)
Pastizal
Matorral
Conferas
Caducifolias

Tecnologas de la informacin geogrfica: Teledeteccin

Prctica 17: 2

Una vez confeccionada la leyenda puede iniciarse propiamente el trabajo de clasificacin. En

la primera fase se realiza el "entrenamiento" del proceso de clasificacin.
1.2. Seleccin de reas de entrenamiento
La estrategia supervisada parte de disear una serie de campos de entrenamiento sobre la imagen
visualizada. As, una vez que tengamos una leyenda de trabajo bien elaborada, es preciso digitalizar los
campos de entrenamiento que definirn numricamente a cada una de las categoras. Para ello, visualizar
la composicin en color que consideremos ms conveniente (Display Launcher) y pulsar el icono de
digitalizacin en pantalla (

). El archivo vectorial de salida ser CAMPOS. Selecciona polygon. El

tipo de dato ser entero (integer). Es importante aqu que anotemos el identificador (ID) de cada campo
que se introduzca, para luego recordar a qu categora pertenece segn la leyenda mostrada anteriormente.
Iniciar con 1 para el agua (posteriormente 2 para cultivos de regado y sucesivamente hasta la categora 7
(caducifolios) siguiendo el mismo orden en el que aparecen las categoras en la tabla de la pgina
anterior). Ahora aparecer un cursor. Desplaza el cursor al punto donde se iniciar la digitalizacin del
polgono que define el primer campo de entrenamiento y pulsa sobre el botn izquierdo del ratn. A
continuacin, mueve el cursor al siguiente punto del polgono y pulsa, de nuevo, el botn izquierdo del
ratn (vers como comienza a crearse la lnea que define el campo). El polgono que define el campo de
entrenamiento debera contener una zona homognea del tipo de cubierta en cuestin. Contina
digitalizando hasta el final del polgono y, entonces, pulsa el botn derecho del ratn. Esto finalizar la
digitalizacin de ese campo de entrenamiento, asegurando que el polgono cierra perfectamente. Si
realizaste algn error y no quieres guardar ese polgono, activa el icono

, selecciona el polgono en

cuestin y pulsa la tecla Supr del teclado. Ojo, para poder borrar polgonos, tendrs antes que salvar
el fichero que ests generando pulsando el icono

de la barra de herramientas. Es conveniente que

vayas salvando a medida que digitalizas los polgonos para evitar posibles prdidas de informacin.
Vuelve a pulsar el icono de digitalizacin en pantalla. Si has salvado el fichero, aparecer una
pantalla en la que te pregunta si deseas aadir polgonos al fichero vectorial activo o crear un nuevo
fichero. ELIGE SIEMPRE LA PRIMERA OPCIN Add features..... de otra forma estaras creando
un fichero nuevo cada vez que salves tus datos y eso es precisamente lo que NUNCA queremos hacer.
Recuerda cambiar el identificador cada vez que digitalices polgonos de una nueva categora, hasta
terminar el proceso. Conviene tener ms de un rea de entrenamiento para cada categora con el objeto
de representar la variabilidad de las distintas cubiertas dentro de la imagen. No olvides utilizar el
mismo identificador, si quieres digitalizar varios polgonos del mismo tipo de cubierta.
Contina hasta digitalizar todos los campos de entrenamiento de todas las clases de ocupacin del
suelo. Antes de terminar, recuerda salvar los polgonos digitalizados pulsando en el icono

de la

barra de herramientas.
Con el comando MAKESIG (Image Processing/Signature Development) podemos obtener los

Tecnologas de la informacin geogrfica: Teledeteccin

Prctica 17: 3

valores estadsticos de los pxeles incluidos en estos campos. Seleccionar la opcin archivo vectorial, e
indicar el nombre del archivo que define los campos de entrenamiento (CAMPOS), el nmero de bandas
(6) y su nombre (TM1, TM2, TM3....). A continuacin introducir, en enter signature file names, el
nombre de las clases, que tiene que coincidir con el identificador antes introducido (p.ej. agua, regado,
etc.).
El comando SIGCOMP (Image Processing/Signature Development) permite comparar estos
valores entre varias categoras. Comenzaremos con el tipo de visualizacin de la media (mean). Introducir
el nmero de categoras que quieran verse simultneamente y su nombre. Aparecer un grfico con la
localizacin de la media de estas categoras para las tres bandas de la imagen. Realizar un ejercicio similar
con la opcin de mximo y mnimo (podemos considerarlo como un grfico de dispersin) y
combinando los tres (mximo, mnimo y media. A partir de estos documentos, reflexionar sobre la
separabilidad de las clases que pretendemos discriminar. Qu clases ofrecen una mayor confusin? Qu
sentido temtico tienen esos solapes?.
Otro comando para el anlisis de signaturas espectrales es SCATTER (Image
Processing/Signature Development). Previamente al uso de este comando ser conveniente generar un
archivo de grupo de signaturas, con el comando Collection Editor (men File). Debes abrir el archivo
CAMPOS e introducir solamente las tres o cuatro signaturas que tericamente estn ms separadas.
Posteriormente podrs generar nuevos archivos de grupo de signaturas con otras categoras. Utiliza las
bandas 3 y 4 como ejes x e y. En el tipo de grfico selecciona logaritmo de los pxeles. Activa la opcin
de crear archivo grfico de signaturas. Cuando se visualice el resultado, aparecern, sobre la nube de
puntos, unos vectores en forma de elipse que indican la localizacin espectral de las signaturas en el
espacio biespectral definido. Puedes probar la opcin SCATTER con otras bandas y con otras signaturas.
Hasta ahora hemos utilizado mtodos visuales para analizar la separabilidad entre clases. El
ltimo paso ser la aplicacin de un mtodo estadstico: medidas de separabilidad, que aparecen en el
mdulo SEPSIG (Image Processing/Signature Development). Existen varias opciones, en nuestro caso
utilizaremos la Divergencia Transformada, que, por defecto, tiene un valor mximo de 2000 (mxima
separabilidad). El resultado es un informe con la separabilidad entre cada par de clases en funcin de las
bandas seleccionadas. Comenta los resultados Qu categoras se diferencian mejor? Cules presentan
mayor confusin?
Si tras este anlisis se intuye que el proceso de entrenamiento no fue de suficiente calidad, es
decir, se observan confusiones espectrales entre categoras, deben generarse nuevos campos de
entrenamiento, repitiendo el anlisis definido anteriormente.
1.3. Algoritmos de clasificacin
La fase de asignacin puede realizarse mediante mltiples tipos de clasificadores; los ms usuales
en la clasificacin supervisada son: paraleleppedos (PIPED), mxima probabilidad (MAXLIKE) y
mnima distancia (MINDIST). En nuestro caso, ensayaremos las dos ltimas.

Tecnologas de la informacin geogrfica: Teledeteccin

Prctica 17: 4

El comando MINDIST (Image processing/Hard Classifiers) permitir asignar todos los pxeles
de la imagen a una de las categoras previamente definidas. Los parmetros de control son: nmero de
signaturas a procesar (de clases), nombre de la imagen de salida, tipo de distancia a utilizar
(seleccionaremos "raw; ND Originales), y la distancia de bsqueda (en nuestro caso, infinita). A
continuacin introducir el nombre de las clases. Pueden introducirse de una a una, o todas a la vez
mediante un archivo de grupo de signaturas. Inmediatamente se visualizar el mapa resultado con la paleta
por defecto y la leyenda.
A continuacin utilizaremos el comando MAXLIKE, insertando las signaturas y aceptando las
opciones que aparecen por defecto. Al igual que con MINDIST, se visualizar el mapa resultado con la
paleta por defecto y la leyenda. Qu diferencias presenta con respecto al anterior?

Ejercicio 2: Presentacin de resultados

Para evitar el denominado efecto de "sal y pimienta" que suele aparecer en las clasificaciones
digitales es conveniente aplicar un filtro de mayora a las imgenes resultantes de la clasificacin. Para
ello, utilizaremos el comando FILTER (Image Processing/Enhancement), con la opcin de Moda. Por
defecto la imagen se visualiza en tonos de gris. Vuelve a visualizarla con la paleta de color (IDRISI
default Qualitative) para compararla con la imagen sin filtrar. Aplica este proceso a las tres clasificaciones
(las dos supervisadas y la no supervisada) generadas en la prctica anterior. Ensayar diversos tamaos de
ventana hasta conseguir mejorar la calidad de visualizacin sin llegar a una prdida significativa de
informacin.
Ahora llega el momento de obtener los documentos finales. En primer lugar, generaremos una
paleta de color acorde al tema que estamos representando. Para ello, utilizaremos la opcin Symbol
Workshop en el men Display. En la opcin File selecciona uno nuevo (New) de tipo Palette, que
llamaremos clasificacion Hay varios conceptos clave que deberamos revisar antes de comenzar a
trabajar con el diseo de paletas:
-

Una paleta consta de las definiciones de un mximo de 256 colores numerados de 0 a 255. En
nuestro caso estos nmeros corresponden a las categoras de nuestra imagen clasificada. Para
cambiar el color a cada nmero y por tanto, asignarse ese color a la categora del mapa
correspondiente, se debe pulsar, en primer lugar, sobre su cuadro. Aparecer una ventana
donde puedes elegir el color ms apropiado. El color se aplicar a la categora de igual nmero
de la imagen a que se aplique.

Los colores se definen en trminos de la mezcla de los colores primarios (azul, verde y rojo) que
producen el color en cuestin. Es el denominado sistema aditivo de los colores primarios. Este
mdulo ofrece una serie de colores bsicos, adems de una tabla de colores para seleccionar los
colores de inters que no aparezcan entre estos. Si fusemos a utilizar de forma frecuente alguno

Tecnologas de la informacin geogrfica: Teledeteccin

Prctica 17: 5

de los colores de esta tabla, podramos incluirlos como colores personalizados, facilitando la
seleccin del mismo (se elegira directamente de los colores personalizados sin necesidad de
buscar en la tabla de color).

Selecciona los colores adecuados a las categoras que se han definido en la clasificacin (por
ejemplo: agua en azul, etc) y, posteriormente, guarda el archivo (en el submen File/Save). Ahora cierra la
ventana de Symbol Workshop. Visualiza las imgenes resultantes de las clasificaciones supervisadas
usando la paleta de color que acabas de crear. Para ello en el men de la ventana de visualizacin indica el
nombre del fichero con la clasificacin. A continuacin debes elegir en Palette File la opcin Other /
Used defined y seleccionar el nombre de la paleta que acabas de crear. Ya hemos definido el primer
elemento de una composicin cartogrfica. Para su presentacin final deberas incluir adems, un ttulo y
una leyenda adecuados. Este proceso se lleva a cabo con el mdulo Idrisi Explorer, en el men File o
pulsando el icono

. Activa este mdulo, selecciona el archivo en cuestin y modifica el ttulo en

la opcin File Title. A continuacin, sitate sobre la opcin Categories y pulsa sobre el cuadrado
con los puntos suspensivos. En la ventana que aparece puedes cambiar el nombre de las categoras.
Introduce los nombres que quieras que aparezcan en el mapa, por ejemplo el code 1 podra ser lminas
de agua. Pulsa OK para cerrar esta ventana. Para salvar los cambios pulsa sobre el icono con forma de
disquete (

) que aparece en la parte inferior izquierda de la pantalla.

Visualiza las dos clasificaciones con la paleta de color que creaste, ttulo y leyenda. Nos
encontramos ante la informacin bsica de una composicin cartogrfica. A partir de esta informacin
sera sencillo confeccionar el mapa final, slo habra que aadir una serie de coberturas vectoriales
(hidrografa, red de comunicaciones, toponimia, etc) y elementos cartogrficos (escala, coordenadas,
orientacin, etc) ; no obstante, ese no es el objetivo de esta prctica por lo que no se llevar a cabo (esto ya
se hizo en la asignatura Sistemas de Informacin Geogrfica del pasado cuatrimestre).

Por ltimo, junto a la representacin cartogrfica, tambin podemos obtener los datos de
superficie ocupada por cada categora. Este dato se obtendra mediante el mdulo AREA, que se
encuentra en el submen Database Query del men principal GIS Analysis. Activa este mdulo y
selecciona como formato de salida la opcin Tabular y como unidad de medida Hectares. El
resultado ser una tabla con la superficie en hectreas que ocupa cada categora de la clasificacin.
Calcula las superficies para las tres clasificaciones obtenidas y compara los resultados.