Ejercicio: Generación de índices para mapeo de aéreas ...vegetación varían entre blanco (arena,...
Transcript of Ejercicio: Generación de índices para mapeo de aéreas ...vegetación varían entre blanco (arena,...
1
Santo Domingo – Republica Dominicana Miercoles 15 de mayo de 2013
Docente: Antje Hecheltjen ([email protected])
Tema: Generación de índices para mapeo de aéreas inundadas con ArcGIS Guía No 2.
Contenido
Ejercicio: Generación de índices para mapeo de aéreas inundadas con ArcGIS ...................................... 2
Excurso: Efecto de diferentes combinaciones de bandas en colores ................................................. 2
Excurso: ¿Cuáles son las mejores bandas espectrales para utilizar en mi estudio? ............................ 6
Uso del calculador de raster para estimar índices: ............................................................................... 8
Excurso: Punto flotante y data integral ............................................................................................ 9
Resultado .......................................................................................................................................... 10
Trabajar con datos multiespectrales en ArcGIS ..................................................................................... 11
Añadir datos ...................................................................................................................................... 11
Bandas Compuestas .......................................................................................................................... 11
Añadir bandas singulares de una imagen de bandas compuestas ....................................................... 14
Visualizar una imagen de colores ....................................................................................................... 15
2
Ejercicio: Generación de índices para mapeo de aéreas inundadas con
ArcGIS
Excurso: Efecto de diferentes combinaciones de bandas en colores
“321: combination of red (3) - green (2) - blue (1)
red: 0.61 - 0.69 µm
green: 0.51 - 0.60 µm
blue: 0.45 - 0.51 µm
La combinación de bandas se utiliza para representar una imagen en el color natural, que por lo
tanto mejor refleja el aspecto real del paisaje. La Banda 3 detecta la absorción de clorofila en la
vegetación (y por lo tanto baja reflexión). La Banda 2 detecta el reflejo verde de la vegetación.
La Banda 1 es más adecuada para penetrar en el agua, en agua limpia puede alcanzar una
profundidad de unos 25 metros. Por otra parte, en esta banda también se puede derivar
información del sedimento transportado en el agua. Banda 1 también distingue entre suelo y
vegetación y entre los tipos de bosques.
(http://gdsc.nlr.nl/gdsc/en/information/earth_observation/band_combinations
3
“432: combination of VNIR (Visible Near Infra Red) (4) - red (3) - green (2)
VNIR: 0.76 - 0.90 µm
red: 0.61 - 0.69 µm
green: 0.51 - 0.60 µm
Estas tres bandas se combinan típicamente para lograr una falsa composición de colores
"tradicionales" como lo conocemos de la fotografía aérea. En la Banda 4 se detecta el punto
más alto del reflejo de la vegetación, permitiendo también distinguir entre numerosos tipos de
vegetación. La Banda 4 también sirve para detectar el agua o la humedad en la superficie
terrestre. Esta falsa combinación de colores hace que la vegetación aparezca en tonos de rojo,
los rojos más claros indicando más bien las plantas en crecimiento. Suelos sin o con escasa
vegetación varían entre blanco (arena, sal) y verdes y marrones dependiendo de la humedad y
el contenido de materia orgánica. El agua aparece en azul; las aguas claras en un azul obscuro
hasta negro mientras que aguas poco profundas o con una alta concentración de sedimentos
aparecen en un azul más claro. Las zonas urbanas aparecen en colores de azul a gris.
(http://gdsc.nlr.nl/gdsc/en/information/earth_observation/band_combinations)
4
“453: combination of VNIR (4) - SWIR (Short Wave Infra Red) (5) - red (3)
VNIR: 0.76 - 0.90 µm
SWIR: 1.55 - 1.75 µm
red: 0.61 - 0.69 µm
„La banda de honda corta infraroja (Banda 5 para Landsat) es sensible a variaciones en el
contenido hídrico, tanto en lo que se refiere al follaje como a la humedad del suelo. Esta banda
demuestra una alta absorción de agua, permitiendo por lo tanto detectarla en capas muy finas
(menos de 1 cm). También variaciones en el contenido de hierro (Fe2O3) en rocas y suelos
pueden ser detectadas; reflejos más fuertes denotan contenidos férricos más altos. En esta
combinación, la vegetacion aparece en tonos de rojo. Cuando un cultivo tiene relativamente
poca humedad, la reflexión de la Banda 5 es relativamente mayor, significando más intensidad
de verdes resultando por tanto en más tonos de naranja. El color verde comenzará a dominar
cuando la vegetación refleja menos en VNIR (visibilidad infraroja próxima) y más en SWIR
(honda corta infraroja). Suelos sin vegetación y áreas urbanas aparecerán en colores del azul
al gris.“ (http://gdsc.nlr.nl/gdsc/en/information/earth_observation/band_combinations)
5
“742: combination of SWIR (7) - VNIR (4) - green (2)
SWIR: 2.08 - 2.35 µm
VNIR: 0.76 - 0.90 µm
green: 0.51 - 0.60 µm
En esta combinación de bandas la vegetación aparece in varios tonos de verde debido a que la
Banda 4 (alta reflexión de vegetales) es presentada en el color verde. Similar a la Banda 5
Landsat (también SWIR), la Banda 7 es sensible a variaciones en el grado de humedad y
detecta esto especialmente en minerales hídricos en substancias y zonas geológicas (por
ejemplo en arcillas). Esta banda puede distinguir entre varios tipos de rocas y minerales. En
esta combinación, las diferencias que resultan de los distintos tipos de rocas y minerales se
presentan en tonos del rojo al naranja, pero también los tonos más claros de azul pueden
proveer datos con respecto a los suelos. En comparación con los otros canales infrarojos y
además de registrar la radiación reflectiva, la Banda 7 se vuelve cada vez más sensible a las
emisiones de radiación, de tal forma que permite detectar fuentes de calor. Manchas de un
verde vivo indican vegetación y las aguas aparecen en azul obscuro o negro. Las zonas
urbanas aparecen también en azul obscuro o en rosado.
(http://gdsc.nlr.nl/gdsc/en/information/earth_observation/band_combinations)
6
Excurso: ¿Cuáles son las mejores bandas espectrales para utilizar en mi estudio?
Respuesta (fuente: USGS FAQ (http://landsat.usgs.gov/best_spectral_bands_to_use.php)
Esta es una pregunta común entre todos los usuarios de detección remota. El nivel de detalle
(resolución espacial) es a menudo el aspecto más interesante al contemplar imágenes satelitales, pero
menos apreciado es cómo los cambios en la irradiación de energía reflejados por diferentes materiales
de superficie son utilizados para identificar características de interés.
Landsat 8 Operational Land Imager (OLI) and Thermal Infrared Sensor (TIRS) / Creador
de Imágenes de Tierra Landsat 8 y el Sensor Termal Infrarojo (TIRS)
Banda Longitud de onda
Util para mapeo
Banda 1 - Aerosol costero 0.43-0.45 estudios costeros y de aerosol
Banda 2 - azul 0.45-0.51 Mapeo batrimétrico que distingue entre suelos y vegetación y entre vegetación de hojas caducas y hojas perennes (coníferas)
Banda 3 - verde 0.53-0.59 Pone énfasis en la vegetación pico, lo cual es útil para estimar el vigor de las plantas
Banda 4 - rojo 0.64-0.67 Diferencia vegetación en laderas.
Banda 5 – Infrarojo próximo (NIR)
085.-0.88 Pone énfasis en el contenido de la bio-masa y las riberas.
Banda 6 – Honda corta infraroja (SWR) 1
1.57-1.65 Distingue entre el contenido de humedad del suelo y de la vegetación; penetra en nubes finas.
Banda 7 – Honda corta infraroja (SWIR) 2
2.11-2.29 Incremento en el contenido de humedad del suelo y la vegetación y penetración en nubes finas
Banda 8 - Panchromatic .50-.68 Resolución de 15 metros, mejor nitidez en la definición de imágenes.
Band 9 - Cirros 1.36 -1.38 Mejor detección de la contaminación de nubes cirro
Banda 10 – TIRS 1 10.60 – 11.19
Resolución de 100 metros, mapeo termal y estimación de la humedad de suelos
Banda 11 – TIRS 2 11.5-12.51 Resolución de 100 metros,mejor mapeo termal y estimación de la humedad de suelos
Landsat 4-5 Thematic Mapper (TM) and Landsat 7 Enhanced Thematic Mapper Plus
(ETM+) / Mapeador Temático ™ Landsat 4-5 y Mapeador Temático Avanzado Plus
(ETM+)
Band
Wavelength Useful for mapping
7
Band 1 - blue 0.45-0.52 Bathymetric mapping, distinguishing soil from vegetation and deciduous from coniferous vegetation
Band 2 - green 0.52-0.60 Emphasizes peak vegetation, which is useful for assessing plant vigor
Band 3 - red 0.63-0.69 Discriminates vegetation slopes
Band 4 - Near Infrared 0.77-0.90 Emphasizes biomass content and shorelines
Band 5 - Short-wave Infrared
1.55-1.75 Discriminates moisture content of soil and vegetation; penetrates thin clouds
Band 6 - Thermal Infrared 10.40-12.50 Thermal mapping and estimated soil moisture
Band 7 - Short-wave Infrared
2.09-2.35 Rocas modificadas por hidrotérmica asociadas con depósitos minerales
Band 8 - Panchromatic (Landsat 7 only)
.52-.90 Resolución de 15 metros, mejor nitidez en la definición de imágenes
Landsat Multi Spectral Scanner (MSS) / Landsat - Escaneador Multi-Espectral (MSS)
Landsat MSS 1, 2,3 Bandas Espectrales
Landsat MSS 4,5 Spectral Bands
Wavelength Useful for mapping
Banda 4 - verde Band 1 - green 0.5-0.6 Aguas cargadas por sedimentos, delimita zonas de agua superficial
Band 5 - rojo Band 2 - red 0.6-0.7 Características culturales
Band 6 - Infrarojo próximo
Band 3 - Near Infrared
0.7-0.8 Límite de vegetación entre la tierra y el agua y formaciones en tierra
Band 7 – infrarrojo próximo
Band 4 - Near Infrared
0.8-1.1 Penetra mejor la bruma atmosférica, pone en relieve la vegetación, límite entre tierra y agua y formaciones en tierra
The Spectral Characteristics Viewer (http://landsat.usgs.gov/tools_spectralViewer.php) is an
interactive tool developed by scientists at the USGS Earth Resources Observation and Science
(EROS) Center to visualize how the bands, or channels, of different satellite sensors measure the
intensity of the many wavelengths (colors) of light. This is also known as the relative spectral
response (RSR). By overlaying the spectral curves from different features (spectra), one can
determine which bands of the selected sensor will work for the application.
8
Visor de Características Espectrales (http://landsat.usgs.gov/tools_spectralViewer.php) es una
herramienta interactiva desarrollada por científicos de USGS, Centro de Observación de
Recursos Geológicos y Ciencias (EROS) para visualizar cómo las bandas o canales de diferentes
sensores satelitales miden la intensidad de muchas hondas de longitud (colores) de la luz. Esto
también se conoce como respuesta espectral relativa (RSR). Al superponer las curvas espectrales
de diferentes espectros, se puede determinar cuáles bandas del sensor seleccionado van a
funcionar en la aplicación.
Uso del calculador de raster para estimar índices:
9
Según McFeeters (1996) la ecuación de NDWI es: (Verde – Infrarrojo cercano). (Verde + Infrarrojo
cercano) Nota: En la formula uno de los números debe ser de un punto flotante (cf. el excurso).
Excurso: Punto flotante y data integral
En Python, la división devuelve un valor integral a no ser que uno de los números involucrados sea el
número de un punto flotante.
(Fuente: ESRI)
10
Resultado
Imágen original (7-4-2) NDWI = (1.0*b2-b4)/(b2+b4)
Píxeles brillantes son agua
Imágen original (4-3-2) NDVI = (1.0*b4-b3)/(b4+b3)
Píxeles brillantes son vegetación
Un útil enlace para buscar índices: http://www.indexdatabase.de/info/impressum.php
11
Trabajar con datos multiespectrales en ArcGIS
Añadir datos
Bandas Compuestas Crea un único dataset ráster de múltiples bandas y también puede crear un dataset ráster utilizando
sólo un subconjunto de las bandas.
(Credito: ESRI)
Extracto de la ayuda de ESRI:
12
“Esta herramienta también puede crear un dataset ráster que contenga un subconjunto de las
bandas de dataset ráster originales. Es útil si necesita crear un nuevo dataset ráster con un orden y
una combinación de bandas específicas.
Puede guardar las imágenes de salida en los formatos BIL, BIP, BMP, BSQ, DAT, GIF, Esri Grid, IMG,
JPEG, JPEG 2000, PNG, TIFF o en cualquier dataset ráster de la geo-data base.
Por defecto, el dataset ráster de salida toma la extensión y la referencia espacial de la primera
banda ráster con una referencia en la lista.
Los siguientes son algunos ejemplos de motivos por los que puede desear combinar datasets ráster
únicos con datasets ráster multibanda:
Puede haber recibido datos satelitales en los que la banda de datos se encuentra en
un único archivo, por ejemplo band1.tif, band2.tif y band3.tif. Para representar
estos datasets ráster en conjunto a fin de crear una composición de color, cada
banda debe estar contenida en un único dataset ráster (por ejemplo, allbands.tif).
Puede tener varios datasets ráster de la misma área, capturados en diferentes
momentos. Si muestra estos datasets ráster como una composición de color, puede
detectar cambios en el área, como crecimiento urbano o deforestaciones. Para crear
esta composición de color, cada dataset ráster debe estar contenido como bandas
individuales dentro de un único dataset ráster.
En algunos casos, la salida de una operación de análisis es un dataset ráster de
banda única. Para realizar más análisis visual, tendrá que combinar las salidas
mediante la representación de los datos como una composición de color.
Combinar bandas en un dataset ráster puede ayudarle a organizar varios rásteres de
única banda relacionados.”
13
14
Añadir bandas singulares de una imagen de bandas compuestas Abra el ArcCatalogue
Haga click al “+” en frente de una ficha compuesta para ver las bandas singulares. Tira una banda con el
ratón al la tabla de contenidos de ArcMap.
1. Añada bandas
2. Elija carpeta
de destino
3.
15
Eso necesitaremos para utilizar bandas singulares por la calculadora de raster.
Visualizar una imagen de colores Haga doble click en el layer de bandas compuestas (en la tabla de contenidos).
Se abrirá una ventana “propiedades de capa”. En “Composición RGB” (Simbología) puedan asignar los
canales rojo, verde y azul a cualquier banda. Dependiente de la composición de RGB, se puede visualizar
diferentes tipos de la cobertura de la tierra.