TALLER-01 2014-I l

PROCESAMIENTO DIGITAL DE IMÁGENES I – 2014

TALLER No. 1 - ILWIS

Fecha para la Realización Hora de Entrega Fecha límite de entrega

24 Abril a 8 de Mayo 6:00 am 9 de MayoNombre del estudiante: Laura Juanita Becerra

Código: 20111025006Nombre del estudiante: Javier Orlando Fernández

Código: 20111025040

La nota de un informe puede estar entre uno (1.0) y cinco (5.0). Si un informe no se entrega la nota obtenida será de cero (0.0). Este informe se debe entregar a más tardar a la hora límite para que sea evaluado.

INSTRUCCIONES PARA EL TALLER:1. Lea cuidadosamente que es lo que se pide en el informe y cuáles son los criterios de

evaluación.2. No cambie las preguntas que se le indican. Intente responder todas las preguntas

con argumentos coherentes y, si es el caso, mostrando la evidencia correspondiente (resumenes estadísticos, histogramas, etc).

3. Soporte gráficamente cada afirmación o análisis que se le pida realizar. 4. Una vez terminado el taller asegúrese de comprimir TODAS las imágenes del

documento. Seleccione una de las imágenes que ha anexado al documento y con el botón derecho del Mouse mediante la opción: Formato de Imagen -> Imagen -> Comprimir seleccione: Todas las imágenes del documento y la opción Comprimir en Web o pantalla a Resolucon de 96 pp.

5. Guarde su trabajo en un archivo de Word (.doc) cuyo nombre esté de acuerdo con la siguiente convención: Taller1-CodigoEstudiante1- CodigoEstudiante2.doc.

6. Verifique la integridad del archivo antes de enviarlo (cierre el archivo muévalo a otra carpeta y ábralo nuevamente).

7. Envié su trabajo al correo electrónico del grupo [email protected] antes de la hora de entrega estipulada. En el mismo mensaje envié a su correo personal una copia de este taller. Asegúrese de que ambos destinatarios se encuentren en la casilla Para o Destinaratio principal y no utilice las casillas CC o CCO de su servicio de correo electrónico.

8. Los emails recibidos después de las 7:50 pm del 23 de Septiembre NO SERÁN EVALUADOS.

TRABAJO:En base a los conceptos ya tratados en clase, a su trabajo previo con el Software ILWIS (Capitulos 1 y 6) y la lectura del capitulo 4 del Libro Introductory Digital Image Processing, sobre estadísticas de la imagen, el Capitulo 2 del Libro Introduccion al Tratamiento Digital de Imágenes de Jorge Lira, asi como todo el material disponible en la plataforma del curso; usted estará en capacidad de realizar a continuación los procesos indicados para comenzar el procesamiento de la imagen. El presente taller requiere que usted realice un determinado conjunto de procesos y análisis de sus resultados, así como la modificación de algunos parámetros y la investigación, consulta o documentación sobre algunas operaciones básicas y avanzadas que se desarrollaran mediante las siguientes tareas:

Ingeniería Catastral y GeodesiaProcesamiento Digital de Imágenes Satelitales

Ing. Esp. Javier Espejo

mailto:[email protected]

1. Ejercicio sobre visualización de imágenes multiespectrales mediante el visualizador Wordwind de la NASA.

2. Ejercicio sobre Consulta y descarga de imágenes satelitales mediante el catalogo EarthExplorer y el USGS Global Visualization Viewer GLOVIS.

3. Realizar los procesos necesarios para su importación y visualización en un Software de procesamiento (ILWIS),

4. Empleo del software DIPS como apoyo al entendimiento de los procesos y operaciones de importación, visualización y mejoramiento.

MATERIAL:Para el desarrollo del Laboratorio requiere:1. Acceso a Internet.2. Software ILWIS 3.x instalado, y haber desarrollado la Guia No 1 y 6 del material

proporcionado por el ITC de Holanda. 3. Software PCI o ERDAS. De uso en los laboratorios de la Universidad.4. Software DIPS.

Los links para el acceso al instalador se encuentran en la página del grupo en Google Sites.

1. TRABAJO PREVIO – SELECCIÓN DE ZONA DE TRABAJO.Para afianzar los conceptos tratados durante el repaso sobre Sensores Remotos llevado a cabo durante la primera parte del curso y empezar a desarrollar las tareas referentes al procesamiento digital de las imágenes obtenidas por satélite para propósito de monitoreo de la superficie terrestre, se requiere definir una zona de interés, y a partir de allá establecer y desarrollar la metodología que le permitirá realizar diferentes análisis y observaciones sobre la misma a partir del trabajo con imágenes de satélite en un entorno digital.

I. Defina y justifique la selección de una zona de su interés en el territorio Colombiano.

La zona seleccionada para trabajar es el Departamento del Valle del Cauca ya que esta presenta alto nivel de explotación minera ilegal, más exactamente en el Municipio de Buenaventura en el río Dagua.

II. Realice una breve descripción de las características Físicas y Socioeconómicas de la zona de su interés.

El municipio de Buenaventura queda localizado en el Departamento del Valle del Cauca, tiene aproximadamente 6100 km2 de extensión, posee uno de los puertos marítimos más importantes de Colombia. Limita por el norte con el Departamento del Choco, por el sur con el Departamento del Cauca, por el occidente con el Océano Pacifico y por el oriente con los municipios del Dagua, Cali, Jamuni y Calima. La ciudad de Buenaventura es

Buenaventura tiene un alto índice de desempleo, pero debido a su gran puerto se tiene muy activa la industria y el comercio. Posee una gran riqueza minera, más que todo en la extracción de oro, seguido del platino, carbón y petróleo; esto genera un gran impacto ambiental.

III. Mediante la herramienta de Visualización de datos espaciales Google Earth, realice la delimitación espacial de la zona de su interés.

a. Defina los límites de la zona en Coordenadas Geográficas.



b. Calcule la extensión del área de interés delimitada, en hectáreas y kilómetros cuadrados.



Ancho: 17,19 Kilómetros Largo: 8,46 Kilómetros

Área Total: 145,4274 Km2

IV. Empleando Google Earth presente, cada esquina de su zona de interés como una marca de posición.

V.2. TRABAJO PREVIO – CONSULTA, SELECCION Y DESCARGA DE DATOS.

Una vez definida su zona de interés, se hace necesario realizar la selección del conjunto de datos satelitales que facilitaran el análisis y visualización de la zona de interés. Si bien muchos de los actuales programas satelitales de observación tanto públicos como privados facilitan el acceso y consulta de sus catálogos de información, el acceso a los datos es en su mayoría restringido por el pago de un valor determinado por el proveedor de los mismos. Sin embargo y por iniciativas gubernamentales muchos de los datos del Sistema LandSat se encontraban de alguna forma disponibles sin costo para el público por iniciativas como el Global Land Cover



Facilty de la Universidad de Maryland (ver http://glcf.umiacs.umd.edu/index.shtml), pero desde finales de 2008 el Gobierno de los Estados Unidos mediante el USGS determino la disponibilidad total del archivo de imágenes recolectadas en los últimos 35 años por el programa Landsat sin ningún costo (ver http://landsat.usgs.gov/documents/USGS_Landsat_Imagery_Release.pdf), de esta forma tienen entonces ustedes acceso a un invaluable conjunto de datos tomados de forma continua por uno de los programas satelitales más completos para el monitoreo de recursos naturales a escala global, nacional y regional.

i. A partir de las coordenadas de su zona de interés definidas en el punto iii.a de la sección anterior, y mediante la herramienta de identificación de imágenes Landsat mediante las coordenadas de interés (http://landsat.usgs.gov/tools_latlong.php), defina de acuerdo al WRS-2 de LandSat, que imagen(es) del sensor ETM+ cubren su zona de interés.



http://landsat.usgs.gov/tools_latlong.php

http://landsat.usgs.gov/documents/USGS_Landsat_Imagery_Release.pdf

ii. Presente el inventario de TODAS las imágenes del programa Landsat consultadas de la zona de su interés, así como TODAS las imágenes de los demás programas satelitales de su zona de interés consultadas en.

a. SPOT, en el catalogo SIRIUS SPOT.b. ASTER, en el visualizador GLOVIS.c. ALOS, en el catalogo CROSS.d. Quickbird, en Image Finder.e. RapidEye en RapidFind.f. CBERS, en el catalogo INPE.De no haber ninguna imagen indíquelo claramente. Agregue las filas necesarias a la

tabla:Imágenes Consultadas LANDSAT

PathJΦ

RowKλ

Fecha de la Imagen

Misión Sensor Fuente%

Cobertura Nubes

10 57 1997/9/29 Landsat4

MSS Pasiva 10%

10 57 1998/1/3 Landsat4

MSS Pasiva 10.66%

10 57 2011/3/12 Landsat4

MSS Pasiva 10%

Imágenes Consultadas SPOTPathJΦ

RowKλ

Fecha de la Imagen


Cobertura Nubes

640 343 1998-06-30 Spot 4 HRVIR Pasiva 10%640 343 2001-04-09 SPOT4 HRVIR Pasiva 8%640 343 2005-04-30 SPOT4 HRVIR Pasiva 7%

Imágenes Consultadas ASTERPathJΦ

RowKλ

Fecha de la Imagen


Cobertura Nubes

10 57 2008/03/11 Terra ASTER Pasiva 4%10 57 2002/01/22 Terra ASTER Pasiva 26%10 57 2001/04/09 Terra ASTER Pasiva 11%

Imágenes Consultadas ALOSPath

JΦ

RowKΛ

Fecha de la Imagen


Cobertura Nubes

Imágenes Consultadas QuickbirdPath

JΦ

RowKλ

Fecha de la Imagen

Misión

Sensor Fuente%

Cobertura Nubes

3,493 -76,968 May 14, 2008 QuickBird

WV01 Pasiva 7%

3,85 -77,191 Jul 12, 2009 QuickB WV01 Pasiva 18%



ird 4,48 -77,55 May 31, 2008 QuickB

irdWV01 Pasiva 46%

Imágenes Consultadas RapidEyePath

JΦ

RowKλ

Fecha de la

ImagenMisión Sensor Fuente

% Cobertura

Nubes3.9100 -77.16 2014-01-

03RapidEye

RapidEye-5

Pasiva 3%

3.9100 -77.16 2013-02-20

RapidEye

RapidEye-2

Pasiva 13%

3.91 -77.16 2010-03-27

RapidEye

RapidEye-4

Pasiva 14%

Imágenes Consultadas CBERSPathJΦ

RowKλ

Fecha de la Imagen


Cobertura Nubes

iii. Presente la imagen satelital seleccionada de cada programa y justifique sus criterios para dicha selección.

Vista rápida de la Imagen seleccionada

Programa satelitalFecha de la

imagenCriterio para la

selección

Landsat 5 1997/9/29Resolución de la imagen y poca

nubosidad



Landsat 5 2011/3/12Resolución de la imagen y la toma

es reciente.

Recuerde solo se trabajaran los datos Landsat para este taller. No es necesario descargar o comprar los datos de otros proveedores. Solo indique cual es la mejor imagen satelital seleccionada en cada programa

iv. Realice una comparación de la imagen seleccionada en Landsat con al menos otras dos imágenes de los proveedores consultados. Establezca claramente las diferencias:

a. Área cubierta (de su proyecto final).b. Resolución temporalc. Resolución espaciald. Resolución radiométrica.e. Cobertura de Nubes.f. Calidad de la imagen.

v. Presente un resumen del metadato de la imagen Landsat descargada.a. Dimensiones de la imagen.b. Sistema de proyección y de coordenadas de la imagen.c. Coordenadas de las esquinas de la imagen.d. Formato de Almacenamiento.e. Estructura de almacenamiento.f. Tamaño en disco de los datos (solo se trabajaran los datos multiespectrales).



Imagen Landsat Seleccionada

a. Dimensiones de la imagen.

La imagen del sistema Landsat, programa 5 con la que se realiza el trabajo, corresponde al sensor TM al cual corresponde una dimensión de 185 x 185 km.

b. Sistema de proyección y de coordenadas de la imagen.

PARAMETROS DE LA PROYECCION: Proyección = Universal Transversal Mercator “UTM”, Datum = "WGS84", Elipsoide = "WGS84", Zona UTM = 18

c. Coordenadas de las esquinas de la imagen.

ESI -78.63718,3.37771- ESD-76.49782,3.38340- EII 5.26014, -78.64617 EID 5.26900 ,-76.50153

d. Formato de Almacenamiento. GEOTIFF

e. Estructura de almacenamiento. BSQ, BIL,BIP

f. Tamaño en disco de los datos (solo se trabajaran los datos multiespectrales).

En la imagen multiespectral hecha en clase pudimos encontrar el tamaño en Disco de 311.55 MB de todo el archivo; teniendo en cuenta que se generan dos archivos el que es .img ocupa 226.94MB y el .rrd ocupa 84.62 MB.

3. IMPORTACIÓN DE DATOS.Para comenzar el procesamiento y análisis visual y estadístico de los datos satelitales, estos deben incorporarse al software de procesamiento digital. Estas herramientas Como cuentan con un gran conjunto de utilidades y aplicaciones enfocadas a tareas de procesamiento de datos como soporte al análisis y gestión de información para propósitos de investigación, cartografía o producción de datos.

i. Luego de desarrollar la Practica 1 indique.

a. Con sus palabras como definiría el objeto Maplist en ILWIS o la imagen Multiespectral el PCI/ERDAS.

La imagen multiespectral en Erdas es una imagen que se compone por varias bandas, las cuales capturan la superficie en diferentes longitudes de onda. Se le puede asignar canales de color RGB 432 (Falso Color Estándar), donde se pueden visualizar más los cuerpos de agua porque se diferencia de la vegetación ya que esta es de color rojo.

b. Qué ventajas tiene la utilización de este objeto en tareas de procesamiento digital.



Debido a que la imagen multiespectral es la unión de varias bandas, donde cada banda puede capturar varios fenómenos terrestres se puede hacer un análisis para observar, monitorear y analizar dichos fenómenos. Por ejemplo, la vigorosidad de la vegetación se captura mejor en las bandas del infrarrojo, así como el agua tiene una mejor respuesta espectral en la parte visible del espectro.

4. ANÁLISIS EXPLORATORIO-VISUAL DE LOS DATOS.Cuando la información digital puede ya ser desplegada en pantalla, los primeros análisis son los meramente visuales, se buscan los principales rasgos características en la imagen digital que pueden dar indicativos sobre las características de la zona que estamos estudiando y de la que hemos adquiridos los datos. Se conoce por lo general la posición aproximada de los datos, el área que cubre la imagen y la fecha de toma de la misma, podemos entonces comenzar a realizar un análisis de las características de los datos y las coberturas que se representan en estos.

i. Realice las dos composiciones de color básicas en Procesamiento Digital (Color Natural y Falso Color Estándar) con la imagen empleada sobre la zona de su interés.

a. Realice la composición con el comando Color Composite de ILWIS, indique cual es el procedimiento realizado.

El proceso para hacer las composiciones de color natural y falso color se realizó con la herramienta Layer Stack, en la pestaña de Raster de ERDAS, la cual permite agrupar los archivos de bandas individuales en una sola imagen, para este caso se adiciono banda por banda sin incluir la termal. Luego de adicionar las bandas y de crear dicha imagen el software permitió desplegar

Color Natural Falso color estándar



2. Realice la composición de Color mediante la opción Interactive Color Composition del objeto MapList de ILWS. Indique cual es procedimiento realizado.

3. Cuál es la diferencia en el procedimiento realizado y el resultado de los anteriores procesos.

La diferencia entre las dos imágenes son las tonalidades de cada cobertura, en la falso color estándar se puede diferenciar claramente la vegetación del cuerpo de agua.

ii.En ambas combinaciones de color realice un análisis y comparación visual de la totalidad de la imagen.

a. Cuál es el área total cubierta por la imagen Landsat en Km2 y hectáreas.

185 km de ancho por 170 de largo El área total en kilómetros corresponde a 185km x 170km = 31450 km2

En hectáreas equivale a 3145000 Ha

b. Que regiones, zonas y/o rasgos (naturales y/o artificiales) cubre dicha imagen, descríbalas a partir de sus rasgos generales y observables en las composiciones de color. Ej: Rio Magdalena, Ciudad de Medellin, Desembocadura del rio Cauca en el Magdalena, etc.

Zona o Región

Ubicación General

(Coordenadas)

Imagen Color NaturalImagen Falso Color

EstándarDescripción

general

Puerto de

Buenaventur

a

3°53'5.62"N77° 3'48.53"W

El centro urbano de Buenaventura se puede distinguir claramente en la imagen falso color estándar por su color gris oscuro, y con similares tonalidades en la composición de color natural



Río Dagua

3°52’ 0.01”N77°4’

0.12”W

Se puede ver que el río Dagua está más definido en la falso color estándar, ya que se diferencian los colores.

c. Presente y muestre la ubicación de su zona de interés en la imagen.

d. Defina los límites exactos de su zona de interés, a partir de la lectura de los datos de posición en la imagen.

Zona de Interés

Corte de la Imagen

SupIzq

InfIzq

SupDer

InfDer

La ubicación exacta de los límites de la imagen, requiere que defina una área rectangular en la que se extiende su zona de interés, no sus límites exactos (cuenca, curva de nivel, limite

municipal, etc) por lo que solo requiere la definición de un área aproximada que contenga su zona de interés a partir de las

coordenadas de las esquinas del rectángulo envolvente.

Esquina Superior IzquierdaN 433530 Lat 3°55’10.5065”N Fila 4989

E 267180Long

77°5’48.1211”W Columna 5526

Esquina Superior Derecha N 433530 Lat 3°55’10.5065”N Fila 4989



E 295080Long

76°50’42.7328”W Columna 6456

Esquina Inferior IzquierdaN 416430 Lat 3°45’56.0064”N Fila 5559

E 267180Long

77°5’48.1211”W Columna 5526

Esquina Inferior DerechaN 416430 Lat 3°45’56.0064”N Fila 5559

E 295080Long

76°50’42.7328”W Columna 6456

iii. Cuantas Filas y Columnas componen su área de interés.

La componen 571 filas y 931 columnas

iv. Realice el corte de la imagen completa (Maplist) a partir de los límites definidos en ii.d mediante la operación Submap of a Raster Map.



Los parámetros para realizar el corte de una Archivo Raster o un conjunto de raster (Maplist) son:

Lines and Columns: Se especifica la línea y columna de inicio del corte (esquina superior izquierda) y el número de líneas y columnas a cortar desde dicho punto.

Corners: Se especifica la fila y columna de inicio (esquina superior izquierda) y de final (esquina inferior derecha) del área de corte

Coordinates: se especifica las coordenadas XY de las esquinas superior izquierda e inferior derecha del corte

v. Presente el resultado del proceso de corte de la imagen en una combinación de Falso Color Estándar, donde se presenten, señalen y enumeren las principales



características de por lo menos 3 Y NO MÁS DE 6 COBERTURAS de su zona de interés.

Cobertura Color Características Generales

Agua En la imagen se pueden encontrar mucha presencia de agua ya sea del

Océano pacifico o perteneciente a los ríos,

UrbanoEl casco urbano (Buenaventura) presenta un color Cyan, que es la respuesta

espectral de los techos de las construcciones presentes en el Municipio.

BosquesEsta es la cobertura predominante en el área de estudio. Debido a que existen

varias tonalidades pueden presentarse distintas clases de bosques.

PastosSe encuentran en las riberas de los ríos y en la parte superior derecha de la

imagen.

5. ANÁLISIS VISUAL UNI-BANDA DE LOS DATOS.La identificación de las características y diferenciación espectral de las coberturas en la imagen de la zona de su interés, facilitan los posteriores procesos de identificación y clasificación. Encontrar o definir mediante un primer análisis visual las bandas que presentan la mejor separabilidad por tono o brillo (contraste) de las coberturas de interés es un paso muy conveniente, en el proceso de identificación de las variables más importantes en procesos de separabilidad espectral.

i. Mediante la opción de despliegue en pantalla de varios datos en una misma pantalla de ILWIS (ADD LAYER), cargue los datos para cada una de las bandas de la imagen en una nueva ventana, asegurándose de usar la representación GRAY, y posteriormente adicione los datos de la misma banda en su respectiva ventana empleando una representación PSEUDO, y también despliegue los datos con una representación INVERSE.

ii. Analice para cada una de las bandas lo que las 3 diferentes representaciones o PSEUCOLOR TABLES le permiten diferenciar de acuerdo a los rasgos: tono o color y niveles digitales de las coberturas más generales para la imagen.

iii. Complete con la información anterior la siguiente tabla, adicione las filas que considere necesarias.

Banda #

Longitud de Onda Imagen GRAY Imagen

PSEUDO

Imagen INVERSE

Cobertura

Análisis

Intervalo(μm)

Nombre

a 1 0.45 -0.52 Azul

AguaUrbanoBosquesPastos

b 2 0.52-0.60 verde


c 3 0.63-0.69 Roja


d 4 0.76-0.90

Infrarrojo

cercano 1


e 5 1.55-1.75

Infrarrojo

cercano 2


f 7 2.08-2.35 Infrarrojo

medio

AguaUrbanoBosques



Pastos

6. ANÁLISIS ESTADÍSTICO DE LOS DATOS.El análisis de los datos fundamentales que conforman la imagen digital, los Niveles Digitales que representan de acuerdo al nivel de cuantización del Sensor el valor de radiancia que llegan a los detectores del sensor, constituyen la matriz de datos que permiten formar la imagen digital en pantalla. Los datos son susceptibles a ser analizados mediante diferentes parámetros estadísticos univariados y multivariados que facilitan la compresión y mejor entendimiento de la disposición de los mismos en la imagen.

i. Para cada una de las bandas de la imagen (completa) realice un análisis del Histograma que muestra ILWIS, indicando sus principales características.

BandaImagen

HistogramaTendencia Central Dispersión RangoMedia

Moda

Mediana VarianzaDesviación Estándar

Min Max Rango

A 1 58.190 0 63 2643.29 51.413 0 255 255

B 2 23.269 0 21 833.53 28.871 0 255 255

C 3 20.496 0 14 1074.39 32.778 0 255 255

D 4 31.464 0

9 1822.26 42.688 0 255 255

E 5 25.611 0 6 1446.81 38.037 0 255 255

F 6

0 206 206



90.414 0 128 3369.68 58.049

G 711.291 0 5 325.33 18.037 0 255 255

ii. Para cada una de las bandas de la imagen (cortada) de su zona de interés realice un análisis del Histograma que muestra ILWIS, indicando sus principales características.

Banda

Imagen Histograma

Tendencia Central Dispersión RangoMedia Moda Mediana Varianza

Desviación Estándar

Min Max Rango

A1

60.579 57 57 98.763 9.938 47 255 208

B 226.154 24 23 34.963 5.913

16 255 239

C 3 20.825 18 18 64.850 8.053 11 255 244

D 4 73.916 77 69 379.08 19.470 1 255 254

E 5 52.387 47 48 281.065 16.765 1 255 254



f 6 132.113 132 131 3.356 1.832 119 148 29

g 7 16.423 15 14 71.944 8.482 1 255 254

iii. Realice una comparación y análisis banda por banda de los anteriores resultados para la imagen completa y la imagen cortada.

iv. Para cada una de las bandas de la imagen (cortada) realice un análisis de las diferentes estadísticas, y determina las características básicas de su distribución, amplitud y dispersión.

Banda Análisis General Imagen Completa

a 1

En la banda uno encontramos una amplitud de 0 a 255, esta distribución es con sesgo medio vemos que se encuentran grandes Niveles digitales, medios un tanto bajos, con moda menor que la media y la mediana, esta al ser la banda del azul nos muestra en niveles visuales mayor cantidad de tonos grises oscuros y grises.

b 2

En la banda dos encontramos una amplitud igual a la interior de 0 a 255, está tiende a ser con sesgo medio, siendo también la moda menor que la mediana y la media, banda del verde con niveles digitales medios y bajos, poca cantidad en los altos y niveles visuales por consiguiente entre grises y grises oscuros.

c 3

En la banda tres encontramos una amplitud de 0 a 255, está tiende a ser con sesgo negativo, siendo la banda del rojo con niveles digitales altos en el medio, tiende a verse oscura, el niveles visual corresponde a gris y gris oscuro

d 4

En la banda cuatro encontramos una amplitud de 0 a 255, distribución con sesgo negativo bastantes niveles digitales concentrados en la zona media de la escala y otros tantos en los niveles digitales bajos, la imagen tiende a verse un poco oscura.

e 5En la banda cinco encontramos una amplitud de 0 a 255, imagen no muy dispersa con una distribución al parecer normal, altos niveles digitales en el pixel 82.

f 6En la banda seis encontramos una amplitud de 0 a 206, imagen no muy dispersa con una distribución al parecer normal, altos niveles digitales en el pixel 82.

g 7En la banda siete encontramos una amplitud de 0 a 255, una imagen con una dispersión baja tiende a parecerse a una distribución normal.

Banda Análisis General Imagen Cortada

a 1 En la banda uno encontramos una amplitud de 47 a 255, esta distribución es insesgada ó normal esto se debe a que los valores de la media, moda y mediana son muy parecidos.

b 2

En la banda dos encontramos una amplitud de 16 a 255, está tiende a ser con sesgo negativo, siendo la moda el valor central entre que la mediana y la media, la banda del verde con niveles digitales medios y bajos, poca cantidad en los altos y niveles visuales por consiguiente entre grises y grises oscuros.

c 3

En la banda tres encontramos una amplitud de 11 a 255, esta distribución se parece a una distribución con sesgo positivo aunque la moda es menor que la media y la mediana, los niveles digitales bajos también están presentes pero distribuida de una manera más uniforme.

d 4 En la banda cuatro encontramos una amplitud de 1 a 255, distribución con sesgo negativo



bastantes niveles digitales concentrados en la zona media de la escala y otros tantos en los niveles digitales bajos, la imagen tiende a verse un poco oscura.

e 5En la banda cinco encontramos una amplitud de 1 a 255, imagen no muy dispersa con una distribución al parecer normal.

f 6En la banda seis encontramos una amplitud de 119 a 148, imagen no muy dispersa con una distribución al parecer normal.

g 7En la banda siete encontramos una amplitud de 1 a 255, una imagen con una dispersión baja tiende a parecerse a una distribución normal.

7. ANÁLISIS MULTI-BANDA DE LOS DATOS.La disponibilidad de datos multiespectrales facilita la identificación y separabilidad de las coberturas presentes en la imagen gracias las diferentes propiedades físicas que están poseen y que puede analizarse e identificarse en diferentes longitudes de onda. El análisis de los datos en forma de una análisis multibanda, ya sea este visual o estadístico, facilita una mejor visualización, separabilidad e interpretabilidad de los rasgos más importantes y característicos de las coberturas presentes.

i. Genere, presente y analice la matriz de varianza-covarianza de los datos de la imagen de su zona de interés.

B1 B2 B3 B4 B5 B7B1B2B3B4B5B7

ii. Genere, presente y analice la matriz de Correlación de los datos de la imagen de su zona de interés.

B1 B2 B3 B4 B5 B7B1B2B3B4B5B7

iii. Presente y analice los Dispersogramas para el par de bandas con mayor y menor nivel de correlación.

Aunque limitada la opción de generar este tipo de grafica multivariada es solo posible en ILWIS, mediante el siguiente proceso: Realice un cruce de las bandas de interés

(Raster Operations\Cross), no es necesario crear un mapa de salida, solo con generar la tabla es suficiente (Output table).

A partir de la tabla resultante genere una Grafica (Create\New Graph) en la que en cada uno de los ejes se ubiquen los datos de cada una de las bandas de interés.

Puede cambiar la simbología, tamaño y color del símbolo que representa el ND de un mismo pixel para las diferentes bandas del análisis.



iv. Realice un análisis de las estadísticas y graficas multivariadas obtenidas y explique por qué se presentan estos valores en función de:

a. La longitud de onda que representa cada banda.b. Las coberturas predominantes en la imagen

v. Determine el número de combinaciones de color que pueden realizarse con las bandas disponibles, indique el procedimiento.

vi. Presente en forma de tabla las posibles combinaciones de color de acuerdo a los resultados del punto 7-v y calcule el Factor de Índice Optimo (OIF) para cada una de las combinaciones. Agregue las filas que considere necesario.

vii. De acuerdo a los resultados del punto 5-vi, realice en ILWIS mediante la opción de OPEN AS COLOR COMPOSITE del MAPLIST de la imagen de su zona de interés (cortada) las 4 combinaciones con el más alto y las 2 con el más bajo valor de OIF, presente los resultados. Agregue las filas que considere necesario.

R G B R G BOIF: OIF:

viii. Analice visualmente la composición de color con el valor más alto y mas bajo de OIF, e indique para las coberturas predominantes definidas en el punto 4-v, de acuerdo a lo analizado durante la presente guía, las ventajas que ofrecen dichas composiciones de color para establecer o mejorar la separabilidad de dichas coberturas de acuerdo a las variables visuales o criterios de interpretación ya mencionados en clase. Agregue las filas que considere necesario.

CoberturaImagen Detalle de la Imagen Alto OIF

Imagen Detalle de la imagen Bajo

OIFAnálisis comparativo

8. ANALISIS MULTIESPECTRAL.Identificar las características espectrales propias de cada una de las coberturas presentes en la imagen, facilita el análisis de los fenómenos físicos que ocurren en el paisaje en el lugar y tiempo definido por la extensión y fecha de toma de la imagen.

i. Genere para cada una de las coberturas en la imagen de su zona de interés (punto 4-v) dos firmas espectrales. Y con los datos tomados complete la siguiente tabla Agregue las filas que considere necesario.

Preferiblemente la firmas recolectadas deben ser de dos puntos con la misma cobertura pero de dos lugares diferentes de la imagen, no usar firmas tomadas de pixeles contiguos.

Cobertura Firma 1 Firma 2



R G B OIF

Fila Columna Fila ColumnaLat Long Lat Long

Banda B1 B2 B3 B4 B5 B7 Banda B1 B2 B3 B4 B5 B7ND ND

La generación y visualización de firmas espectrales en ILWIS (MapList Graph) requiere que se haya creado correctamente con anterioridad el Maplist con los datos de la imagen multiespectral.

En las opciones del MapList con los datos de su zona de interés, bajo la categoría Statistics encontrara el comando Maplist Graph.

Al mismo tiempo despliegue la composición de color con mayor OIF (punto 7-vi) (Color Composition en el mismo Maplist) o la composición de color con la que se encuentre mas familiarizado, y que le permitirá diferenciar claramente las coberturas en su zona de interés.

Mantener siempre la ventana sobre todas las demás ventana

Actualizar los datos a medida que se mueve

el cursor sobre la composición de color

Maplist fuente de los datos, este debe estar

abierto al mismo tiempo como

composición de color.

Copiar los actuales datos espectrales al portapapeles,

con formato de vector-tabla

Firma Espectral de la posición actual del

cursor.

Numero de bandas disponibles en el

Maplist.

Mantener fijo los valores máximos y mínimos del eje Y,

donde se representa el ND en cada banda.

Valor de las coordenadas de

imagen, geográficas y planas de la actual

posición del cursor.

De acuerdo con el trabajo previo, ya le es posible definir las características espectrales de cada una de las coberturas en su imagen. Estas características que se pueden evidenciar mediante la firma espectral, son las que determinan las características de Color, textura y contraste para el resto de pixeles y por lo tanto de coberturas en la imagen.

ii. Para cada una de las coberturas identificadas en la imagen, y sus dos correspondientes lecturas espectrales (punto 8-i), determine en DIPS (Modulo RGB Viewer) u otra herramienta (Paleta de colores de Microsoft Office, Paint, Photoshop, etc) cuál es el color que tomaría ese determinado pixel, en las combinaciones de color:

1. Color Natural.2. Falso Color Estándar3. Las dos combinaciones con mayor OIF.



Adicione la filas que considere necesarias.

Cobertura Color Pixel 1 Color Pixel 2RGB() RGB() RGB() RGB() RGB() RGB() RGB() RGB()

Fila Columna Fila Columna

Emplee el modulo RGB Viewer del software DIPS para determinar el color de salida que tendrá el pixel en la combinación de color dada.

Para comparar el color obtenido en DIPS con el color observado en ILWIS, cargue nuevamente la composición a color desde el Maplist, pero cambie los valores máximos y mínimos del mejoramiento para cada una de las tres bandas a 0 como mínimo y 255 como máximo. Solo de esta forma el color observado en DIPS es comparable con el color del pixel en ILWIS, estas diferencias será tratadas durante el siguiente tema del curso: Mejoramientos de la Imagen.

Mínimo.Banda

espectral.Cañón de

Color.Maximo.

iii. Apoyándose en los anteriores resultados, así como en el trabajo desarrollado hasta el momento realice un análisis general de las características espectrales observadas en las coberturas de la imagen de su zona de interés. Adicione las filas que considere necesarias.

Cobertura

Análisis Espectral

Descripción B1 B2 B3 B4 B5 B7Max Min Max Min Max Min Max Min Max Min Max Min

La determinación de los valores o niveles digitales máximos o mínimos pueden partir del análisis de la variación en la firmas espectrales para una determinada cobertura mediante la opción Continuos en el Maplist Graph, y/o la observación de los ND reportados al utilizar la



opción de Info en la ventana de datos de ILWIS mientras se analiza cada una de las bandas de interés, o una combinación de color de las mismas.

Dichos limites no tienen que ser exactos, pero si lo bastante precisos para definir y representar el resultado de su observación de las variaciones del comportamiento espectral de una cobertura a otra.

9. SEGMENTACION DE LA IMAGEN.Al determinar los patrones espectrales generales de las coberturas y rasgos presentes en la imagen, es posible entonces sintetizar y generalizar dichas características en un producto temático, que ponga de manifiesto dichas diferencias mediante la determinación y asignación de una conjunto de reglas de asignación a dichos patrones, cuando dicha determinación y asignación se realiza para una sola de las bandas de la imagen se denomina Segmentación o Density Slicing, y cuando se realiza para todo el espacio de características de una imagen se denomina clasificación multiespectral.

i. A partir de los datos obtenidos en la sección anterior (punto 8-iii), realice un proceso de Segmentación (Image Processing\Slicing) para las coberturas de su zona de un interés sobre las bandas con el Mayor y el Menor rango de distribución (punto 6-iii).

Para el proceso de segmentación, una vez definida la banda de interés se procede a ejecutar la tarea de Slicing en el menú de procesamientos de imagen, se debe construir el dominio que permitirá transformar la imagen en una mapa de clases, para acceder a la creación del dominio se emplea el

botón .

El domino a crear debe ser de un dominio de Clase organizado por Grupo (Activar casillas Class y

Group) .

Una vez definidas dichas propiedades, se procede a la creación de los criterios de asignación que definirán cada una de las coberturas identificadas anteriormente. Dicho criterio, meramente espectral, consiste en la definición de un intervalo en el que se encuentran todos los pixeles que deben pertenecer a la cobertura de interés. Para este caso se define en el dominio creado el límite superior del rango espectral identificado para dicha cobertura en la banda a segmentar. Otros aspectos que se deben definir son el Nombre de la clase (Valor Temático), el código de identificación de la clase (Identificador) y el color asociado a la PCT o representación en ILWIS.



Adicionar nueva clase.

Eliminar clase.

Editar PCT -Representación.

Limite espectral superior (máximo ND) para la clase o cobertura en la banda a

segmentar.

Una vez definidos todos los elementos y editada la presentación de color, cierre el dominio y ejecute el proceso de Slicing o Segmentación unibanda.

ii. Presente, analice y compare los dos mapas obtenidos a partir del procedimiento anterior.

Imagen Banda Menor Dispersión

Imagen SegmentaciónLeyenda Coberturas

(Patrones Segmentados)

Análisis Comparativo



iii. De acuerdo al proceso realizado hasta el momento, la definición de los límites espectrales de cada cobertura y el resultado de la segmentación de la imagen a partir de dichos valores, que puede concluir sobre la relación entre la amplitud del histograma y la separabilidad de las coberturas presentes.

iv. Calcule y compare el área que ocupa en los 2 mapas temáticos obtenidos cada una de las coberturas definidas. Agregue mas filas si lo considera necesario.

Puede emplear la opción de Statistics\Histogram sobre cada uno de los mapas obtenidos

Cobertura

Mapa 1 (Banda Mayor rango: )

Mapa 2 (Banda Menor rango: ) Diferencia de

AreasKm2Numero

PixelesÁrea (Km2)

Numero Pixeles

Área (Km2)



TALLER-01 2014-I l

Documents

Transcript of TALLER-01 2014-I l