ESAEducationInicioTiempo y climaCambio globalDesastres naturales
   
Terremotos
IntroducciónEl terremoto de Izmit
Huracanes
Marejadas ciclónicasHuracán Katrina
Inundaciones
Tesalónica (Grecia)
Volcanes
IntroducciónCinturón volcánico de los AndesEtnaNyiragongo y Nyamuragira
 
 
 
 
 
printer friendly page
Un ejemplo de sustracción de una de las imágenes "secas" filtradas a la imagen “inundada” filtrada
Ejercicio 2: Detección de cambios: matemáticas de banda
 
En este ejercicio, igual que en el ejercicio 3, tendrás que utilizar las técnicas de detección de cambios. Estas técnicas permiten obtener más información sobre los cambios producidos en las distintas imágenes al analizarlas juntas.
 
Con las imágenes filtradas disponibles podrás, en primer lugar, aplicar expresiones matemáticas. Habrá que sustraer la imagen del estado inicial (anterior a la inundación) a la imagen de estado final (posterior a la inundación) (es decir, imagen final - imagen inicial). Esta técnica producirá nuevas imágenes, caracterizando las diferencias entre cada par de imágenes (anterior y posterior a la inundación).

Abre 05102004_f.tif, 25102005_f.tif y 10102006_f.tif como un único conjunto de datos. Aplica las siguientes expresiones matemáticas:

  • 10102006_f.tif – 05102004_f.tif. La imagen resultante representa los cambios entre 05102004 (anterior a la inundación) y 10102006 (posterior a la inundación).
  • 10102006_f.tif – 25102005_f.tif. La imagen resultante representa los cambios entre 25102005 (anterior a la inundación) y 10102006 (posterior a la inundación).
 
 
Final result
Resultado final de la sustracción de la media de imágenes secas a la imagen posterior a la inundación
En las imágenes resultantes, prácticamente no aparecen cambios en gris (valores medios de retrodispersión). Los grandes cambios aparecen como zonas oscuras o como zonas claras, dependiendo de si el cambio ha sido de claro a oscuro o viceversa. Cuanto mayores sean las diferencias de retrodispersión entre los píxeles correspondientes, más clara u oscura será la imagen resultante.

Esto significa que todos los píxeles que pasan a ser significativamente más oscuros en la imagen posterior a la inundación serán oscuros en la imagen resultante de la sustracción, mientras que los píxeles que pasan a ser mucho más claros en la imagen posterior a la inundación, aparecerán claros. Por tanto, la presencia de nuevas zonas cubiertas por las aguas en la imagen posterior a la inundación (es decir, las zonas inundadas), deberían producir píxeles oscuros en la “imagen de la sustracción”.

A pesar del hecho de que las dos imágenes anteriores a la inundación sean de la misma época del año que la imagen posterior a la inundación, la presencia de diferencias es inevitable. Por esa razón, las imágenes anteriores a la inundación se pueden combinar, con el fin de producir una nueva imagen que representará mejor una situación media de “sequedad”. Esta acción contribuirá a reducir cualquier diferencia entre las imágenes anteriores a la inundación (cuantas más imágenes “secas” estén disponibles, mejor será el resultado) y, consecuentemente, supondrá un resultado más fiable de la sustracción. Por tanto, para implementar una imagen seca promedio, aplica la expresión: (05102004_f.tif + 25102005_f.tif)/2 y guarda la imagen resultante como pre-flood_mean.tif.

Cierra todo lo que hayas abierto. Ahora abre 10102006_f.tif y pre-flood_mean.tif en un único conjunto de datos y aplica otra sustracción utilizando la imagen posterior a la inundación y la media aritmética de las imágenes anteriores a la inundación: 10102006_f.tif – pre-flood_mean.tif. Guarda la nueva imagen como subtraction.tif

También puedes producir una imagen subtraction.tif directamente, sin producir la imagen pre-flood_mean.tif por separado, utilizando la siguiente expresión: 10102006_f.tif – (05102004_f.tif + 25102005_f.tif)/2. El resultado será el mismo. Sin embargo, la imagen pre-flood_mean.tif es necesaria para el siguiente ejercicio.
 
 

1. Observa la imagen subtraction.tif y encuentra los cambios (zonas muy oscuras y muy claras).

2. ¿Qué representan las zonas oscuras?

3. Basándote en lo que has aprendido hasta ahora sobre la interpretación de las imágenes de radar y las propiedades dieléctricas del suelo, ¿puedes decir qué son los píxeles claros que rodean las zonas inundadas? Ten en cuenta que la imagen posterior a la inundación se tomó dos días después de la crecida, lo que significa que el suelo ya habría podido absorber una considerable cantidad de agua o que esta podría haberse descargado en la red de drenaje antes del paso del satélite.


 
 
 


Inundaciones repentinas en Tesalónica
IntroducciónInformación previa
Ejercicios
Ejercicio 1: Inspección de las imágenesEjercicio 3: Detección de cambios: análisis multitemporalEjercicio 4: GIS
Eduspace - Software
LEOWorks 4 (Linux)LEOWorks 4 (Windows)LEOWorks 4 (MacOS)
Eduspace - Download
Thessaloniki.zip
 
 
 
   Copyright 2000 - 2015 © European Space Agency. All rights reserved.