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
Ejercicio 2: Detección de lava utilizando la clasificación supervisada
 
Pagina123
Clasificación supervisada:

Ahora vamos a aprender la forma de realizar una clasificación semiautomática para detectar lava y cambios en un volcán. Los resultados de la clasificación se basan en la diferencia en la respuesta espectral de las características detectadas (por ejemplo, vegetación, áreas urbanas, lava, suelo desnudo) en diferentes bandas espectrales.

Es necesaria la intervención humana para llevar a cabo una clasificación supervisada, por eso hay que dibujar los campos de entrenamiento que ayudarán al software a reconocer las distintas clases de valores de píxeles. El software asignará a cada píxel una clase determinada, ejecutando la clasificación con el algoritmo de máxima verosimilitud (consulta el tutorial, pág. 52 y siguientes).  
 
Definición de las clases:
 
En primer lugar, decide en qué te quieres centrar. Si deseas clasificar los diferentes tipos de vegetación, los campos de entrenamiento se elegirán de manera diferente a si lo que quieres es distinguir la lava de la vegetación o de otras características. Este ejercicio tiene dos objetivos:

  • Primero: detectar lava. La lava detectada servirá para la detección de cambios posteriores a la clasificación más adelante. Eso significa que los cambios se evaluarán mediante la realización de aritmética de bandas de los resultados de la clasificación.
  • Segundo: identificar ciudades, pueblos y carreteras

Las nubes son un gran problema al realizar la clasificación de imágenes ópticas, igual que las sombras de las nubes, que pueden confundirse con otras características de valores "oscuros" en algunas bandas (por ejemplo, la lava).

Hay dos maneras de filtrar las nubes y las sombras: 1) elaborando una máscara de nubes (el enmascaramiento automático se realiza mediante la aplicación de un algoritmo de clasificación o umbral, y/o la digitalización manual y, posteriormente, el corte de las partes de píxeles afectadas de la imagen) o 2) generando una clase específica para las nubes y sombras (como en el caso de la imagen de 2001).

Las clases predefinidas son:

  • Lava
  • Urbana (ciudades, pueblos, calles)
  • Vegetación (en este caso no es necesario distinguir entre diferentes tipos de vegetación)
  • Agua (es importante tener una clase independiente para el agua porque de lo contrario podría confundirse con lava o zonas urbanas en lugar de vegetación)
  • Nubes
  • Sombras de nubes

 
 
Pagina123

 
 
 


Nyiragongo y Nyamuragira
Introducción
Detección de cambios y evaluación de riesgos
Introducción a la hoja de trabajoEjercicio 1: Explorar y aprender sobre el volcánEjercicio 3: Detección de cambios y seguimiento multitemporales
Eduspace - Download
Nyiragongo_Landsat.zip
Eduspace - Software
LEOWorks 3LEOWorks 3 Tutorial
 
 
 
   Copyright 2000 - 2014 © European Space Agency. All rights reserved.