Cairo - ejercicios con datos del Landsat continuado
|  | Combinación de falso color de El Cairo utilizando las bandas 7,4,2 | |
Combinación de falso color
Para facilitar la interpretación de las imágenes de satélite, en muchos casos se utiliza el falso color.
Normalmente, una imagen de falso color utiliza al menos un canal de infrarrojo. La gama de infrarrojo es muy útil para interpretar la superficie terrestre, pues está formada por energía reflejada y emitida.
La luz infrarroja no es visible para el ojo humano, pero transmite mucha información. Las plantas, en particular, reflejan mucha más energía en el infrarrojo cercano que en la gama visible del espectro electromagnético. La intensidad permite determinar incluso el estado de salud de la planta.
Abre el programa LEOWorks. Si aún no has descargado las imágenes de El Cairo, ve a la sección de descarga de la parte superior de la hoja de trabajo y sigue las instrucciones.
Elige File>Open. Se abre un cuadro de diálogo. Elige la carpeta Cairo y selecciona la primera imagen, Cairo_Landsat_2000_Band_2.tif. Abre también Cairo_Landsat_2000_Band_4.tif y Cairo_Landsat_2000_Band_7.tif.
Elige Image>Combine from...>Red Green Blue. Se abre un menú emergente. Selecciona la imagen Cairo_Landsat_2000_Band_7.tif para rojo, Cairo_Landsat_2000_Band_4.tif para verde y Cairo_Landsat_2000_Band_2.tif para azul, y haz clic en OK. Mejora los datos originales de la manera indicada en el ejercicio Combinación de colores verdaderos.
La nueva imagen es una combinación de falso color de tres imágenes en escala de grises.
Describe la imagen e intenta clasificar las cubiertas en 5 clases: zonas de parques y cultivos, agua, desierto y llanura, zonas urbanas densas y zonas urbanas de densidad escasa. | | | Combinación de falso color, bandas 4,2,1 |
¿Qué cambio de colores de las clases se aprecia entre las imágenes de color verdadero y las de falso color?
¿Es posible identificar las clases en las dos imágenes?
¿Qué imagen preferirías para diferenciar las características de la imagen del satélite?
Prueba otras combinaciones.
Elige Image>Combine from...>Red Green Blue. Se abre un menú emergente. Selecciona la imagen Cairo_Landsat_2000_Band_4.tif para rojo, Cairo_Landsat_2000_Band_2.tif para verde y Cairo_Landsat_2000_Band_1.tif para azul, y haz clic en OK. Mejora los datos originales de la manera indicada en el ejercicio Combinación de colores verdaderos.
La nueva imagen es una combinación de falso color de tres imágenes en escala de grises.
Describe la imagen e intenta clasificar las cubiertas en 5 clases: zonas de parques y cultivos, agua, desierto y llanura, zonas urbanas densas y zonas urbanas de baja densidad, y compáralas con la imagen de color verdadero.
Describe las diferencias entre las dos imágenes de falso color.
Selecciona las 5 clases en las dos imágenes de falso color y compara los colores de las imágenes.
Combina una imagen de falso color mediante el uso de canal 7 para rojo, canal 1 para verde y canal 2 para azul.
¿Qué opinas sobre la utilidad de la imagen?
Ahora intenta una combinación de tu elección y observa las variaciones.
| | Clasificación supervisada según paralelepípedos | |
Clasificación de imágenes multiespectrales
En el ejercicio 2 separaste en clases las cubiertas de la superficie de El Cairo. La clasificación visual es muy útil para interpretar las características de una imagen de satélite. La imagen clasificada es, con algunas modificaciones básicas, semejante a un mapa temático. Las clases principales de la superficie de El Cairo son zonas urbanas densas, zonas urbanas de baja densidad, bosque, tierras de cultivo, agua, desierto y suelo desnudo.
Hay varias herramientas de clasificación, basadas en distintos métodos de procesado de imágenes. El método que se utilice depende de la información que se necesite.
Aprende más sobre clasificación de imágenes en el Tutorial de LEOWorks.
Clasificación según paralelepípedos
La clasificación según paralelepípedos es un sencillo método de clasificación supervisado. Se basa en las gamas espectrales de las diferentes clases de uso del suelo dentro de las distintas bandas. Utiliza campos de entrenamiento que representan las distintas clases de uso del suelo. Cada uso del suelo tiene su característica espectral específica. Para clasificar cada tipo de cubierta del suelo, es necesario definir al menos un campo de entrenamiento. LEOWorks evalúa dichos campos de entrenamiento y atribuye cada píxel a uno de los tipos de las clases de cubierta.
Abre el programa LEOWorks. Si aún no has descargado las imágenes de El Cairo, ve a la sección de descarga de la parte superior de la hoja de trabajo y sigue las instrucciones.
Elige File>Open. Se abre un cuadro de diálogo. Elige la carpeta Cairo y selecciona la primera imagen, Cairo_Landsat_2000_Band_1.tif
Cairo_Landsat_2000_Band_2.tif, Cairo_Landsat_2000_Band_3.tif,
Cairo_Landsat_2000_Band_4.tif, Cairo_Landsat_2000_Band_5.tif, y
Cairo_Landsat_2000_Band_7.tif. Mejora los datos originales de la manera indicada en el ejercicio Combinación de color verdadero.
Selecciona (activa) la imagen Cairo_Landsat_2000_Band_7.tif. Elige Multivariate Analysis>Supervised Classification>Select Training Fields.
Selecciona Draw Polygon en la barra de herramientas.
Nota: cuantos más campos de entrenamiento puedas seleccionar para una clase, más preciso será el resultado.
Empieza por las láminas de agua y traza un polígono dentro del río Nilo. Asigna el nombre Agua a la clase. Busca otra parte para trazar un segundo polígono dentro de una masa de agua y asígnale también el nombre Agua, y así sucesivamente. Cuando termines con el agua, traza un polígono dentro de una zona cubierta de desierto denso y llama a la clase Desierto. Haz lo mismo con las 7 clases principales preseleccionadas.
Elige Multivariate Analysis>Supervised Classification>Parallelepiped y selecciona todas las imágenes.
Anota los 8 colores diferentes y añade los nombres de clase. Puede ser útil abrir la imagen Cairo_Landsat_2000_Band_321.tif para compararla.
Elige Image>Add Legend y verifica la combinación de colores y los nombres de clases.
Guarda la imagen clasificada como cairo_class_parallel (TIF) en la carpeta Cairo.
Comenta la precisión de la clasificación supervisada según paralelepípedos.
¿Cuáles son las causas de errores que podría haber?
| | | Clasificación de máxima probabilidad de El Cairo |
Máxima probabilidad
La clasificación de máxima probabilidad es otro método de clasificación supervisada. Se basa en complejos métodos estadísticos. También utiliza campos de entrenamiento que representan las distintas clases de uso del suelo. Cada uso del suelo tiene su característica espectral específica. Es necesario definir al menos un campo de fentrenamiento por cada tipo de cubierta del suelo. LEOWorks evalúa dichos campos de entrenamiento y atribuye cada elemento de imagen (píxel) a uno de los tipos de las clases de cubierta de suelo.
Abre el programa LEOWorks. Si aún no has descargado las imágenes de El Cairo, ve a la sección de descarga de la parte superior de la hoja de trabajo y sigue las instrucciones.
Elige File>Open. Se abre un cuadro de diálogo. Elige la carpeta Cairo y selecciona la primera imagen, Cairo_Landsat_2000_Band_1.tif. Abre también Cairo_Landsat_2000_Band_2.tif, Cairo_Landsat_2000_Band_3.tif, Cairo_Landsat_2000_Band_4.tif, Cairo_Landsat_2000_Band_5.tif y Cairo_Landsat_2000_Band_7.tif. Mejora los datos originales de la manera indicada en el ejercicio Combinación de color verdadero.
Utiliza los mismos campos de entrenamiento que en el ejercicio Clasificación según paralelepípedos.
Elige Multivariate Analysis>Supervised Classification>Maximum Likelihood y selecciona todas las imágenes (excepto cairo_class_parallel.tif si sigue abierta).
Ajusta el valor Threshold Value en 5%.
Anota los 8 colores diferentes y añade los nombres de clase. Puede ser útil abrir la imagen Cairo_Landsat_2000_Band_321.tif para compararla.
Elige Image>Add Legend y verifica la combinación de colores y los nombres de clases.
Comenta la precisión de la clasificación supervisada de máxima probabilidad. ¿Cuáles son las causas de errores que podría haber?
Compara los dos tipos de clasificación (paralelepípedos y máxima probabilidad) y comenta en qué coinciden y en qué no.
Prueba otros valores de umbral, por ej. 50% y 75% y compara las imágenes clasificadas.
| 
