CIAF | Centro de Investigacin y Desarrollo en Informacin Geogrfica del IGAC

UN-SPIDER Regional Support Office in Colombia

Desarrollo de un modelo de correccin de

imgenes de satlite para inundaciones:
(CAIN - Correccin Atmosfrica e ndices
de Inundacin)
Alexander Ariza1, Sergi Garcia J.2,Sergio Rojas B.3, Mauricio
Ramrez D.4
1
2-4

Departamento de Geografa. Universidad de Alcal, Madrid., Espaa

Centro de Investigacin y Desarrollo en Informacin Geogrfica del IGAC, Bogot D.C., Colombia
aax21161@alu.uah.es, sergio. rojas@igac.gov.co, hmramirez@igac.gov.co

Abstract

Resumen

This paper describes the prototype of an automatic

correction model of satellite images for automatic
extraction of water areas, referred to as: "CAIN"
(Atmospheric Correction and Indexes flood) processing
platform developed under the PCI Geomatica Software
2013 the framework of the technical assistance to the
Colombian Corporation of Agricultural Research
(CORPOICA) which in turn is part of the initiative of
the UN- SPIDER network for the management of spatial
information management and responses to disasters and
emergencies. The CAIN model to automate processes
such as the conversion of digital numbers (DNs) to
absolute units of spectral radiance (Lsat) and actual
surface reflectance (REF). Providing a basis for
comparison of standardized data in a scene both as
images acquired from different dates and sensors in
order to determine using remote sensing technology
levels and flooded areas analyzed by radiometric indices
of vegetation and water.

El siguiente articulo describe el prototipo de un modelo

automtico de correccin de imgenes de satlite para
la extraccin automtica de cuerpos de agua,
denominado: CAIN (Correccin Atmosfrica e
ndices de inundacin), desarrollado bajo plataforma de
procesamiento del Software PCI Geomatica 2013 en el
marco de la asistencia tcnica prestada a la Corporacin
Colombiana
de
Investigacin
Agropecuaria
(CORPOICA) y que a su vez se hace parte de la
iniciativa de la red UN-SPIDER1 para el manejo de la
informacin espacial para la gestin y respuestas a
desastres y emergencias. El modelo CAIN permite
automatizar procesos tales como la conversin de
niveles digitales (NDs) a unidades absolutas de
radiancia espectral (Lsat) y reflectancia real de
superficie (REF). Proporcionando una base para la
comparacin estandarizada de datos tanto en una escena
como entre imgenes adquiridas de diferentes fechas y
sensores, con el fin de determinar mediante tcnicas de
teledeteccin los niveles y reas inundadas analizadas a
travs de ndices radiomtricos de vegetacin y agua.

This work is confirmed as a great tool in the analysis

and comparison of water bodies, while allowing
mapping change to determine the areas affected by
floods, thus providing valuable information for
managers to characterize and current state of knowledge
of the effects of climate change.

Este trabajo se confirma como una gran herramienta en

el anlisis y comparacin de cuerpos de agua, a la vez
que permite la elaboracin de mapas de cambio para
determinar las reas afectadas por inundaciones,
aportando con ello una valiosa informacin a los
gestores para la caracterizacin y conocimiento del
estado actual de los efectos de cambio climtico.

Key Words: Remote Sensing, Atmospheric Correction,

floods, Spectral Index, change detection.

Palabras clave: Sensores Remotos, Correccin

Atmosfrica, inundaciones, ndices Radiomtricos,
deteccin de cambios.

1. Introduccin
Debido a las crecientes aplicaciones tecnolgicas en el
campo de las ciencias de la tierra y las actuales
preocupaciones sobre el cambio global (inundaciones,
deforestaciones, incendios, entre otros), han llevado a

http://www.un-spider.org/
1

Desarrollo de un modelo de correccin de imgenes de satlite para inundaciones: (CAIN - Correccin Atmosfrica
e ndices de Inundacin)

que las imgenes obtenidas desde los diferentes

sensores remotos se conviertan en una fuente
fundamental de informacin, promoviendo la aplicacin
de tcnicas de deteccin de cambios de la cubierta
terrestre a partir de datos obtenidos de satlites y otras
plataformas de observacin. Parte del origen mismo de
los sensores remotos fue el de cubrir fenmenos,
naturales o antropognicos, que por sus caractersticas
(extensin, acceso, composicin, etc), dificultaban la
posibilidad de tener xito en su medicin por mtodos
tradicionales. Las inundaciones o los eventos
hidrolgicos extremos son un claro ejemplo de los
mismos.

relevante al conocimiento de las situaciones

hidrolgicas que presenta una cuenca hidrogrfica [7].
Este dato es el valor de la reflectancia espectral de la
superficie terrestre. Con el fin de obtener esta
informacin
referente
al
comportamiento
de
inundaciones y cuerpos de agua, se realiza un anlisis
mediante el empleo de ndices espectrales, los cuales
nos permiten realizar anlisis de cambios a travs del
tiempo.

2. Desarrollo del Modelo

Por lo anterior se plante el desarroll del modelo de
correccin de imgenes de satlite para inundaciones
CAIN, el cual conjuga la correccin atmosfrica,
obtencin de valores de reflectancia e ndices
espectrales, para la delimitacin automtica de cuerpos
y lminas de agua asociadas a inundaciones.

Sin embargo, con el fin de utilizar esta informacin

plenamente y obtener el mximo de potencial de las
imgenes espectrales de los satlites para tal aplicacin,
es necesario convertir las unidades de los datos de la
salida del sensor denominados Niveles Digitales (NDs)
a los valores fsicos reales e independientes de
condiciones atmosfricas, es decir a valores de
reflectancia de superficie (REF).

2.1. Correccin Atmosfrica

Este tipo de conversin puede realizarse mediante la

medicin de la profundidad atmosfrica en el da de la
toma del satlite y el uso del cdigo de transferencia de
radiativa RTC, con el fin de calcular la relacin entre la
reflectancia de la superficie (REF) y la radiancia del
sensor (Lsat) [9], pero este mtodo es demasiado
costoso y requiere mucho tiempo para ser utilizado.

Independientemente del modelo de correccin, los

niveles digitales (NDs) deben primero ser convertidos a
radiancias (Lsat) mediante la eliminacin de la ganancia
y efectos introducidos por el sistema [9].
Si los datos han sido procesados para eliminar el ruido
utilizando una tcnica estadstica, estas ganancias y los
ajustes coeficientes adicionales tambin deben ser
incluidos en la correccin.

El mtodo ms directo convierte los NDs a sus

correspondientes valores de reflectancia (REF)
mediante la correccin de las ganancias de los sensores,
desplazamiento o desviacin (offset), la irradiancia solar
y el ngulo solar zenith. Sin embargo, ese mtodo no
corrige del todo los efectos atmosfricos, que
intervienen en una correccin atmosfrica propiamente
dicha [3].

De acuerdo con el mtodo simple de [3], la ecuacin

para la conversin de niveles digitales (NDs) a niveles
de radiancia de satlite (Lsat) se expresara como se
muestra continuacin:

La cantidad de energa electromagntica captada por los

detectores de un sistema remoto de imagen se ve
influida por la atmsfera. Los efectos atmosfricos
pueden interferir causando adiccin, dispersin,
absorcin y reflexin de la energa o luz [12].

Donde,
Lsat = Radiancia espectral del satlite.
NDs = Niveles digitales del pixel o valores digitales.
Offset = Desviacin.
Gain = Ganancia de la banda espectral.

A travs del tiempo se han desarrollado varios mtodos

para eliminar el componente de dispersin aditivo
causado por la trayectoria de la radiancia, incluyendo el
mtodo de sustraccin de objetos oscuros (DOS por las
siglas en ingles de dark-object subtraction), el cual es
utilizado para algunas aplicaciones generales [3], es un
intento hacia un procedimiento ideal; Sin embargo el
mtodo DOS no corrige el efecto multiplicativo de la
transmitancia, aunque su respuesta es de muy alta
eficiencia as como tambin aceptacin por la
comunidad cientfica y por lo cual fue el elegido para
modelar [10].

As mismo para la conversin a valores de reflectancia

(REF) y partiendo de la ecuacin de Moran [9], los
valores quedaran definidos de la siguiente manera:

Donde,
REF = Reflectancia espectral en la superficie.
PI = Constante 3,14159265358979323846264338327
Lhaze = Radiancia espectral dispersa sugerida en la
direccin y en la entrada del sensor, o radiancia de
trayecto.

Los sensores satelitales pticos, como el Landsat o

Rapideye, realizan una medicin que aporta un dato
2

Desarrollo de un modelo de correccin de imgenes de satlite para inundaciones: (CAIN - Correccin Atmosfrica
e ndices de Inundacin)

TAUv = Transmitancia atmosfrica a lo largo del

trayecto desde la superficie al sensor.
Eo = Irradiancia Solar espectral perpendicular en la
superficie, contiene tambin la distancia solar en
unidades astronmicas en funcin del da de ao varia
en un rango entre (0.983 a 1.017).
TZ = Angulo de incidencia directa del flujo solar sobre
la superficie terrestre (Angulo solar zenith).
TAUz = Transmitancia atmosfrica a lo largo del
trayecto desde el sol a la superficie terrestre.
Edown = Perdida de irradiancia espectral en la
superficie debido al flujo solar disperso en la atmosfera.

Donde,
= Radiancia Espectral del sensor.
= Valor del pixel.
= Valor mnimo del pixel.
= Valor mximo del pixel.
= Radiancia espectral mnima escalada.
= Radiancia espectral mnima escalada.
Los valores de
,
,
y
se
encuentran localizados en los metadatos de cada imagen
tomada por cada sensor o en resmenes de trabajos
previos [2]. El siguiente paso consiste en obtener los
valores correspondientes a la reflectancia (REF) para
cada banda, empleando para ello la siguiente ecuacin:

Para el desarrollo del mtodo simple de [3], se parte de

supuestos, como:
El supuesto bsico es que en la imagen algunos pxeles
estn en completa sombra y los pixeles con mayor
radiancia se deben a la dispersin atmosfrica [3].
Este supuesto se combina con el hecho de que muy
pocos objetos en la superficie de la Tierra son negro
absoluto, por lo que se asume un uno por ciento (1%) de
reflectancia mnima.

Donde:

El objetivo de este mtodo mejorado objeto oscuro o

simple de Chavez es seleccionar valores de radiancia
entre bandas espectrales y correlacionarlos entre s.

= Reflectancia planetaria TOA (Top of Atmosphere

Reflectance).
= Constante 3,14159265358979323846264338327
= Radiancia Espectral del sensor.
= Distancia astronmica Tierra-Sol.
= Irradiancia Solar media exoatmosferica.
= Angulo zenith Solar.

A partir de los supuestos de Chavez [3], donde:

TAUz = 1.0 (ignora la trasmitancia atmosfrica
superficie al sensor),
TAUv = 1.0 (ignora la trasmitancia atmosfrica de sol a
la superficie),
Edown = 0.0 (ignora perdidas), y
Lhaze = valor derivado desde el uso del criterio del
objeto oscuro.

Nota:
es igual al SENe (Seno del ngulo de
elevacin solar)
Los valores de
se encuentran en los metadatos
(archivos .MTL o .WO) de cada imagen tomada por
cada sensor. EL valor de , depende del nmero de da
juliano del ao donde fue realizada la captura de la
imagen y
se puede encontrar resmenes de
trabajos previos [2], ver figura 1.

Lo anterior permite resumir la ecuacin de reflectancia

como:

Posteriormente Chander [2] presenta una variacin de

las ecuaciones del mtodo simple de Chavez [3], con
aplicacin a imgenes de sensores Landsat MSS, TM,
ETM+, y sensores EO-1 ALI, Donde tambin
proporciona lo actuales valores y coeficientes utilizados
para la correccin atmosfrica.
Es as como la ecuacin para convertir los NDs a
radiancia de satlite queda establecida de la siguiente
manera:

Desarrollo de un modelo de correccin de imgenes de satlite para inundaciones: (CAIN - Correccin Atmosfrica
e ndices de Inundacin)

El ndice NDWI maximiza la reflectancia del

agua usando para ello la banda del Infrarrojo
Cercano (IRC) y la absorcin de la vegetacin
y de suelo adyacente en la banda de la banda
Verde. Los valores bajos (negativos) estn
asociados a la vegetacin y de suelo, mientras
que los altos (positivos) a la vegetacin
fotosintticamente activa por alto contenido de
agua [4].
Figura 1. a) Resumen de valores de correccin para sensores MSS
b) Resumen de valores de correccin para sensores TM

ndice de Diferencia de
Agua
Normalizado Modificado (MNDWI)

1.1. ndices radiomtricos

Este ndice surgi como respuesta a la

incapacidad del ndice de diferencia de agua
normalizado (NDWI) para separar territorios
artificializados del agua. Por este motivo Xu
[16] propuso modificar el NDWI remplazando
la banda del Infrarrojo Cercano (IRC) por la
banda del Infrarrojo Medio (IRM). Los valores
de este ndice varan entre -1 y 1, dnde los
valores superiores a cero corresponden a
cuerpos de agua.

Una vez definido el mtodo de correccin atmosfrica y

de obtener los valores de reflectancia para cada una de
las bandas de la imagen. Se procede a la caracterizacin
espectral o radiomtrica y extraccin de los cuerpos de
agua.
Los ndices radiomtricos permiten determinar rasgos
fisiolgicos de coberturas de vegetacin as como de
los nutrientes en las mismas, los datos obtenidos a partir
de estos ndices son apropiados para estudios de
ecosistemas dinmicos en escalas regionales y globales.
De acuerdo con Sutter [14] los ndices se pueden
clasificar en dos grupos segn el resultado:
a)

ndices estructurales que utilizan bandas

relacionadas con la estructura externa de la
planta, como es el caso del NDVI por siglas en
ingls of de Normalized Difference Vegetation
Index [15].

ndice de Agua ICEDEX

El ndice ICEDEX es utilizado por el CEDEX
(Instituto Ambiental Espaol) para mapear
aguas continentales y es uno de los que
presenta valores ms estables, siendo uno de
los menos sensibles a la influencia de
vegetacin o a la presencia de material en
suspensin (sedimentos, algas). Este ndice se
obtiene a partir de las relaciones entre las
bandas del Rojo (R), Infrarrojo Cercano (IRC)
e Infrarrojo Medio (IRM).

ndice de Diferencia de Vegetacin

Normalizado (NDVI)

Este ndice se obtiene a partir de la relacin de

la mxima reflexin de la banda del infrarrojo
cercano (IRC) y la absorcin de la banda del
rojo (R), es el ms usado ya que su rango esta
entre -1 a 1 con el cero como un valor
aproximado de no vegetacin. Valores
negativos
representan
superficies
sin
vegetacin, mientras valores cercanos a 1
contienen vegetacin densa [11].

El valor de referencia establecido para discriminar

la superficie inundada es el cero, valores por
encima de cero son considerados agua [8].

b) El segundo grupo son los ndices que entregan

informacin acerca del contenido foliar usan
bandas afectadas por la absorcin del agua.

ndice de Diferencia Agua Normalizado

(NDWI)

3. Metodologa
La metodologa para la discriminacin y extraccin de
cuerpos de agua usando el modelo CAIN se divide en
tres grandes fases (Figura 2): Fase 1 alistamiento, Fase 2
Modelo CAIN y Fase 3 Postprocesamiento. Al final se
4

Desarrollo de un modelo de correccin de imgenes de satlite para inundaciones: (CAIN - Correccin Atmosfrica
e ndices de Inundacin)

busca generar capas en formato vector (shape) de los

cuerpos de agua y de esta forma poder monitorear la
dinmica de expansin y contraccin de los cuerpos de
agua asociada a inundaciones.

captura del sensor que se encuentran adjuntos en los

metadatos de cada imagen.

3.1 Esquema General

Figura 3. Estructura del modelo CAIN desarrollado para

imgenes Landsat TM+

Figura 2. Esquema General

Fase 1. En esta fase se preparan las imgenes despus

Con el fin de aumentar la velocidad de procesamiento,

el modelo permite procesar un rea definida atreves de
la extensin de un archivo o una capa de datos (Figura
4), este procedimiento se realiza de manera automtica
mediante el algoritmo CLIP, el cual extrae un
subconjunto de un conjunto de datos que se cruza una
regin espacial especificada (cuenca hidrogrfica o
termino municipal). CLIP recoge una capa raster,
vector, mapa de bits o capas para crear un nuevo
archivo de datos definidos por el usuario en regiones de
inters. Esta regin de corte puede ser definida por un
archivo de imagen, capas clip o coordenadas definidas
por el usuario. Los formatos de archivos de entrada y de
salida son apoyados por la base de datos genricos
(GDB).

de una cuidadosa consulta de la base de datos

disponibles y se realiza su posterior descarga.

Fase 2. Procesamiento robusto de las imgenes usando

el modelo CAIN desarrollado en el mdulo de
programacin MODELER de PCI Geomatica 2013 2.
Fase 3. En esta fase se presenta la extraccin
automatizada de los cuerpos de agua o lo que se
convierte en la informacin base para la cartografa y
anlisis multitemporal de la expansin y contraccin de
los cuerpos y lminas de agua.

3.2 Modelo CAIN

El componente usado para para implementar el Modelo
CAIN (Correccin Atmosfrica e ndices de
inundacin) sobre PCI Geomatica 2013, se llama PCI
MODELER. Este mdulo est diseado para ser una
poderosa herramienta de modelacin de procesos, ya
que posee una gran variedad de algoritmos que se
pueden interconectar mediante tubos o pipeline [12],
con el objetivo de desarrollar tratamientos digitales
automticos. A continuacin se muestra el Modelo
CAIN (figura 3) implementado en PCI MODELER para
imgenes Landsat TM+, el cual permite automatizar
procesos tales como: unin de bandas (Layer stack),
corte de rea de inters o estudio (CLIP) (figura 4),
correccin atmosfrica por el mtodo simple [2] (figura
5), obtencin de ndices de vegetacin y agua (NDVI,
NDWI, ICEDEX, MNDWI).

Figura 4. Recorte (Clip) del rea de estudio LM5 (Path-Row 854,

1985-03-22)

Despus de introducir la regin de inters a procesar, se

procede a desarrollar la correccin atmosfrica
anteriormente definida en las frmulas de Chander [2]
Dicho proceso se realiza mediante la estructuracin en
cadena de varios algoritmos ARI (Image channel
arithmetic), los cuales realizan una serie de operaciones
aritmticas entre dos canales de la imagen (ARI) o entre
un canal de imagen y una constante escalar
(ARICONST). Suma, resta, multiplicacin, divisin,

El modelo CAIN es muy verstil, ya que permite

procesar imgenes de diferentes sensores satelitales, con
tan solo indicar las bandas de entrada y de salida, junto
con los coeficientes de calibracin [2] y los valores de

http://www.pcigeomatics.com/
5

Desarrollo de un modelo de correccin de imgenes de satlite para inundaciones: (CAIN - Correccin Atmosfrica
e ndices de Inundacin)

operadores lgicos AND y OR, etc. Dichos operadores

permiten expresar la integridad de cada formula de
correccin con el fin de obtener como resultado una
serie de capas raster que representan los valores de
reflectancia TOA para cada una de las bandas (figura 5).

Debido a que las imgenes son a menudo de una calidad

impredecible, es posible especificar los resultados de las
operaciones no definidas en lugar de tener modelo, que
permita rescindir inmediatamente despus de la
aplicacin de una operacin de ese tipo.

Figura 5. Reflectancia de cada una de las bandas (Banda 4 IRC)

El ltimo proceso de la fase 2 consiste en obtener cada

uno de los ndices espectrales o radiomtricos
empleados a partir de la modelacin de las capas en el
algoritmo MODEL (figura 6). Bsicamente es un
algoritmo que implementa un lenguaje de modelado de
alto nivel que se utiliza para aplicaciones de SIG e
imgenes de satlite. Se introduce el conjunto de
ecuaciones (modelo) que describen cada uno de los
ndices empleados, los cuales procesan cada uno de los
canales de datos de la imagen "capas" y atributos
"constantes" que se deben combinar. Los resultados
aparecen en nuevos canales de datos.

Figura 7. Panel de control en el mdulo del algoritmo MODEL

Por Ejemplo, para el modelado del ndice radiomtrico

de agua ICEDEX, partimos de la relacin entre las
bandas del Rojo (R), Infrarrojo Cercano (IRC) e
Infrarrojo Medio (IRM). De este modo, la ecuacin se
obtiene a partir de la expresin:
( (%1) / %2) ) (%1) / (%3) ) = %4
Siendo (%1) los valores de la banda del Rojo, (%2) los
del Infrarrojo Cercano (IRC) y (%3) los del Infrarrojo
Medio. De este modo, la banda que contendr los
valores resultantes del ndice es denominada (%4).

Las capas pueden incluir imgenes en bruto, modelos de

elevacin, clasificaciones, mapas digitalizados, o mapas
de proximidad.
Todos los canales de la trama / capas estn contenidos
en un solo archivo PCIDSK. Los atributos de datos
podrn conservarse en archivos de texto o como
segmentos en el archivo un PCIDSK.

4. Resultados

El texto que describe el modelo se puede leer en las

ecuaciones que se aplican a cada pxel y en los datos de
trama (figura 7).

A partir de la configuracin y estructuracin del modelo

CAIN, se obtiene una serie de imgenes raster
monocromticas y capas vector resultantes de la
extensin de la lmina de agua asociada a la inundacin.
Estas capas contienen los valores de cada uno de los
ndices espectrales evaluados. En el caso del ndice
ICEDEX los valores ms bajos cercanos a -1 (tonos
oscuros), representan zonas relacionadas con la
magnitud de la inundacin, al contrario de las zonas ms
secas y otras coberturas (tonos claros) con valores
cercanos a 1, ver figura 8.

Figura 6. Modelacin de las capas en el algoritmo MODEL

Desarrollo de un modelo de correccin de imgenes de satlite para inundaciones: (CAIN - Correccin Atmosfrica
e ndices de Inundacin)

Figura 8. ndice de Agua ICEDEX

Figura 10. ndice de Agua Normalizado NDWI

Este mismo comportamiento radiomtrico, se puede

observar en el ndice espectral NDVI, el cual tiene una
alta correlacin con los resultados extrados del ndice
ICEDEX, aunque sus resultados se derivan de la
relacin entre las bandas del Rojo (R), Infrarrojo
Cercano (IRC). Lo que lo hace un ndice ms sesgado
con la respuesta a la vegetacin a la humedad (figura 9).

Figura 11. ndice de agua normalizado modificado (MNDWI)

A partir de un anlisis estadstico de separabilidad

medido a travs del ndice de Fisher [1], y cartografa
de lnea base asociada a cuerpos y lminas de agua, se
evalu la sensibilidad de clasificacin de los ndices
espectrales a la deteccin de zonas asociadas a
inundacin.
Figura 9. ndice de vegetacin normalizado (NDVI)

El ndice de Fisher cuantifica la capacidad de

separabilidad de las caractersticas individuales
evaluadas y se expresa mediante la siguiente ecuacin:

El otro grupo de ndices radiomtricos (NDWI y

MNDWI), poseen una interpretacin inversa, ya que sus
valores representan informacin de regiones del
espectro diferente (500 nm 800 nm), las cuales estn
ms relacionadas con la absorcin del agua en el
contenido foliar. Estos ndices maximizan la
reflectancia del agua contra la absorcin radiomtrica de
la vegetacin y de suelo adyacente. De este modo los
valores ms bajos (negativos -1) estn asociados a la
vegetacin, suelo y otras coberturas, mientras que los
valores ms altos (positivos 1) se asocian a las
coberturas asociadas con un contenido de agua (figura
10 y 11).

Donde y es la media y varianza correspondiente a la

caracteristica evaluada para las clases i y j
respectivamente. Las caractersticas con ms alto ndice
de Ficher son ms discriminantes que las que tienen
menor ndice. De esta manera se pudo observar que los
valores derivados a partir del ndice radiomtrico
MNDWI, presentaban un mayor ajuste y correlacin al
permetro inundado. El MNDWI presento un rango
entre 0,508 y 0,932, conteniendo un 95% de la
variabilidad de los valores del ndice para las lminas de
agua (Tabla 1).

Desarrollo de un modelo de correccin de imgenes de satlite para inundaciones: (CAIN - Correccin Atmosfrica
e ndices de Inundacin)

Tabla 1. Valores de separabilidad segn el ndice de Fisher

Los resultados de este anlisis mostraron que se

presenta una gran dimensin en la distribucin de los
valores del ndice espectral MNDWI, evidenciando una
mayor separabilidad en las lminas de agua de otras
coberturas (figura 12).

Figura 13. Clasificacin automtica de cuerpos de agua usando

MNDWI

Finalmente y como resultado del modelo desarrollado se

expone uno de los productos finales de la fase 3, en
donde se mapean los cuerpos o lminas de agua
relacionadas a fenmenos de inundaciones, las cuales
son el resultado del anlisis del ndice espectral
MNDWI creado bajo el uso del modelo automtico
CAIN (Correccin Atmosfrica e ndices de
Inundacin).

Figura 12. Evaluacin de la separabilidad del MNDWI, segn el

ndice de Fisher

Una vez obtenidas las imgenes de los ndices

espectrales para cada fecha y sensor, se procedi a la
extraccin automtica de cuerpos de agua mediante la
digitalizacin de capas vectoriales en cada una de las
imgenes. Los valores utilizados para esta delimitacin,
fueron los obtenidos a partir de los umbrales evaluados
por el anlisis estadstico de separabilidad (entre: 0,508
y 0,932).
La figura 13 muestra los polgonos resultantes en color
azul de los cuerpos de agua asociados a la inundacin en
el noroeste colombiano a finales de 2010 y cuyas
extensiones fueron extradas a partir del uso de
imgenes de satlite Landsat ETM+ corregidas
atmosfricamente para la obtencin de ndices
radiomtricos mediante el empleo del modelo
automtico CAIN.
Figura 14. Mapa de zonas inundadas derivadas del ndice
espectral MNDWI. (Modelo CAIN)

Desarrollo de un modelo de correccin de imgenes de satlite para inundaciones: (CAIN - Correccin Atmosfrica
e ndices de Inundacin)

Environment,
113(5),
doi:10.1016/j.rse.2009.01.007

Conclusiones
El modelo CAIN resulta ser una gran herramienta de
anlisis muy flexible en fenmenos de inundaciones, ya
que no solo se puede implementar su uso en imgenes
de sensores del tipo Landsat, sino que tambin se puede
adaptar a la mayora de sensores remotos de tipo ptico.

893903.

[3] Chavez, P. S. (1996). Image-Based Atmospheric

Corrections - Revisited and Improved, 62(9),
10251036.
[4] Escribano, P. (2009). Integracion de Tcnicas
Espectrales para la Deteccin y Cuantificacion de
Tipos de Cubierta en Ecosistemas ridos Biologia Vegetal y Ecologia. Armeria, Espaa.

El modelo CAIN permite optimizar los tiempos de

procesamiento de correccin atmosfrica y obtencin de
ndices
espectrales
en
ms
de
un
50%
aproximadamente, tardando un promedio de 5 minutos
por cada escena Landsat ETM+ analizada a una escala
de (1:100.000), lo que beneficia los tiempos de trabajo
cuando se realiza este tipo de procesamientos de alta
produccin y gran volumen de datos.

[5] Gao, BC (1996). NDWI - A normalized difference

water index for remote sensing of vegetation
liquid water from space. REMOTE SENSING OF
ENVIRONMENT, 58(3), 257-266

El modelo CAIN permite dar una respuesta rpida en la

evaluacin de fenmenos de inundacin. Datos muy
valiosos en la gestin del riesgo y manejo de desastres a
la hora de priorizar reas estratgicas de intervencin.

[6] Geomatics, P. (2013). Atmospheric Correction (

with ATCOR ), 35.

Aunque el modelo CAIN se encuentra en una etapa

experimental, se pudo comprobar que es viable su
integracin e implementacin en un mdulo de
extensin propio a modo de herramienta (tool), en
cualquier software de procesamiento de imgenes o de
anlisis geogrfico.

[7] John T T R Arnett, et al. (2014). Detecting Stand

Replacing Disturbance using RapidEye Imagery:
a Tasseled Cap Transformation and modified
Disturbance Index. Canadian Journal of Remote
Sensing Journal Canadien de Teledetection.

Agradecimientos

[8] Lei Ji, Li Zhang y Bruce Wylie. Analysis of

Dynamic Thresholds for the Normalized
Difference Water Index. Photogrammetric
Engineering & Remote Sensing 2009.

Centro de Investigacin y Desarrollo en Informacin

Geogrfica (CIAF) perteneciente al Instituto Geogrfico
Agustn Codazzi (IGAC).

[9] Moran, M. S., Jackson, R. D., Slater, P. N., &

Teiuet, P. M. (1992). Evaluation of Simplified
Procedures for Retrieval of Land Surface
Reflectance Factors from Satellite Sensor Output,
184, 169184.

Grupo Interno de trabajo de Percepcin Remota y

Aplicaciones Geogrficas GIT (PR y AG) perteneciente
al CIAF.
Corporacin Colombiana de Investigacin Agropecuaria
(CORPOICA)

[10] Mor, G., Pons, X., Cristbal, J., & Gonzalez, L. P.

O. (1988). Correccin radiomtrica automtica de
imgenes
Landsat
TM
mediante
reas
pseudoinvariantes y modelizacin MODTRAN,
6773.

UN-SPIDER (United Nations Platform for Space-based

Information for Disaster Management and Emergency
Response)

[11] Ren, J., Chen, Z., Zhou, Q., & Tang, H. (2008).
Regional yield estimation for winter wheat with
MODIS-NDVI data in Shandong, China.
International Journal of Applied Earth
Observation and Geoinformation, 10(4), 403413.
doi:10.1016/j.jag.2007.11.003

Referencias

[1] Brosnan, T. and D.W. Sun. (2004) Improving

quality inspection of food products by computer
vision: a review. J. Food Eng. 61(1):3-16.

[12] Sabins F. F. Jr. (1978): Remote sensing principles

and interpretation. - 426 pp., San Francisco
(Freeman).

[2] Chander, G., Markham, B. L., & Helder, D. L.

(2009). Summary of current radiometric
calibration coefficients for Landsat MSS, TM,
ETM+, and EO-1 ALI sensors. Remote Sensing of

[13] Street, W. W., Hill, R., & Lb, C. (2003). PCI

Modeler, (May).
9

Desarrollo de un modelo de correccin de imgenes de satlite para inundaciones: (CAIN - Correccin Atmosfrica
e ndices de Inundacin)

[14] Sutter, S. (2010). Aplicacin de ndices espectrales

al estudio de cubiertas superficiales en el PNTD,
177.

Mini biografa Autor 3.

Sergio Alejandro Rojas. Ing. En Telecomunicaciones y
especialista en Sistemas de Informacin Geogrfica. Experto
Asociado CIAF Centro de Investigacin y Desarrollo en
Informacin Geogrfica. IGAC. Instituto Geogrfico Agustn
Codazzi.

[15] Tucker, C. J. (1979). Red and photographic

infrared linear combinations for monitoring
vegetation. Remote sensing of Environment, 8(2),
127-150.
[16] Xu, H. (2006). Modification of normalised
difference water index (NDWI) to enhance open
water features in remotely sensed imagery.
International Journal of Remote Sensing, 27(14),
30253033. doi:10.1080/01431160600589179

Mini biografa Autor 4.

Hctor Mauricio Ramrez Daza. M.Sc . Forestal. Universidad
Distrital Francisco Jos de Caldas, Magister en Geografa,
Universidad Pedaggica y Tecnolgica de Colombia;
Coordinador del Grupo de Percepcin Remota del CIAF
IGAC - Instituto Geogrfico Agustn Codazzi.

Direccin de Contacto del Autor/es:

Alexander Ariza
Colegios, 2; 28801-Alcal de Henares
Madrid, Espaa
aax21161@alu.uah.es
Sergio Andrs Garca Jimnez
Instituto Geogrfico Agustn Codazzi IGAC
Bogot D. C, Colombia
sergio.garcia@igac.gov.co
www.igac.gov.co
Sergio Alejandro Rojas
Instituto Geogrfico Agustn Codazzi IGAC
Carrera 30 No 48 51
Bogot D. C, Colombia
sergio. rojas@igac.gov.co
Hctor Mauricio Ramrez Daza
Instituto Geogrfico Agustn Codazzi IGAC
Carrera 30 No 48 51
Bogot D. C, Colombia
hmramirez@Igac.gov.co

Mini Biografia Autor 1.

Alexander Ariza. Ph.D.(c) en Cartografia SIG y
Teledeteccin. Profesor Adjunto en el programa: Maestra en
Teledeteccin de la Facultad de Ingeniera y Arquitectura.
Universidad Catlica de Manizales. (Manizales, Colombia.)

Mini biografa Autor 2.

Sergio Andrs Garca Gimnez. M.Sc. en Ingeniera de
Sistemas Bioambientales. Universidad Nacional de Taiwn.
CIAF Centro de Investigacin y Desarrollo en Informacin
Geogrfica. IGAC. Instituto Geogrfico Agustn Codazzi.

10