Introducción Al Manejo de Imágenes en Remote Sensing

Breve introducción al manejo de
imágenes en Remote Sensing

Guía teórico-práctica de procedimientos básicos
Landi Marcos Alejandro
2015
ENVI - IDL - QGIS
-Introducción……………………………………………………………………..2
-Manipulación de imágenes ENVI……………………………………………...3
-Apertura y cargado de imágenes……………………………………………...4
-Exploración de Header…………………………………………………………5
-Compilado de imágenes………………………………………………………. .5
-Recorte de imágenes……………………………………………………………6
-Guardado………………………………………………………………………...7
-Remuestréo……………………………………………………………………....7
-Generación de mosaicos………………………………………………………..7
-Introducción al Pre-procesamiento…………………………………………...8
-Calibración a reflectancia ……………………………………………………..11
-Regiones de Interes (ROI) ……………………………………………………..11
-Segmentación de imágenes…………………………………………………....12
-Clasificación de imágenes ……………………………………………………..16
-Reproyección de imágenes y vectores………………………………………..23
-Interfaz ENVI-IDL……………………………………………………………...26
-Band Math………………………………………………………………………27
-IDL comandos básicos…………………………………………………………30
-Controles de programación…………………………………………………....34
-Scripts útiles…………………………………………………………………….36
-QGIS……………………………………………………………………………..41
-Cartografía………………………………………………………………………46
-Características MODIS………………………………………………………...52
-Características Landsat………………………………………………………...56
Breve introducción al manejo de imágenes en Remote Sensing Página 1

ENVI - IDL - QGIS
Orientación de la Guía
Debido a la complejidad del manejo de imágenes satelitales, existen

múltiples aproximaciones al tema y ninguna de ellas es capaz de abarcar
todas las aristas de la especialidad. En la presente guía se hace hincapié
en la manipulación de las imágenes y la extracción de datos a partir de las
mismas. En este trabajo se intenta presentar una interfaz de trabajo ágil
entre la programación en IDL, el manejo de menús ventanas de ENVI y las
capacidades de GIS de QGIS. Es importante destacar que la simple
manipulación de datos, sin modelos teóricos que den significado a los
datos extraídos, carece de sentido. Sin embargo la principal intención de
esta guía es poner énfasis en el procesamiento y sus detalles técnicos. Ya
que mi experiencia me ha demostrado que aprender el manejo de los
programas es una de las mayores limitantes para el alumno principiante.
Por lo tanto se deja a cuenta del alumno la obtención de conocimientos
teóricos para poder realizar la correcta interpretación de la información.
Introducción
IDL significa Interactive data language, es un programa

especialmente diseñado para el análisis de imágenes y datos. Actualmente
posee una librería con una gran cantidad de funciones orientadas a la
estadística, análisis de imágenes y manejo de gráficos. A diferencia de
otros programas que permiten el análisis de imágenes, IDL fue
específicamente diseñado para el análisis de imágenes obtenidas a partir
de sensores remotos, como las imágenes de satélite o de astronomía. Uno
de los aspectos importantes de IDL que facilitan su manejo, es su interface
con ENVI. A través de ENVI es posible ingresar los datos a IDL y correr las
rutinas diseñadas en forma ágil. Actualmente el programa pertenece a la
empresa EXELIS y en la página http://www.exelisvis.com/ es posible
encontrar toda la documentación sobre el programa.

ENVI - IDL - QGIS
ENVI significa Environment for Visualization Image. El programa es

una interfaz de trabajo ágil y sencilla para utilizar las rutinas de análisis
de IDL, a través del uso de menús y ventanas de trabajo. ENVI posee una
interfaz que permite visualizar y manipular gran cantidad de imágenes al
mismo tiempo en forma dinámica. Al mismo, tiempo posee la capacidad
de utilizar Scripts diseñados por el usuario en lenguaje IDL, para realizar
rutinas de análisis específicas. Esta característica lo convierte, quizás, en
el programa de análisis de imágenes de sensores remotos más potente
disponible. Sin embargo, es necesario remarcar que al igual que IDL, ENVI
está pensado para analizar imágenes. Por lo tanto para el manejo de capas
de información vectoriales, muchas veces es necesario utilizar un
programa GIS como apoyo, ya que sus capacidades para el manejo de
Vectores son más bien básicas.
QGIS, antes conocido como Quantun GIS, es un programa de

Sistemas de Información Geográfica de código abierto. Actualmente es
uno de los programas GIS gratuitos más completos, cuenta con una amplia
comunidad de usuarios que programan Plugins con funcionalidades
específicas. Cualquier usuario puede diseñar una rutina de procesamiento
en Phyton o C++, la cual es testeada por los diseñadores del proyecto. Al
mismo tiempo, cuenta con un Toolbox con algoritmos de GRASS, SAGA Gis
y SEXTANTE, cubriendo prácticamente todas las necesidades de los
usuarios.
ENVI
Manipulación de imágenes
El primer procedimiento está orientado a la adquisición de habilidades

básicas en el manejo de imágenes con el programa ENVI. Se utilizarán
como ejemplo el procedimiento para la apertura de imágenes Landsat 5

ENVI - IDL - QGIS
TM, obtenidas a partir del servidor earthexplorer.usgs.govperteneciente al

servicio geológico estadounidense.
Cada una de la bandas viene como una imagen independiente en formato

GeoTiff y generalmente poseen un nivel de procesamiento L1T. Esto
significa que las imágenes se hallan geo-referenciadas utilizando datos a
campo, un modelo de elevación digital para tener en cuenta las
variaciones de altitud en el terreno y teniendo en cuenta las oscilaciones
del satélite en su órbita. Además de cada una de las imágenes hay varios
archivos con información accesoria sobre la imagen. El archivo MTL
posee información sobre la fecha y hora de la imagen, los coeficientes de
calibración utilizados, elevación del ángulo y solar y acimutal. Esta
información es necesaria para poder procesar las imágenes.
-Apertura de imágenes:
Las imágenes en formato GeoTiff se pueden abrir en forma directa
Menu file  Open Image File. Una vez abiertas las imágenes, aparece el
Avialable Band List con una lista de todas las imágenes abiertas. Al pie de
cada imagen se puede visualizar los datos básicos de cada imagen.
-Cargado de las imágenes:
Una vez abiertas las imágenes es necesario cargarlas para poder

visualizarlas.
Avialable Band List  Load Band. Se puede cargar una sola banda en cuyo
caso se genera una imagen en escala de grises. O se pueden cargar tres
bandas y generar una imagen color. Al cargar la imagen aparecen 3
ventanas de trabajo. La ventana Scroll en donde se puede visualizar toda
la imagen, la ventana Image en donde se visualiza una porción del Scroll, y
la ventana Zoom donde se visualiza una porción del Image.

ENVI - IDL - QGIS
1) Se abrirán las bandas 1,2,3,4,5 y 7. Estas poseen una resolución

espacial de 30x30 metros, se cargarán cada una de las bandas y se
observarán las diferencias que se perciben entre las imágenes. Se
analizarán las diferencias en base a las longitudes de onda de cada banda.
2) Se cargarán las siguientes combinaciones y se analizarán los

resultados obtenidos en base a las longitudes de onda de cada una de las
bandas utilizadas.
-Combinación 1: Banda 3, Banda 2, Banda 1.
Esta combinación genera una imagen de colores naturales en Rojo,

Verde y Azul.
Esta combinación es un falso color compuesto, destinada a resaltar

la actividad fotosintética de las plantas.
Esta combinación es un falso color compuesto destinado a detectar

áreas quemadas.
-Exploración del Header:
Todas las imágenes poseen asociadas un archivo asociado denominado

Header. Este archivo posee información sobre las características técnicas
de la imagen.
Menu File  Edit ENVI Header.
-Compilado de imágenes:

ENVI - IDL - QGIS
Generalmente las imágenes multiespectrales poseen cada banda en un

archivo diferente. Sin embargo muchas veces es necesario tener todas las
bandas en un mismo archivo para poder realizar operaciones y
procesamientos. Similar situación ocurre para las imágenes de alta
resolución temporal, en donde la imagen de cada fecha es un archivo
diferente. Sin embargo para muchas operaciones y procesamientos es
más cómodo tener a todas las imágenes en un solo archivo. Este es el
objetivo del compilado de imágenes en un Stack de varias bandas. Para
esto es necesario abrir cada una de las bandas y luego generar un archivo
de múltiples bandas. El programa ENVI permite dos modalidades de
compilado. La primera (ENVI Estándar) es en un formato tradicional
generando un archivo de múltiples bandas. Sin embargo esta opción
genera una duplicación de las imágenes, lo cual puede ser muy costoso
para imágenes grandes de gran cantidad de bandas. La segunda opción
permite (ENVI META) generar un archivo que con la información
necesaria para abrir y compilar las imágenes. Esto permite obtener
resultados similares pero utilizando menor cantidad de espacio. Sin
embargo si se modifica la ubicación de los archivos que conforman el
Stack ENVI META el programa ya no puede encontrar los archivos y
armar el Stack.
Menu File  Save File as  ENVI Standard o ENVI META Import File.
Opciones: Reorder Files: Permite colocar cada una de las bandas en

una ubicación especifica (Ej: Orden temporal; Orden bandas por longitud
de onda)
-Recorte de imágenes:
Se aprenderá a recortar áreas específicas de las imágenes y a

redimensionar las mismas.
Menu Basic Tools  Resize data Input data. Se selecciona la imagen

correspondiente
ENVI - IDL - QGIS
 Spatial Subset: se coloca el número de filas y columnas del área de

interés.
La imagen generada puede guardarse en formato ENVI estándar o

almacenarla en la memoria RAM. Si se almacena en la memoria RAM
puede ser utilizada para procesamientos siguientes, o guardada en otro
formato. Se almacenará la imagen en la memoria RAM, y luego se
guardará en formato GeoTiff.
-Guardado en formato GeoTiff.
Menú File  Save File as  GeoTiff.
-Re-muestreo a diferentes resoluciones espaciales:
Utilizando el comando Resize Data es posible generar una imagen con

diferente tamaño de píxeles.
Menu Basic Tools  Resize Data  xfac/yfac. Esta opción permite

multiplicar el tamaño de los pixeles por un coeficiente. Valores mayores
que 1 generarán pixeles más grandes. Valores inferiores a 1 generarán
pixeles más pequeños.
-Generación de Mosaicos:
La generación de mosaicos consiste en la combinación de varias imágenes

para formar una imagen más grande. Para generar el mosaico se pueden
superponer las imágenes a partir de la geo-referencia de las imágenes, o
se pueden superponer a partir del número de fila y columna de las
imágenes.
Imagen Imagen Imagen Imagen

1 2 1 2

ENVI - IDL - QGIS
Menu File  Basic Tools  Mosaicking Georreferenced
Se abrirá una ventana, a la cual es necesario importar las imágenes que

van a formar el mosaico.
Menu Import  Import Files and Edit properties. Acá es necesario

seleccionar las imágenes del mosaico. Una vez seleccionadas es necesario
indicarle al programa cual es el valor de fondo (background) que debe ser
ignorado.
Data value to ignore: 0
Una vez formado el mosaico es necesario salvarlo como archivo *.mos,

Este archivo puede ser guardado luego en formato de imagen.
Pre-procesamiento
Los niveles digitales (ND) contenidos en una imagen satelital no permite

realizar comparaciones entre las diferentes bandas. Esto se debe a que un
mayor nivel digital no índica mayor reflectividad con respecto a otra
banda. Por lo tanto, la conversión de los niveles digitales (ND)
almacenados en una imagen a variables físicas, es un paso que resulta de
gran utilidad en múltiples pasos de la interpretación de imágenes. El uso
de variables físicas permite realizar comparaciones entre bandas, e
imágenes tomadas con diferentes sensores y/o en diferentes épocas.
Las imágenes obtenidas en el espectro óptico se pueden transformar a

niveles de Radiancia W/(m* sr*µm), que es una medida de la energía
recibida por el sensor. Para poder calcular la radiancia recibida en cada
banda se utilizará la ecuación.
Lλ= G·ND+B
G=(Lmax-Lmin)/NDmax

ENVI - IDL - QGIS
Donde G representa el nivel ganancia del sensor, B representa el Bias,

Lmax y Lmin representan la radiancia máxima y mínima en las cuales
responde el sensor y ND max representa el mayor nivel digital que puede
tener la imagen. Estos coeficientes pueden ser extraídos a partir del
Header de la imagen o partir de las publicaciones periódicas, las cuales
poseen los coeficientes corregidos y actualizados para cada banda. Para el
satélite Landsat 5TM los coeficientes se han actualizado en forma
periódica en los años 2003, 2007 y 2009 (ver Chandler et al. 2003, 2007 y
2009).
Sin embargo los niveles de Radiancia obtenidos, todavía no permiten

realizar comparaciones entre bandas e imágenes de diferente fecha. Esto
se debe a que la cantidad de luz que recibe la escena varía a lo largo del
año con las variaciones en la distancia Tierra-Sol, con el ángulo de
elevación solar y con la topografía del terreno. Por esto es necesario
transformar los niveles de radiancia a niveles de reflectancia. La
reflectancia es el cociente entre la luz reflejada y la luz incidente
Rad(r)/Rad(i), para calcular la reflectancia se utilizarla ecuación
(Л*Lλ*d2)
ρTOA=
(E0λ*COSθs)
Siendo:
d: Distancia Tierra-Sol en el momento de la toma de la imagen, expresado
en unidades astronómicas (ua).
Lλ: Radiancia espectral, calculada como en el punto anterior.
E0,λ: Irradiancia espectral exoatmosférica solar.
θs: Ángulo cenital solar.
Los parámetros d y E0,λ están recogidos en el artículo de Chander et al.
(2009), y el ángulo cenital solar en los metadatos de la propia imagen. El
parámetro d también se puede calcular a partir de la siguiente formula
(Chuvieco 2007):
d= 1+ 0.01674*(sen 2Л* (J- 93.5) /Jm )

ENVI - IDL - QGIS
Siendo J el día en el calendario juliano, Jm el número de días del año y el

seno se asume que toma los valores del ángulo en radianes.
La reflectancia calculada de este modo se denomina reflectancia al tope

de la atmosfera (TOA en inglés) o también reflectividad aparente, debido
a que no es la reflectancia real de la escena. Esto se debe a que en este
cálculo la radiancia exo-atmosférica que estimamos, no es exactamente la
misma que llega hasta la escena Rad(i), debido a que la luz debe atravesar
la atmosfera antes de llegar hasta la tierra. Al mismo tiempo la radiancia
que recibe el sensor no es exactamente la misma que refleja la escena,
debido a que la luz debe atravesar la atmosfera antes de llegar hasta el
sensor. Es posible realizar correcciones sobre el efecto de la atmosfera y
de esta manera tratar de obtener verdaderos valores de reflectancia. Sin
embargo para realizar correcciones de calidad es necesario poseer gran
cantidad de parámetros sobre el estado de la atmosfera, estimados con la
suficiente calidad. Por lo que en la práctica son muy difíciles de realizar y
no siempre arrojan los resultados deseados. En la actualidad los satélites
como MODIS y Landsat 8 poseen bandas destinadas a estimar el estado de
la atmosfera, lo cual permite realiza correcciones atmosféricas más
precisas. Sin embargo, es preciso remarcar que las bandas del infrarrojo
utilizadas para el estudio de la actividad fotosintética y el contenido
hídrico de la vegetación, son bastantes resistentes a los efectos de
dispersión.

ENVI - IDL - QGIS
-Calibración a reflectancia
Para realizar la calibración a reflectancia con ENVI primero es necesario

obtener los parámetros Lmin, Lmax, los cuales se hallan publicados en el
trabajo de Chandler et al. 2009. También se necesitan los parámetros de
Fecha y Ángulo de elevación solar, los cuales se extraen del Header de la
imagen.
Menu Basic Tools  Preprocesing  Calibration Utilities  Landsat TM
Se abrirá una ventana en donde debemos colocar los parámetros, también

debemos indicar si deseamos la calibración a Radiancia o Reflectancia, en
este caso indicaremos Reflectancia. Repetir el proceso con las bandas
1,2,3,4,5 y 7. La banda 6 posee un proceso de calibración diferente ya que
es una imagen de infrarrojo térmico. Las imágenes que se obtienen son de
32 bits y poseen valores entre 0 y 1.
Delimitación de Regiones de Interes (ROI)
Una ROI es una región de la imagen que presenta características de

interés. En ENVI las ROI pueden ser identificadas a visualmente y
delimitadas a mano, a diferencia del vector, el ROI contiene la información
de los píxeles, niveles de gris y ubicación. Las Rois pueden ser guardadas
en forma de TXT o ser exportadas a como vector, en este último caso solo
se almacenan las coordenadas que definen el vector. Debido a que ENVI
está pensado para el manejo de imágenes, sus capacidades para trazar
vectores son limitadas. Sin embargo, el uso del Roi tool de ENVI permite
dibujar vectores en base a los píxeles de la imagen.
Menú Overlay Región of interés
La solapa Roi_Type permite seleccionar el tipo de Roi a trazar. Una vez

trazado el Roi con el botón izquierdo, se cierra el Roi apretando el botón
derecho 2 veces.

ENVI - IDL - QGIS
- Es posible generar una imagen binaria o máscara a partir del Roi

trazado.
Menú Options  Create class imagen from Roi, seleccionar el Roi 
Memory.
Es posible exportar el Roi en diferentes formatos (Vector o Ascii)
-Exportar en formato Ascii
Menú file Output  Edit Output Ascii form (permite seleccionar el set
de datos a almacenar)
-Exportar en formato Vector
Menu File ExportRoistoShape file.
Segmentación de imágenes
La segmentación es una etapa crucial en el análisis de imágenes.

Básicamente puede considerarse como la partición de la imagen en un
conjunto de regiones, homogéneas con respecto a algún criterio. En otras
palabras se separan las Regiones De Interés (ROI; Region Of Interes), del
resto no relevante el cual es considerado como fondo. De esta forma es
posible separar el conjunto de datos que deseo procesar del resto.
En Remote Sensing es posible aplicar técnicas clásicas de segmentación

de imágenes, como el de umbralado a partir del histograma. Sin embargo,
dado que en esta disciplina es necesario utilizar fuentes de información
en formatos vectoriales, es posible seleccionar Regiones De Interés (ROI)
de la imagen, a través de las bases de datos de los vectores. En esta
sección se verán 3 técnicas básicas para segmentar la imagen.

ENVI - IDL - QGIS
-Seleccionar una cobertura deseada. Para aplicar esta técnica es necesario

tener 2 imágenes. 1) la imagen que se desea segmentar y 2) un mapa de
vegetación ya clasificado. En consecuencia, en el sentido estricto, esta no
es una técnica de segmentación, pero a los fines prácticos funciona como
tal.
Para poder segmentar la imagen de esta forma es necesario realizar

varias etapas de procesamiento.
1- Extraer la cobertura de interés en forma de Vector

Menú Vector Raster to Vector  Seleccionamos imagen  OK
DN (Valor deseado)  Memory  OK
Mediante esta secuencia de pasos extrajimos la cobertura
deseada en un vector. Luego este vector será utilizado para
construir un máscara.
2- Utilizar el vector para construir una máscara en la imagen que se
desea segmentar.
Menu Basic Tools  Masking  Build Mask  Options 
Import EVF  Memory  Aply
Mediante esta secuencia de pasos generamos una imagen binaria
en donde los píxeles que coinciden con el vector poseen valor 1 y
los demás 0.
Es importante remarcar que el menú Options posee otras formas
de delimitar la máscara, estas pueden ser vía Rois, Rango de
datos.
Una vez construida la máscara es posible utilizarla de muchas
formas. Se pueden obtener estadísticas utilizando la máscara,
también se pueden aplicar algoritmos en IDL utilizando la
máscara para señalar cuales son los píxeles de interés, o se
puede extraer la porción de la imagen correspondiente a la
porción de la máscara.
3- Utilizar la máscara para extraer estadísticas
Menú Basic Tools  Statistics  Compute Statistics 
Seleccionar la imagen  Select Mask Band (seleccionar la
ENVI - IDL - QGIS
máscara construida). Le pedimos que también nos dé el

histograma
4- Utilizar la máscara para extraer una porción de la imagen
Menú Basic Tools Masking  Apply Mask  seleccionar la
imagen de interés Select Mask Band (Seleccionamos la
máscara construida)  OK. En el campo donde dice Mask Values
nos pide que valor dar a los pixeles que quedan fuera del área de
interés. Generalmente se le suele dar el valor 0. Memory  OK
Mediante esta secuencia generamos una imagen que coincide en
forma exacta con el área delimitada por la máscara.
-Seleccionar una porción de la imagen por análisis de base de datos:
A través del uso de motores de búsqueda de base de datos en QGIS, es

posible seleccionar un conjunto de objetos vectoriales que poseen
características de interés. Por ejemplo, si deseamos segmentar la imagen
en base a las divisiones políticas (provincias, departamento, ciudad), es
posible seleccionar el vector de la unidad geográfica seleccionada (Ej:
departamento General San Martín). Una vez seleccionado el vector se
guarda como Shape y se abre en el ambiente ENVI.
En QGIS
Menú Capa  Añadir capa vectorial Explorar, Seleccionamos el archivo

de interés.
Hacemos Click derecho sobre el nombre de la capa Abrir tabla de

atributos  Búsqueda avanzada  “Dpto = Gral San Martin” Ok
Mediante esta secuencia se seleccionó el departamento, ahora este puede

ser guardado como un archivo Shape.
Capa  Guardar selección como archivo vectorial  formato Archivo

shape de ESRIExplorar

ENVI - IDL - QGIS
Ahora poseemos el archivo vectorial correspondiente al departamento

General San Martin. Ahora abrimos el vector en ENVI para realizar la
segmentación de la imagen.
Menú Vector  Available Vectors List File  Open Vector File 

Reemplazar ENVI Vector File por Shape File Abrir
Una vez abierto el Vector es necesario cargarlo en la imagen que se desea

segmentar.
Available Vector List Load Selected file  Display 1 OK
Una vez cargado el vector realizamos la construcción de la máscara.
Menu Basic Tools  Masking  Build Mask  Options  Import EVF 

Memory  Aply
-Segmentación de la imagen a partir del histograma
Existen otras formas de generar una máscara, una de las más básicas y
utilizadas es la del umbralado a partir del histograma. Esta técnica
permite seleccionar los pixeles en base a los valores de gris de la imagen.
C0 f(x,y)<X
G(x,y)=
C1 F(x,y) > X
Colocando dentro del grupo de interés a los pixeles con valores inferiores
o superiores al valor límite X. En imágenes sencillas, es posible obtener el
valor X partir del histograma completo. Sin embargo en imágenes de
satélite debido a su extensión y complejidad, se obtienen mejores
resultados obteniendo el histograma de la cobertura de interés por

ENVI - IDL - QGIS
separado y comparando y existe algún valor X que permite separarlas de

las demás categorías.
Menú Basic Tools Segmentación Image  Min tresh value (nivel de gris
mínimo que delimita el conjunto de datos)  Max tresh value (nivel de
gris máximo que delimita el conjunto de datos)  Population minimun
(mínima cantidad de pixeles para tener en cuenta)  Number of
neighboors (tipo de vecindad a usar).
Esta secuencia permite segmentar la imagen a partir de valores mínimos

y máximos. Sin embargo además permite detectar cuáles son los pixeles
que pertenecen a un parche en particular. A todos los pixeles del mismo
parche les asigna el mismo número.
Clasificación de Imágenes
El proceso de clasificación busca ordenar de manera consiente un

conjunto heterogéneo de datos u objetos. O sea el objetivo del proceso de
clasificación es obtener grupos que internamente sean lo más
homogéneos posibles con las mayores diferencias posibles entre grupos.
Desde un punto de vista estadístico mediante este proceso minimizamos
las varianzas dentro de las clases de grupos y maximizamos la varianza
entre grupos.
Cuando nos enfrentamos a un proceso de clasificación podemos tener 2

situaciones. Una en la cual no conozcamos en forma cierta la cantidad ni
la naturaleza de las entidades a clasificar. En este caso determinamos de
manera arbitraria una cantidad posible de clases en las cuales se va a
dividir la imagen. Este proceso de clasificación se denomina No
Supervisado, los algoritmos del programa hallan grupos lo más
homogéneos internamente y con mayor diferencia entre ellos. Sin
embargo, es importante aclarar que para que los algoritmos no
supervisados entreguen resultados aceptables es recomendable indicarle
un número aproximadamente lógico de posibles clases. O sea es
ENVI - IDL - QGIS
recomendable realizar un estudio previo del sistema a clasificar ya sea

mediante búsquedas bibliográficas, uso de mapas de vegetación globales
o mediante inspección de imágenes del lugar (Google Earth). En Remote
Sensing los métodos de clasificación no supervisada pueden ser vistos
como una primera aproximación para obtener una idea aproximada de las
características y variabilidad que posee el sistema a clasificar. La otra
posibilidad es que conozca de antemano la cantidad y naturaleza de las
clases a separar, en este caso realizamos una Clasificación Supervisada.
En las siguientes secciones se explicarán solo algunos de los algoritmos de
clasificación más comunes utilizados, que generalmente son los más
comunes y en general suelen otorgar resultados aceptables (Texto
adaptado de Paruelo et al. 2014).
-Clasificación No Supervisada.
-K-means
Uno de los algoritmos más populares para realizar clasificaciones no

supervisadas es el K-means. Este algoritmo asigna en forma iterativa
cada pixel, al grupo que posea la menor distancia entre su media y el valor
del pixel. En cada iteración se recalculan las medias y de este forma se
refinan los grupos. Para aplicar este algoritmo necesitamos indicarle al
programa cuantas clases va a utilizar, la cantidad máxima de iteraciones a
realizar. También es necesario indicarle un criterio de STOP. A medida
que aumenta el número de iteraciones realizadas disminuye las
diferencias entre el resultado de una iteración y la siguiente. Cuando las
diferencias entre un resultado y otro son demasiado pequeñas, es
pequeño el benefició que se obtiene al seguir con el proceso, por esto se le
indica al algoritmo que se detenga.

ENVI - IDL - QGIS
Menú File  Classification  Unsupervised  K-means
Cuando aparece el cuadro de dialogo es necesario indicarle la cantidad de

clases, el número de iteraciones y el criterio de STOP. El criterio de STOP
está dado por el criterio ChangeTreshold (0-100), cuando el porcentaje de
cambio entre la iteración In y la iteración In-1 sea menor a
(ChangeTreshold) el algoritmo se detiene. Existe un cuarto criterio que
señala cual es la distancia máxima que puede existir entre la media del
grupo más cercano y el pixel. Si le pixel posee una distancia más grande
que el máximo señalado, no se le asigna ninguna categoría. Si existe una
gran cantidad de pixeles en esta situación, esto sugiere que es necesario
considerar una mayor cantidad de clases para realizar la clasificación. La
distancia máxima permitida está dada por los parámetros
MaximunStdevfrom Mean o Maximundistfrom Mean. El primero mide la
distancia en desvíos estándares y le segundo en valores absolutos.
-Clasificación Supervisada
El proceso de clasificación supervisada posee 4 grandes etapas, la

primera consiste en seleccionar los “Sitios de Entrenamiento”. O sea es
necesario señalar a mano aquellos pixeles que forman cada una de las
clases o coberturas que va a tener nuestro mapa. La segunda etapa es el
análisis de la separabilidad espectral entre cada una de las categorías. En
esta etapa observamos si es posible separar las clases obtenidas con la
ENVI - IDL - QGIS
información espectral disponible, a la vez que nos permite identificar

cuáles son las bandas útiles y cuales no aportan información útil al
problema. La tercera etapa consiste en la realización de la clasificación y
la cuarta consiste en evaluar la calidad de nuestra clasificación.
-Etapa de Entrenamiento
Para realizar la etapa de entrenamiento es necesario tener ROIS de cada

una de las coberturas de interés. Para determinar las ROIS se puede
utilizar la misma imagen Landsat, aunque en general es necesario poseer
información sobre la VERDAD a TERRENO. O sea que es necesario
conocer zonas que realmente representen las coberturas que deseamos
obtener. Sin embargo, debido a la extensión de las imágenes de satélite no
siempre es posible recorrer todo la extensión del terreno para identificar
la VERDAD a TERRENO. Actualmente el uso de imágenes Google Earth
permite realizar muy buenas aproximaciones, ya que permite diferenciar
grandes grupos de clases (Bosque, Arbustal, Pastizal, Cultivos, Ciudades
Cuerpos de agua, Suelo desnudo, Roca expuesta). Es importante remarcar
que cada una de las áreas seleccionadas como “Sitio de Entrenamiento”
debe ser lo más homogénea posible, evitando la mezcla de clases. Al
mismo tiempo, la identificación de las áreas de entrenamiento debe
cubrir en forma razonable el rango de variación de cada uno de las clases
utilizadas.
Es importante remarcar que a la hora de seleccionar los puntos de

entrenamiento es necesario seleccionar un grupo aparte más pequeño de
ROIS de cada una de las coberturas. Este grupo de ROIS va a ser usado
para verificar cuan bueno ha sido nuestro proceso de clasificación, es
decir que armamos un set de datos independientes y verificamos si ha
sido bien o mal clasificado y donde se hallan los principales errores.

ENVI - IDL - QGIS
-Etapa Análisis de separabilidad
Una etapa crucial en una etapa de clasificación es encontrar la

información espectral que permite separar en forma adecuada las clases
temáticas previamente definidas. El primer paso consiste en calcular el
promedio y su variabilidad, esta última se puede aproximar a través del
desvío estándar. A partir de esta información es posible calcular la
capacidad de separabilidad de cada una de las bandas mediante el uso de
la distancia normalizada M. La distancia M mide cuantas veces más
grande es la distancia entre las medias con respecto a la dispersión de los
datos. Una vez estimada la media y el desvío estándar de cada banda para
cada cobertura se aplica la siguiente formula, realizando todas las
comparaciones posibles entre las categorías, para cada banda. Valores
inferiores a 1 indican que la distancia entre las medias es menor que la
suma de los desvíos, por lo tanto es imposible la separación.
Una vez detectada el conjunto de bandas que muestran mayor

separabilidad, es útil medir esta capacidad en una medida que considere
varias bandas a la vez. Existen múltiples transformaciones para estimar la
separabilidad, ENVI posee la distancia de Jeffries-Matusita. El índice
posee valores entre 0 y 2, valores superiores a 1.9 indican buena
separabilidad entre las clases consideradas, valores con valores menores
a 1 indican que es imposible separar las clases consideradas.

ENVI - IDL - QGIS
Abrir el RoiTool de Envi, Menú Options Compute ROI Separability,

Seleccionar el Stack de imágenes  OK. Seleccionar los ROIS a copmputar
-Etapa de clasificación
En la actualidad existen múltiples técnicas para realizar clasificaciones.

En esta sección se utilizará como caso explicativo el algoritmo de Máxima
Verosimilitud. El algoritmo de Máxima Verosimilitud es un método de
clasificación supervisado. En este método se calcula la probabilidad que
tiene cada píxel de pertenecer a cada una de las clases definidas y se
asigna al que posea más posibilidad. El supuesto más importante de esta
técnica es que los datos de cada grupo en cada una de las bandas de
clasificación usadas se distribuyen en forma Normal.
Una vez determinadas las ROIS de cada una de las coberturas, se procede
a realizar la clasificación.
Menú ClasificationSupervisedMaximunLikelihood
Cuando se abre el cuadro de dialogo es necesario marcar cuales son las

coberturas a utilizar en la clasificación. Se selecciona las que se desea de
la lista de ROIS. ¡OJO! Solo seleccionar los ROIS de entrenamiento, no
seleccionar los ROIS que se van a usar para medir la calidad de la
clasificación.

ENVI - IDL - QGIS
ENVI da la opción de colocar un valor de Probabilidad límite para asignar

cada pixel a su clase. Si un pixel posee una probabilidad menor que la
indicada al grupo más probable, entonces no se asigna a ningún grupo. Si
apareces gran cantidad de estos píxeles, debemos pensar que estamos
usando menos categorías de las que debiéramos.
Etapa de Evaluación
La etapa de Evaluación consiste en evaluar la capacidad predictiva del

producto obtenido. Para esto se compara la verdad a terreno con la
clasificación obtenida. Una de las herramientas más utilizadas es la matriz
de confusión, esta es una matriz cuadrada n*n. Dentro de esta matriz se
calculan los errores de omisión (falsos negativos) y los errores de
comisión (falsos positivos). Luego utilizando ambos errores se calcula el
índice Kappa, el cual puede tomar valores entre -1 y 1. Un valor K=0
indica que los resultados de la clasificación son los que se esperarían si la
asignación de los pixeles hubiese sido realizada al azar. Un valor K=1
indica que existe coincidencia total entre el mapa realizado y la verdad de
terreno.

ENVI - IDL - QGIS
Menú Classification  Post clasification Confusion matrix  Using

ground truth ROIS. Apareamos los ROIS de usados en la clasificación con
los ROIS independientes  OK.
Reproyección de sistemas de coordenadas
Muchas veces las imágenes y vectores provenientes de diferentes fuentes,

se hallan georreferenciados con diferentes sistemas de coordenadas. En
general para la simple visualización y superposición de las diferentes
capas de información, no es necesario que todas las capas posean misma
georreferencia. Los programas tienen la capacidad de hacer la
reproyección al vuelo (on the fly), es decir leer las diferentes
georreferencias tal cual fueron cargadas. Sin embargo para realizar
operaciones entre las diferentes capas de imágenes o vectores, es
necesario que todas las capas posean la misma georreferencia. Lo cual
obliga a realizar una reproyección de alguna de las capas.
Es importante tener en cuenta que la resolución espacial de una imagen

se ve influenciada por el sistema de georreferencia que posea la imagen.
Si la imagen se halla en Lat/Long, el tamaño de los píxeles se halla en
grados. Eso puede presentar un problema para imágenes de gran
extensión en sentido latitudinal. Ya que 1 grado de longitud en el ecuador
representa 110 Km, pero a medida que medimos 1 grado de longitud cada
vez más cerca del polo este posee una largo en Km cada vez menor. En la
figura del globo terráqueo se aprecia como los paralelos cercanos al Polo
son más pequeños que los cercanos al Ecuador. Esto significa que si bien
todos los píxeles poseen la misma resolución espacial en grados, los
pixeles que están más alejados del ecuador representan una porción más
pequeña del terreno que lo que se hallan más cerca. Por lo cual si se
necesita que todos los pixeles de la imagen tengan la misma extensión a
terreno, para imágenes de gran extensión latitudinal se recomienda
transformar el sistema de coordenadas de grados a metros (Ver sección
cartografía)

ENVI - IDL - QGIS
-Reproyección de Imágenes
Generalmente los píxeles de la imagen de salida poseen tamaño

ligeramente diferente al de la imagen de entrada. Para comprender las
transformaciones que sufre la imagen al cambiar su sistema de
georreferencia es necesario comprender como el programa realiza esta
transformación.
-Primero: el programa crea una nueva imagen que va a almacenar los

valores de la imagen original. Para crear esta nueva imagen tiene en
cuenta si lo importante es conservar el área de la imagen o el número de
pixeles de la imagen. Para aplicaciones de Remote Sensing en general es
más importante que la imagen de salida posea la misma área que la
imagen de entrada. Existen varias aproximaciones matemáticas para
realizar esta transformación.
-RST: esta aproximación solo permite hacer Rotaciones,

Escalamientos y Traslaciones. Es bastante sencilla y da resultados

ENVI - IDL - QGIS
satisfactorios cuando la transformación es lineal y no se generan

distorsiones al pasar de un sistema de coordenadas a otro.
-Polinomial: esta aproximación permite utilizar polinomios de n

grados. En general los polinomios de segundo grado son útiles
cuando se generan distorsiones al pasar de un sistema a otro.
-Rigurosa: Esta transformación realiza una transformación completa

de todo el sistema de coordenadas para cada uno de los píxeles de la
imagen. Esta transformación es de mayor precisión que las
anteriores, pero necesita mucho más tiempo que las anteriores.
-Segundo: el programa necesita ubicar los valores en la nueva imagen,

ésta tarea se conoce como Resampling, no se explicaran a fondo los
diferentes métodos en esta guía.
Nearest Neighboor: toma el valor de un píxel de la imagen original y

lo coloca en la imagen nueva sin modificarlo.
Bilinear: el valor del píxel que en la nueva imagen es una función que
toma en cuenta varios pixeles.
Para este ejemplo se mostrará una de las conversiones más usuales, de

coordenadas en grados (Lat-Long) a coordenadas métricas en UTM, zona
20 S que es la zona del centro de la Argentina.
Menú Map  Convert map projection  OK
Change projUTM  DATUM (WGS 84)  Zone 20 S  OK
Options  Maintain map extent when pixels size change
Esta opción es muy importante, ya que generalmente los píxeles sufren

cambios de tamaño cuando se produce una reproyección. Esta opción me
asegura que la imagen de salida me represente un área igual a la de

ENVI - IDL - QGIS
entrada. Sin embargo esto significa que la imagen de salida posea

diferente cantidad de píxeles.
Resampling  esta opción me permite seleccionar entre diferentes

opciones de remuestreo.
OK.
-Reproyección de Vectores
Menú Vector  Available vector list (Seleccionar un vector)  Options

Convert layer proyection  Change proj UTM  DATUM (WGS 84) 
Zone 20 S  OK.
Interfaz ENVI-IDL
Una de las características más importantes de ENVI es su capacidad de

trabajar junto con IDL. Es posible exportar imágenes desde ENVI hacia
IDL e importar los resultados nuevamente hacia ENVI. Al mismo tiempo
es posible correr algoritmos diseñados en IDL desde el módulo de trabajo
Band math de ENVI. En esta sección se verá cómo mover imágenes entre
ENVI e IDL y cómo utilizar el Band math.
-Exportar imágenes desde ENVI hacia IDL
Menú file  Export to IDL variable: seleccionamos la imagen.
Una de las limitaciones que se presenta al exportar la imagen, es que IDL

aloja la imagen cargada en la memoria RAM de la máquina. Por lo cual
imágenes muy grandes pueden llegar a superar la capacidad de la
máquina y no se pueden exportar.

ENVI - IDL - QGIS
-Importar imágenes desde IDL hacia ENVI
Una vez que terminamos de procesar la imagen importamos el resultado.
Menu file  Import from IDL variable
Es muy importante tener en cuenta que al importar una imagen desde IDL
hacia ENVI esta carece de sistema de georreferencia. Por lo tanto es
necesario asignarle un sistema de georreferencia. Para esto utilizamos el
sistema de la imagen de origen que se exporto.
Menú  Edit ENVI header  Seleccionamos la imagen  OK
Input header file from (other file): se abre una lista de imágenes,
seleccionamos la imagen original.
-Band math
El módulo Band math funciona como un Image Calculator. En él es posible

escribir expresiones sencillas de una sola línea. El nombre de las variables
utilizadas debe empezar con la letra b seguido de un número (si o si
deben iniciar con la letra b). Todas las imágenes utilizadas deben poseer
la misma dimensión. Esto no es problema si las imágenes a usar
provienen de la misma imagen. Pero si se desea utilizar 2 imágenes
tomadas en diferente fecha, es necesario recortar el área de intersección
entre ambas imágenes. Una de las limitacionesmás grandes de Band math,
es que para poder procesar la imagen no toma todos los valores de la
imagen a la vez. ENVI procesa las imágenes por Tiles (de 1 Mb por
defecto). Esto hace imposible utilizar en Band math comando que
requieran todos los valores de la imagen. Entre estos comando se hallan
Min, Max, Total, Hist, ya que para calcularlos se necesitan todos los
valores de la imagen a la vez.

ENVI - IDL - QGIS
-Cálculos entre bandas
b1 / float(b2): es necesario indicar que los números van a ser de punto

flotante, es decir números con decimal
(B2-B1)/float(B2+B1): esta estructura sirve para calcular índices de

vegetación al estilo NDVI
-Operadores relacionales y de lógica Booleana
Al utilizar los operadores Booleanos LT, GT, EQ, LE, GE en una expresión
de Band math, este entrega 1 como valor de verdad (aquellos píxeles que
cumplen la condición propuesta) y 0 como valor de mentira (aquellos
píxeles que no cumplen la condición).
(b1 gt 200) Esta expresión me genera una imagen donde los valores
mayores a 200 en la imagen b1, son 1 en la imagen de salida y 0 en el
resto de los píxeles.
Una de las capacidades más importante de Band math es la de correr

algoritmos escritos en IDL, sin necesidad de exportar la imagen. Para
poder correr una función escrita en IDL es necesario que la misma sea
compilada, ya sea en el mismo IDL o través de ENVI.
Compilado a través de ENVI

ENVI - IDL - QGIS
Menú file  Compile IDL module
Ejemplo: NDVI(b3,b4):

ENVI - IDL - QGIS
IDL
Aspectos básicos del uso de IDL
- IDL no es case sensitive, es decir que no hace diferencias entre

minúsculas y mayúsculas en el nombre de las matrices. OJO!!! Pero
las funciones nunca se escriben con mayúsculas.
- Los argumentos de una función se delimitan con paréntesis.
- Para crear una matriz es necesario delimitar el inicio y el final de la
misma con corchetes. Al mismo tiempo cada fila de la matriz se
delimita mediante corchetes separados por coma.
Comando Básicos
Crear una matriz:

IDL> A=[1,2,3]
IDL> print,A
1 2 3
IDL> A=[[1,2,3],[4,5,6]]
IDL> print,A
1 2 3
4 5 6
Creación de matrices de cero: es posible generar matrices de valor cero

de dimensiones determinadas y con un tipo determinado de dato
numérico (bytarr, intarr, unitarr, lonarr, lon64arr, fltarr, dblarr,
complexarr,strarr)
IDL> A=fltarr(5,5)
IDL> print,A
0.000000 0.000000 0.000000 0.000000 0.000000
0.000000 0.000000 0.000000 0.000000 0.000000
0.000000 0.000000 0.000000 0.000000 0.000000
0.000000 0.000000 0.000000 0.000000 0.000000
0.000000 0.000000 0.000000 0.000000 0.000000
ENVI - IDL - QGIS
IDL> A=intarr(5,5)
IDL> print,A
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
Probar las diferencias que existen con los comandos findgen y indgen.
Transformaciones ente tipos de datos:
IDL permite realizar conversiones de un tipo de dato a otro.
-byte: convierte a valores enteros de 8 bits, entre 0-255
-int: convierte a valores enteros de 16 bits entre -32767 y 32767
-uint: convierte a valores enteros positivos de 16 bits entre 0 y 65535.
-long: convierte a enteros de 32 bits, aproximadamente +/- 2 x 1012
-ulong: convierte a enteros positivos de 32 bits, aproximadamente
0 a 4 x 1012
-float: convierte a punto flotante de precisión simple de 32 bits. Permite

tener precisión hasta 7 decimales
-double: convierte a punto flotante de precisión doble. Permite tener

precisión hasta 14 posiciones decimales
IDL> A=5
IDL> print,a
5
IDL> A=float(A)
IDL> print,a
5.00000

ENVI - IDL - QGIS
Redondeo de datos:
-round: redondea el valor al integral más cercano

A=5.6
IDL> print,round(a)
6
-floor: redondea al integral más cercano inferior
IDL> print,floor(a)
5
-ceil: redondea al integral más cercano superior
IDL> print,ceil(a)
6
Obtener información de un arreglo:
-size: me devuelve un vector con las dimensiones y el tipo de dato del

matriz.
IDL> B=indgen(5,5)
IDL> print,size(B)
2 5 5 2 25
El primer valor corresponde a la cantidad de dimensiones de la matriz. El
segundo y el tercer valor corresponden al número de columnas y filas. El
cuarto valor corresponde al tipo de dato y el último valor corresponde al
número de elementos de la matriz.
-n_elements: me entrega el valor de la cantidad de elementos de una

matriz.
IDL> print,n_elements(B)
25
-help: me da información sobre la naturaleza de la variable y sus
dimensiones.
IDL> help,b
B INT = Array[5, 5]
Manipulación de Arreglos
-transpose: me transpone el arreglo de datos.
IDL> print,A
0 1 2

ENVI - IDL - QGIS
3 4 5
6 7 8
IDL> A=transpose(A)
IDL> print,A
0 3 6
1 4 7
2 5 8
-reverse: me invierte el orden de los datos de un arreglo

IDL> print,A
0 1 2
3 4 5
IDL> A=reverse(A)
IDL> print,A
2 1 0
5 4 3
8 7 6
-sort: me permite arreglar los datos de un arreglo en orden ascendente o

descendente.
IDL> print,A
0 2 4
6 8 10
12 14 16
IDL> ord=A[sort(A)]
IDL> print,ord
0 2 4 6 8 10 12 14 16
IDL> ord=A[reverse(sort(A))]
IDL> print,ord
16 14 12 10 8 6 4 2 0
El uso de del comando sort sin corchetes me entrega el orden de las

posiciones y no de los valores.
IDL> posiciones=sort(A)
IDL> print,posiciones
0 1 2 3 4 5 6 7 8

ENVI - IDL - QGIS
-reform: Cambia las dimensiones de un arreglo sin cambiar el número

total de elementos.
IDL> print,A
0 1 2 3
4 5 6 7
8 9 10 11
12 13 14 15
IDL> print,reform(A,2,8)
0 1
2 3
4 5
6 7
8 9
10 11
12 13
14 15
-rebin: cambia las dimensiones de un arreglo a las dimensiones

especificadas. Las dimensiones especificadas para expandir o contraer el
arreglo deben ser múltiplos enteros de las dimensiones originales.
IDL> A=[0,10,20,30]
IDL> print,rebin(A,12)
0 3 6 10 13 16 20 23 26 30 30 30
Controles de programación
En esta sección se verán las estructuras de programación más

comúnmente utilizadas en los scripts desarrollados en IDL.
Unas de las tareas más comunes en programación es detectar o hallar

elementos dentro de un arreglo que satisfagan una condición particular.
Los operadores relacionales y booleanos son de gran importancia en esta
tarea.
Operadores relacionales
EQ igual a
NE no igual a
GE mayor o igual a
GT mayor que
LE menor o igual a
LT menor que

ENVI - IDL - QGIS
Operadores Booleanos
And Operador lógico Y

Or Operador lógico O
Not Operador lógico NO
-IF...THEN...ELSE
Esta estructura evalúa una condición lógica, si esa condición se cumple

entonces se ejecuta una sentencia o un bloque de sentencias. Una función
muy útil de esta estructura, pero no la única, es para segmentar o generar
una imagen binaria a partir de una imagen de entrada. Esta imagen
binaria puede ser utilizada como máscara para procesar solo aquellos
píxeles que nos interesen. Otra opción para utilizar la estructura es usar
un mapa de vegetación como máscara y aplicar las procesar solo los
píxeles de la cobertura que nos interesen.
Ejemplo:
if (Im(i,j) GE 0) and (Im(i,j) Le 2000) then Im(i,j)=1 else Im(i,j)=0
Si la estructura va a dar lugar a 1 sola sentencia, la estructura se puede

escribir en 1 solo renglón. Pero si al cumplirse la condición lógica se va a
dar lugar a una serie de sentencias, la estructura debe ser escrita en
varios renglones, iniciando y terminando tanto la sentencia IF como ELSE.
if (condición lógica) then begin
Sentencia 1
Sentencia 2
endif else begin
sentencia 1
sentencia 2

ENVI - IDL - QGIS
endelse.
-For... Do begin
La sentencia For sirve para indicarle al programa que debe realizar en

forma repetida una acción o un bloque de acciones, hasta que se cumpla
una condición dada. Una de los aspectos más útiles de la sentencia For , es
que permite recorrer píxel a píxel la imagen. De esta forma se le puede
aplicar un bloque de sentencias a cada píxel de la imagen.
for i=0, N_col-1 do begin ; para la columna 0 hasta n-1 hacer lo siguiente
for j=0, N_fil-1 do begin ; para la fila 0 hasta n-1 hacer lo siguiente
Bloque de sentencias.
endfor
endfor ; es necesario cerrar cada uno de las sentencias for que se abren.
Scripts útiles
Los scripts en IDL deben comenzarse en la primera línea con la siguiente

sintaxis: function nombre del script, variables de entrada
Ejemplo: function ndvi,b3,b4
Aclaración!!!!! No usar acentos en los nombres de las variables o

funciones, IDL no reconoce el acento.
-Scriptíndice de vegetación: Se verá una estructura básica para calcular

un índice de vegetación.
function nbr47,banda4,banda7
;Esta función me retorna el Índice NBR, utilizando la banda 5 como infrarroja media.
;entradas
;Banda 4 y Banda 7 de Landsat TM, se deben ingresar en valores de reflectancia

ENVI - IDL - QGIS
;--------------------------------------------------------------------------------------------
banda4=float(banda4) ; Se pasan las imágenes a Punto flotante
banda7=float(banda7)
; Una vez listas las bandas se realiza el cálculo
Indice=(banda4-banda7)/(banda4+banda7) ; Se genera una nueva imagen Llamada Índice
return,Indice ; El comando Return me devuelve una imagen.
End ; el comando end le indica al programa la finalización de un comando o del Script
-Scriptmáscara binaria: la generación de imágenes binarias es muy útil

para seleccionar el conjunto de valores que deseamos utilizar.
Generalmente se le pide al programa que coloque 1 en los lugares de
interés y 0 en los lugares que no se van a tener en cuenta. En este tipo de
Script se utilizan 2 estructuras de programación.
La estructura For……do begin, para pedirle al programa que recorra pixel

a pixel la imagen.
La estructura IF...THEN...ELSE, para testear cuales son los pixeles de la

imagen que cumplen con la condición deseada.
function binariza,Im
; Esta función me binariza la imagen, los valores mayores o iguales al límite se vuelven 1 y los
menores a lim 0
Im=float(Im)
Dims=size(Im) ; Para utilizar el comando For necesito saber las dimensiones de la imagen
N_col= Dims(1) ; almaceno el número de columnas
N_fil=Dims(2); almaceno el número de filas
for i=0, N_col-1 do begin ; para la columna 0 hasta n-1 hacer los siguiente
for j=0, N_fil-1 do begin ; para la fila 0 hasta n-1 hacer los siguiente

ENVI - IDL - QGIS
if (Im(i,j) GE0) and (Im(i,j) Le 2000) then Im(i,j)=1 else Im(i,j)=0
endfor ; cierro el comando for
endfor ; cierro el comando for
return, Im
end
-Script para extracción de series temporales: este algoritmo tiene como

finalidad extraer N series temporales de datos de las ubicaciones
deseadas. Para poder utilizar este algoritmo es necesario tener una
máscara binaria.
function matrizst, mask,Im,n
; la función detecta cuales son los pixeles dentro de la máscara con valor = 1 y ;extrae
las series de dichas ubicaciones
; cada serie es colocada en una columna.
; Inputs: Mask la máscara binaria; Im el Stack modis (i,j,m); n el número de series ;

temporales a extraer.
; OJO!!!!!! la máscara y la Im deben tener la misma cantidad de columnas y filas
; Outputs: la salida es una matriz (n*m), cada columna es una serie temporal.
; Una vez obtenida la matriz, exportar a ENVI y luego guardar como TXT.
;------------------------------------------------------------------------------------------------------------
; Paso a punto flotante la imagen con las series temporales y obtengo sus ;dimensiones
Im=float(Im)
Dims=size(Im)
N_col=Dims(1)
N_fil=Dims(2)
N_datos=Dims(3) ; Longitud de las series temporales, cada serie posee tantos datos
;como bandas.

ENVI - IDL - QGIS
Salida=fltarr(n,N_datos); Genero la matriz donde voy a colocar las series ;temporales,
posee n columnas y N_datos filas.
; Comprobar que hay por lo menos n pixeles con valor 1 en la mascara
Compr=total(mask)
IF (Compr LT n) THEN BEGIN
print,"Atención número de pixeles =1 menor que n" ;si tengo menos pixeles que ;los
que necesito se corta el algoritmo
ENDIF ELSE BEGIN
cont=0 ; mientras el contador no llegue hasta n series temporales

extraídasél;programa va a continuar
;Comienzo a recorrer la mask en busca de pixeles =1
for i=0, n_col-1 do begin
for j=0, n_fil-1 do begin
if (Mask(i,j) Eq 1) and (cont LT n) THEN BEGIN ; detectó los píxeles con ;

;valor 1
Im2=(Im(i,j,*) ; si en la máscara detecto 1 le pido que me de la serie

;temporal de dicha ubicación
Im2=reform(Im2)
Im2=transpose(Im2)
Salida(cont,*)=Im2 ; ubico la serie temporal extraída en la columna (cont)
cont=cont+1 ; le pido al programa que le sume 1 al cont, debido a que extraje

;una serie.
ENDIF ELSE BEGIN
ENDELSE
endfor

ENVI - IDL - QGIS
endfor
ENDELSE
return,Salida
end

ENVI - IDL - QGIS
QGIS
Los ejercicios planteados en esta sección están orientados a aprender a
compilar las capas de información, realizar operaciones de búsqueda en
las bases de datos, utilizar los geoprocesos básicos y utilizar
Complementos.
El primer paso antes de iniciar cualquier actividad, es definir el sistema

de coordenadas en la cual se va a trabajar. Al definir el sistema, se habilita
la opción “Activar transformación de SRC al vuelo”. Esta opción posibilita
superponer múltiples capas de información con diferentes sistemas de
coordenadas geográficas.
Menú configuración  Propiedades del proyecto, definir el sistema de

referencia y activar la opción “Activar transformación de SRC al vuelo”.
-Cargado de capa Vectorial
Menú Capa  Añadir capa vectorial Explorar, Seleccionamos el archivo

de interés.
Los Shapefile construidos en QGIS poseen los 3 archivos básicos (shp,bdf

y shx) más dos archivos adicionales prj y qpj, estos posee información
sobre el sistema de coordenadas. Por lo tanto al abrirlos el programa
puede definir sin problema la georreferencia. Para Shapefiles
provenientes de otros programas, que no agregan los archivos prj y qpj,
es necesario indicarle a QGIS cuál es la georreferencia que posee el vector.
Click botón derecho sobre la capa Propiedades  General 

especificar SRC
-Cargado de capa Raster
Menú Capa  Añadir capa raster Explorar, Seleccionamos el archivo de

interés.
ENVI - IDL - QGIS
-Utilización de motores de búsqueda
Los archivos vectoriales poseen una base de datos, en donde a cada

elemento de la capa vectorial se le pueden asociar múltiples campos de
información (Nombre, Tamaño, Cobertura, etc…). Esto permite realizar lo
que se conoce como” Selección por atributo” a través de la base de datos y
seleccionar los elementos con las características deseadas. En QGIS el
motor de búsqueda se llama Field Calculator.
Click Botón derecho sobre la capa vectorial  Abrir tabla de atributos 

Búsqueda avanzada
En la ventana de Campos se hallan todas las columnas de información. En

la parte inferior se hallan los diferentes operadores lógicos a utilizar para
realizar la búsqueda.
Ej: Prov = Cordoba
Una vez seleccionado los elementos vectoriales se pueden exportar como

una capa vectorial aparte
Menú Capa  Guardar selección como archivo vectorial  Formato
Esta opción permite seleccionar el formato vectorial. Por defecto QGIS

utiliza el formato Shapefile de ESRI. Este es un formato universal ya que
es leído por todos los programas de GIS. Otro formato útil es el KML, ya
que es el formato que utiliza Google Earth.
Geoprocesos
Dentro del concepto de Geoprocesos se agrupa un conjunto de procesos

que permiten generar nuevas capas vectoriales a partir del conjunto de
ENVI - IDL - QGIS
capas originales. Los geoprocesos más comunes incluyen Intersección,

Unión, Diferencia, Cortar, Áreas buffer. En la actualidad existen Toolboxs
como SEXTANTE y SAGA, con cientos de algoritmos que pueden ser
añadidos a QGIS, por lo cual los geoprocesos que se verán son solo los
más utilizados en el trabajo diario. Es importante recordar que para
poder aplicar los geoprocesos todas la capas vectoriales deben poseer el
mismo sistema de coordenadas.
-Intersección
Esta herramienta permite generar un nuevo vector cuyos elementos estén

contenidos en el área de solape entre 2 vectores. Esta herramienta
funciona exclusivamente entre 2 vectores de tipo POLIGONO, ya que los
vectores de tipo PUNTO y LINEA no poseen área para realizar la
intersección.
Menú vectorial  Herramientas de geoproceso  Intersección
Capa vectorial de entrada: es la capa de la cual se desea obtener la

intersección
Capa vectorial de intersección: es la capa que delimita la zona de

intersección.
-Unión
Esta herramienta permite generar un nuevo vector resultado de la unión

de 2 o más vectores. Es importante remarcar que al unir 2 vectores se
pierden el contenido asociado a la base de datos.
Menú Vectorial  Herramientas de geoproceso Unión

ENVI - IDL - QGIS
-Diferencia
Esta herramienta es la opuesta a la intersección, genera una nueva capa

vectorial formada por el área que pertenece al primer vector y que no se
solapa con el segundo vector.
Menú Vectorial  Herramientas de geoproceso  diferencia
Estadística de zona:
Muchas veces es necesario obtener las estadísticas básicas de una o varias

regiones de la imagen. Una forma sencilla de realizar esta acción es
utilizando un vector que contenga las regiones de las cuales se necesitan
las estadísticas. La herramienta “Estadísticas de zona” permite extraer la
información de cada región de la imagen que se intersecte con los
polígonos del vector.
Menú raster  Estadísticas de zona prefijo de la columna (nombre) La

información se añadirá a base de datos del vector, de esta forma es
posible obtener los estadísticos de cada polígono. Una vez calculados es
posible copiar los valores a una tabla de Excel.
Utilización de complementos
Existen gran cantidad de Plugins diseñados por la comunidad de usuarios.

Uno de los más populares y útiles es el “OpenLayer Plugin”. Este
complemento permite cargar una gran cantidad de capas de información.
La opción “Ad google satélite layer” permite cargar una imagen de alta
resolución espacial, proveniente de Google Earth. De esta forma se puede
generar una interfaz de trabajo que permite visualizar las imágenes de

ENVI - IDL - QGIS
satélites como Landsat 5 TM o MODIS junto con imágenes de alta

resolución espacial.
-Cargado del complemento
Menú complementos  Obtener complementos de

PhytonOpenLayersPlugin.

ENVI - IDL - QGIS
Cartografía
La cartografía es la ciencia que estudia y elabora mapas. Un mapa es una
representación bi-dimensional que muestra la distribución de objetos en
el espacio y en relación a la superficie terrestre. Para que los datos
extraídos de los satélites sean útiles es necesario poder ubicarlos sobre la
superficie terrestre, por lo cual las imágenes poseen un sistema de
Georreferencia. Para poder utilizar en forma correcta el sistema de
Georreferencia de las mismas es necesario conocer cómo se construyen
los “Sistemas de Coordenadas Geográficas”.
El primer paso en la construcción de un sistema de construcción de un

“Sistema de Coordenadas Geográficas” es la identificación de la forma de
la tierra. Sin embargo la forma real de la tierra es demasiado compleja
para trabajarla en forma directa. Por lo cual se utiliza una idealización, el
Geoide.
Forma real de la tierra.

ENVI - IDL - QGIS
El Geoide es una forma ideal de la tierra, que se define como “la superficie
equipotencial del campo gravitatorio terrestre que coincide con el nivel
medio del mar”. La forma del Geoide coincide aproximadamente con la
forma de la tierra, sin los elementos orográficos como las montañas.
Forma del geoide
Una vez determinado el tipo de Geoide a utilizar, este es aproximado

matemáticamente a través de un Elipsoide de rotación. En la actualidad
existen muchos tipos de Elipsoides, cada uno de los cuales ajusta mejor a
un sitio de particular de la tierra. El Elipsoide es un modelo matemático
que permite aproximar la forma de la tierra, sin embargo aún es necesario
ajustar la forma del mismo a la forma real de la tierra. Para esto es
necesario crear un “Marco de Referencia Geodésico” el cual consta de un
DATUM, este se halla formado por un “Punto Fundamental”, el cual es un
punto de contacto entre la tierra y el Elipsoide.

ENVI - IDL - QGIS
Relación entre forma de la tierra, Geoide y Elipsoide.
Este punto fundamental sirve como origen de coordenadas par el

“Sistema de Coordenadas Geográficas”. A partir del “Punto Fundamental”
se realizan mediciones muy precisas para ajustar el “Sistema de
Coordenadas”, este conjunto de mediciones se conoce como “Marco de
Referencia”. Los “Marcos de Referencia” se van mejorando en el tiempo a
partir de la incorporación de mayor cantidad de puntos y de mejor
precisión en las mediciones.
Relación entre el Elipsoide de rotación, el Geoide y el Punto fundamental.
En Argentina el primer DATUM generado en Argentina fue el “Campo

Inchauspe” en al año 1969, este estuvo vigente hasta el año 1994. A partir
de ese año entro en vigencia el DATUM Posgar 94 el cual posee un “Punto
ENVI - IDL - QGIS
Fundamental” diferente que “Campo Inchauspe”, este represento un

aumento importante en la precisión de las mediciones. En el año 2007 el
Instituto Geográfico Argentina” lanza el DATUM Posgar 07, el cual se
obtuvo a partir de un incremento en la cantidad de puntos utilizados, ya
que el poseen el mismo “Punto Fundamental”.
DATUMS utilizados en Argentina
Una vez obtenido el DATUM con su “Punto fundamental” y su “Marco de

Referencia” es posible ubicar un punto en el globo a partir de
coordenadas esféricas angulares: Latitud y Longitud.
Relación entre la tierra y el Sistema de Coordenadas Geográficas
Sin embargo, estas coordenadas permiten ubicar puntos sobre una esfera,
mientras que los mapas de trabajo poseen forma plana, por lo tanto es
necesario proyectar las coordenadas esféricas a coordenadas planas. Este
ENVI - IDL - QGIS
proceso se conoce como cartográfica o proyección de mapa. Básicamente

la proyección geográfica consiste hacer coincidir la esfera que representa
la tierra, en una superficie plana. Existen tres tipos de proyecciones,
cónica, Cilíndrica y Polar, cada una de las cuales ajusta mejor a un sector
diferente del planeta. Para cada proyección la zona de mejor ajuste es en
la que el plano hace contacto con la esfera.
Tipos de proyecciones cartográficas
A su vez el punto de contacto entre la esfera terrestre y el plano puede

realizarse en diferentes ángulos, normal, transverso u oblicuo, lo cual
permite obtener diferentes zonas de contacto entre la esfera y el plano.
Una de las proyecciones más utilizadas en la Georreferencia de las

imágenes satelitales es el “Cilíndrico Transverso”, ya que permite ajustar
en forma eficiente en todas las latitudes del globo. A su vez este es el tipo
de Proyección adoptado por el Instituto Militar Nacional argentino.

ENVI - IDL - QGIS
Tipos de ángulo entre la esfera terrestre y la proyección cartográfica.

ENVI - IDL - QGIS
MODIS
Los sensores MODIS (Moderate Resolution Imaging Spectroradiometer)
se encuentran a bordo de los sensores Terra y Aqua y forman parte de la
misión EOS (Earth Observation System) de la NASA. Posee 36 bandas que
abarcan desde los 0.4 a 1.4 µm. con una resolución radiométrica de 12
bits. La resolución espacial es variable ya que poseen bandas con
resolución espacial a 250 metros (bandas 1 y 2); a 500 metros (bandas 3
a 7) y resolución espacial a 1 Km. (bandas 8 a 36). El sensor MODIS es de
elevada frecuencia temporal, ya que dependiendo de la latitud registra la
escena 12 o 2 veces al día. A su vez los satélites Terra y Aqua funcionan en
tándem con una diferencia de 12 horas entre sí, por lo que cada escena es
registrada 2 o 4 veces al día.
Las imágenes MODIS poseen diferentes niveles de procesamiento, según

el producto que se trate. Los niveles de procesamiento más elementales
entregan los valores de radiancia (niveles 1 y 2). Mientras que los niveles
más elevados entregan la estimación de variables geofísicas estimadas
directamente a partir de los datos MODIS (nivel 3), o a partir de la
incorporación de los mismos en modelos (nivel 4). Los productos MODIS
están sujetos a procesos de validación a través de la comparación de los
resultados obtenidos con datos de campo en sitios de prueba, datos
obtenidos a partir de otros sensores como ASTER, Ikonos, Landsat,
AVHRR, MISR.
Las imágenes se distribuyen en tiles de 10x10° (1200x1200 Km en el

ecuador), poseen proyección sinusoidal.

ENVI - IDL - QGIS
Mosaico global de imágenes capturada por el sensor MODIS en proyección Sinusoidal-

Datum: International 1909.
Existen diferentes formatos de entrega de los productos MODIS 1)

formato HDF (Hierarchical Data Format) es un formato estructurado de
multiples objetos diseñado en el National Center for Supercomputer
Aplications (NCSA), cada objeto puede estar formado por múltiples capas
de información. 2) formato netCDF, El netCDF es un formato abstracto
para matrices multidimensionales diseñado en el Unidata Program Center
en Builder, Colorado. Este formato permite la representación de datos
escalares, vectoriales y la representación de mallas irregulares. Además
de los formatos mencionados existen servidores que entregan imágenes
en formatos como Geotiff.
Niveles de procesamiento MODIS

Nivel 0 Posee el dato en bruto obtenido por el satélite
Nivel 1 Posee un mascara de agua y tierra, ángulo de elevación y azimuth del sol. Se halla
georrerenciada. 1A (MOD01): Entrega niveles de radiancia. 1B (MOD02): Imagen
radiométrica corregida en unidades físicas.
Nivel 2 Productos obtenidos a partir de aplicar una corrección atmosférica al producto 1B.
L2G: Producto con variables Biofísicas, colocados en una cuadrícula de 10x10°,

ENVI - IDL - QGIS
proyectados en una malla uniforme. Resolución cada 12 o 24 Hs
Nivel 3 Productos derivados de variables geofísicas, con resoluciones temporales de 1,8,16 0
30 días. Ejemplos: Reflectancia (MOD9), Índices de vegetación (MOD13), Temperatura
de superficie (MOD11), Punto de calor (MOD14)
Nivel 4 Datos obtenidos a partir de incorporar datos MODIS en modelos para obtener
variables geofísicas. Ejemplos: Índice de área foliar (MOD15), Mapas de cobertura de
suelo (MOD12), Producción primaria (MOD17), Áreas incendiadas (MOD44).
-Proyección Sinusoidal MODIS
La proyección sinusoidal de MODIS es una de las más antiguas. Esto se

debe a lo sencillo de sus ecuaciones y a que es sencillo generar esta
proyección a partir de modelos gráficos, lo cual era muy práctico antes de
que existieran computadoras. Esta es una proyección plana, por lo tanto
sus unidades se hallan en metros, posee una proyección cilíndrica
modificada. Dos nombres alternativos de esta proyección son: Sanson-
Flamsteed o equiarial de Mercator. A pesar de su sencillez en los cálculos
muchos programas no son capaces de trabajar con este sistema de
proyección. Sin embargo QGIS tiene la capacidad de reconocer la
proyección y trabajarla sin problemas.
-Apertura de archivos HDF

HDF significa Hierarchical data fileformat. Este formato posee la ventaja
de contener múltiples objetos o capas en un mismo archivo, lo cual facilita
el tráfico de información entre servidores y usuarios. Tanto QGIS como
ENVI son capaces de leer los archivos.
ENVI
Menú file  Open external file  Generic formats  HDF
Sin embargo la versión ENVI 4.3 no reconoce la georreferencia al abrir el
archivo.

ENVI - IDL - QGIS
-Apertura de HDF en proyección Sinusoidal en ENVI

Actualmente varios servidores de imágenes MODIS proveen las imágenes
en formato HDF con georreferencia sinusoidal, es posible abrirlos en QGIS
sin problema. Sin embargo si deseamos trabajar las imágenes en ENVI,
estas también se pueden cargar, solo es necesario cargar la
Georreferencia sinusoidal al programa.
Para hacer esto primero se va a abrir la imagen en QGIS. Una vez abierta
la imagen, se la va a transformar a formato Geotiff
Menú raster Conversión  Traducir  Dar nombre al archivo de

salida. La imagen de salida es en formato GeoTiff, la cual puede ser leida
sin problema por ENVI.
Ahora es necesario abrir la imagen HDF y la imagen GeoTiff y cargar la
georreferencia Sinusoidal al header de la imagen HDF
Menú file Edir ENVI header Seleccionamos la imagen HDF OK
Input headerinfofrom, acá seleccionamos la imagen GeoTiff.
Una vez cargada la información al Header, ya queda cargada la
georreferencia sinusoidal al programa ENVI. Sin embargo cada vez que se
cargue una imagen HDF es necesario editar el Header.

ENVI - IDL - QGIS
Landsat
Landsat es el proyecto de obtención de imágenes de la tierra de mayor
duración. Este programa comenzó en el año 1972 con el satélite ERTS
(Earth Resource Technology Satellite). Más tarde en el año 1975 el
programa adopto el nombre oficial de Landsat con el lanzamiento del
segundo satélite que se llamó Landsat 2 MSS (Multispectral Scanner
Sensor). Luego del sensor MSS continuó la familia de sensores TM y TM+
(Tematic Maper) en los satélites Landsat 4 (1982) y 5 (1984), lo cual
representó una importante mejora en la resolución espacial y
radiométrica. El siguiente sensor de la familia fue el TM+ a bordo del
satélite Landsat 7 (1999) el cual presentó una importante mejora la
región del infrarrojo térmico y la incorporación de una banda
pancromática de 15 m. de resolución. Sin embargo el satélite tuvo una
corta vida, ya que en el año 2003 tuvo en fallo en el sistema de captación
de imágenes. Si bien es posible obtener imágenes.
Niveles de procesamiento de Landsat

Una vez obtenidas las imágenes estas son preprocesadas por la agencia
espacial receptora. Es importante aclarar cada agencia espacial posee su
propio protocolo de pre-procesamiento, por lo cual es recomendable
utilizar solo una fuente de imágenes. Al mismo tiempo en el momento de
planificar la conversión de las imágenes a reflectancia es necesario
conocer los coeficientes utilizados por cada agencia espacial.

ENVI - IDL - QGIS
Características orbitales
Órbita: el satélite posee una órbita heliosíncrona, con una altura de vuelo
promedio de 705 Km, la órbita posee una inclinación de 98.2º con
respecto al plano ecuatorial de la tierra (Fig. 3). El satélite se desplaza a
una velocidad de 7.5 km/s y posee una el periodo orbital es de 98.9
minutos, por lo que realiza 14.56 revoluciones por día. El satélite siempre
realiza el mismo recorrido y gracias al movimiento de rotación de la tierra
barre toda la superficie terrestre (Fig. 7). Para reducir al máximo las
alteraciones en las condiciones de alteraciones y mantener la órbita sin
modificaciones el satélite fue dotado de un sistema de estabilización de
tres eje orientados según la superficie terrestre (plano horizontal) y la
vertical del punto nadir (plano vertical). Periódicamente se realizan
correcciones de la órbita se realizan desde las estaciones terrestres para
mantener los parámetros orbitales constantes.
Órbita del satélite Landsat 5 TM

ENVI - IDL - QGIS
Órbita Heliosíncrona: una órbita Heliosíncrona significa que el satélite

mantiene una relación geométrica constante entre su orbita y la
proyección del sol en el ecuador (Fig. 8). Como resultado cada punto será
captado siempre a la misma hora local, pasando por el ecuador de la
tierra entre las 10 y 10:15 AM.
Órbita Heliosincrónica del satélite Landsat 5 TM
Sistema estándar de referencia mundial: Para poder ubicar una escena en

el planeta, el recorrido que realiza el satélite se han dividido en Paths, que
representan la órbita del satélite y en Rows que representan el centro de
la imagen (Figura 9). Existen 233 Paths y 248 Rows y el sistema es
idéntico para los satélites Landsat 4, 5, 6 y 7. Los Rows (centros de las
imágenes) se crean debido a que el escaneo continuo del satélite se divide
en frames, formando una imagen cada 23.92 segundos. El Row número 0
se halla a 80º 47’ N y va ascendiendo hacia el Sur, el ecuador coincide con
el Row 60, a los 81º 51’ S se halla el Row 122. Cuando comienza a

ENVI - IDL - QGIS
ascender hacia el Norte es el Row 123, al pasar nuevamente por el

ecuador es el Row 184 y concluye a los 82º 22’ N en el Row 248.
Sistema de Paths y Rows del Satelite Landsat 5.
Periodicidad: La periodicidad temporal es de visita es de 16 días y las

imágenes en cada sitio son tomadas aproximadamente siempre a la
misma hora lo que facilita la comparación entre imágenes. Sin embargo es
posible reducir la periodicidad en algunos sectores del planeta. Esto se
debe a que por un lado, entre un Path y el aledaño existe un grado de
superposición que va de 7% en el ecuador a 83.9 a los 80º de latitud
(Tabla 3). Y por otro lado, a que el lapso entre un Path y el aledaño es de 7
días. Esto implica que para algunas aplicaciones es posible obtener
imágenes cada una semana (Fig. 10). Para la región de Córdoba es posible
lograr hasta un 40 % de superposición tomando al imagen anterior y la
posterior a la buscada.

ENVI - IDL - QGIS
Recorridos (Path) aledaños del satélite Landsat 5 TM.
Porcentaje de superposición de Imágenes de Paths adyacentes.
Superposición de imágenes de Paths adyacentes
Latitud
(grados) Superposición de imágenes (%)
0 7.3
10 8.7
20 12.9
30 19.7
40 29
50 40.4
60 53.6
70 68.3
80 83.9
A pesar de que la periodicidad de visita es una vez cada 16 días, no todas

las partes del planeta son registradas en cada visita. Esto se debe a que la
capacidad de procesamiento y almacenamiento es limitada. Algunos

ENVI - IDL - QGIS
ecosistemas que presentan escasa dinámica temporal, como por ejemplo

los desiertos son fotografiados 2 veces al año. Mientras que las zonas
agrícolas y forestales tienen preferencia, por ejemplo los bosques de
Canadá y Estados Unidos son fotografiados cada 16 días (Fig. 11). La zona
correspondiente a Córdoba posee una frecuencia media con varias
imágenes por año.
Frecuencia de adquisición de imágenes: Verde oscuro, cada 16 días. Amarillo

frecuencia media, Rojo: desiertos, dos veces por año.
Georreferencia
Las imágenes Landsat distribuidas por la NASA poseen el sistema de
georreferencias UTM (Universal Transverse Mercator). Este es un sistema
de coordenadas métricas que proyecta a la tierra en un cilindro
transverso. El cilindro se divide en fajas de 6 grados de ancho, cada una
de estas fajas se llaman zonas. Utiliza el Datum WGS 84, con el Geoide
WGS 84 Asociado.

ENVI - IDL - QGIS
Niveles de pre-procesamiento USGS

El servicio geológico estadounidense (USGS) es el encargado de procesar
las imágenes Landsat que recibe desde el satélite, este procesos consiste
en la corrección de la radiometría de la imagen y en la georreferenciación
de la imagen. El mismo se realiza en diferentes etapas, cada una de las
cuales se denomina “Nivel de procesamiento”. Es posible obtener las
imágenes en el nivel procesamiento deseado, sin embargo, en general es
preferible obtener el nivel de procesamiento final, ya que el mismo es el
que mejor prestación le Brinda al usuario.
Nivel L0: El nivel L0 es la imagen en crudo in ningún nivel de

procesamiento, tal cual sale del satélite. En esta se pueden apreciar los
errores debido al efecto del escaneo del sensor sin corregir
Imagen Landsat 5 TM con nivel de procesamiento L0

Nivel L1R: en esta etapa se corrigen los errores generados por el vaivén
del espejo al escanear la tierra y la radiometría del sensor. Existen
muchos protocolos para realizar la corrección radiométrica, por lo cual
siempre que sea posible es preferible utilizar imágenes provenientes de
una misma agencia espacial.
ENVI - IDL - QGIS
Niveles digitales obtenidos con diferentes protocolos de corrección radiométrica para

un mismo pixel.
Nivel L1G: En esta etapa se realiza una corrección geométrica, es decir se
corrige la georreferencia de la imagen, en este nivel la misma es
aproximada y presenta errores del oren de los cientos de metros, por lo
tanto es necesario corregir la georreferencia en forma manual.
L1T: en esta etapa se aplica correcciones teniendo en cuenta la topografía

del terreno. Este producto posee un elevado nivel de exactitud. En general
la mayoría de las imágenes entregadas por el USGS son L1T, sin embargo
existen algunas imágenes que son entregadas en nivel L1G, por lo cual es
muy importante fijarse en el Header de la imagen el nivel de
procesamiento que posee la misma.

Introducción Al Manejo de Imágenes en Remote Sensing

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Introducción Al Manejo de Imágenes en Remote Sensing

Caricato da

Copyright:

Formati disponibili

Breve introducción al manejo de

imágenes en Remote Sensing

Landi Marcos Alejandro

Breve introducción al manejo de imágenes en Remote Sensing Página 1

Debido a la complejidad del manejo de imágenes satelitales, existen

IDL significa Interactive data language, es un programa

Breve introducción al manejo de imágenes en Remote Sensing Página 2

ENVI significa Environment for Visualization Image. El programa es

QGIS, antes conocido como Quantun GIS, es un programa de

El primer procedimiento está orientado a la adquisición de habilidades

Breve introducción al manejo de imágenes en Remote Sensing Página 3

TM, obtenidas a partir del servidor earthexplorer.usgs.govperteneciente al

Cada una de la bandas viene como una imagen independiente en formato

Las imágenes en formato GeoTiff se pueden abrir en forma directa

-Cargado de las imágenes:

Una vez abiertas las imágenes es necesario cargarlas para poder

Breve introducción al manejo de imágenes en Remote Sensing Página 4

1) Se abrirán las bandas 1,2,3,4,5 y 7. Estas poseen una resolución

2) Se cargarán las siguientes combinaciones y se analizarán los

-Combinación 1: Banda 3, Banda 2, Banda 1.

Esta combinación genera una imagen de colores naturales en Rojo,

-Combinación 2: Banda 4, Banda 2, Banda 1.

Esta combinación es un falso color compuesto, destinada a resaltar

-Combinación 3: Banda 7, Banda 4, Banda 1.

Esta combinación es un falso color compuesto destinado a detectar

-Exploración del Header:

Todas las imágenes poseen asociadas un archivo asociado denominado

Menu File  Edit ENVI Header.

Breve introducción al manejo de imágenes en Remote Sensing Página 5

Generalmente las imágenes multiespectrales poseen cada banda en un

Opciones: Reorder Files: Permite colocar cada una de las bandas en

Se aprenderá a recortar áreas específicas de las imágenes y a

Menu Basic Tools  Resize data Input data. Se selecciona la imagen

 Spatial Subset: se coloca el número de filas y columnas del área de

La imagen generada puede guardarse en formato ENVI estándar o

-Guardado en formato GeoTiff.

Menú File  Save File as  GeoTiff.

-Re-muestreo a diferentes resoluciones espaciales:

Utilizando el comando Resize Data es posible generar una imagen con

Menu Basic Tools  Resize Data  xfac/yfac. Esta opción permite

La generación de mosaicos consiste en la combinación de varias imágenes

Imagen Imagen Imagen Imagen

Breve introducción al manejo de imágenes en Remote Sensing Página 7

Menu File  Basic Tools  Mosaicking Georreferenced

Se abrirá una ventana, a la cual es necesario importar las imágenes que

Menu Import  Import Files and Edit properties. Acá es necesario

Data value to ignore: 0

Una vez formado el mosaico es necesario salvarlo como archivo *.mos,

Los niveles digitales (ND) contenidos en una imagen satelital no permite

Las imágenes obtenidas en el espectro óptico se pueden transformar a

Breve introducción al manejo de imágenes en Remote Sensing Página 8

Donde G representa el nivel ganancia del sensor, B representa el Bias,

Sin embargo los niveles de Radiancia obtenidos, todavía no permiten

Breve introducción al manejo de imágenes en Remote Sensing Página 9

Siendo J el día en el calendario juliano, Jm el número de días del año y el

La reflectancia calculada de este modo se denomina reflectancia al tope

Breve introducción al manejo de imágenes en Remote Sensing Página 10

Para realizar la calibración a reflectancia con ENVI primero es necesario

Menu Basic Tools  Preprocesing  Calibration Utilities  Landsat TM

Se abrirá una ventana en donde debemos colocar los parámetros, también

Delimitación de Regiones de Interes (ROI)

Una ROI es una región de la imagen que presenta características de

Menú Overlay Región of interés