Este documento presenta una introducción a los índices espectrales utilizando imágenes Sentinel-2. Explica cómo calcular e interpretar los índices NDVI, NDWI y SAVI para identificar diferentes coberturas. También describe cómo generar polígonos vectoriales sobre áreas homogéneas y calcular estadísticas como el promedio y desvío estándar de los valores espectrales dentro de cada polígono. Finalmente, propone una actividad práctica para aplicar estos conceptos e identificar coberturas en la imagen utilizando los diferentes
0 calificaciones0% encontró este documento útil (0 votos)
31 vistas7 páginas
Este documento presenta una introducción a los índices espectrales utilizando imágenes Sentinel-2. Explica cómo calcular e interpretar los índices NDVI, NDWI y SAVI para identificar diferentes coberturas. También describe cómo generar polígonos vectoriales sobre áreas homogéneas y calcular estadísticas como el promedio y desvío estándar de los valores espectrales dentro de cada polígono. Finalmente, propone una actividad práctica para aplicar estos conceptos e identificar coberturas en la imagen utilizando los diferentes
Este documento presenta una introducción a los índices espectrales utilizando imágenes Sentinel-2. Explica cómo calcular e interpretar los índices NDVI, NDWI y SAVI para identificar diferentes coberturas. También describe cómo generar polígonos vectoriales sobre áreas homogéneas y calcular estadísticas como el promedio y desvío estándar de los valores espectrales dentro de cada polígono. Finalmente, propone una actividad práctica para aplicar estos conceptos e identificar coberturas en la imagen utilizando los diferentes
Este documento presenta una introducción a los índices espectrales utilizando imágenes Sentinel-2. Explica cómo calcular e interpretar los índices NDVI, NDWI y SAVI para identificar diferentes coberturas. También describe cómo generar polígonos vectoriales sobre áreas homogéneas y calcular estadísticas como el promedio y desvío estándar de los valores espectrales dentro de cada polígono. Finalmente, propone una actividad práctica para aplicar estos conceptos e identificar coberturas en la imagen utilizando los diferentes
Descargue como PDF, TXT o lea en línea desde Scribd
Descargar como pdf o txt
Está en la página 1/ 7
Teledetección Óptica
Nivel Introductorio
Diego Schell* , Francisco Nemiña* , y Laura Rouco*
* Unidad de Formación Masiva , Comisión Nacional de Actividades Espaciales Clase 4
Índices espectrales
El objetivo de esta clase es generar e interpretar índices espectrales, utilizando una imagen Sentinel-2.
4.1. NDVI El NDVI (Normalized Difference Vegetation Index) es uno de los índices de uso más ex- tendido en teledetección. Utiliza la diferencia entre la absorción de la clorofila en el rojo y la reflectancia del infrarrojo cercano, que se relaciona con la biomasa fotosintéticamente activa. Para calcularlo, seleccione: Optical Tematic Land Processing Vegetation Radiometric Indices NDVI Processor
Se desplegará una nueva ventana (Figura 4.1). En Directory seleccione la carpeta de sa- lida para guardar el archivo en formato BEAM-DIMAP. Presione Run para finalizar. El producto NDVI se cargará en el Product Explorer . Para visualizarlo realice doble click sobre el producto recién creado y seleccione ndvi. En el visualizador se desplegará la imagen obtenida en escala de grises. Identifique los diferentes usos y coberturas en el producto NDVI. Visualice un parche homogeneo de una cobertura y posicione el cursor sobre un pixel. Obtenga el valor de NDVI utilizando la herramienta pixel info . Recorra la imagen con el cursor y observe los valores que toma el NDVI para cada cobertura. Identifique zonas con valores máximos y mínimos. Relacione los valores con la escala de grises de la imagen. Puede ayudarse con la función histograma para ver la distribución estadística de los valores.
21 (a) 1-I/O Parameters (b) Processing parameters
Figura 4.1 – Generación del NDVI.
4.2. NDWI El NDWI (Normalized Difference Water Index) El Índice de agua de diferencia normalizada es un índice espectral que utiilza las bandas infrarrojo cercano (NIR) e infrarrojo de onda corta (SWIR). La reflectancia SWIR refleja los cambios tanto en el contenido de agua de la vegetación como en la estructura esponjosa del mesófilo del canopeo, mientras que la reflectancia NIR se ve afectada por la estructura interna de la hoja y el contenido de materia seca, pero no por el contenido de agua. La combinación del NIR con el SWIR elimina las variaciones inducidas por la estructura interna y la materia seca, mejorando la precisión. La cantidad de agua disponible en la estructura interna de la hoja controla en gran medida la reflectancia espectral en el intervalo SWIR del espectro electromagnético. Por lo tanto, la reflectancia SWIR se relaciona negativamente con el contenido de agua en las hojas. Se utiliza en el monitoreo de contenido de agua en vegetación y fenómenos como sequías e inundaciones. Puede ser utilizado de manera complementaria al NDVI para monitorear el estado fisiológico de la vegetación. Sin embargo, es sensible al ruido que produce el suelo sin cobertura. En este caso se utilizará una herramienta que permite realizar operaciones matemáticas. Seleccione Raster Band maths... (Figura 4.2). En el casillero Band math expression deberá escribir la expresión matemática utilizando el nombre de las bandas y los correspondientes operadores. En este caso: (B8-B11)/(B8+B11) En la opción Name escriba ndwi, para asignarle un nombre a la nueva banda creada y presione OK, para finalizar.
22 Figura 4.2 – Álgebra de bandas.
Importante: Por defecto se crea una banda virtual que calcula los valores al vuelo. Para forzar el cálculo de la banda destilde la opción Virtual. El producto NDWI se cargará en Product Explorer . Para visualizarlo realice doble click sobre S2B_MSIL2A_2018-01-31 Bands y seleccione ndwi. Se desplegará la imagen en escala de grises. Compare y analice tal como lo hizo con el NDVI.
4.3. SAVI El SAVI (Soil Adjusted Vegetation Index), al igual que el NDVI utiliza la diferencia entre la absorción de la clorofila en el rojo y la reflectancia del infrarrojo cercano, con la ventaja de reducir el error que aporta la reflectancia del suelo, ajustandolo según el tipo de sustrato y porcentaje de cobertura. Para calcularlo, seleccione Optical Tematic Land Processing Vegetation Radiometric Indices SAVI Processor .
Se desplegará una nueva ventana (Figura 4.1). En Directory seleccione la carpeta de sa- lida para guardar el archivo en formato BEAM-DIMAP. Para finalizar presione Run . El producto SAVI se cargará en Product Explorer . Para visualizarlo realice doble click sobre S2B_MSIL2A_2018-01-31 Bands y seleccione savi. Se desplegará la imagen en escala de gri- ses. Compare y analice tal como lo hizo con el NDVI.
4.4. Visualización con paleta de colores
Una forma práctica de visualizar productos monobanda como el NDVI o SAVI es utilizando una paleta de colores, donde los valores bajos, intermedios y altos se muestren en forma
23 de gradiente. Despliegue el producto NDVI. En Colour manipulation podrá ver la distribución estadística de los pixeles (Figura 4.3). Seleccione la función import color palette from text file , allí encontrará disponibles varias paletas de colores, seleccione meris_veg_index. Se abrirá una pequeña ventana en la que figura la siguiente pregunta: Automatically distribuite points of colour palette between min/max?, presione Yes . La imagen aparecerá en tonos de verde, amarillo, naranja y marrón. Los valores NDVI altos se visualizarán en verde, los intermedios en amarillo y los valores bajos en marrón oscuro. Analice la relación entre los valores de los pixeles y los colores observados (Figura 4.4). Realice el mismo procedimiento para el SAVI.
Figura 4.3 – Herramienta de Manipulación de Color. En la opción Sliders se ob-
serva la distribución estadística de valores de NDVI. El recuadro verde marca el import color palette from text file
4.5. Cálculo de estadísticas zonales
En la práctica es bastante común calcular las estadísticas básicas a partir de un conjunto de pixeles de una misma cobertura, en lugar de observar un valor único. De este modo es posible calcular la media o la mediana, el desvío estándar y el coeficiente de variación entre otros parámetros. El procedimiento requiere varios pasos. En primer lugar generaremos vectores (polígonos de parches homogéneos) sobre los cuales se obtendrán las estadísticas.
24 Figura 4.4 – Herramienta de Manipulación de Color. En Sliders se observa la distribución estadística de valores de NDVI para la paleta de color meris.
4.5.1. Creación de vectores
En primer lugar deberá crear un contenedor de vectores que guardará los polígonos genera- dos. Para ello, seleccione Vector New Vector Data Container . El primer vector container creelo para Selva paranaense. Presione OK (Figura 4.5). Luego genere un vector container para cada uso y cobertura. A continuación realizaremos un polígono para cada uso y cobertura usando Polygon Drawing Tool (Figura 4.6), deberá dibujar el polígono sobre un parche homogéneo de la cobertura. Una vez que selecciona la herramienta, haga click sobre la imagen y se abrirá la ventana Select vector data container , elija en éste caso Selva paranaense y dibuje el vector. Sobre la imagen, haga un click por cada vértice que considere necesario y finalice el polígono con doble click. Puede crear varias geometrías dentro de un mismo contenedor. Repita este paso para todas las coberturas observadas.
Figura 4.5 – Herramienta Vector Container
Figura 4.6 – Herramientas para generar poligonos.
25 4.5.2. Cálculo de estadísticos Seleccione Analisis Statistics y se abrirá una nueva ventan (Figura 4.7). Tilde la opción Use ROI mask(s) para que se habilite la lista de vectores creados anteriormente. Elija el vector deseado y presione Refresh view .
Figura 4.7 – Cálculo de estadísticas en un polígono.
4.6. Actividad práctica
Visualice las imágenes de NDVI, NDWI y SAVI con la paleta de color meris_veg_index. Identifique: Selva paranaense Cultivo Suelo sin cobertura vegetal Agua del embalse Urugua-í Con la herramienta pixel info obtenga el valor del pixel de cada cobertura en las tres imá- genes y realice un cuadro comparativo. 1. Para el producto NDVI ¿Qué cobertura tiene mayor valor? ¿Qué cobertura tiene menor valor? ¿Qué significan los valores negativos? 2. Grafique las firmas espectrales para cada cobertura y analice cual es la relació n entre las bandas del Rojo e Infrarrojo cercano. 3. Para el producto NDWI ¿Qué cobertura tiene mayor valor? ¿Qué cobertura tiene menor valor? Compare con los valores de NDVI, ¿Qué ocurre y a qué se debe? 4. Para el producto SAVI ¿Qué cobertura tiene mayor valor? ¿Qué cobertura tiene menor valor? Compare con los valores de NDVI, ¿Qué ocurre y a qué se debe? Estas preguntas y actividades no serán evaluadas. Su objetivo es discutirlas en el foro de consultas e intercambio de la clase.
