Copernicus FPCUP IGNCNIG

El programa Copernicus aplicado a la producción y gestión de
la información geoespacial
Información geográfica, teledetección y

los Objetivos de Desarrollo Sostenible
Proyecto cofinanciado por la Comisión Europea

Framework Partnership Agreement 275/G/GRO/COPE/17/10042
Specific Grant Agreement number: 2018/SI2.810140/04
Índice
Índice ................................................................................................................................................................. 2
1 El contexto de los Objetivos de Desarrollo Sostenible .............................................................................. 3
1.1 Los Objetivos de Desarrollo Sostenible .............................................................................................. 4
1.1.1 Mediciones y monitorización – el marco de indicadores para los ODS ...................................... 5
1.1.2 La contribución a los ODS de la información geográfica............................................................ 6
2 La contribución de la teledetección a los Objetivos de Desarrollo Sostenible ........................................... 7
2.1 Retos futuros ..................................................................................................................................... 13
3 La contribución del programa europeo Copernicus a los Objetivos de Desarrollo Sostenible ................ 15
Referencias ...................................................................................................................................................... 17
Proyecto cofinanciado por la Comisión Europea mediante acuerdo 2018/SI2.810140/04 2

1 El contexto de los Objetivos de Desarrollo Sostenible
Bajo el concepto de desarrollo sostenible subyace el reconocimiento de unos factores fundamentales:
 Que el planeta tiene recursos finitos.
 Que la humanidad es cada vez más eficiente a la hora de extraer y convertir esos recursos.
Lo anterior combinado con un aumento significativo de la población a lo largo del siglo pasado y el presente,
junto con el nivel de desarrollo y consumo actual, resulta insostenible con una serie de consecuencias a
niveles medioambientales, sociales, económicos y políticos.
Las Naciones Unidas tienen un largo historial en perseguir y promover el desarrollo sostenible en la sociedad
y en establecer marcos de gobernanza para conseguirlo:
 1972 - Conferencia de Naciones Unidas en el Medio Ambiente (CNUMAH) en Estocolmo,
Suecia. Fue la primera conferencia de importancia a nivel de sostenibilidad medioambiental
suponiendo un punto de inflexión.
 1992 - Conferencia de Naciones Unidades sobre el Medio Ambiente y su Desarrollo
(CNUMAD) en Río de Janeiro, Brasil. Esto se conoció como “la Cumbre de la Tierra”. Incluyó la
denominada Agenda 21 llamando a una acción global en todas las áreas del desarrollo sostenible
abarcando desde lo social, lo económico y lo medioambiental y la iniciación de las 3 Convenciones
de Rio:
o La Convención marco sobre cambio climático (UNFCCC).
o El convenio sobre la diversidad biológica (CBD).
o La Convención de lucha contra la desertificación (UNCCD).
 2000 – Declaración del milenio que buscaba reducir la pobreza y establecer una serie de metas para
el año 2015, denominadas finalmente como los Objetivos de Desarrollo del Milenio (ODM).
 2002 – Cumbre mundial sobre el desarrollo sostenible en Johannesburgo, Sudáfrica.
 2012 – Conferencia de Naciones Unidas sobre Desarrollo Sostenible (Rio+20), en Rio de Janeiro,
Brasil, que resultó en el documento político “El futuro que deseamos”, el cual contenía indicaciones
para la implementación de medidas prácticas para conseguir la consecución de Objetivos de
Desarrollo Sostenible (ODS)
Todos estos esfuerzos tuvieron su continuación en septiembre de 2015, en la Asamblea General de las
Naciones Unidas, más de 150 jefes de Estado y de Gobierno se reunieron en la histórica Cumbre del
Desarrollo Sostenible, en la que aprobó la Agenda 2030 en la resolución 70/1. Esta Agenda contiene 17
objetivos de aplicación universal que, desde el 1 de enero de 2016, rigen los esfuerzos de los países para
lograr un mundo sostenible en el año 2030.
Los Objetivos de Desarrollo Sostenible (ODS) son herederos de los Objetivos de Desarrollo del Milenio
(ODM) y buscan ampliar los éxitos alcanzados con ellos, así como lograr aquellas metas que no fueron
conseguidas.
Estos nuevos objetivos presentan la singularidad de instar a todos los países, independientemente de su
riqueza, a adoptar medidas para promover la prosperidad al tiempo que protegen el planeta. Reconocen que
las iniciativas para acabar con la pobreza deben ir de la mano de estrategias que favorezcan el crecimiento
económico y aborden una serie de necesidades sociales, entre las que cabe señalar la educación, la salud, la
protección social y las oportunidades de empleo, a la vez que luchan contra el cambio climático y promueven
la protección del medio ambiente.
A pesar de que los ODS no son jurídicamente obligatorios, se espera que los gobiernos los adopten como
propios y establezcan marcos nacionales para su logro. Los países tienen la responsabilidad primordial del
seguimiento y examen de los progresos conseguidos en el cumplimiento de los objetivos, para lo cual es
necesario recopilar datos fiables, accesibles y oportunos. Las actividades regionales de seguimiento y

examen se basarán en análisis llevados a cabo a nivel nacional y contribuirán al seguimiento y examen a
nivel mundial.
1.1 Los Objetivos de Desarrollo Sostenible
La Agenda 2030 para el Desarrollo Sostenible es el conjunto de políticas consensuadas que guiarán a los
diferentes países a la hora de transformar las dimensiones sociales, económicas y medioambientales de las
personas y del planeta hasta al menos el año 2030. Se sustenta en 17 Objetivos de Desarrollo Sostenible
(ODS), 169 metas y un marco de indicadores que permiten medir y monitorizar el progreso.
Figura 1 Objetivos de Desarrollo Sostenible
Cada uno de los ODS informará sobre la manera en la que cada país y la comunidad internacional mide,
gestiona y monitoriza el progreso y comunicación sobre el crecimiento económico, inclusión social y
sostenibilidad medioambiental como pilares del desarrollo sostenible.
Objetivo de Desarrollo Sostenible Descripción

Acabar con la pobreza en todas sus formas en todos los
1 Fin de la pobreza
lugares.
Acabar con el hambre, conseguir la seguridad
2 Hambre cero alimentaria y mejora nutricional y promocionar la
agricultura sostenible.
Asegurar vidas saludables y promover el bienestar para
3 Salud y bienestar
todos en todas las edades.
Asegurar educación de calidad inclusiva e igualitaria y
4 Educación de calidad promocionar oportunidades de aprendizaje continuo
para todos.
Conseguir igualdad de género y el empoderamiento de
5 Igualdad de género
mujeres y niñas.
Asegurar la disponibilidad y la gestión sostenible de
6 Agua limpia y saneamiento
agua y saneamiento para todos.

Asegurar el acceso a la energía para todos de una
7 Energía asequible y no contaminante
manera asequible, fiable y sostenible.
Promover el crecimiento económico sostenido,
8 Trabajo decente y crecimiento económico inclusivo y sostenible, pleno empleo productivo y un
trabajo decente para todos.
Construir infraestructuras resilientes, promover la
9 Industria, innovación e infraestructura industrialización sostenible e inclusiva y promover la
innovación.
10 Reducción de las desigualdades Reducir la desigualdad a nivel nacional y entre países.
Transformar a las ciudades y asentamientos en
11 Ciudades y comunidades sostenibles
inclusivos, seguros, resilientes y sostenibles.
Asegurar unos patrones de consumo y producción
12 Producción y consumo responsables
sostenibles.
Tomar medidas urgentes para combatir el cambio
13 Acción por el clima
climático y sus impactos.
Conservación y uso sostenible de los océanos, mares y
14 Vida submarina
recursos marinos para el desarrollo sostenible.
Proteger, restaurar y promocionar el uso sostenible de
los ecosistemas terrestres, gestión sostenible de
15 Vida de ecosistemas terrestres
bosques, combatir la desertificación y parar y revertir la
degradación del territorio y la pérdida de biodiversidad.
Promover sociedades pacíficas e inclusivas para el
desarrollo sostenible, proporcionar acceso a la justicia
16 Paz, justicia e instituciones sólidas
para todos y construir instituciones eficientes,
inclusivas y responsables a todos los niveles.
Fortalecer los medios de implementación y revitalizar
17 Alianzas para lograr los objetivos
los acuerdos globales para el desarrollo sostenible.
Figura 2 Explicación de los diferentes ODS
1.1.1 Mediciones y monitorización – el marco de indicadores para los ODS
En apoyo de las mediciones y la monitorización del progreso hacia los 17 ODS, las Naciones Unidas
estableció un marco global de 232 indicadores que significan los medios que tienen los gobiernos de las
naciones para monitorizar de manera práctica y reportar hacia las 169 metas de la Agenda 2030.
Figura 3 Reporte del progreso hacia los ODS a partir de los indicadores. Importancia de la
información geográfica y de los datos de observación de la Tierra. Fuente: CEOS

La medida de algunos de los indicadores es perfectamente factible para la mayoría de los países en la
actualidad, mientras que otros requieren inversiones en la disponibilidad de datos auxiliares (geográficos y
georreferenciados entre ellos) y de metodologías robustas por parte de las agencias estadísticas nacionales y
de los ministerios responsables para poder desarrollar una serie consistente e interoperable de información.
1.1.2 La contribución a los ODS de la información geográfica
La Agenda 2030 (resolución 70/1 aprobada por la Asamblea General de Naciones Unidas el 25 de
septiembre de 2015), establece en su artículo 76 que:
Ayudaremos a los países en desarrollo, particularmente los países africanos, los países menos adelantados,
los pequeños Estados insulares en desarrollo y los países en desarrollo sin litoral, a fortalecer la capacidad
de sus oficinas de estadística y sus sistemas de datos estadísticos para asegurar el acceso a datos de gran
calidad, oportunos, fiables y desglosados. Promoveremos el aumento, con transparencia y rendición de
cuentas, de una cooperación adecuada entre los sectores público y privado para aprovechar una amplia
gama de datos, incluidos los de observación de la Tierra e información geoespacial, garantizando al mismo
tiempo que sean los propios países quienes se encarguen de apoyar y vigilar los progresos conseguidos.
Por lo tanto, al más alto nivel de las Naciones Unidas se reconoce la importancia que para la monitorización
de los ODS tiene este tipo de datos y servicios.
Para realizar el seguimiento hacia estos objetivos y metas asociadas, el marco de indicadores debe capturar
las ambiciosas y variadas aspiraciones que reflejen el desarrollo continuo de las naciones y las sociedades.
Una adecuada política de informes sobre estos indicadores requerirá el uso de diferentes tipos de datos, tanto
los que ya están disponibles como nuevas fuentes de datos ajenas a los sistemas estadísticos tradicionales, en
concreto datos de observación de la Tierra e información geográfica, empleando técnicas de procesamiento
de datos apropiados para grandes volúmenes de datos, el llamado big data.
En conjunto con lo anterior y en la misma línea, el 27 de julio de 2011 el Consejo Económico y Social de las
Naciones Unidas (ECOSOC) reconoció la necesidad de promover la cooperación internacional en el campo
de la información geoespacial global y decidió, a este respecto, establecer el Comité de Expertos sobre la
Gestión Mundial de la Información Geoespacial de las Naciones Unidas (Global Geospatial Information
Management – UN-GGIM) mediante Resolución ECOSOC 2011/24. En los Términos de Referencia, el
Comité estaría compuesto por expertos de todos los Estados Miembros, así como expertos de organizaciones
internacionales como observadores.
UN-GGIM tiene como objetivo desempeñar un papel de liderazgo en el desarrollo de la información
geoespacial mundial y promover su uso para abordar desafíos globales clave. Proporciona un foro para la
comunicación y la coordinación entre los estados miembros y las organizaciones internacionales. UN-GGIM,
junto con el Banco Mundial, consciente de que la información geoespacial muestra dónde se están
produciendo las circunstancias sociales, medioambientales y económicas, se esfuerza en establecer un marco
mediante el cual una información geográfica fiable y acreditada sirva para medir y gestionar los ODS para
mejorar la vida de las personas y proteger el planeta. Esta información, según UN-GGIM, integra todos los
datos digitales que tienen un componente de localización, desde características topográficas básicas que
ofrecen los mapas hasta conjuntos de datos complejos en múltiples capas.
Este apartado se tratará con más detalle en otro punto del curso, para poder tratar más en concreto la
contribución de la teledetección a los ODS.

2 La contribución de la teledetección a los Objetivos de Desarrollo
Sostenible
Los gobiernos, la industria y los científicos han demostrado desde hace tiempo la importancia crítica que la
observación de la Tierra tiene como fuente de información en apoyo de muchos sectores de la sociedad. La
observación de la Tierra, ya sea a partir de satélites, a través de sensores aerotransportados y mediante
sensores in-situ, proporciona información precisa y fiable sobre el estado de la atmósfera, océanos, costas,
ríos, suelos, cultivos, bosques, ecosistemas, recursos naturales, hielo, nieve, construcciones e infraestructuras
y su cambio con el paso del tiempo. Esta información está directa o indirectamente relacionada con el
funcionamiento de los gobiernos, los sectores económicos y prácticamente la totalidad de las actividades
cotidianas de la sociedad.
Los programas de observación de la Tierra representan las mayores inversiones a nivel global en relación a
las aplicaciones gubernamentales para las cuales se aplican dichas misiones, un factor que reconoce su
capacidad para afrontar retos tan críticos como el cambio climático, la disponibilidad de agua, la seguridad
alimentaria, la mitigación de desastres naturales, el transporte seguro, la seguridad de la energía y los
recursos energéticos, la agricultura, los bosques y los ecosistemas, las costas y los océanos, problemas de
salud pública y seguridad nacional.
Figura 4 Contribución a cada ODS de diferentes aspectos de información geográfica y estadística.

Fuente: Group on Earth Observations

A la hora de adoptar la Agenda 2030 para el Desarrollo Sostenible, los líderes mundiales reconocieron la
importancia que la observación de la Tierra y la información geoespacial podían tener a la hora de hacer todo
el marco posible a través de la provisión de evidencias, incluidas la monitorización de los indicadores con el
tiempo y apoyando la implementación de soluciones para alcanzar algunas metas específicas. El uso efectivo
de la información proveniente de la observación de la Tierra puede tener un impacto transformacional en
multitud de los retos más significativos de la humanidad en las próximas décadas, tal y como apoyar a los
científicos, a los diseñadores de políticas y a los políticos a una mejor y más eficiente protección de
ecosistemas frágiles, asegurar la resiliencia de las infraestructuras, gestionar riesgos climáticos, mejorar la
seguridad alimentar, construir ciudades más resilientes, reducir la pobreza y mejorar la gobernanza, entre
otros. Todo esto se refleja en la Figura 4.
A modo de resumen, las agencias espaciales a nivel global operan o tienen planeado operar más de 300 tipos
de misiones satelitales diferentes, las cuales embarcan alrededor de 900 instrumentos que permiten realizar
mediciones sobre la atmósfera, los océanos y las tierras emergidas, siendo la base de cientos de aplicaciones
relacionadas con asuntos que afectan las vidas diarias de los ciudadanos. Un buen catálogo donde hacerse
una idea de la cantidad de datos disponibles es a través de la GEOSS Common Infrastructure o GCI,
accesible mediante el enlace https://www.geoportal.org/.
Además de lo anterior, existen iniciativas privadas de observación de la Tierra que incluyen grandes
constelaciones de satélites más pequeños con la capacidad de proporcionar coberturas frecuentes o
mediciones repetitivas, las cuales también aumentan de manera importante en los últimos años. En
consecuencia, el uso efectivo de datos satelitales en apoyo de las agencias estadísticas nacionales y por parte
de las agencias de las Naciones Unidas crece y se hace más sencillo mediante:
 La disponibilidad de unos conjuntos de datos que no paran de crecer con unas características y
precisiones adecuadas.
 La llegada de soluciones técnicas asumibles para afrontar el tamaño y la complejidad de dichos
datos.
 La necesidad de evolucionar de aproximaciones estadísticas tradicionales a soluciones más basadas
en mediciones, ya que algunos retos suponen unas presiones de cuanto a plazos, precisiones y
frecuencias de datos que no son realistas con las aproximaciones más tradicionales.
Los beneficios clave que los datos de observación de la Tierra pueden ofrecer en el marco de los ODS y para
las agencias estadísticas nacionales de cara al informe de los indicadores:
 Los datos satelitales hacen posible el aspecto global del marco de indicadores globales de los ODS
puesto que para muchos de los indicadores, la cobertura y la frecuencia de las medidas a partir de las
cuales estos se derivan simplemente no serían factibles, tanto técnicamente como financieramente de
no usarse este tipo de datos.
 El potencial de permitir salidas estadísticas en plazos más cortos de tiempo para reducir la frecuencia
de la toma de datos tradicional, reducir la carga que estas tareas implican y los costes asociados y
proporcionar datos a un nivel más desagregado para una toma de decisiones mejor informada.
 Mejora en la precisión en el informe asegurando que los datos son más explícitos espacialmente y
que contribuyen directamente a informar las metas e indicadores, ayudando a proporcionar datos
estadísticos mejorados, validar estadísticas nacionales y proporcionar información sobre la
desagregación y granularidad de los indicadores (cuando sea relevante, sobre nivel de ingresos, sexo,
edad, raza, etnicidad, estatus migratorio, discapacidad e información geográfica en apoyo del
principio de no dejar a nadie atrás). Los datos de satélite pueden apoyar la evolución de
aproximaciones estadísticas a soluciones basadas en la medición frente a algunos desafíos,
incluyendo la relación con el medio ambiente y las poblaciones humanas.
A pesar de que la naturaleza de las medidas a partir de satélites varía de gran manera en relación con los
tipos de misiones espaciales y sus propias aplicaciones, existe una serie de características comunes que
permiten orientarlas a la obtención de algunos indicadores de ODS:
a) Escala: Las medidas a partir de los satélites pueden proporcionar datos a todas las escalas desde
nacionales, regionales a incluso globales. De hecho, son probablemente la única fuente de

información para muchos parámetros. Dependiendo de la aplicación y de la resolución, se pueden
obtener grandes áreas (incluso a nivel global) de datos en periodos de tiempo relativamente cortos y
con periodos de actualización que van desde el día hasta el año según permite la tecnología, lo cual
permite a su vez una rápida actualización de los indicadores tanto de día como de noche, con
cualquier tipo de condiciones meteorológicas.
b) Series temporales y continuidad: La continua adquisición de datos mediante satélites de manera
sistemática sobre largos periodos de tiempo, con algunas misiones remontándose hasta los años 70
del siglo pasado y las actuales misiones planificadas hasta 2030 e incluso más tiempo, proporcionan
a los gobiernos con evidencias únicas con las cuales monitorizar los progresos, incluyendo el
establecimiento de patrones para determinar futuras tendencias para cumplir y monitorizar
eventuales acuerdos, para mejorar las predicciones y para gestión y mitigación de riesgos.
c) Consistencia y comparabilidad: Los satélites proporcionan medios para la comparación efectiva de
resultados entre diferentes países que de otra manera sufrirían falta de estandarización en cuanto a
medidas y métodos, impidiendo los intentos para derivar comparaciones y obtener estadísticos
regionales.
d) Diversidad de mediciones: Los avances en la ciencia y en la instrumentación han resultado en una
increíble variedad y diversidad de misiones de observación de la Tierra con docenas de parámetros
geofísicos que son medidos de manera diaria a partir de satélites a diferentes órbitas. En el campo
del cambio climático, por ejemplo, existen algunas mediciones que de no ser por medio de satélites
sería imposible realizar: extensión de la superficie de hielo en los polos o el nivel del mar a escala
global.
e) Complementariedad con los métodos estadísticos tradicionales: Al mismo tiempo que los datos
de observación de la Tierra pueden emplearse para monitorizar diversos indicadores de los ODS,
pueden también ofrecer una fuente de datos complementaria y única para validar los dato in-situ
sobre determinadas variables, mejorar la comunicación y visualización de las dimensiones
geográficas del fenómeno relativo al indicador en cuestión y proporcionar una desagregación de los
indicadores cuando sea posible.
f) Aumento de datos libres y abiertos: No todas las naciones son capaces de desarrollar y lanzar sus
propias misiones de observación de la Tierra, aunque poco a poco el número de ellas van
desarrollando las capacidades para hacerlo. Por lo tanto, la disponibilidad de datos de estas misiones
para todas las naciones es fundamental para el uso efectivo y la obtención de un impacto global. Las
misiones de los Estados Unidos de América ya son disponibles desde hace bastantes años, y con el
programa europeo Copernicus y su política de datos libres y abiertos sobre datos de diferentes
satélites y servicios, la posibilidad de acceder a este tipo de datos por parte de países en vías de
desarrollo ha mejorado de manera considerable.
Además de todo lo anterior, las nuevas técnicas computacionales y el almacenamiento en la nube
aumentan la facilidad de la gestión y la aplicación de datos de observación de la Tierra que pueden
resultar grandes y complejos en ocasiones. Las agencias espaciales nacionales están priorizando los
esfuerzos para reducir el trabajo tedioso por parte de los usuarios finales mediante la generación de
Datos Preparados para el Análisis o ARDs por sus siglas inglesas (Analysis Ready Data).
Se han realizado diversos análisis para identificar metas específicas e indicadores sobre los cuales
pueden apoyar las observaciones mediante este tipo de sensores y cuales tienen potencial en el futuro.
Aunque los análisis pueden variar en sus conclusiones, todos están de acuerdo en los tipos de objetivos,
metas e indicadores a los que puede contribuir la observación de la Tierra. Sirva como ejemplo el estudio
realizado por el Group on Earth Observations (GEO) el Committee on Earth Observation Systems
(CEOS) mostrado en la Figura 5. El estudio realizado por GEO y CEOS indica que la observación de la
Tierra puede jugar un papel determinante en la mayoría de los 17 ODS. En concreto, cerca de 40 de las
169 metas (un cuarto de ellas aproximadamente) y cerca de 30 de los 232 indicadores (un octavo de
ellos) son de directa aplicación.

Figura 5 ODS, metas e indicadores a los que puede contribuir la observación de Tierra. Fuente:
EO4SDGs / CEOS
Un resumen visual para ver en qué ODS la observación de la Tierra tiene más peso puede verse en la Figura
6.
Figura 6 Proporción de la contribución de la observación de la Tierra en los diferentes ODS. Fuente:

CEOS

Pueden analizarse en detalle algunos de ellos. La siguiente tabla no incluye la lista exhaustiva de los ODS,
las metas y los indicadores mostrados en la Figura 5.
ODS Meta Indicador

2.4 Para 2030, asegurar la sostenibilidad de
los sistemas de producción de alimentos y
aplicar prácticas agrícolas resilientes que
aumenten la productividad y la producción, 2.4.1. Proporción de la
contribuyan al mantenimiento de los superficie agrícola en que
2 Hambre cero
ecosistemas, fortalezcan la capacidad de se practica una agricultura
adaptación al cambio climático, los fenómenos productiva y sostenible.
meteorológicos extremos, las sequías, las
inundaciones y otros desastres, y mejoren
progresivamente la calidad del suelo y la tierra
6.3 De aquí a 2030, mejorar la calidad del
agua reduciendo la contaminación, eliminando
el vertimiento y minimizando la emisión de
6.3.2. Proporción de
productos químicos y materiales peligrosos,
cuerpos de agua de buena
reduciendo a la mitad el porcentaje de aguas
calidad.
Agua limpia y residuales sin tratar y aumentando
6 considerablemente el reciclado y la
saneamiento
reutilización sin riesgos a nivel mundial.
6.6 De aquí a 2020, proteger y restablecer los 6.6.1. Cambio en la
ecosistemas relacionados con el agua, extensión de ecosistemas
incluidos los bosques, las montañas, los relacionados con el agua a
humedales, los ríos, los acuíferos y los lagos. lo largo del tiempo.
9.1 Desarrollar infraestructuras fiables,
9.1.1. Proporción de la
sostenibles, resilientes y de calidad, incluidas
Industria, población rural que vive a
infraestructuras regionales y transfronterizas,
9 innovación e menos de 2 kilómetros de
para apoyar el desarrollo económico y el
infraestructura una carretera transitable
bienestar humano, haciendo especial hincapié
todo el año.
en el acceso asequible y equitativo para todos
11.1.1. Proporción de la
11.1 De aquí a 2030, asegurar el acceso de
población urbana que vive
todas las personas a viviendas y servicios
en barrios marginales,
básicos adecuados, seguros y asequibles y
asentamientos informales
mejorar los barrios marginales
o viviendas inadecuadas.
Ciudades y 11.7.1. Proporción media
11 comunidades de la superficie edificada
sostenibles 11.7 De aquí a 2030, proporcionar acceso
de las ciudades que se
universal a zonas verdes y espacios públicos
dedica a espacios abiertos
seguros, inclusivos y accesibles, en particular
para uso público de todos,
para las mujeres y los niños, las personas de
desglosada por sexo, edad
edad y las personas con discapacidad.
y personas con
discapacidad
13.1 Fortalecer la resiliencia y la capacidad de 13.1.1. Número de

Acción por el adaptación a los riesgos relacionados con el personas muertas,
13 desaparecidas y afectadas
clima clima y los desastres naturales en todos los
países. directamente atribuido a
desastres por cada 100.000

personas.
14.6 De aquí a 2020, prohibir ciertas formas de
subvenciones a la pesca que contribuyen a la
sobrecapacidad y la pesca excesiva, eliminar
las subvenciones que contribuyen a la pesca
ilegal, no declarada y no reglamentada y 14.5.1. Cobertura de las
Vida abstenerse de introducir nuevas subvenciones zonas protegidas en
14
submarina de esa índole, reconociendo que la negociación relación con las zonas
sobre las subvenciones a la pesca en el marco marinas.
de la Organización Mundial del Comercio
debe incluir un trato especial y diferenciado,
apropiado y efectivo para los países en
desarrollo y los países menos adelantados.
15.1 Para 2020, velar por la conservación, el
restablecimiento y el uso sostenible de los
ecosistemas terrestres y los ecosistemas
interiores de agua dulce y los servicios que 15.1.1. Superficie forestal
proporcionan, en particular los bosques, los en relación a la total.
humedales, las montañas y las zonas áridas, en
consonancia con las obligaciones contraídas en
virtud de acuerdos internacionales
15.2 Para 2020, promover la gestión sostenible
de todos los tipos de bosques, poner fin a la
15.2.1. Avances hacia la
deforestación, recuperar los bosques
gestión forestal sostenible.
degradados e incrementar la forestación y la
Vida de reforestación a nivel mundial
15 ecosistemas
15.3 Para 2030, luchar contra la
terrestres
desertificación, rehabilitar las tierras y los 15.3.1. Proporción de
suelos degradados, incluidas las tierras tierras degradadas en
afectadas por la desertificación, la sequía y las comparación con la
inundaciones, y procurar lograr un mundo con superficie total.
una degradación neutra del suelo
15.4.1. Lugares
15.4 Para 2030, velar por la conservación de importantes para la
los ecosistemas montañosos, incluida su biodiversidad de las
diversidad biológica, a fin de mejorar su montañas incluidos en
capacidad de proporcionar beneficios zonas protegidas.
esenciales para el desarrollo sostenible 15.4.2. Índice de cobertura
verde de las montañas.
17.6 Mejorar la cooperación regional e
internacional Norte-Sur, Sur-Sur y triangular
17.6.1. Número de
en materia de ciencia, tecnología e innovación
acuerdos y programas de
y el acceso a estas, y aumentar el intercambio
Alianzas para cooperación en materia de
de conocimientos en condiciones mutuamente
17 lograr los ciencia o tecnología
convenidas, incluso mejorando la coordinación
objetivos suscritos por los países,
entre los mecanismos existentes, en particular
desglosado por tipo de
a nivel de las Naciones Unidas, y mediante un
cooperación
mecanismo mundial de facilitación de la
tecnología
Tabla 1 Desglose de algunos ODS, metas e indicadores asociados donde la observación de la Tierra
tiene un gran potencial. Fuente: CEOS

2.1 Retos futuros
A la vez que la Agenda 2030 gana inercia y los países consideran los aspectos prácticos para la medida,
monitorización y realización de informes de cientos de indicadores, se hace patente la necesidad de una
necesidad creciente para nuevas tecnologías de adquisición de datos y su integración. La Agenda 2030
representa una oportunidad única para que converjan los intereses de las comunidades del desarrollo
sostenible y de la observación de la Tierra, con ambas partes reconociendo la oportunidad y la mutua
dependencia de la otra para llegar al éxito:
 Sin la observación de la Tierra sería imposible, tanto técnica como financieramente, realizar un
seguimiento de un gran número de indicadores.
 El uso de datos de observación de la Tierra dentro de sistemas gubernamentales y estadísticos han
sido, de hecho, más lentos que las posibilidades brindadas por la tecnología, causando frustración en
los proveedores de datos como las agencias espaciales. El marco global de indicadores representa
una oportunidad para la comunidad de observación de la Tierra de demostrar el valor de los
conjuntos de datos para la toma de decisiones basadas en evidencias.
En línea con lo anterior, y con el objetivo de subrayar el importante rol que tienen los datos en el apoyo de la
Agenda 2030, se celebró el Primer World Data Forum de Naciones Unidas en 2017, el cual resultó en el
Plan de Acción para los datos de Desarrollo Sostenible de Ciudad del Cabo (Sudáfrica). En dicho plan
de acción se hacía una llamada a los líderes mundiales, gobiernos y a la comunidad internacional para
modernizar los sistemas estadísticos nacionales, diseminar datos de desarrollo sostenible, construir acuerdos
y movilizar recursos.
Con el reconocimiento de que los datos constituyen el esqueleto de los ODS viene la realidad, en la que
muchos países tienen francas dificultades tanto a nivel institucional como técnico para implementar este plan
de acción. Existen aún grandes impedimentos para la provisión de infraestructuras de la información, tanto
para acceder a datos de observación de la Tierra como otras que permitan traducir estos datos a información
para la toma de decisiones.
Aunque la tendencia del big data a priori complica más las tareas necesarias para poder hacer uso de este
tipo de datos, ocurre que:
 El almacenamiento en la nube y el aumento en la capacidad de computación podría hacer innecesaria
la necesidad de crear sistemas centralizados de información geoespacial en países donde esto sea
difícil, de la misma manera que la telefonía móvil ha permitido superar la barrera de la ausencia de
infraestructura telefónica en numerosas regiones del mundo.
 Cada vez existe un número mayor de satélites de observación de la Tierra que proporcionan datos
libres y abiertos, permitiendo a todos los países beneficiarse de estas inversiones en infraestrucutras
espaciales. En este sentido el programa europeo Copernicus es uno de los mayores agentes.
 En la actualidad se estima que más de varios miles de millones de personas aún no tienen acceso a
internet y a los beneficios de la conectividad. El acceso universal a internet se reconoce como una
parte importante de los ODS y algunas de las más grandes empresas tecnológicas del mundo se han
comprometido a llevarlo a cabo en los próximos años.
En cuanto a la propia gestión de los datos, es evidente que el volumen de datos es extremadamente grande, y
por ello tanto agencias públicas como el sector privado se encuentran explorando nuevas estrategias para su
manejo, pretendiendo al mismo tiempo que el acceso y análisis de esos datos pueda ser realizado por
usuarios de cualquier tipo y género, y no sólo grandes instituciones altamente especializadas:
 Existen laboratorios virtuales como por ejemplo Google Earth Engine o los Copernicus Data and
Information Access Services (DIAS), que están cambiando la perspectiva de los usuarios al
conseguir llevar los datos a los usuarios de una manera efectiva proporcionando formatos más
simples y medios de análisis.
 Muchos usuarios no tienen la capacidad técnica ni financiera para realizar la calibración y el pre-
procesado de los datos necesarios para extraer la información a partir de unos datos de observación

de la Tierra. Las agencias espaciales están especializándose en estos asuntos y por ello están
generando Datos Preparados para el Análisis, o Analysis Ready Data (ARDs). En esta línea es
destacable la iniciativa del OpenDataCube (https://www.opendatacube.org/) basado en la experiencia
de Geoscience Australia.
Figura 7 Fundamente del DataCube. Fuente: Geoscience Australia
Otro de los aspectos fundamentales es el hecho de que las agencias cartográficas y estadísticas viven en los
últimos años unas transformaciones importantes debidas a las nuevas tecnologías y las nuevas metodologías
de adquisición y depuración de datos. Existe una tentación a la hora de adoptar nuevos métodos de descartar
lo anterior por poco preciso. Es fundamental que estas instituciones desarrollen metodologías para garantizar
la continuidad a lo largo de los años y décadas para garantizar la continuidad en la serie de datos. Esto
también aplica a las agencias espaciales a la hora de diseñar las nuevas misiones, las cuales deben garantizar
continuidad con las anteriores y evitar, en la medida de lo posible, periodos temporales con ausencia de
datos.

3 La contribución del programa europeo Copernicus a los
Objetivos de Desarrollo Sostenible
El programa espacial Copernicus de la Comisión Europea (http://copernicus.eu) es un programa de
observación de la Tierra y de su monitorización de la Unión Europea, que tiene como objetivo la vigilancia
de nuestro planeta. Es un programa público financiado por la Unión Europea, por lo que supone que es
propiedad de todos los ciudadanos europeos, quienes son los últimos dueños y beneficiarios. No obstante lo
anterior, tiene una vocación global con una política de datos libre y abierta, mediante el cual pretende servir
de ayuda a cualquier nación del mundo.
El programa cuenta con una constelación de satélites (los Sentinel, el componente espacio del programa),
una gama de servicios que abordan temáticas como vigilancia terrestre, oceánica, meteorológica o de
seguridad (componente servicios del programa), y un amplio conjunto de datos generados a nivel nacional
como pueden ser fotografías aéreas, tecnologías LiDAR o mapas entre otros (componente in-situ del
programa). De esta manera se ha posicionado como un importante actor en la monitorización de los ODS de
acuerdo con los anteriores párrafos gracias a su política de datos abiertos en los componentes espacio y en
determinados servicios. Así se refleja en el documento “European Global Navigation Satellite System and
Copernicus: Supporting the Sustainable Development Goals” de la Oficina de las Naciones Unidas para los
Asuntos del Espacio Ultraterrestre (UNOOSA).
Con más de 8 petabytes de datos por año, Copernicus es el tercer proveedor mundial de datos. Nunca en la
historia ha habido una iniciativa de observación de la Tierra que haya puesto de manera libre y abierta a
disposición de los todos los usuarios una cantidad tan grande de datos.
Más detalles sobre el programa será proporcionado a lo largo del curso, pero en este punto del curso interesa
reflejar diversos análisis que indican de qué manera el programa Copernicus ayuda a la consecución de los
diferentes ODS. La siguiente tabla realiza una distinción entre su uso como elemento de monitorización y
como elemento de consecución de una determinada meta o indicador asociado a un ODS.
Contribución para Contribución para

ODS monitorización de consecución de Ejemplo de contribución
meta/indicador meta/indicador
Predicción de desastres
naturales
1 Fin de la pobreza Limitada Significativa
Optimización en la
productividad de cultivos
Optimización en la
productividad de cultivos
2 Hambre cero Significativa Significativa
Optimización y gestión de
ganado
Prevención de enfermedades
3 Salud y bienestar Significativa Significativa Control de calidad de aire y
reducción de polución
4 Educación de calidad - - -
5 Igualdad de género - - -
Agua limpia y Control de la calidad del agua

6 Significativa Significativa
saneamiento Previsión meteorológica
7 Energía asequible y Limitada Significativa Control de infraestructuras

no contaminante Emplazamientos de energía
solar y eólica
Trabajo decente y Apoyo al crecimiento del
8 crecimiento Limitada Significativa producto interior bruto de los
económico países
Industria, innovación Mapeo y monitorización de
9 Limitada Significativa
e infraestructura infraestructuras
Reducción de las
10 - - -
desigualdades
Planeamiento urbano
Ciudades y Control de infraestructuras
11 comunidades Significativa Significativa Monitorización de calidad de
sostenibles aire
Gestión de desastres
Producción y consumo
12 Significativa Significativa Gestión de recursos naturales
responsables
Monitorización del cambio
13 Acción por el clima Significativa Significativa climático
Gestión de desastres
Mapeo y monitorización de
14 Vida submarina Significativa Significativa
áreas protegidas
Vida de ecosistemas Monitorización de parámetros
15 Significativa Significativa
terrestres bio-geofísicos en superficie
Paz, justicia e
16 - - -
instituciones sólidas
Alianzas para lograr Iniciativas de cooperación
17 Significativa Limitada
los objetivos internacional
Tabla 2 Contribuciones significativas a los ODS por parte del programa espacial europeo Copernicus.
Fuente: UNOOSA

Referencias
[1] https://www.un.org/sustainabledevelopment/es/objetivos-de-desarrollo-sostenible/
[2] A/RES/71/313 Anexo. Marco de indicadores mundiales para los Objetivos de Desarrollo Sostenible y
metas de la Agenda 2030 para el Desarrollo Sostenible.
[3] Earth Observations in support of the 2030 Agenda for Sustainable Development. Group on Earth
Observations, Marzo 2017.
[4] European Global Navigation Satellite System and Copernicus: Supporting the Sustainable
Development Goals. Office for outer space affairs. United Nations Office at Vienna. January 2018.
[5] Satellite Earth observations in support of the Sustainable Development Goals. Special 2018 edition.
European Space Agency.

Fundamentos de teledetección aplicada

Índice
Índice ................................................................................................................................................................. 2
1 Introducción a la teledetección ................................................................................................................... 3
1.1 Marco histórico y situación actual de la teledetección........................................................................ 3
1.2 Ventajas y aplicaciones de la teledetección ........................................................................................ 3
1.2.1 Aplicación a las emergencias ....................................................................................................... 4
1.2.2 Aplicación a la agricultura ........................................................................................................... 4
1.2.3 Estudios de biodiversidad ............................................................................................................ 5
2 Principios físicos de la teledetección.......................................................................................................... 7
2.1 Cómo se captura la información ......................................................................................................... 7
2.2 El espectro electromagnético .............................................................................................................. 7
2.3 Ventanas atmosféricas......................................................................................................................... 8
2.4 Comportamiento espectral de las cubiertas ......................................................................................... 9
2.5 Firmas espectrales ............................................................................................................................. 10
2.5.1 Comportamiento espectral de la cubierta vegetal ...................................................................... 11
3 Satélites de observación de la Tierra ........................................................................................................ 12
3.1 Tipos de órbitas ................................................................................................................................. 12
3.2 Tipos de sensores .............................................................................................................................. 13
3.3 Principales misiones de observación de la Tierra ............................................................................. 14
3.3.1 El programa Landsat .................................................................................................................. 14
3.3.2 El programa SPOT ..................................................................................................................... 15
3.4 Principales misiones de observación de la Tierra ............................................................................. 16
4 Procesamiento de imágenes multiespectrales........................................................................................... 17
4.1 Formatos y visualización .................................................................................................................. 17
4.1.1 Formatos de imagen ................................................................................................................... 17
4.1.2 Visualización de imágenes multibanda o multiespectrales ........................................................ 18
4.2 Correcciones geométricas ................................................................................................................. 20
4.3 Correcciones atmosféricas ................................................................................................................ 20
4.4 Tratamientos radiométricos............................................................................................................... 22
4.4.1 Equilibrados Radiométricos ....................................................................................................... 22
4.4.2 Mosaicos .................................................................................................................................... 22
4.4.3 Realces o expansión del histograma .......................................................................................... 24
4.4.4 Filtros ......................................................................................................................................... 25
4.4.5 Pansharpening ............................................................................................................................ 26

1 Introducción a la teledetección
La teledetección es la técnica para detectar objetos terrestres a distancia. Para hacer teledetección se necesita
un sensor que sea capaz de registrar radiación electromagnética de la superficie de la Tierra, los objetos
terrestres y la plataforma portadora de ese sensor. La técnica de teledetección también incluye todo el trabajo
realizado a posteriori con esas imágenes, es decir, su procesamiento e interpretación.
Cuando el sensor va a bordo de un satélite hablamos de teledetección espacial, si captura información desde
un avión se habla de teledetección aerotransportada.
El objetivo de este módulo del curso será adquirir un conocimiento básico y general sobre teledetección
espacial.
Figura 1 Teledetección espacial
1.1 Marco histórico y situación actual de la teledetección

Los resultados obtenidos en el estudio de recursos naturales terrestres con los datos de los primeros satélites
meteorológicos y las misiones espaciales tripuladas, impulsaron el desarrollo por la NASA del programa
ERTS (Earth Resources Technological Satellite) conocido también como Programa LANDSAT.
LANDSAT 1 fue el primer satélite específicamente dedicado a teledetección terrestre. Fue puesto en órbita
por el gobierno de Estados Unidos en julio de 1972 y estuvo operativo hasta principios de 1978. El último de
esta constelación, el LANDSAT 8 se lanzó al espacio en febrero de 2013.
A raíz del éxito de los satélites LANDSAT, muchos países decidieron disponer de sus propios satélites para
observación de la Tierra. Algunos ejemplos son: la serie de satélites SPOT franceses, RADARSAT
canadiense, el ALOS de Japón, IRS de la India, la constelación de METEOSAT Europea, y gran cantidad de
satélites de muy alta resolución (tamaño de píxel menor de 1 metro) que orbitan hoy en día la Tierra (como
Geoeye, World-View, Pleiades, Deimos 2, etc.)
Hoy en día, hay permanentemente en órbita centenares de satélites de observación de la Tierra que generan
miles de imágenes cada día para aplicaciones de uso civil y militar. Podemos decir que “la Tierra está muy
bien observada”.
1.2 Ventajas y aplicaciones de la teledetección

Las principales ventajas que aporta la teledetección espacial frente a los trabajos de campo son:
 Monitorización global de la tierra.
 Permite realizar estudios de regiones más amplias.
 Observación a distintas escalas.

 Permite estudios multitemporales con mayor periodicidad.
 Multidisciplinariedad: es útil es muchas disciplinas.
Todas estas ventajas han propiciado el desarrollo y utilización de la teledetección de manera sistemática en
múltiples disciplinas tales como: agricultura, medio ambiente, cartografía, urbanismo, etc.
A continuación, vamos a describir algunos ejemplos de aplicaciones actuales, y los tipos de imágenes que se
requieren para cada aplicación.
1.2.1 Aplicación a las emergencias
Por ejemplo: incendios forestales, inundaciones, vertidos de petróleo, terremotos…etc. Son aplicaciones en
las que requieren imágenes con alta frecuencia temporal en el periodo de tiempo que se están produciendo el
fenómeno. En estos casos es donde más se utilizan imágenes radar, ya que pueden tomar imágenes en
cualquier momento del día o de la noche y en condiciones meteorológicas. Para estos casos se buscan
también plataformas satelitales que posean “constelaciones” de satélites, iguales o complementarios, para
recoger la información demandada con la frecuencia requerida.
Figura 2 Imagen del sensor MODIS. Incendios declarados en la Comunidad Valenciana, España
1.2.2 Aplicación a la agricultura
La teledetección permite clasificar los tipos de cultivos que aparecen en las imágenes y ayuda a conocer el
estado fenológico de cada cultivo mediante las firmas espectrales, por lo que puede ser utilizada para:
 Obtener estadísticas de superficies de cultivos.
 Evolución de superficies ocupadas por cultivos.
 Seguimiento del estado vegetativo de los cultivos y detección de anomalías.
 Gestión del agua de riego y control de su aplicación.
 Agricultura de precisión: predicción del rendimiento de los cultivos y del momento óptimo para su
cosecha.

Para estas aplicaciones será necesario disponer de imágenes con una frecuencia temporal que permita hacer
un buen seguimiento de los cultivos (de media se necesitará frecuencia semanal o quincenal como mucho).
Figura 3 Imagen Landsat en falso color. Identificación de cultivos de regadío
1.2.3 Estudios de biodiversidad
La teledetección permite clasificar los tipos de suelo o coberturas vegetales que aparecen en las imágenes,
por lo que puede ser utilizada para:
 Seguimiento de especies y poblaciones animales.
 Realizar cartografía e inventarios de la cobertura vegetal del suelo.
 Evaluar las condiciones de estrés en la vegetación por los efectos de la sequía o la deforestación.
La siguiente imagen es el llamado “índice de vegetación” (NDVI, Normalized Difference Vegetation Index)
obtenido para toda la Tierra a partir de imágenes del sensor MODIS, con 1 Km de tamaño de píxel. A golpe
de vista permite hacerse una buena idea de dónde se encuentran localizadas las zonas de mayor vegetación
en el mundo y donde los grandes desiertos.
Figura 4 Distribución de la vegetación a nivel mundial

En la mayoría de las aplicaciones descritas, la teledetección se combina con otras técnicas o con otras fuentes
de datos para llegar al resultado final, es decir, que muchas veces la teledetección funciona como apoyo para
conseguir mejores resultados.

2 Principios físicos de la teledetección
2.1 Cómo se captura la información
Los factores que intervienen en la formación de una imagen por teledetección, cuando se utilizan sensores
pasivos son:
Figura 5 Elementos en un sistema de teledetección
a) Fuente de iluminación: en el caso de los sensores pasivos es el Sol.

b) Sensor que registra la energía del sol reflejada por la superficie de la Tierra.
c) Antena en Tierra para recepción de la información capturada por los sensores.
d) Software adecuado para el procesamiento y análisis de la información.
e) Usuarios de los distintos productos obtenidos de los procesos anteriores.
El sensor captura la energía que refleja la Tierra procedente del sol, la discretiza y almacena y la transmite a
una estación de recepción y procesamiento en la Tierra donde los datos se convierten en imágenes digitales.
La imagen procesada se interpreta, visualmente y/o digitalmente, para extraer información acerca de los
objetos que fueron iluminados.
2.2 El espectro electromagnético

Las partes del espectro electromagnéticas más utilizadas en teledetección (según su longitud de onda) son:
 El espectro visible: se llama así a la región del espectro comprendida entre 0,4 y 0,7 micrómetros
aproximadamente. Es la única radiación electromagnética que el ojo humano puede percibir. Dentro
del espectro visible se pueden distinguir tres franjas: el azul (de 0,4 a 0,5 μm), el verde (de 0,5 a 0,6
μm) y el rojo (de 0,6 a 0,7 μm).
 El infrarrojo cercano (NIR, Near Infrared): se llama así a la región del espectro comprendida
entre 0,7 y 1,3 micrómetros aproximadamente. Resulta de especial importancia para discriminar
masas vegetales y concentraciones de humedad porque estas cubiertas tienes picos de reflectancia en
este intervalo del espectro.
 El infrarrojo medio (SWIR, Short Wave Infrared): se llama así a la región del espectro
comprendida entre 1,3 y 8 micrómetros aproximadamente. Resulta idóneo para estimar contenidos
de humedad en la vegetación y para detección de focos de temperatura.

 El infrarrojo térmico (TIR, Thermal Infrared): se llama así a la región del espectro comprendida
entre 8 y 100 micrómetros aproximadamente. Detecta el calor proveniente de la mayor parte de las
cubiertas terrestres.
 Las microondas: comprenden la región del espectro a partir de 1 mm hasta 1 metro. Se utilizan en
teledetección porque es un tipo de radiación bastante transparente a las cubiertas nubosas, es decir,
que atraviesa bastante las nubes.
Se suele llamar dominio óptico del espectro a la parte visible e infrarroja, hasta el SWIR, puesto que es la
parte que comúnmente capturan los sensores ópticos
Figura 6 El espectro electromagnético
2.3 Ventanas atmosféricas

Son las zonas del espectro en las que se produce menor absorción y dispersión por la atmósfera, y por tanto
son las más útiles para colocar las bandas de los sensores a bordo de satélites.
Como vemos la zona del visible corresponde simultáneamente con el máximo de energía emitida por el sol y
con una “ventana” atmosférica.
Figura 7 Ventanas atmosféricas y su relación con el máximo de energía emitida por el Sol

2.4 Comportamiento espectral de las cubiertas
Cuando la radiación procedente del sol (llamada radiación incidente) incide en las distintas cubiertas
terrestres, puede ser reflejada por la superficie de la Tierra, puede ser transmitida, absorbida o dispersada. En
el siguiente gráfico se representan los distintos tipos de comportamiento
Figura 8 Comportamiento de la radiación incidente
La cantidad de energía que es reflejada, transmitida o absorbida por la superficie terrestre depende de la
longitud de onda de la radiación incidente y de las características de cada cubierta (propiedades químicas,
rugosidad, etc.).
La siguiente ilustración representa las distintas técnicas existentes en teledetección según el tipo de radiación
capturada por los sensores:
Figura 9 Técnicas utilizando la radiación visible e infrarroja (izquierda); técnicas utilizando la

radiación del infrarrojo térmico (centro); técnicas utilizando las microondas (derecha)
Hay que aclarar que los sensores a bordo de satélites no miden directamente la radiación reflejada por las
cubiertas de la superficie terrestre, puesto que cuando llega al sensor se ha visto afectada por la atmósfera
que modifica los valores originales. La energía reflejada sufre procesos de dispersión y absorción al
interactuar con los componentes gaseosos y los aerosoles de la atmósfera.

A la radiación electromagnética que miden los sensores se le llama Radiancia (L), que se define como la
cantidad de energía electromagnética que pasa a través o es emitida desde un área en particular, confinada en
un ángulo sólido en una dirección específica. El ángulo sólido tiene su vértice en la apertura del sistema
sensor y base en la superficie de reflexión. Cuando la radiancia se refiere a una porción concreta del espectro
electromagnético se le denomina radiancia espectral (Lλ).
Mediante los cálculos adecuados, habrá que transformar estas radiancias espectrales medidas por los
sensores en reflectividades propias de cada cubierta para poder elaborar firmas espectrales.
En el siguiente gráfico se muestran los pasos a seguir para obtener firmas espectrales a partir de los niveles
digitales que proporciona el sensor:
Figura 10 Flujo para obtener
La reflectividad es característica de cada tipo de cubierta y permite diferenciarla de otras, y a partir de

esta variable se podrán elaborar las firmas espectrales para cada material que veremos más adelante.
2.5 Firmas espectrales

A partir de las reflectividades en superficie calculadas, se pueden obtener las firmas espectrales de las
distintas cubiertas terrestres.
La firma espectral de una cubierta representa la variación de la reflectividad en superficie de una cubierta
en función de la longitud de onda de la radiación incidente.
La superficie de la Tierra está formada por un conjunto heterogéneo de cubiertas con un comportamiento
espectral distinto. Cada material, cada sustancia o cada ser vivo reflejan y emiten energía electromagnética
de forma distinta, y por tanto cada uno tendrá una firma espectral característica que lo identifica.
En el siguiente gráfico se representa la firma espectral de 4 tipos de cubiertas: agua, vegetación sana,
hormigón y nieve.
Figura 11 Firmas espectrales de las principales cubiertas

Sólo el estudio del comportamiento espectral de las distintas cubiertas terrestres es una parte muy extensa
dentro del proceso de teledetección. Aquí vamos a estudiar algunos ejemplos de las cubiertas más
características.
2.5.1 Comportamiento espectral de la cubierta vegetal
La reflectancia de la vegetación sana es bastante baja en la parte del espectro electromagnético

correspondiente al visible. Esto es así porque la mayor parte de la energía de ese tipo que llega a las hojas es
absorbida, y una cantidad mucho menor es reflejada.
Figura 12 Comportamiento espectral de la cubierta vegetal

3 Satélites de observación de la Tierra
Los satélites de observación de la Tierra varían en función del tipo de órbita que describen y en cuanto a los
sensores: la resolución espacial, y las bandas espectrales. Todos esos parámetros se definen al principio de la
misión, dependiendo de la aplicación a la que se vaya a destinar el satélite.
3.1 Tipos de órbitas

Hay dos tipos principales de órbitas en las que se colocan los satélites de observación de la Tierra:
a) Órbitas geoestacionarias
A unos 35.900 Km, un satélite que orbite sobre el ecuador está estacionario con respecto a la Tierra, volando
siempre sobre el mismo punto, ya que el tiempo que se tarda en realizar una órbita completa es de 24 horas,
lo que corresponde al tiempo de rotación de la Tierra.
Un satélite geoestacionario aporta por tanto la ventaja de que siempre ve la Tierra desde la misma
perspectiva, por lo que puede registrar la misma imagen a breves intervalos de tiempo. Esto es
particularmente útil para observar las condiciones meteorológicas. También tiene la ventaja, al estar en una
órbita lejana, de que puede tomar una imagen completa de todo el disco de la Tierra (parte de la Tierra que se
ve desde un punto del espacio).
El inconveniente de las órbitas geoestacionarias es la gran distancia a la Tierra, que reduce la resolución
espacial que se puede lograr. Existen varios satélites meteorológicos distribuidos regularmente sobre la
órbita geoestacionaria, cubriendo todo el mundo y proporcionando una visión global. También estas órbitas
son empleadas por muchos satélites de telecomunicaciones, incluida la televisión.
Figura 13 Satélites en órbitas geoestacionarias
b) Órbitas heliosíncronas
Son órbitas polares o cuasi polares (casi pasan por los polos). Muchos satélites de teledetección están
equipados con sensores pasivos que dependen de la iluminación solar. Al ir midiendo la reflexión de la luz
solar procedente de la Tierra se deben ajustar sus órbitas al ritmo del día y de la noche. Esto es importante
para poder comparar imágenes registradas a lo largo de un periodo de tiempo, para lo que las condiciones de
luz deben ser lo más parecidas posible. Los registros deben tener lugar a la misma hora local del día para que
el plano de la órbita del satélite debe permanecer a un ángulo constante a la luz del Sol. Estos requisitos
pueden cumplirse situando el satélite en una órbita heliosíncrona.
Mientras el satélite avanza en su órbita, la Tierra gira sobre su eje. Cada vez que el satélite completa una
vuelta se escanea una nueva franja de la superficie de la Tierra y, pasado un cierto número de vueltas, se
habrá obtenido toda la superficie de la Tierra. Algunos satélites escanean una franja ancha cada vez y pueden
de este modo cubrir la totalidad de la superficie de la Tierra en unas pocas vueltas. Por contra, los satélites de
alta resolución que escanean sólo tiras finas tardan varios días en completar la cobertura de la Tierra.

Figura 14 Satélite en órbita heliosíncrona
3.2 Tipos de sensores

El dispositivo utilizado para adquirir imágenes se suele denominar “sensor”. Una clasificación general de los
sensores de observación de la Tierra se realiza atendiendo a la forma de “trabajar” para registrar la radiación
electromagnética:
 Sensores pasivos: se llaman así porque no emiten ningún tipo de radiación. Solo capturan la
información procedente de la radiación solar que refleja la Tierra o que emiten los propios objetos
terrestres.
 Sensores activos: se llaman así porque emiten ellos mismos la radiación electromagnética que se
refleja en los objetos y miden la energía que se devuelven reflejada al sensor (proceso de escaneo de
la superficie terrestre)
Figura 15 Tipos de sensores en teledetección
Los sensores pasivos se clasifican según del número de bandas o canales espectrales de las imágenes
adquiridas:
 Sensores pancromáticos: capturan información en una sola banda, normalmente en el rango entre la
radiación visible y el infrarrojo próximo. Las imágenes obtenidas se visualizan en escala de grises.
 Sensores multiespectrales: capturan información en varias bandas, asignando una banda para cada
rango del espectro electromagnético del que pueden capturar información.
 Sensores hiperespectrales: cuando el número de bandas en el que capturan información es muy
elevado, llegando a varias centenas, se habla de sensores hiperespectrales. Hoy en día son los menos

numerosos a bordo de satélites pero su número se está incrementando debido a la creciente demanda
de este tipo de imágenes.
Figura 16 Formación de una imagen con sensor multiespectral
Los sensores activos se clasifican dependiendo de la longitud de onda en que trabajan. Para trabajos de
teledetección se distinguen dos tipos de sensores activos:
 Sensores RADAR (RAdio Detection And Ranging) en el rango de las microondas.
 Sensores LiDAR (LIght Detection and Ranging) emite pulsos de luz láser entre el ultravioleta y el
infrarrojo cercano.
Los sensores LIDAR permiten obtener mayor detalle en la observación que los sensores RADAR porque
trabajan con longitudes de onda más pequeñas pero, por el contrario, el láser no puede atravesar las nubes.
Los sensores LiDAR no se suelen utilizar en teledetección espacial, y normalmente se colocan a bordo de
aviones.
Los sistemas radar se verán con detalle más adelante en el tema de teledetección RADAR.
3.3 Principales misiones de observación de la Tierra

De acuerdo con los datos de la NASA a fecha de septiembre de 2018 existían alrededor de 4.000 satélites
operativos orbitando la Tierra, de los cuales más de 100 estaban dedicados a la observación de la Tierra
desde el espacio o teledetección espacial con distintos objetivos y escalas.
Aquí vamos a citar algunos de los más conocidos a nivel mundial para tener una idea global, aunque
sabiendo que existen muchos otros. Podéis encontrar información sobre todas ellas en el siguiente sitio web:
https://directory.eoportal.org/web/eoportal/satellite-missions/
3.3.1 El programa Landsat
Los Landsat son una serie de satélites construidos y puestos en órbita por Estados Unidos para la
monitorización de la superficie terrestre. Todos con órbita circular heliosincrónica, a 705 km de altura,y con
una inclinación de 98.2º respecto del Ecuador. La órbita de los satélites está diseñada de tal modo que cada
vez que éstos cruzan el Ecuador lo hacen de Norte a Sur sobre las diez de la mañana hora local. Los Landsat
están equipados con sensores específicos para la teledetección multiespectral en el rango óptico del espectro
electromagnético.
El Landsat 1 se lanzó al espacio en 1972; el siguiente el Landsat 2 en 1975, el Landsat 3 en 1978, el Landsat
4 en 1982, el Landsat 5 en 1985, el Landsat 6 tuvo el lanzamiento fallido en 1993, el Landsat 7 en 1999, y el
último de la serie por ahora, el Landsat 8, fue lanzado en febrero de 2013. Los dos últimos siguen en
funcionamiento, adquiriendo imágenes con un tamaño de pixel de 30 metros (más un pancromático de 15 m)
y un periodo de revisita de 16 días cada satélite y desfasados 8 días entre ellos.

Durante más de 47 años los satélites Landsat han adquirido información espectral de la superficie de la
Tierra, creando un archivo de imágenes inigualable en todo el mundo en cuanto a antigüedad, continuidad,
cobertura mundial y detalle.
Figura 17 Satélite Landsat 8
La NASA mantiene desde hace varios años una política de distribución gratuita de imágenes. Se pueden
descargar a través del catálogo del USGS: http://earthexplorer.usgs.gov/.
3.3.2 El programa SPOT
Los Spot son una serie de satélites desarrollados por el CNES (Centro Nacional de Estudios Espaciales de
Francia) para la monitorización de la superficie terrestre. Su órbita alrededor de la Tierra es heliosíncrona,
casi polar y circular, a 822 km de altura.
Figura 18 Sucesivos satélites SPOT
El Spot 1 se lanzó en 1986; Spot 5 en 2002, Spot 6 en 2012 y el último lanzado fue el Spot 7 en junio de
2014. Estos dos últimos siguen en funcionamiento, y conjuntamente permiten la observación diaria de
prácticamente cualquier punto del globo terráqueo con una resolución de 1.5 metros.
El satélite SPOT 5, que se mantuvo en funcionamiento desde 2002 a 2015, capturaba 2 imágenes
pancromáticas simultáneas con una resolución de 5 metros que convertían a 2,5 metros en postproceso e
imágenes de 10 metros de resolución espacial con 3 bandas espectrales: Verde, Rojo, NIR, además de un
SWIR de 20 metros.
Los satélites SPOT6 y 7 garantizan la continuidad de los productos de alta resolución hasta el año 2024,
capturando imágenes pancromáticas con 1,5 metros de resolución espacial y multiespectrales con 6 metros y
4 bandas espectrales: Azul, Verde, Rojo, NIR.

3.4 Principales misiones de observación de la Tierra
GEO (Group on Earth Observations) es una iniciativa a nivel mundial cuyo objetivo es proveer a todos los
países miembros con datos de observación de la Tierra de alta calidad, fácilmente accesibles, en tiempo real,
y de forma continuada, así como sus metadatos y productos derivados que puedan aportar información para
ayudar a los gobiernos en la toma de decisiones.
Como iniciativa europea más importante en cuanto a la observación de la Tierra hay que hablar del
programa Copernicus, dentro del cual se están desarrollando la serie de satélites Sentinel.
 Los 2 satélites gemelos Sentinel 1 están equipados con un sistema RADAR a bordo. El Sentinel1A
fue lanzado en abril de 2014 y el Sentinel 1B se lanzó un año después en abril de 2016. Capturan
imágenes de la Tierra con distintos modos de adquisición, llegando a una resolución espacial de
hasta 5x5 metros. Juntos alcanzan un periodo de revisita de hasta 6 días.
 Los 2 satélites gemelos Sentinel 2 que llevan a bordo un sensor óptico multiespectral con 13 bandas
espectrales, 4 de ellas con 10 metros de resolución geométrica. El satélite sentinel 2A se lanzó al
espacio en junio del 2015. Su gemelo, el sentinel 2B, se lanzó en marzo de este año 2017. Todavía
está en fase pre-operativa. Cuando esté operativo, los dos satélites Sentinel2 proporcionarán
imágenes cada 5 días en zonas cercanas al Ecuador y cada 2 a 3 días en latitudes medias.
 Los 2 satélites gemelos Sentinel 3 que van equipados con dos sensores ópticos que capturan
imágenes con 21 bandas espectrales y 300 m de tamaño de píxel. Además llevan un altímetro para
medir altitudes. El sentinel 3A ha sido lanzado en febrero de 2016 aunque la ESA todavía no
distribuye las imágenes en su página web. Su gemelo, el sentinel 3B, está previsto lanzarlo a finales
de este año 2017. Ambos capturarán una cobertura completa de la Tierra cada 2 días.
 Y los Sentinel 4 y 5 que están previstos para el 2020 y llevarán a bordo diversos instrumentos para
medir la composición de la atmósfera.
Todos estos datos de la serie de satélites Sentinel están disponibles de forma gratuita a través del portal que
ha habilitado la ESA (Agencia Espacial Europea) para su descarga:
https://scihub.copernicus.eu/dhus/#/home

4 Procesamiento de imágenes multiespectrales
En este módulo vamos a explicar los distintos formatos que se utilizan para almacenar imágenes de satélite.
También vamos a aprender a visualizar una imagen multiespectral en distintas combinaciones de color y
vamos a ver los procesamientos, tanto geométricos como radiométricos que se aplican más habitualmente a
las imágenes de satélite para obtener unos productos derivados utilizables por distintos usuarios para sus
proyectos.
Existen muchos tratamientos que se pueden aplicar a las imágenes originales de partida, según la
información que se quiera extraer de ellas, pero aquí vamos a estudiar los más generales que sirven para
obtener unos productos destinados a un gran número de aplicaciones:
 Correcciones geométricas ó georreferenciación.
 Correcciones radiométricas: corrección atmosférica, equilibrados y relaces.
 Pansharpening.
 Mosaicos
4.1 Formatos y visualización

4.1.1 Formatos de imagen
Los formatos de fichero más utilizados para almacenar imágenes de satélite (imágenes raster multibanda que
requieren tamaños grandes) son: los que se especifican a continuación:
 Formato TIFF: permite almacenar imágenes raster de hasta 4 GB de espacio de almacenamiento; y
hasta 32 bits por píxel. Las imágenes se pueden almacenar sin compresión, comprimidas sin
pérdidas (algoritmo LZW) o comprimidas con pérdidas (algoritmos: PackBits / CCITT G3y4 / RLE
/ JPEG / UIT-T). En teledetección se suelen almacenar las imágenes sin comprimir. La información
sobre la georreferenciación de la imagen se almacena en un fichero de texto aparte con extensión
TFW y otro con extensión .PRJ.
 Formato GeoTIFF: el mismo que el anterior, pero almacena la información de la
georrefereanciación de la imagen en la cabecera del fichero.
 Formato BigTIFF: es una versión mejorada del formato TIFF. Permite almacenar imágenes
mayores de 4 GB (hasta 143 Gb). Existe la variante GeoBigTIFF.
 Formato ECW: comprime las imágenes con poca pérdida de calidad. Reduce considerablemente el
tamaño de los archivos, manteniendo una aceptable calidad visual y permitiendo una rápida
compresión y descompresión. Utiliza un algoritmo “quad-tree”, que subdivide sucesivamente la
imagen en cuadrantes. La información de la georreferenciación de la imagen se puede almacenar en
la cabecera del archivo o en un fichero de texto aparte con extensión ERS.
 Formato IMG: Formato utilizado por el programa ERDAS para almacenar imágenes raster, pero
bastante extendido y que pueden leer muchos otros programas.
 Formato JPEG: Técnica estándar de compresión para el almacenamiento de imágenes a color y en
escala de grises. Es uno de los formatos más conocidos. Es uno de los pocos formatos que se
soporta en Internet (Web). Almacena las imágenes comprimidas con pérdidas. Se puede escoger
diferentes niveles de compresión: a más alta compresión menor calidad. Se puede optar por una
compresión alta para crear archivos que ocupen poco espacio, que se usarán en la Web o para ser
enviadas por correo electrónico. JPEG puede llegar a comprimir una imagen hasta sólo un 10 % de
su tamaño original, sin que el ojo humano pueda percibir grandes diferencias. El teledetección se
utiliza mayoritariamente para almacenar “quicklooks” o para publicar una imagen de satélite en

Internet. La información de la georreferenciación se puede almacenar en un fichero de texto aparte
con extensión JGW y en un .PRJ.
 Formato JPEG 2000: formato que corrige los principales problemas del anterior. Está basado en la
tecnología de compresión denominada "wavelet” que permite dos tipos de compresión: sin perdidas,
donde no se pierde información de ningún píxel, o con pérdidas, similar al JPEG actual. La
información de georreferenciación se puede incluir en la cabecera del fichero (con lo que tenemos el
formato GeoJPEG2000).
 Formato PNG: Proporciona una buena compresión de archivos ráster sin pérdida de información.
Permite almacenar transparencias en las imágenes.
4.1.2 Visualización de imágenes multibanda o multiespectrales
Las imágenes multiespectrales disponen de varias bandas donde se almacena información de diversas
regiones del espectro electromagnético.
Los monitores y tarjetas de video disponen de 3 canales RGB: rojo, verde y azul. Por tanto puede utilizarse
cada canal del monitor para representar los ND de una banda y obtener así una composición de color.
Por tanto, los datos multiespectrales se pueden representar por medio de composiciones de color o
combinaciones de tres bandas.
En general, se trata de aprovechar que podemos visualizar tres canales a la vez para introducir las tres bandas
que más nos van a ayudar a discriminar visualmente los elementos que nos interesan. Estas composiciones
servirán entonces para resaltar los elementos que mayor variación de reflectividad presentan en las bandas
utilizadas, además de obtener visualizaciones más o menos estéticas.
La denominación de las combinaciones de color puede variar de un autor a otro, pero generalmente se llaman
“color natural” y “falso color infrarrojo” a dos de las combinaciones más utilizadas:
 Color natural consiste en combinar las bandas rojo, verde y azul del sensor, sacándolas por los
canales RGB del monitor respectivamente.
 Falso color infrarrojo: consiste en combinar las bandas NIR, rojo y verde del sensor, enviándolas a
los cañones R, G y B del monitor respectivamente. En esta composición de color la vegetación se
visualiza en tonalidades de rojo y se utiliza para discriminar con mayor facilidad distintos tipos de
vegetación, ya que en la banda 5 la vegetación posee alta reflectividad.
A continuación, pueden explicarse las distintas combinaciones de bandas utilizando una imagen del satélite
Landsat 8.
Figura 19 Bandas del satélite Landsat 8

Las imágenes Landsat 8 están formadas por once bandas distribuidas como se muestra en la siguiente tabla.
Las 9 primeras son adquiridas por el sensor óptico OLI (Operational Land Imager) con 30 metros de tamaño
de píxel y las dos últimas son adquiridas por el sensor TIRS (Thermal INfrared) con un tamaño de píxel de
100 metros aunque se remuestrean a 30 metros para distribuirlas con el mismo tamaño de píxel que las
demás bandas.

Según el trabajo que queramos realizar tendremos que combinar las diferentes bandas del modo más
conveniente para nuestro proyecto. Algunas de las utilizadas trabajando con Landsat 8 según su uso son:
Figura 20 Combinaciones color natural (4-3-2) y falso color (6-5-4) de una imagen Landsat
En el siguiente cuadro se listan las combinaciones de bandas para los sensores más habituales en
teledetección de recursos terrestres:
Espectro electromagnético
Satélite Coastal Azul Verde Rojo NIR SWIR 1 SWIR 2
Landsat 8 1 2 3 4 5 6 7
Sentinel 2 1 2 3 4 8 11 12
Tabla 1 Comparación de nomenclatura de bandas entre Sentinel 2 y Landsat 8
Teniendo en cuenta la información de la Tabla 1, la Tabla 2 nos proporciona la información necesaria para
poder visualizar una misma imagen Landsat 8 o Sentinel 2 en diferentes combinaciones de bandas,
Cañones del monitor

Satélite Rojo Verde Azul
Sentinel 2 4 3 2
Color natural
Landsat 8 4 3 2
Sentinel 2 12 11 4
Falso color (urbano)
Landsat 8 7 6 4

Sentinel 2 11 8A 2
Agricultura
Landsat 8 6 5 2
Sentinel 2 12 11 8A
Penetración atmosférica
Landsat 8 7 6 5
Sentinel 2 8A 11 2
Vegetación sana
Landsat 8 5 6 2
Sentinel 2 8A 11 4
Tierra / Agua
Landsat 8 5 6 4
Color natural sin Sentinel 2 12 8A 3

atmósfera Landsat 8 7 5 3
Falso color (análisis de Sentinel 2 8 4 3

vegetación) Landsat 8 5 4 3
Tabla 2 Configuración de los cañones del monitor para visualizar diferentes combinaciones de color
con Sentinel 2 y Landsat 8
4.2 Correcciones geométricas

La corrección geométrica de imágenes de satélite, habitualmente llamada georreferenciación, consiste en
relacionar cada píxel de la imagen (fila y columna) con el punto de la superficie terrestre a que corresponde.
Se creará una nueva imagen que conserve los valores radiométricos de la original, pero habiéndole aplicado
una “transformación matemática” para adaptarla a un sistema de referencia espacial elegido por nosotros.
Figura 21 Proceso de corrección geométrica
4.3 Correcciones atmosféricas

Las anomalías provocadas por la atmósfera se deben a las propias moléculas gaseosas y a la presencia de
partículas sólidas y líquidas en suspensión.
 Dispersión: produce una disminución de la radiación directa de la superficie terrestre que le llega al
sensor y aumenta la radiación difusa procedente de la atmósfera.
 Absorción: produce una disminución de la radiación que le llega al sensor por ser absorbida por las
moléculas gaseosas de la atmósfera.
Estos efectos, dispersión y absorción, pueden ser selectivos o no respecto a determinadas longitudes de onda.

La anomalía que se corrige es la dispersión, que provoca un aumento de la radiación detectada por los
sensores. La absorción selectiva se tiene en cuenta a la hora de elegir las bandas en las que va a capturar
información el sensor de cara a los distintos estudios posteriores.
Con la corrección atmosférica se pretende eliminar el efecto de dispersión de la atmósfera sobre la
señal electromagnética registrada por los sensores, para obtener lo más certeramente posible las
características de la superficie observada. La dispersión es una de las principales causas de bruma, lo que
genera una disminución del contraste de la imagen.
Esta corrección es indispensable para determinados estudios donde se obtienen firmas espectrales de las
cubiertas o parámetros biofísicos a partir de las imágenes. En estos casos, habrá que transformar primero los
ND a valores de radiancia (significado físico) y después a valores de reflectividad TOA.
Existen varios métodos para realizar la corrección por atmósfera, pero hay que tener en cuenta que es muy
difícil modelizar el comportamiento atmosférico puesto que la dispersión no es constante ni en el espacio ni
el tiempo. Por lo tanto, cualquier método usado es aproximado.
También se han desarrollado métodos particularizados para ciertos sensores en función de las bandas en las
que captura información.
La radiancia que llega al sensor es la suma de las siguientes componentes, tal y como se muestra en la Figura
22.
 La radiación procedente del Sol y la dispersada por la atmósfera sin llegar a la superficie (1).
 La radiación directa que atraviesa la atmósfera sin ser absorbida o dispersada, que alcanza el sensor
después de haber sido reflejada por la cubierta (2).
 Radiación dispersada por la atmósfera que rebota en la cubierta y llega al sensor (3).
 Radiación directa o difusa reflejada o dispersada por las áreas circundantes al pixel de análisis (4 y/o
5). Esto es lo que se conoce como “efecto de adyacencia”.
 Radiación difusa proveniente de áreas circundantes que rebota en el pixel de estudio y se dirige al
sensor (6).
 Radiación que incide en el pixel de análisis pero se dispersa en la atmósfera y vuelve a rebotar en el
pixel de análisis, llegando en última instancia al sensor (7).
Figura 22 Perturbaciones atmosféricas de la radiación electromagnética (Mousivand et al., 2015)

4.4 Tratamientos radiométricos
Afectan a los ND de los píxeles y se realizan para mejorar la visualización de las imágenes: operaciones de
realce, equilibrados radiométricos, filtrados, etc. Hay que tener en cuentas que con estas operaciones se
“falsean” los ND de los píxeles, es decir, que se pierde parte de la información radiométrica que se utiliza
para elaborar firmas espectrales.
 Equilibrados radiométricos.
 Mosaicado
 Realces o mejora del contraste.
 Filtrados.
4.4.1 Equilibrados Radiométricos
Cuando se trabaja con varias imágenes que han sido obtenidas en fechas distintas, poseerán una radiometría
distinta debido a la variación en las condiciones atmosféricas, y esto hace que el aspecto y los colores no
sean iguales visualmente para todas las imágenes. Los equilibrados radiométricos de realizan para igualar la
radiometría de varias imágenes con una de referencia.
Se pueden consideran como un paso previo a la obtención de mosaicos de imágenes, aunque también se
realizan equilibrados para calibrar series temporales de imágenes o para otras aplicaciones. El equilibrado
radiométrico consiste en igualar las estadísticas (media y desviación típica) de las imágenes para que todas
tengan un aspecto visual similar. Una de las imágenes se tomará como referencia para igualar la radiometría
de las demás a la de esta.
El método más sencillo para igualar las estadísticas de una imagen a otra, y que funciona bastante bien, es
mediante una transformación lineal. Para ello las imágenes a equilibrar deben poseer una zona de solape o
recubrimiento de donde se obtienen las estadísticas, media y desviación típica, de ambas imágenes para cada
banda y se calculan los coeficientes de la recta de transformación. Posteriormente se aplican las ecuaciones
de esa recta a todos los ND de los píxeles de la imagen a equilibrar para igualar su radiometría con la otra.
Figura 23 Ejemplo de equilibrado radiométrico
4.4.2 Mosaicos
Es frecuente que las escenas de satélite no cubran la totalidad del área de estudio. En este caso se pueden
adquirir escenas adyacentes y realizar un mosaico con todas ellas de forma que quede una imagen continua.
Para ello habrá que ajustar previamente la radiomatería para que todas las imágenes tengan el mismo aspecto
y a la hora de mosaicar no aparezcan saltos de color, este proceso conocido como equilibrado radiométrico
es el que se ha explicado en un apartado anterior.

Todas las imágenes a mosaicar deben estar en el mismo sistema de referencia y poseer el mismo tamaño de
píxel; además conviene que las imágenes posean la misma profundidad de bit.
Comparando las siguientes imágenes se puede ver un ejemplo de la importancia de realizar un equilibrado
radiométrico a las imágenes que se desean mosaicar. En la imagen de la izquierda se puede ver un mosaico
de la península ibérica realizado con imágenes procedentes del satélite SPOT5 de distintas fechas sin igualar
la radiometría, todas ellas visualizadas en la combinación de bandas que ofrece un aspecto parecido al color
natural. En la imagen de la derecha se puede ver el mismo mosaico pero habiendo aplicado un equilibrado
previo a todas las imágenes, tomando como imagen de referencia (para igualar las estadísticas) una imagen
del sensor MODIS que cubre toda la Península.
Figura 24 Imágenes SPOT 5 en bruto
Figura 25 Mosaico de imágenes SPOT 5 equilibradas radiométricamente

4.4.3 Realces o expansión del histograma
El realce se aplica para producir un mejor aspecto visual, mediante una transformación del histograma de la
imagen, que habitualmente implica mejorar el contraste de la imagen. Los realces se realizan píxel a píxel sin
tener en cuenta los de alrededor. La modificación píxel a píxel, significará que para un valor ND de entrada
le corresponderá un NDmodificado de salida.
El histograma de una imagen es la representación gráfica (o en tabla) del número de píxeles asignado a cada
nivel de gris o valor digital (ND) distinto en la imagen. La distribución de Niveles Digitales representada en
el histograma aporta una información a partir de la cual pueden definirse estas operaciones de realce a nivel
de píxel.
En la práctica, los realces se aplican modificando el histograma de las imágenes. La modificación o
transformación más empleada en la expansión lineal del histograma para mejorar el contrate de la imagen.
Figura 26 Ejemplo de expansión del histograma en una imagen con 3 bandas RGB
Los realces son de fácil implementación por los programas de tratamiento de imágenes, confeccionándose
tablas de codificación o Look Up Tables (LUT), donde se establecen las transformaciones adecuadas.
Las siguientes imágenes de la isla de Mallorca, muestran el resultado de aplicar el proceso de realce anterior:
Figura 27 Imagen con valores ND originales, sin realzar

Figura 28 Imagen realzada, con valores ND modificados
4.4.4 Filtros
Los filtros se utilizan básicamente para destacar algunos elementos de la imagen. Consiste en aplicar a la
matriz de pixeles de la imagen una matriz de filtrado “deslizante” (por ejemplo de 3x3 o de 5x5) que genera
un nuevo valor mediante una media ponderada del valor original y el valor de los pixeles circundantes.
Mediante diferentes combinaciones de los factores de ponderación se pueden conseguir diferentes efectos.
Los filtros más utilizados son:
 Los filtros de paso bajo que asignan a cada pixel el valor medio de los pixeles circundantes: efecto
suavizado.
 Los filtros de paso alto para resaltar zonas de gran variabilidad: efecto realce de bordes
Figura 29 Ejemplos de filtro de paso bajo (arriba) y de paso alto (abajo)

4.4.5 Pansharpening
Existen muchos satélites de observación de la Tierra que llevan a bordo un sensor pancromático
multiespectral, que capturan la misma imagen de la Tierra en el mismo instante, de forma que la banda
pancromática es perfectamente superponible o coincidente con las bandas multiespectrales de la imagen. Por
condiciones de diseño, los sensores pancromáticos poseen siempre mayor resolución espacial que los
multiespectrales, es decir que proporcionan imágenes con menor tamaño de píxel, pero por el contrario
capturan información en una sola banda que abarca un rango espectral más amplio que las multiespectrales.
La fusión o pan-sharpening es un producto derivado de las imágenes de satélite. Consiste en combinar las
bandas multiespectrales de una imagen con su banda pancromática (capturada en el mismo instante que las
multiespectrales), para mejorar la resolución espacial de las bandas multiespectrales extrayendo la
información espacial que les falta de la banda pancromática.
Figura 30 Flujo de trabajo en una operación de pansharpening
En el siguiente ejemplo se puede ver cómo mejora la calidad espacial de las bandas multiespectrales de una
imagen SPOT al fusionarlas con la banda pancromática:

Figura 31 Pansharpening de una imagen SPOT
Hay que tener en cuenta que cuando se fusionan las bandas multiespectrales con la pancromática se gana en
resolución espacial, pero se pierde calidad espectral en las bandas fusionadas.
Se han desarrollado muchos algoritmos para realizar fusiones, algunos genéricos que se pueden utilizar para
cualquier tipo de imagen y otros específicos para las imágenes que capturan ciertos sensores.

El componente espacio Copernicus
Proyecto co-financiado por la Comisión Europea

Índice
Índice ................................................................................................................................................................. 2
1 El componente espacio dentro del programa Copernicus .......................................................................... 3
1.1 Las misiones Sentinel.......................................................................................................................... 4
2 Sentinel 2 .................................................................................................................................................... 5
2.1 Características generales ..................................................................................................................... 5
2.2 Satélites y sensor ................................................................................................................................. 5
2.3 Cobertura geográfica ........................................................................................................................... 6
2.4 Resoluciones ....................................................................................................................................... 6
2.4.1 Resolución temporal .................................................................................................................... 7
2.4.2 Resolución espacial ..................................................................................................................... 8
2.4.3 Resolución radiométrica .............................................................................................................. 9
2.4.4 Resolución espectral .................................................................................................................... 9
2.4.5 Aplicaciones ................................................................................................................................ 9
2.5 Productos Sentinel 2.......................................................................................................................... 14
2.5.1 Unidades de referencia y de división espacial ........................................................................... 15
2.5.2 Nivel-1C .................................................................................................................................... 17
2.5.3 Nivel-2A .................................................................................................................................... 18
2.5.4 Distribución de productos .......................................................................................................... 20
3 Sentinel 1 .................................................................................................................................................. 26
3.1 Características generales ................................................................................................................... 26
3.2 Satélites y sensor ............................................................................................................................... 26
3.2.1 Modos de adquisición ................................................................................................................ 26
3.3 Escenarios de adquisición ................................................................................................................. 29
3.3.1 Planificación .............................................................................................................................. 31
3.3.2 Resolución temporal y cobertura geográfica ............................................................................. 33
3.4 Productos Sentinel 1.......................................................................................................................... 34
3.4.1 Single Look Complex (SLC) ..................................................................................................... 35
3.4.2 Ground Range Detected ............................................................................................................. 35
3.4.3 Distribución de productos .......................................................................................................... 36
3.4.4 Nomenclatura de archivos Nivel-1 GRD ................................................................................... 37
3.5 Aplicaciones ...................................................................................................................................... 38
3.5.1 Supervisión marina .................................................................................................................... 39
3.5.2 Supervisión de la Tierra ............................................................................................................. 42
3.5.3 Gestión de emergencias ............................................................................................................. 44
Referencias ...................................................................................................................................................... 47

1 El componente espacio dentro del programa Copernicus
Hace algunos años, la Comisión Europea a través de la Agencia Espacial Europea (ESA), compuesta por 22
Estados miembros, inició el Programa Copernicus para la Observación de la Tierra, convirtiéndose en el
proyecto más ambicioso de la historia de la teledetección civil. Este programa se ha diseñado para
suministrar información actualizada y de fácil acceso con el propósito de mejorar la gestión del medio
ambiente, así como para comprender y mitigar los efectos del cambio climático.
El programa en su actualidad está compuesto de 3 componentes: el componente espacio, el componente
servicios y el componente in-situ, tal y como se muestra en la Figura 1.
Figura 1 El componente espacio Copernicus y su encuadre dentro del programa
El componente espacio del programa está liderado técnicamente por la ESA, y a su vez se subdivide en 2
elementos, dependiendo de la propiedad de los satélites empleados en la captura de datos:
1. Las misiones Sentinel, operadas de manera conjunta por la propia ESA y la Organización Europea
para la Explotación de Satélites Meteorológicos (EUMETSAT).
2. Las denominadas como misiones contributivas, las cuales incluyen misiones propias de la ESA,
EUMETSAT y otros proveedores privados de datos que ponen a disposición de Copernicus una
amplia variedad de información satelital.
En la actualidad existen alrededor de 30 misiones contributivas ya existentes o previstas, las cuales
se incluyen en las siguientes categorías:
 Radares de apertura sintética (SAR) para observar los océanos tanto de día como de noche.
 Sensores ópticos para monitorizar actividades sobre el territorio y dinámicas oceánicas.
 Altímetros para medir el nivel del mar.
 Radiómetros para monitorizar la temperatura de las superficies emergidas y de los océanos.

 Espectrómetros para la medición de la calidad del aire.
La totalidad de misiones contributivas en la actualidad pueden consultarse en el enlace
https://spacedata.copernicus.eu/web/cscda/missions.
Las capturas de las imágenes únicamente se realizar sobre Europa con el objetivo de emplear los datos para
diferentes aplicaciones incluidas en los servicios Copernicus.
El verdadero interés del componente espacio en el ámbito de este curso se centra en la constelación Sentinel,
ya que ofrece datos libres y abiertos sobre cualquier región de la Tierra.
1.1 Las misiones Sentinel

El programa Copernicus tiene planificadas cinco misiones concretándose cada una en una familia de
satélites:
 La misión Sentinel-1 para teledetección radar, https://sentinel.esa.int/web/sentinel/user-
guides/sentinel-1-sar.
 La misión Sentinel-2 para teledetección óptica, https://sentinel.esa.int/web/sentinel/user-
guides/Sentinel-2-msi.
 La misión Sentinel-3 transportará varios instrumentos para llevar a cabo una larga serie de estudios
de la Tierra y de sus océanos.
 Las misiones Sentinel-4 y Sentinel-5 medirán la composición de la atmósfera desde la órbita
geoestacionaria y una órbita polar, respectivamente.
Este documento se centra en la descripción, conceptual y de uso, de las dos primeras misiones.
Todos los datos derivados de estas misiones están disponibles de forma abierta y gratuita, tanto para usos
públicos, comerciales o científicos, con el objetivo de promover su plena utilización, y de esta forma
favorecer los avances derivados de la investigación científica, el crecimiento en los mercados de EO y la
creación de empleo. La política de distribución de productos Sentinel se basa en los siguientes criterios:
 Las licencias para el uso de los datos de Sentinel están disponibles de forma gratuita.
 Los datos de Sentinel se pondrán a disposición de los usuarios a través de un acceso en línea
"genérico", de forma gratuita, sujeto a un proceso de registro de usuarios y aceptación de términos y
condiciones genéricos.
 Los modos de acceso adicionales y la entrega de productos adicionales se adaptarán a las
necesidades específicas del usuario y estarán sujetos a condiciones personalizadas.
 En caso de que se apliquen restricciones de seguridad, que afecten la disponibilidad o la puntualidad
de los datos de Sentinel, se activarán los procedimientos operativos específicos.
 La distribución en línea a gran escala de los datos de Sentinel será posible dentro de las limitaciones
técnicas del sistema (en particular, de la red de difusión) y depende de los niveles de financiación
operacional.
 El acceso abierto y gratuito a los datos maximizará la utilización beneficiosa de los datos de Sentinel
para la más amplia gama de aplicaciones y tiene la intención de estimular la adopción de
información basada en los datos de observación de la Tierra para los usuarios finales.

2 Sentinel 2
En este apartado se realiza la descripción de la misión Sentinel 2 en base, principalmente, a dos documentos
oficiales publicados por la ESA:
a) Sentinel-2: ESA’s Optical High-Resolution Mission for GMES Operational Services (ESA, 2012),
documento accesible en la url: https://sentinel.esa.int/documents/247904/349490/S2_SP-1322_2.pdf.
b) Sentinel-2 User Handbook (ESA, 2015), documento accesible en la url:
https://sentinel.esa.int/documents/247904/685211/Sentinel-2_User_Handbook.
2.1 Características generales

La misión Sentinel 2 es el resultado de una colaboración estrecha entre la ESA, la Comisión Europea, y
diferentes agentes del sector aeroespacial: la industria, los proveedores de servicios y los usuarios de datos.
Ha sido diseñada y construida por un consorcio de 60 compañías liderado por Airbus Defence and Space,
con el apoyo de la agencia espacial francesa CNES para optimizar la calidad de las imágenes, y del Centro
Aeroespacial Alemán DLR para mejorar la recuperación de datos mediante comunicaciones ópticas.
La misión Sentinel-2 se basa en una constelación de dos satélites idénticos situados en la misma órbita
polar, con un desfase de 180° entre sí, para optimizar la cobertura. Está diseñada para proporcionar una alta
frecuencia de revisita de 5 días en el Ecuador. El satélite Sentinel-2A se lanzó al espacio el 23 de junio de
2015 y el Sentinel-2B el 7 de marzo de 2017.
La cobertura de la misión (entre las latitudes 56° sur y 84 ° norte), junto con el gran campo de visión, que
abarca un ancho de franja orbital de 290 km, y su alta frecuencia de revisita, de 10 días en el ecuador con un
satélite y 5 días con dos satélites en condiciones sin nubes, facilitan el seguimiento y supervisión de la
variabilidad de las condiciones de la superficie terrestre a partir de la producción de información geoespacial
a escala local, regional, nacional e internacional, cubriendo la superficie terrestre, grandes islas y aguas
costeras.
Cada uno de los satélites gemelos está equipado con un instrumento óptico multiespectral (MSI,
Multispectral Instrument) que permite capturar datos de 13 bandas espectrales: cuatro bandas con una
resolución espectral de 10 m, seis bandas de 20 m y tres bandas de 60 m. Estas bandas proporcionan datos
para la clasificación de coberturas, cambios de la Tierra, correcciones atmosféricas y separación de nubes /
nieve.
Los datos están diseñados para ser modificados y adaptados a usuarios finales interesados en aplicaciones en
áreas temáticas tales como: la ordenación del territorio, la supervisión de bosques y de vegetación,
seguimiento global de evolución de cultivos y de recursos naturales, como el carbono, y de la cobertura de
aguas.
La misión Sentinel-2, con su cámara multiespectral y su amplia cobertura, ofrece no sólo continuidad, sino
que amplía las capacidades de las misiones SPOT, francesa, y Landsat, estadounidense.
2.2 Satélites y sensor

Cada uno de los satélites gemelos Sentinel-2 pesa aproximadamente 1,2 toneladas. Ambos satélites, Sentinel-
2A y Sentinel-2B, fueron puestos en órbita por el lanzador europeo VEGA, el 23 de junio de 2015 y el 7 de
marzo de 2017 respectivamente. La vida útil de cada satélite se estima en 7.25 años.
La órbita de la misión Sentinel-2 está sincronizada con el Sol (es de tipo heliosíncrona), permitiendo
garantizar que el ángulo de la luz solar sobre la superficie de la Tierra se mantenga aproximadamente
constante. Además de las pequeñas variaciones estacionales, el anclaje de la órbita de los satélites al ángulo
del Sol minimiza el impacto potencial de las sombras y los cambios en los niveles de iluminación en el suelo,

lo que contribuye a facilitar la coherencia en el tiempo, lo que es imprescindible en aplicaciones que hagan
uso de series temporales de datos.
Figura 2 Vista de la plataforma satelital Sentinel 2 desplegada. Fuente: EADS Astrium
Sentinel-2A y Sentinel-2B ocupan la misma órbita, con un desfase de 180º. La altitud media de la órbita
sobre la superficie terrestre es de 786 km. La inclinación de la órbita es de 98,62° y la Hora Solar Local
Media (MLST, Mean Local Solar Time) en el nodo descendente se produce a las 10:30 (am). Este valor de
MLST se eligió como un compromiso entre un nivel adecuado de iluminación solar y la minimización de la
cobertura potencial de nubes. El valor de MLST es cercano al tiempo de paso local de Landsat y casi
idéntico al de SPOT-5, lo que facilita la integración de los datos de Sentinel-2 con estas misiones, existentes
e históricas, y contribuye a la recopilación de datos de series temporales.
El archivo de datos KML que informa sobre la posición de las órbitas relativas Sentinel-2A y Sentinel-2B
para un ciclo completo (143 órbitas) con un paso de tiempo de 10 segundos está disponible en formato kml
en el enlace Sentinel-2 Relative Orbits.
2.3 Cobertura geográfica

Los satélites Sentinel-2 proporcionan cobertura sistemática de áreas terrestres y costeras en una banda de
latitud que se extiende desde 56° Sur (Isla Hornos, Cabo de Hornos, América del Sur) hasta 83° Norte (sobre
Groenlandia). La recolección de datos dentro de esta región incluye:
 Todas las aguas costeras hasta 20 km de la orilla.
 Todas las islas con superficie mayor a 100 km2.
 Todas las islas de la Unión Europea.
 El mar Mediterráneo.
 Todos los mares cerrados (por ejemplo, el mar Caspio).
Además, el escenario de observación de Sentinel-2 incluye solicitudes de Servicios de Copernicus (por
ejemplo la Antártida o la Bahía de Baffin).
2.4 Resoluciones
En este apartado se especifican todas las resoluciones de la misión Sentinel-2: temporal, radiométrica,
espectral y espacial.

2.4.1 Resolución temporal
La resolución temporal de cada satélite de la misión Sentinel-2 por separado es de 10 días, duplicándose la
frecuencia al estar los dos operativos, alcanzándose por tanto una resolución temporal de 5 días bajo las
mismas condiciones de iluminación, salvo para las regiones únicamente observadas por un satélite, tal y
como se indica en la Figura 3.
Figura 3 Cobertura y tiempo de revisita previsto para las adquisiciones MSI de Sentinel 2
En la Figura 17 muestra las regiones donde se incrementa la frecuencia gracias a la superposición entre las
franjas de las órbitas adyacentes, si bien cambian las condiciones de la geometría de observación.

Figura 4 Frecuencia de revisita geométrica debido a la superposición entre las órbitas adyacentes.
Fuente: ESA & Pascal Lacroix
2.4.2 Resolución espacial
La resolución espacial de cada una de las bandas y que se resume en las siguientes líneas y en la Figura 5:
 4 bandas a 10 m: banda 2, banda 3, banda 4 y banda 8.
 6 bandas a 20 m: banda 5, banda 6, banda 7, banda 8a, banda 11 y banda 12.
 3 bandas a 60 m: banda 1, banda 9 y banda 10.
Figura 5 Bandas del satélite Sentinel 2. Fuente: ESA

2.4.3 Resolución radiométrica
La resolución radiométrica del instrumento MSI es de 12 bits, lo que permite adquirir la imagen en un rango
de 0 a 4095 valores de intensidad de luz potencial.
2.4.4 Resolución espectral
Los datos de Sentinel-2 se adquieren en 13 bandas espectrales tal y como se muestra en la Tabla 1.
Banda Sentinel 2 Longitud de onda central (μm) Resolución espacial (m)

Banda 1 – coastal aerosol 0.443 60
Banda 2 - azul 0.490 10
Banda 3 – verde 0.560 10
Banda 4 – rojo 0.665 10
Banda 5 – Vegetation Red Edge 0.705 20
Banda 8 – NIR 0.842 10
Banda 8A – Vegetation Red Edge 0.865 20
Banda 9 – Vapor de agua 0.945 60
Banda 10 – SWIR – cirros 1.375 60
Banda 11 – SWIR 1.610 20
Banda 12 - SWIR 2.190 20
Tabla 1 Bandas de los satélites Sentinel 2
2.4.5 Aplicaciones
En este apartado se describe la aportación de la misión Sentinel-2 a varios servicios del programa Copernicus
y se describen algunas aplicaciones realizadas en España.
A través de la información suministrada por sus satélites, Sentinel-2 aporta información útil para prácticas
agrícolas y forestales, la gestión de la seguridad alimentaria, la supervisión del estado de la superficie
terrestre y control de cambios, alertas producidas por la contaminación en lagos y aguas costeras, soporte en
tareas de ayuda humanitaria y gestión de consecuencias de desastres naturales, tales como inundaciones,
erupciones volcánicas y deslizamientos.
a) Gestión del territorio: Los datos adquiridos, la amplia cobertura de la misión y la alta frecuencia de
revisita de Sentinel-2 permiten el suministro de información geográfica a escala local, regional,
nacional e internacional. Estos datos son complementarios a los aportados por otras misiones y están
diseñados para ser modificados y adaptados por usuarios interesados en áreas temáticas tales como:
 Supervisión del recurso agua: La utilización de datos de observación de la Tierra de las
misiones Sentinel-2 y su procesamiento rápido de productos derivados permite obtener
resultados rápidos de una forma muy sencilla. La alta resolución temporal de los dos
satélites Sentinel-2A y Sentinel-2B permite inspeccionar posibles incidencias cuando el
cultivo está implantado, incluso con evidencias de haber sido regado recientemente.

Figura 6 Imágenes falso color de Sentinel-2 (combinación de bandas 11, 8 y 4) y una gráfica de la
variación de los valores de NDVITOA para diferentes fechas. Este gráfico representa la evolución en el
crecimiento de un cultivo de remolacha azucarera, incluidas las etapas fenológicas. Fuente: Instituto
de Desarrollo Regional, Castilla la Mancha, España
 Clasificación de cultivos: El uso de imágenes Sentinel-2 para una clasificación que utiliza
un algoritmo de aprendizaje automático con otras capas de información accesoria, como son
datos LIDAR, la elevación del terreno, la pendiente, la pluviometría media anual y el uso del
suelo clasificado en un mapa parcelario. Para el aprendizaje se utilizan multitud de bases de
datos con información puntual de ocupación del suelo.
 Agricultura de precisión: Un interesante campo de aplicación que se ha visto favorecido
por la disponibilidad de productos Sentinel-2 está relacionado con la mejora de las técnicas
de Agricultura de Precisión, para supervisión de la evolución del crecimiento de diferentes
tipos de cultivos en grandes explotaciones a lo largo de la campaña agrícola. La resolución
temporal combinada de los dos satélites, junto con su resolución espacial y espectral, hacen
que los productos Sentinel-2 sean muy adecuados para este tipo de aplicaciones.
Figura 7 Evolución de NDVI a lo largo de una campaña a partir de Sentinel 2. Fuente: Instituto de
Desarrollo Regional, Castilla la Mancha, España
En este caso, a partir del cálculo de determinados índices de vegetación derivados de las
imágenes de satélite se pretende generar mapas que se correlacionen con el rendimiento real.

Disponer de mapas de vigor cada pocos días le daría al agricultor la oportunidad de seguir el
desarrollo del cultivo, tomar decisiones sobre su gestión (riego, fertilización y protección) y
disponer de una retroalimentación de las operaciones realizadas y las predicciones de
rendimiento.
Figura 8 Comparación del rendimiento de un cultivo de cebada y distintos índices de vegetación

(NDVI, WDRVI, GRVI y GNDVI) en dos fechas diferentes. Fuente: Instituto de Desarrollo Regional,
Castilla la Mancha, España
 Supervisión de bosques y vegetación: Los incendios forestales son una gran amenaza para
el medio ambiente, y esta amenaza se ve agravada por diferentes factores climáticos y
socioeconómicos. La disponibilidad de mapas detallados y actualizados periódicamente,
hace que las tareas de prevención y la extinción sean más efectivas, especialmente en
tiempos de peligro bajo y medio donde los dispositivos no están totalmente operacionales.
Esta cartografía es una herramienta fundamental para ser utilizada en la toma de decisiones
presente en la planificación de tratamientos silvícolas preventivos, la distribución de medios
de extinción, la construcción de infraestructuras, etc.
En este sentido, la obtención de una cartografía de la probabilidad de ignición, entendiendo
como tal la probabilidad de que una pavesa o brasa al caer sobre el combustible ligero
muerto pueda inflamarlo, es muy importante. A tal efecto, es preciso disponer de un mapa de
modelos de combustible, que pueden ser obtenidos partir del uso combinado de imágenes
Sentinel-2 y datos LiDAR. Las imágenes multiespectrales satelitales se utilizan para el
cálculo de una clasificación supervisada de la vegetación actual mientras que la información
LiDAR es utilizada para caracterizar geométricamente las masas arbóreas. Aplicando
algoritmos de decisión a partir de la información anterior, se obtienen los modelos de
combustión.
 Otras aplicaciones incluyen la ordenación del territorio, la supervisión agroambiental y
la supervisión de recursos naturales tales como el carbono terrestre.
En definitica, los productos de alto nivel generados por los usuarios a partir de los datos de Sentinel-
2 proporcionan una amplia gama de parámetros que caracterizan la vegetación, el presupuesto
energético y el ciclo del agua. Los datos adquiridos permiten la supervisión sistemática y el
cartografiado de variaciones en las propiedades geofísicas globales resultantes de la presión humana
y la variabilidad estacional.

b) Gestión de emergencias: La respuesta a emergencias supone un reto a la hora de gestionar los
recursos, tanto en los momentos inmediatamente posteriores al suceso, como en el proceso de
recuperación y valoración de los daños. La cartografía de emergencias se define según el
International Working Group on Satellite-based Emergency Mapping como “la creación de mapas,
productos de geoinformación y análisis espaciales dedicados a dar una visión de la situación de la
emergencia e información de crisis inmediata para la respuesta mediante la extracción de
información geográfica de referencia (pre-evento) y de crisis (post-evento) de imágenes de satélite o
aéreas.
En Europa, el Servicio Copernicus de gestión de emergencias (EMS) proporciona información
geoespacial global precisa y oportuna, derivada de la teledetección por satélite, a todas las
organizaciones y entidades involucradas en la gestión de desastres naturales, situaciones de
emergencia provocadas por el hombre y crisis humanitarias. Estos datos se complementan en su caso
con datos de otras fuentes de datos. Es en ese contexto donde se ha probado la utilidad y
aplicabilidad de los productos Sentinel-1 y Sentinel-2, usando para su validación de información de
referencia obtenida de imágenes de mayor resolución espacial.
Sus características más importantes son:
 Ofrece información geoespacial de apoyo en todas las fases de la gestión de emergencias
(prevención, preparación, reducción del riesgo de desastres, intervención y recuperación).
 Sólo puede ser activado por usuarios autorizados (AU/NFP).
 El servicio se basa en la adquisición, procesamiento y análisis de las imágenes de satélite y
de otras fuentes de datos vectoriales y raster.
Figura 9 Mapas de valoración de daños del incendio que se inició el 24 de junio 2017 en Moguer
(Huelva). Rapid Mapping. Fuente: Copernicus EMS

Figura 10 Mapa de delineación de la inundación del río Ebro el 27 febrero 2015. Rapid Mapping.
Fuente: Copernicus EMS
Figura 11 Mapa de la nube tóxica producida por el accidente industrial del 12 de febrero de 2015 en
Igualada (Barcelona). Risk and Recovery Mapping. Fuente: EMS

http://emergency.copernicus.eu/mapping/list-of-components/EMSR209
c) Cambio climático (CCCS): La alta frecuencia de revisita de la misión Sentinel-2 contribuye a
apoyar los intentos de mitigar la deforestación al proporcionar mayores oportunidades para adquirir
datos de imágenes libres de nubes. Esto resulta de particular beneficio e interés en latitudes
tropicales, donde la cobertura nubosa pesada ha retrasado previamente la posible adquisición de un
catálogo completo de datos. Además de los mismos parámetros que se utilizan en otros programas
GMES / Copernicus que contribuyen a la supervisión y modelado de cambios inducidos por el clima,
como FAPAR, LAI, LC, LCC y NDVI, los datos de alta resolución de Sentinel-2 pueden apoyar la
detección de cambios de inundaciones en los países afectados.
2.5 Productos Sentinel 2

En este apartado se describen los productos Sentinel 2 generados a partir de 5 niveles de procesamiento (ver
Sentinel-2 Products Specification Document de Gatti & Galoppo, 2018). Se introducen los siguientes niveles
de procesamiento:
 Los productos de Nivel 0 son los datos brutos comprimidos que contienen toda la información
requerida para generar todos los niveles de procesamiento del producto de nivel 1 y superiores.
 Los productos de Nivel-1A son los datos brutos sin comprimir, con bandas espectrales groseramente
coregistradas y datos complementarios adjuntos.
 Los productos de Nivel-1B son imágenes en valores de radiancia corregidos radiométricamente. El
modelo geométrico físico se refina utilizando los puntos de control de Tierra disponibles y se añade
al producto, pero no se aplica en este nivel de procesamiento. Con unas dimensiones de 25 km x 23
km aproximadamente, ocupa un volumen de almacenamiento de 23 MB.
 Los productos de Nivel-1C, en base a un proceso basado en el uso de un modelo digital del terreno,
proporcionan ortoimágenes en el CRS de datum WGS84 en la proyección UTM, en el huso
correspondiente a la ubicación geográfica, con niveles digitales correspondientes a valores de
reflectancia aparente en el techo la atmósfera (TOA, Top-Of-Atmosphere reflectances) en tanto por
uno y con registro multiespectral subpíxel. Se incluyen en el producto las máscaras de nubes y
tierra/agua. Poseen unas dimensiones de 100 km x 100 km y ocupan un volumen de almacenamiento
medio de 600 MB.
 Los productos de Nivel-2A, es una evolución del Nivel 1C en el que se aplican correcciones
atmosféricas para proporcionar las ortoimágenes con niveles digitales expresados en valores de
reflectancia reales a nivel de superficie (BOA, Bottom-Of-Atmosphere reflectances). En el producto
incluye un mapa de clasificación que contempla las siguientes clases: nubes, sombras de nubes,
vegetación, suelos/desiertos, agua, nieve, etc. Este producto posee unas dimensiones de 100 km x
100 km y ocupa un volumen de almacenamiento medio de 800 MB.

Figura 12 Niveles de procesamiento desde el nivel 0 hasta el nivel 1C
Entre las consideraciones generales relativas al procesamiento y difusión de los datos Sentinel-2 destacan:
 La adquisición, procesamiento, archivo y difusión de datos del Nivel-0 a Nivel-2A son realizados
por el segmento de tierra Sentinel-2. El procesamiento desde el Nivel-0 hasta el Nivel-1C (Figura
12) se realiza mediante la funcionalidad de Procesamiento de Datos del Instrumento (IDP) del
Payload Data Ground Segment (PDGS), https://sentinel.esa.int/web/sentinel/missions/sentinel-
2/ground-segment/core-ground-segment/pdgs.
 Los datos de Nivel-0, Nivel-1A y Nivel-1B no se facilitan a los usuarios finales.
 Los productos Nivel-1C y Nivel-2A se ponen a disposición de los usuarios finales a través del
Centro de acceso abierto Copernicus (SciHub).
 Los productos del núcleo de Sentinel-2 son los niveles 1B, 1C y 2A.
 Cualquier usuario puede realizar el procesamiento de Nivel-2A utilizando la caja de herramientas de
Sentinel-2.
2.5.1 Unidades de referencia y de división espacial
En este apartado se describen algunas convenciones utilizadas en Sentinel. En este documento se ha decidido
mantener la denominación original utilizada en los productos Sentinel. De este modo, en este marco, se
denomina datatake a la franja de adquisición continua de imágenes de Sentinel-2 en un modo MSI
determinado y que forma la base de los productos que se estudiarán posteriormente. La longitud máxima de
un datatake de imágenes es de 15.000 km (por ejemplo, observación continua desde el norte de Rusia hasta
el sur de África). Si un datatake es adquirido en dos estaciones terrestres receptoras separadas, el datatake
puede subdividirse en datastrips.
A continuación, se establecen las unidades en las que se dividen los productos Seninel-2 y que guardan
relación directa con los distintos niveles de procesamiento de cada producto.
Los productos son una compilación de unidades elementales de tamaño fijo, dentro una única órbita. Existen
unidades mínimas indivisibles en cada producto que contiene todas las bandas espectrales posibles. El
tamaño de esta unidad depende del nivel del producto.
 Para productos de Nivel-0, Nivel-1A y Nivel-1B: las unidades de división se denominan gránulos,
que hacen referencia a una subimagen de un número determinado de líneas a lo largo del recorrido
del satélite. Tienen un tamaño de 25 km en disposición transversal al recorrido y 23 km en
disposición longitudinal.
Figura 13 División en gránulos
Para productos ortorectificados de Nivel-1C y Nivel-2A: las unidades de división se denominan tiles. Una
tile tiene una extensión geográfica de 100 km x 100 km en el sistema de referencia geodésico WGS84 y en la
proyección cartográfica UTM, en el huso correspondiente a la ubicación geográfica. Se puede descargar la
malla de tiles a nivel mundial en formato kml (Figura 14) en el siguiente enlace de la ESA:
https://sentinel.esa.int/web/sentinel/missions/sentinel-2/data-products.

Figura 14 Cobertura con la cuadrícula correspondiente a Guatemala y países adyacentes
En cada producto se incluye los siguientes elementos de información:

 Datos de imagen en gránulos o tiles que cubren el área de interés del producto (ROI).
 Vista previa de los datos, que proporciona una overview del producto para la posterior búsqueda de
imágenes y la selección por parte del usuario.
 Datos auxiliares de la telemetría satelital.
 Información auxiliar de los datos que describe los parámetros utilizados en el procesamiento.
 Datos indicadores de calidad, que describen el producto en relación a sus propiedades radiométricas,
geométricas y características de la imagen.
La estructura de metadatos describe el contenido del producto (Gatti and Galoppo, 2018).
2.5.2 Nivel-1C
El Nivel-1C de Sentinel-2 es una ortoimagen, es decir, la imagen adquirida se ha ortorectificado utilizando

un modelo digital del terreno para corregir el efecto de la topografía terrestre. Las mediciones radiométricas
de píxeles se proporcionan en valores de reflectancia en el techo de la atmósfera (TOA), expresadas en tanto
por unidad, valores entre 0 y 1, con una resolución radiométrica de 12 bits.
Las ortoimágenes de Nivel-1C poseen un GSD constante de 10 m, 20 m y 60 m, de acuerdo con la resolución
nativa de las diferentes bandas espectrales. La extensión geográfica que abarcan es de 100 km x100 km y
ocupan un volumen de almacenamiento medio de 600 MB, ya que dependiendo de la huellla del Datatake la
imagen adquirida cubrirá el tile en su totalidad o no.
El Nivel-1C se obtiene tras aplicar los siguientes procesos partiendo del producto del Nivel-1B:
a) Correcciones geométricas. Todos los productos son procesados geométricamente de forma rutinaria.
Estas correcciones incluyen dos pasos:
 Registro multitemporal subpíxel entre imágenes.
 Ortorectificación usando un DEM de 90 m (PlanetDEM 90).
b) Procesamiento radiométrico: Conversión de radiancias a reflectancias, suministrándose la
información para aquellos usuarios que precisasen recuperar las radiancias por inversión de la
transformación.
c) Generación de máscaras (píxeles defectuosos, nubes y tierra / agua).
El producto de Nivel-1C contiene la información mostrada en la Tabla 2.
Dato Información
Metadatos A nivel de producto y tiles
Datos de imagen Una imagen en reflectancias TOA por cada banda espectral (JPEG2000)
Derivados del Nivel-1B y Nivel-1C: calidad radiométrica, calidad
Datos indicadores de calidad geométrica, calidad del contenido de las imágenes, información de la
verificación de los controles de calidad.
Referencias GIPP, DEM y GRI utilizadas.
Parámetros meteorológicos ECMWF: Total Column Ozone (TCO3),
Datos auxiliares
Total Column Water Vapour (TCWV) y Mean Sea Level Atmospheric
Pressure (MSLP)
Tabla 2 Contenido del producto nivel 1C
El procesamiento del Nivel-1C incluye correcciones radiométricas y geométricas de ortorectificación y

registro espacial en un sistema de referencia global con precisión subpíxel, llevados a cabo a partir de
algoritmos de remuestreo y de obtención de máscaras de nubes y tierra / agua.
2.5.3 Nivel-2A
Desde mediados de marzo de 2018, el Nivel-2A se convirtió en un producto operacional, comenzando con la
cobertura de la región euromediterránea, con un aumento gradual a la cobertura mundial sistemática en
diciembre de 2018. Además, el Nivel-2A también puede ser generado por el usuario a partir del producto
Nivel-1C utilizando la caja de herramientas de Sentinel-2 o la versión independiente del procesador
Sen2Cor.
El Nivel-2A de Sentinel-2, L2A Product Definition Document (Louis and Devignot, 2018), es una
ortoimagen expresada en valores de reflectancias a nivel de la superficie (BOA), en tanto por unidad, con
valores entre 0 y 1, con una resolución radiométrica de 12 bits. Los píxeles defectuosos, sin datos y saturados
se excluyen de los pasos de procesamiento del Nivel-2A. La reflectancia de la superficie se realiza a la
resolución de los productos nativos en función de la resolución de la banda (10, 20 y 60 m). Los algoritmos
empleados en el proceso de generación del Nivel-2A requieren información derivada de bandas con
diferentes resoluciones. Algunos canales son remuestreados a 60 m según las necesidades de los algoritmos.
Estas imágenes se encuentran corregidas atendiendo a los parámetros relativos a la atmósfera (visibilidad,
vapor de agua, presencia de nubes o cirros y contenido de aerosoles y ozono), a la geometría de la
iluminación-observación (ángulo cenital solar, ángulo acimutal solar y topografía del terreno) y, previa
activación en las opciones del archivo de cabecera del algoritmo, del comportamiento reflectivo que tienen
las distintas cubiertas (Bidirectional Reflectance Distribution Function, BRDF). El modelo atmosférico que
utiliza Sen2Cor se basa en el modelo ATCOR (Atmospheric and Topographic CORrection), el cual se
fundamenta en interpretar los parámetros citados con anterioridad mediante tablas de transformación (Look
Up Tables, LUT) que, a su vez, dependen del cálculo de funciones de transferencia radiativa para: diferentes
sensores, geometrías solares, topografía del terreno y parámetros atmosféricos (Mueller-Wilm, 2016)

El proceso de generación del Nivel-2A a partir del Nivel-1C se divide en dos fases:
1. Clasificación de escenas: que tiene como objetivo proporcionar un mapa de clasificación de píxeles
(nubes, sombras de nubes, vegetación, suelos / desiertos, agua, nieve, etc.).
2. Aplicación de la corrección atmosférica: que tiene como objetivo transformar los productos de
ortoimágenes de nivel 1 en el techo de la atmósfera (TOA) en valores de reflectancia en la superficie
(BOA).
El producto del Nivel-2A incluye información obtenida en el procesamiento que puede ser de mucha
utilidad:
 Un mapa de espesor óptico de aerosoles (AOT, Aerosol Optical Thickness).
 Un mapa de contenido de vapor de agua (WV, Water Vapour).
 Un mapa de clasificación de escena (SCM, Scene Classification Map) junto con indicadores de
calidad para las probabilidades de nubes y nieve a 60 m de resolución.
Figura 15 Ráster Aerosol Optical Thickness (izquierda); ráster Water Vapour (derecha)
Figura 16 Imagen BOA (izquierda); imagen clasificada (derecha)

Los productos de imagen de salida de Nivel-2A se vuelven a remuestrear y generar con una resolución
espacial según la resolución correspondiente a cada banda: 10 m, 20 m o 60 m.
El producto de resolución de 10 m contiene las bandas espectrales 2, 3, 4 y 8 y un mapa AOT remuestreado
desde 20 m. El producto de 20 m contiene las bandas 2 - 7, las bandas 8A, 11 y 12 y un mapa AOT y WV.
Finalmente, el producto de 60 m contiene todos los componentes del producto de 20 m y además las bandas
1 y 9 de 60 m. Se omitirá la banda 10 m de cirros ya que no contiene información de la superficie.
2.5.4 Distribución de productos
A partir del 6 de diciembre de 2016 se distribuye en un nuevo formato para todos los productos de Nivel-1C.
Este formato se introdujo para superar la limitación de 256 caracteres en las rutas de acceso impuestas por
las plataformas del sistema operativo Windows. Esto se ha logrado mediante la compactación de los nombres
de archivo, incluida la denominación de carpetas y archivos internos. Los productos de Nivel-2A ya se
empezaron a distribuir en este formato.
El formato actualizado del producto se describe en detalle en el Documento de especificación de productos
(PSD, ProductsSpecificationDocument de Sentinel-2, versión 14.5).
La convención de nomenclatura compacta es la siguiente:
MMM_MSILNN_YYYYMMDDHHMMSS_Nxxyy_ROOO_Txxxxx_ <Product Discriminator> .SAFE
Los productos contienen dos fechas:
 La primera fecha (YYYYMMDDHHMMSS) corresponde a la adquisición.
 La segunda fecha es el campo "<Product Discriminator>", que tiene una longitud de 15 caracteres
y se utiliza para distinguir entre diferentes productos para usuarios finales.
Los otros componentes del nombre de archivo son:
 MMM: es el ID de misión y satélite (S2A / S2B).
 MSILNN: denota el nivel del producto nivel (1C/2A).
 YYYYMMDDHHMMSS: la hora de inicio de la detección del Datatake.
 Nxxyy: el número de línea de base de procesamiento.
 ROOO: Número de órbita relativa (R001 - R143).
 Txxxxx: Código de identificación de la tile.
 SAFE: Formato de producto (Formato de archivo estándar para Europa)
A modo de ejemplo:
S2A_MSIL1C_20180206T111231_N0206_R137_T30TUL_20180206T132826.SAFE
Se identifica:
 Satélite: Sentinel 2A.
 Producto Nivel 1C.
 Fecha de adquisición: 2018/02/06 hora: 11h 12min 31seg.
 Procesado con Baseline N0206.
 Órbita: R137.
 Tile: T30TUL.
 Fecha de generación del producto: 2018/02/06 13h 28m 26seg.

El producto Nivel-1C tiene la siguiente estructura física de carpetas. Tomando por ejemplo la siguiente
imagen:
S2A_MSIL1C_20180206T111231_N0206_R137_T30TUL_20180206T132826.SAFE
Figura 17 Estructura física del producto nivel 1C
El producto Nivel-2A tiene la siguiente estructura de carpetas. Por ejemplo, para el producto:
S2B_MSIL2A_20180906T105639_N0208_R094_T30TVL_20180906T155143.SAFE

Figura 18 Estructura física del producto nivel 2A
Los productos Sentinel se distribuyen en formato SAFE standard (SAFE Archive Format for Europe) e
incluye la siguiente información:
 Archivos de metadatos en formato XML. Los metadatos del producto se encuentran en la carpeta
raíz. El fichero se denomina MTD_MSILNP.xml donde NN es el nivel de procesamiento. También
se incluye el metadato del producto de acuerdo con las especificaciones INSPIRE y se denomina
INSPIRE.XML. Se muestra un ejemplo de producto 1C (Figura 19) y 2A (Figura 20).
S2B_MSIL1C_20180820T110609_N0206_R137_T30TUL_20180820T154632.SAFE
Figura 19 Metadato producto 1C (MDT_MSIL1C.xml)

S2B_MSIL2A_20180916T105649_N0208_R094_T30TVL_20180916T153754.SAFE

Figura 20 Metadatos del producto 2A (MTD_MSIL2A.xml)
El fichero de metadatos de la pasada se encuentra en la carpeta Datastrip y se denomina MTD_DS.xml. Y los

metadatos de la imagen se encuentran en la carpeta donde se encuentra la tile y se denomina MTD_TL.xml.
En la Figura 21 se puede visualizar los relativos a la imagen 2A de ejemplo. Posteriormente se verá que en la
aplicación SNAP se pueden explorar y visualizar cómodamente todos los metadatos.
Figura 21 Metadatos del producto 2A (MTD_MSIL2A.xml)

 Archivos con los datos de imagen en la carpeta IMG_DATA, que se encuentra en la carpeta
denominada GRANULE, Figura 17 y Figura 18. Se encuentra un archivo por banda espectral en
formato JPEG2000.

 La denominación genérica (IDTILE_AAAAMMDDThhmmss_BXX.jp2) incluye la identificación
de establecida. AAAAMMDDThhmmss hace referencia a la fecha y hora de adquisición del
Datatake y finalmente el número de banda. Por ejemplo, para la banda 3 del producto 1C sería:
T30TUL_20180820T110609_B03.
Se incluye una imagen en color verdadero (IDTILE_AAAAMMDDThhmmss_TCI.jp2), imagen
RGB creada a partir de las bandas B02 (azul), B03 (verde) y B04 (roja), donde los valores de
reflectancias se expresan de 1 y 255, reservándose 0 para 'No Data'. (El nivel digital 255 a una
reflectancia de 0,2).
En los productos 2A existe una carpeta para cada resolución espacial establecida, denominadas
R10m, R20m y R60m, donde, además de las bandas, se encuentran los resultados del procesamiento
a nivel 2ª. La identificación de la banda es sustituida por AOT para la imagen de espesores ópticos,
WVP para las imágenes relativas al contenido de vapor de agua y SCL para las imágenes resultado
del proceso de clasificación.
En la identificación de cada fichero se añadiría la resolución espacial establecida: 10 m, 20 m y 60
m.
 Indicadores de calidad inherentes a las imágenes y derivados del procesamiento de carácter general.
Se incluyen ficheros en formato XML en la carpeta QI_DATA con los parámetros de calidad
general, calidad geométrica, calidad radiométrica, calidad del sensor, corrección del formato, etc. En
la Figura 22 se muestran los diferentes controles de calidad y la nomenclatura establecida.
Figura 22 Controles de calidad según producto Sentinel
 En esta carpeta se incluyen archivos que expresan la calidad en forma máscaras en formato GML:
o Máscaras que hacen referencia a la información radiométrica de las imágenes, como por
ejemplo: píxeles defectuosos (MASK_DEFECT), saturados (MASK_SATURA), sin
información (MASK_NODATA), etc.
o Máscaras de nubes (MSK_CLOUDS), clasificadas en densas y cirros, como se muestra en la
Figura 23.
 En el producto 2A se incluyen: máscaras de probabilidad de nubes (MSK_CLDPRB), máscaras de
probabilidad de nieves (MSK_SNWPRB) y, de forma opcional, máscaras de vegetación densa
(MSK_DDVPXL).
 Huellas de los detectores para cada banda (MSK_DETFOO).
 En la carpeta AUX_DATA se encuentran los parámetros meteorológicos y físicos
(AUX_ECMWFT) y, de forma opcional con los procesamientos de la Toolbox, el DEM a la
resolución de la imagen. Además, puede contener ficheros GIPP y otros datos auxiliares.

Figura 23 Máscaras de nubes (azul) y cirros (amarillo)

3 Sentinel 1
La misión Sentinel-1 es una iniciativa conjunta de la Comisión Europea (CE) y la Agencia Espacial Europea
(ESA) que se constituye como el Observatorio Radar Europeo (European Radar Observatory) del programa
Copernicus.
El Documento de Requisitos de la Misión Sentinel-1 (MRD, Mission Requirements Document, disponible en
este enlace) describe en detalle todos los requisitos específicos de la misión.
3.1 Características generales

La misión se compone de una constelación de dos satélites, Sentinel-1A y Sentinel-1B, que comparten el
mismo plano orbital, capturando imágenes radar de apertura sintética (SAR, Synthetic Aperture Radar) en
banda C. Al operar en longitudes de onda (λ = 5 cm) no afectadas por la nubosidad o la falta de iluminación,
puede adquirir datos durante el día o la noche bajo casi cualquier condición meteorológica.
Se pueden capturar datos en cuatro modos exclusivos de imágenes con diferente resolución (hasta 5 m) y
cobertura (hasta 400 km). Proporciona capacidad de polarización, tiempos de revisita muy cortos y entrega
rápida del producto. También se facilitan las mediciones precisas de posición y actitud de la plataforma
satelital de cada observación.
Sentinel-1 está diseñado para trabajar en un modo pre-programado, capturando imágenes en alta resolución
de todas las masas terrestres mundiales, zonas costeras y rutas de navegación en aguas europeas, obteniendo
también datos globales en océanos a intervalos regulares. Todo ello garantiza la confiabilidad del servicio y
un archivo de datos consistente a largo plazo creado para aplicaciones basadas en series de tiempo de larga
duración. El tiempo de revisita mejorado, su amplia cobertura geográfica y la rápida distribución de datos
son especialmente adecuados para aplicaciones operacionales en áreas prioritarias de supervisión marina y
terrestre, así como para servicios de emergencia.
3.2 Satélites y sensor

Los satélites Sentinel-1 han sido creados por un consorcio industrial liderado por Thales Alenia Space Italy,
como contratista principal, y con Astrium Alemania como responsable de la carga útil del instrumento C-
SAR, que incorpora el subsistema electrónico central radar desarrollado por Astrium UK.
La órbita de la misión Sentinel-1 es de tipo heliosíncrona, casi polar y circular. La altitud media de la órbita
sobre la superficie terrestre es de 693 km. La inclinación de la órbita es de 98,18°. Sentinel-1 porta un único
instrumento SAR en banda C que opera en una frecuencia central de 5,405 GHz (λ = 5 cm).
El instrumento C-SAR admite el funcionamiento en doble polarización (HH+HV, VV+VH). Los datos de
doble polarización son útiles, entre otras aplicaciones, para la clasificación de cobertura terrestre y las
aplicaciones de zonas marinas heladas.
3.2.1 Modos de adquisición
En este apartado se describen los cuatro modos de adquisición, mostrados en la Figura 24, exclusivos en los
que opera el instrumento SAR de Sentinel-1:
 Stripmap (SM).
 Interpherometric Wide swath (IW).
 Extra-Wide swath (EW).
 Wave (WV).

En cada modo de adquisición es posible generar productos a Nivel-0 SAR, Nivel-1 SLC, Nivel-1 GRD y
Nivel-2 OCN.
Figura 24 Modos de adquisición Sentinel 1
El haz de antena de radar de banda C Sentinel-1 ilumina el terreno hacia el lado derecho del satélite. Debido
al movimiento del satélite y al ancho del haz de la antena a lo largo de la trayectoria (azimut), cada objeto
observado sólo permanece dentro del haz de iluminación durante un corto período de tiempo. Como parte del
procesamiento en tierra, las complejas señales de eco recibidas durante este tiempo se agregan de manera
coherente. De esta forma, se sintetiza una antena larga, con la longitud de apertura sintética igual a la
distancia recorrida por el satélite durante el tiempo de integración. En principio, la resolución geométrica en
azimut que se puede obtener con SAR es aproximadamente la mitad de la longitud real de la antena.
Para mejorar la resolución radiométrica se puede emplear el procesamiento multi-look de azimut, lo que
implica una reducción en la resolución geométrica en azimut en un factor igual al número de looks. La
resolución geométrica en distancia (range resolution) es una función del ancho de banda de la señal radar
transmitida.
El hecho de que el sistema funcione de forma coherente de extremo a extremo significa que tanto la relación
de amplitud como la de fase entre las señales complejas transmitidas y recibidas se mantienen a lo largo de
los instrumentos y la cadena de procesamiento. Esto facilita la síntesis de apertura, así como la
interferometría de radar de múltiples pasadas utilizando pares de imágenes tomadas sobre la misma área en
diferentes momentos.
Las características de los diferentes modos de adquisición se explican a continuación:
a) Modo de franja o StripMap (SM): Este modo está previsto para dar continuidad a las misiones ERS
y Envisat. En este modo, el instrumento proporciona cobertura interrumpida con una resolución
ligeramente mejor de 5 m x 5 m en un ancho de swath de 80 km. Seis pulsos generan seis swaths
superpuestos que cubren un rango de 375 km. Para cada swath la antena está configurada para
generar un haz con un azimut fijo y un ángulo de incidencia diferente.
b) Modo de franja de cobertura interferométrica o Interpherometric Wide Swath (IW): Es el modo
de adquisición predeterminado y principal de Sentinel-1 sobre tierra con resoluciones geométrica y
radiométrica adecuadas para la mayoría de las aplicaciones. Los datos se adquieren en tres sub-
swaths usando la Técnica de Observación de la Tierra con Escaneo Progresivo (TOPSAR, Terrain

Observation with Progressive Scanning). En el modo IW, las ráfagas (bursts) se sincronizan de
pasada a pasada para garantizar la alineación de pares interferométricos.
Permite combinar un gran ancho de swath (250 km) con una resolución geométrica moderada (5 m x
20 m).
c) Modo de franja extra ancha o Extra-Wide swath (EW): De forma análoga al modo IW, el modo
EW emplea la técnica TOPSAR para adquirir datos en un área más amplia utilizando para ello 5 sub-
swaths en lugar de 3 del modo IW. El modo EW adquiere datos a lo largo de un swath de 400 km a
una resolución espacial de 20 m x 40 m, proporcionando una cobertura de swath muy grande en
detrimento de su resolución espacial.
d) Modo de onda o Wave (WV): En este modo de adquisición los datos se capturan en pequeñas
escenas de Stripmap llamadas viñetas (vignettes), de 20 km x 20 km, con una resolución espacial de
5 m x 5 m, situadas a intervalos regulares de 100 km a lo largo de la trayectoria de la órbita. Las
vignettes se adquieren alternando.
WV es el modo operativo de Sentinel-1 en mar abierto. Este modo, junto con los modelos globales
de onda oceánica, puede ayudar a determinar la dirección, la longitud de onda y la altura de las olas
en los océanos abiertos.
Las características principales de cada modo de adquisición en Sentinel 1 se resumen en la Tabla 3:
Característica SM IW EW WV
Ancho swath 80 km 250 km 410 km -
Cobertura en terreno de una - -
- 20 x 20 km
vignette
Dual HH+HV, Dual HH+HV, Dual HH+HV,
VV+VH VV+VH VV+VH Single HH,
Opciones de polarización
VV
Single HH, VV Single HH, VV Single HH, VV
Resolución espacial 5x5m 5 x 20 m 20 x 40 m 5x5m
Tabla 3 Caracterísitcas principales de los modos de adquisición Sentinel 1
En relación con las aplicaciones de los productos derivados, los modos principales sin conflicto de Sentinel-
1 son:
 Supervisión de la tierra: modo IW, con polarización VV+VH.
 Supervisión mar abierto: modo WV, con polarización VV.
El modo EW se usa principalmente para la supervisión de zonas amplías de costa en mares europeos
seleccionados, áreas del Ártico y del océano Austral, en aplicaciones relacionadas con el tráfico marítimo,
posibles derrames de petróleo y para la supervisión del hielo marino.
El modo SM solo se usa para islas pequeñas y bajo petición, para eventos extraordinarios como la gestión de
emergencias.
Disponer del modo IW como el modo operativo principal sobre tierra, satisface la mayoría de los requisitos
de servicio actuales, evita conflictos y preserva el rendimiento de visitas, simplifica la planificación de
misiones, reduce los costos operativos y crea un archivo coherente a largo plazo.
En la Figura 25 se muestra el escenario de observación Sentinel-1 en términos de modo de adquisición,
polarización y geometría de observación.

Figura 25 Escenario de observación Sentinel 1. Modo, polarización y geometría de observación
3.3 Escenarios de adquisición

Sentinel-1 implementa un escenario de observación de misión predefinido, haciendo uso del ciclo de trabajo
SAR dentro de las limitaciones técnicas del sistema. Este escenario tiene como objetivo cumplir en primer
lugar con los requisitos de observación de los servicios Copernicus y de los Estados miembros de la
ESA/UE. Como objetivo secundario se establece satisfacer a otras comunidades de usuarios de SAR,
garantizando la continuidad de otras misiones como ERS y Envisat, teniendo en consideración los requisitos
de la comunidad científica, así como de los socios internacionales y las actividades de cooperación.
La elaboración de un plan de observación predefinido requiere resolver, a priori, posibles conflictos en la
gestión de las demandas de las peticiones (por ejemplo, diferentes modos de adquisición SAR o esquemas de
polarización requeridos sobre la misma área geográfica).
Durante la fase de explotación, el plan de observación Sentinel-1 ha evolucionado en su capacidad operativa.
En consecuencia, las observaciones y el volumen de datos disponibles para los usuarios operacionales de
Sentinel-1 han aumentado durante este período.
Dentro del plan de observación predefinido, la misión Sentinel-1 asegura observaciones que cumplen las
siguientes categorías principales de servicios:
 Servicios de supervisión relacionados con océanos, mares y hielo marino. Estos servicios requieren
datos quasi real-time o near real-time, generalmente en menos de 3 horas y, en algunos casos, en
menos de 10 minutos. Los servicios que requieren datos dentro de la primera hora desde su detección
precisan su recepción desde estaciones locales. La mayoría de estos tipos de servicios de supervisión
requieren observaciones sistemáticas o muy frecuentes (por ejemplo, diarias).
 Servicios/aplicaciones sobre la tierra. Estos servicios o aplicaciones cubren una amplia gama de
diferentes dominios temáticos. Por lo general, no requieren datos quasi real-time y pocos de ellos
requieren datos dentro de las 3 horas (near real-time) desde su detección. Los datos relacionados se

registran a bordo y se descargan a la red central de estaciones terrestres. Estos productos están
disponibles dentro de las 24 horas desde su detección.
La estrategia de observación de alto nivel Sentinel-1 está basada en:
 Uso óptimo del ciclo de trabajo SAR (25 min/órbita), teniendo en cuenta las diversas limitaciones,
entre las que se encuentran, por ejemplo, la limitación del número de conmutadores de RF de banda
X, tiempos de transición de modo, tiempo máximo de descarga por órbita y tiempo máximo de
descarga consecutivos.
 Uso óptimo de las adquisiciones de polarización simple y doble, de acuerdo con la capacidad de
descarga disponible.
 Modo WV operado continuamente sobre océanos abiertos, con menor prioridad en comparación con
los modos de alta velocidad.
 Modos IW y EW operados en áreas geográficas predefinidas:
o Sobre tierra y zonas costeras: el modo predefinido es IW.
o Sobre mares y áreas polares, y áreas relevantes del océano, el modo predefinido es EW.
Sólo en casos excepcionales las solicitudes de observación de emergencia pueden alterar el escenario de
observación predefinido, lo que podría requerir el uso del modo SM.
Sobre tierra se usa sistemáticamente el mismo esquema de polarización SAR en un área determinada, para
garantizar series temporales de datos en las mismas condiciones para los servicios operativos de rutina y para
permitir aplicaciones InSAR. Dependiendo del área, la selección de la polarización es vertical u horizontal,
la elección se realiza de acuerdo con la aplicación principal. Como regla general, el esquema de polarización
utiliza la siguiente lógica:
 Polarización HH-HV o HH para la supervisión de ambientes polares y zonas de hielo marino.
 Polarización VV-VH o VV para el resto de zonas de observación (con una excepción en la zona del
Mar Báltico observada parcialmente en polarización HH-HV durante el invierno septentrional, en
órbitas descendentes).
Figura 26 Escenario de observación Sentinel 1. Frecuencia de revisita y cobertura

El Plan de Operaciones de Alto Nivel de Sentinel (HLOP, Sentinel High Level Operations Plan) proporciona
detalles específicos sobre el concepto y la estrategia de operaciones de alto nivel de las misiones de Sentinel.
Se puede consultar el archivo para ver una lista completa de los mapas de escenarios de observación de
Sentinel-1A que se remontan al inicio de las operaciones Sentinel-1A (septiembre de 2014).
Las Figura 25 y la Figura 26 describen el escenario general de observación de la constelación Sentinel-1, a
partir de abril de 2019, en términos de: modo SAR, polarización, geometría de observación, revisita y
frecuencia de cobertura. En estas figuras no se muestra el modo WV, ya que es operado continuamente por
defecto en océanos abiertos.
3.3.1 Planificación
La información detallada de la planificación de futuras observaciones Sentinel-1 en términos de adquisición

(modo SAR, fecha, horas de inicio - detención, polarización, etc.) está disponible en la página Segmentos de
Adquisición en forma de ficheros kml.
Se puede consultar también el archivo de planificaciones anteriores para disponer de una lista completa de
los archivos kml más antiguos, que se remontan a abril de 2015.
 Cada archivo kml cubre generalmente un período de 12 días. La hora de inicio y finalización de la
información de planificación contenida en el kml se define en el nombre del archivo.
 Se proporcionarán archivos kml actualizados en caso de cambios en la planificación definida por un
archivo kml previamente publicado. En algunos casos, especialmente cuando se necesitan cambios
de última hora para atender las solicitudes del Servicio de Emergencias de Copernicus (Copernicus
Emergency Management Service), el último archivo kml puede ser más corto que el anterior,
cubriendo solo unos pocos días. En este caso, un archivo actualizado kml de duración estándar se
publicaría 1 o 2 días después.
 Se proporcionarán regularmente nuevos archivos kml para cubrir los próximos ciclos de misión.
En cuanto a la información proporcionada por los archivos KML se destaca lo siguiente:
 El archivo kml muestra las huellas de los datos planificados en el mapa (Figura 27) utilizando la
siguiente convención:
o Los datos planificados capturados en modo de adquisición IW son resaltados en rojo.
o Los datos planificados capturados en modo de adquisición o EW son resaltados en verde.
o Los datos planificados capturados en modo de adquisición SM son resaltados en negro.

Figura 27 Huella de los datos planificados en el fichero kml
 Al pulsar sobre cada dato, se facilitan los siguientes detalles (Tabla 17 y Figura 28).
Parámetro Descripción Ejemplo
Identificador del satélite. En este caso
Satellite ID S1A
siempre Sentinel-1A
Datatake Id Se corresponde con un único identificador
del producto (valor hexadecimal). Este
identificador es también utilizado en el 36153
nombre del fichero de cualquier producto
generado
Mode Modo de adquisición del instrumento (IW,
IW
EW, SM)
Swath Swath (de 1 a 6 para el modo SM, no
N/A
aplicable para los modos IW y EW)
Polarización del instrumento para la
adquisición del Datatake. Posibles valores:
Polarisation - DV: VV-VH DV
- DH: HH-HV
- SV: VV
- SH: HH
Fecha de inicio y tiempo UTC del Datatake
ObservationTimeStart 2019-10-29T11:53:15
planificado
Fecha de parada y tiempo UTC del Datatake
ObservationTimeStop 2019-10-29T11:54:49
planificado
Duración del planificado Datatake en
ObservationDuration 94
segundos
Número de órbita absoluta a la hora de inicio
OrbitAbsolute 29673
del Datatake
Órbita relativa a la hora de inicio del
OrbitRelative 26
Datatake (track number)
Tabla 4 Descripción de la información suministrada en los archivos kml de planificación

Figura 28 Detalles proporcionados al identificar cada elemento del fichero kml
3.3.2 Resolución temporal y cobertura geográfica
Este apartado describe la frecuencia de revisita y la cobertura proporcionada por los modos principales de
Sentinel-1. La constelación Sentinel-1 ofrece una mejora en el tiempo de revisita respecto a las misiones
ERS-1/2 y ENVISAT ASAR y una continuidad en la cobertura de ENVISAT ASAR, aportando una mayor
resolución espacial y una cobertura de doble polarización potencialmente global sobre masas terrestres.
Sentinel-1A y Sentinel-1B comparten el mismo plano orbital, casi polar, sincrónico con el Sol, con una
diferencia de fase orbital de 180°, con un ciclo de repetición de 12 días y 175 órbitas por ciclo.
Por tanto, un solo satélite Sentinel-1 es potencialmente capaz de cartografiar masas terrestres globales en el
modo IW una vez cada 12 días, en una sola pasada (ascendente o descendente). La constelación combinada
de los dos satélites ofrece por tanto un ciclo de repetición exacto de 6 días en el ecuador. Dado que el
espaciamiento de la trayectoria de la órbita varía con la latitud, la tasa de revisita es significativamente
mayor en las latitudes más altas que en el ecuador (Figura 121).
Figura 29 Frecuencia de revisita para S-1A y S-1B en días por revisita

3.4 Productos Sentinel 1
En este apartado se describen los tipos de productos y niveles de procesamientos Sentinel-1 generados por el
Payload Data Ground Segment (PDGS) y distribuidos por la ESA, que incluyen:
 Datos brutos de Nivel-0 SAR (uso específico).
 Datos procesados de Nivel-1 SLC - Single Look Complex que comprenden imágenes complejas
con amplitud y fase (distribución sistemática limitada a áreas específicas relevantes).
 Datos procesados de Nivel-1 GRD - Ground Range Detected únicamente con intensidad multi-
looked (distribución sistemática).
 Datos procesados de Nivel-2 OCN - Ocean para parámetros geofísicos recabados del océano
(distribución sistemática).
Figura 30 Productos Sentinel 1

Los productos están disponibles en polarización única (VV o HH) para el modo de adquisición WM y doble
polarización (VV+VH o HH+HV) o polarización única (HH o VV) para el resto de los modos SM, IW y
EW.
Estos productos están disponibles de forma sistemática y gratuita para todos los usuarios, incluidos el
público en general, científicos y comerciales. Los datos se distribuyen 1 hora después de su recepción para el
caso de la respuesta de emergencia en tiempo casi real (NRT, Near Real Time), dentro de las 3 horas para las
áreas prioritarias NRT y en 24 horas para datos archivados sistemáticamente.
Todos los productos se distribuyen en formato de archivo estándar de Sentinel para Europa (SAFE, Standard
Archive Format for Europe), con una denominación en función del modo de adquisición, tipo de producto y,
en el caso de GRD de Nivel-1, también por su resolución.
En este documento nos referiremos a los productos GRD y SLC únicamente.
3.4.1 Single Look Complex (SLC)
Los productos Nivel-1 SLC son datos SAR georeferenciados utilizando información de la órbita y de la
actitud del satélite.
Cada píxel de la imagen está representado por un valor de magnitud compleja (I y Q) y, por lo tanto,
contiene información de amplitud y fase. Cada valor I y Q es de 16 bits por píxel. El procesamiento de todos
los productos SLC produce como resultado una única vista (single look) en cada dimensión utilizando el
ancho de banda completo de la señal disponible.
Los productos SLC se generan para todos los modos de adquisición:

 Productos Nivel-1 SLC StripMap (Nivel-1 SLC SM).
 Productos Nivel-1 SLC Interferometric Wide swath (Nivel-1 SLC IW).
 Productos Nivel-1 SLC Extra Wide swath (Nivel-1 SLC EW).
 Productos Nivel-1 SLC Wave (Nivel-1 SLC WV).
3.4.2 Ground Range Detected
Los productos Nivel-1 GRD consisten en datos SAR proyectados utilizando un modelo elipsoidal WGS84.
Los píxeles incluyen el valor de amplitud, perdiéndose la información de la fase. El producto original tiene
píxeles aproximadamente cuadrados. Tras la aplicación del procesamiento multi-look para la reducción del
efecto de moteado o efecto “sal y pimienta” (speckle) se obtendrán píxeles cuadrados con pérdida de
resolución.
Los productos de GRD están disponibles en tres resoluciones, que se caracterizan por el modo de
adquisición: Stripmap (SM), Interferometric Wide swath (IW) o Extra-Wide swath (EW), y por el nivel de
procesamiento multi-looking aplicado:
 Resolución completa (FR).
 Alta Resolución (HR).
 Resolución media (MR).
Figura 31 Tipos de resoluciones para productos Nivel-1 GRD
En la siguiente Tabla se proporciona un resumen de las resoluciones espaciales que dependen del modo de
adquisición y del tipo de producto. Para el caso de productos Nivel-1 GRD se proporciona además una
subclasificación por clase de resolución (completa, alta y media). Nótese que, en este último caso, la
resolución completa (FR) solo está disponible en el modo de adquisición SM.

Tabla 5 Modos de adquisición, productos y resoluciones de estos últimos en Sentinel 1
3.4.3 Distribución de productos
Todos los productos se procesan directamente desde el producto Nivel-0 SAR. Cada modo de adquisición
puede generarse en los niveles de procesamiento Nivel-1 SLC, Nivel-1 GRD y Nivel-2 OCN.
Las operaciones del segmento Tierra Sentinel-1 implementan un escenario de producción predefinido de
referencia. Este escenario prevé el procesamiento sistemático y la difusión en línea de todos los datos
Sentinel-1 adquiridos en modos IW, EW y SM en productos GRD de Nivel-0 y Nivel-1.
Además, se complementa con el procesamiento también sistemático y la difusión en línea de:
 Para el modo WV, los productos de Nivel-0 SAR no se distribuyen.
 Productos Nivel-1 SLC para todos los datos adquiridos del modo WV (activo desde octubre de 2016
para Sentinel-1B y desde mayo de 2017 para Sentinel-1A).
 Productos Nivel-1 SLC para todos los datos adquiridos en modo IW en áreas regionales específicas.
Las áreas geográficas donde los productos Nivel-1 SLC se generan sistemáticamente han ido
creciendo desde la apertura del acceso a datos en línea el 03/10/2014.
 Productos Nivel-2 OCN para todos los datos adquiridos del modo WV (activo desde julio de 2015
para Sentinel-1A y desde octubre de 2016 para Sentinel-1B).
 Productos Nivel-2 OCN para todos los datos adquiridos en modo IW y EW en regiones específicas.
3.4.4 Nomenclatura de archivos Nivel-1 GRD
En este caso, para mayor claridad, se acompañan las descripciones con un ejemplo de un producto concreto:
S1A_IW_GRDH_1SDV_20180413T175451_20180413T175516_021452_024F10_6834.SAFE
El nombre de la carpeta del producto Sentinel-1 de nivel superior se compone de caracteres alfanuméricos en
MAYÚSCULAS separados por un guion bajo (_).

Figura 32 Nomenclatura de productos Nivel 1
 El identificador de la misión (MMM) indica el satélite y será S1A para Sentinel-1A o S1B para
Sentinel-1B.
 El Modo / Haz (BB) identifica los haces S1-S6 para productos SM e IW, EW y WV para productos
de sus respectivos modos de adquisición.
 El tipo de producto (TTT) puede ser SLC o GRD para el caso de productos Nivel-1.
 La clase de resolución (R) puede ser F (resolución completa), H (alta resolución), M (resolución
media).
 El nivel de procesamiento (L) es en este caso 1.
 La clase de producto (F) puede ser estándar (S) o Anotación (A). Los productos de anotación son
únicamente utilizados internamente por el PDGS y no se distribuyen.
 La polarización (PP) puede ser:
o SH (polarización única de HH).
o SV (polarización única VV).
o DH (doble polarización HH+HV).
o DV (doble polarización VV+VH).
o HH (doble polarización parcial, solo HH).
o HV (doble polarización parcial, solo HV).
o VV (doble polarización parcial, solo VV).

o VH (doble polarización parcial, solo VH).
 La fecha y hora de inicio y finalización del producto se muestran con catorce dígitos que representan
la fecha y la hora, separados por el carácter 'T'.
 El número de órbita absoluta en el momento de inicio del producto (OOOOOO) estará en el rango
000001-999999.
 El identificador del datatake de la misión (DDDDDD) estará en el rango 000001-FFFFFF.
 Identificador único del producto (CCCC) como cadena hexadecimal.
 La extensión de la carpeta siempre es "SAFE".
3.5 Aplicaciones
Sentinel-1 proporciona soporte a tres servicios prioritarios del programa Copernicus:
 Copernicus Marine Environment Monitoring Service.
 Copernicus Land Monitoring Service.
 Copernicus Emergency Management Service.
Se puede encontrar más información sobre las áreas temáticas de Copernicus en la guía de áreas temáticas.
Cada aplicación puede atenderse mejor con modos de adquisición y tipos de productos de Sentinel-1
específicos, como se muestra en la Tabla 6. El modo de IW es el modo de operación principal para la
mayoría de las aplicaciones sobre Tierra.
Modo de adquisición
Aplicación
SM IW EW WV
Zonas árticas y hielo marino  
Vigilancia de embarcaciones en mar abierto  
Vigilancia de la contaminación por hidrocarburos  
Vientos marinos   
Ámbito forestal 
Agricultura 
Cartografiado de deformaciones urbanas 
Cartografiado de inundaciones  
Análisis de terremotos  
Vigilancia de deslizamientos y volcanes  
Tabla 6 Aplicaciones asignadas a distintos modos de adquisición
Nota: para varias islas volcánicas pequeñas en todo el mundo, desde mayo de 2015, se utiliza el modo SM para la cobertura regular.
Esto se implementa en el caso de que una swath en modo SM cubra por completo la isla en una pasada, y no se lleven a cabo
actividades de vigilancia marítima alrededor de la isla. El modo SM presenta swath más pequeño que el modo IW (80 km frente a
250 km), pero garantiza una resolución espacial más alta, de particular interés para la monitorización de volcanes.
3.5.1 Supervisión marina
a) Supervisión del hielo

Los servicios de cartografiado de zonas heladas a alta resolución proporcionan una clasificación del hielo y
datos de los icebergs a los guardacostas nacionales, las armadas y a compañías navieras, para ayudar a
garantizar una navegación segura durante todo el año en las zonas árticas y subárticas cubiertas de hielo.
Para el hielo marino se puede determinar la información sobre la concentración de hielo, extensión, tipo,

espesor y velocidad de deriva. También permiten determinar la ubicación, el tamaño y la deriva de los
icebergs. Los datos en doble polarización Sentinel-1 pueden mejorar significativamente la clasificación y
discriminación del hielo, como se muestra en la Figura 33.
Mediante la detección de cambios en la extensión del hielo marino en el Ártico, se pueden evaluar los
impactos ambientales en zonas costeras y en el transporte con datos Sentinel-1.
Figura 33 Monitorización de la plataforma de hielo Larsen C de la Antártida por la misión Copernicus

Sentinel-1 entre mayo de 2016 y julio de 2017. Contiene datos modificados de Copernicus [2016-2017]
a) Vigilancia de embarcaciones en mar abierto
Sentinel-1 provee una amplia cobertura con tiempos de revisita mejorados y permite detectar embarcaciones
más pequeñas que el instrumento ASAR de Envisat. La capacidad de la misión de observar en cualquier
clima y de día o de noche, facilita una supervisión frecuente, haciéndolo ideal para la localización precisa de
actividades de embarcaciones en el mar, lo que permite un uso más eficiente y rentable de otros activos de
seguridad (Figura 34 y Figura 35). Los datos relevantes para la detección del buque son transmitidos por el
satélite en tiempo real para su recepción por estaciones terrestres colaboradoras locales que prestan su apoyo
a servicios europeos y nacionales.

Figura 34 Embarcaciones detectadas entre Gibraltar y Algeciras en septiembre de 2017 con datos
Sentinel-1
Figura 35 Patrón clásico de la estela de una embarcación en imágenes SAR (S-1A Modo SM,
Copernicus Data [2015])
b) Vigilancia de la contaminación por hidrocarburos

La contaminación del océano debido a derrames de hidrocarburos es un importante peligro ambiental.
Aunque los accidentes de los petroleros son bien conocidos, no son la causa principal de este tipo de eventos.
Las descargas ilegales de barcos que vacían su sentina antes de entrar en puerto o las producidas por
plataformas de perforación, accidentes en tuberías o fugas naturales, entre otros, reúnen a la mayoría de las
fuentes de contaminación por hidrocarburos en el océano.
Las aplicaciones relacionadas con su detección a partir de la Observación de la Tierra basada en satélites es
una herramienta adicional para proporcionar información estratégica para la planificación de operaciones de

respuesta al derrame, mediante la recopilación de evidencias de descargas ilegales, evaluando la extensión
inicial y analizando su propagación e impacto. Las manchas de hidrocarburos son claramente visibles en las
imágenes SAR, apareciendo zonas oscuras debidas a la ausencia de retrodispersión por reflexión especular.
Figura 36 Derrame de petróleo observado en la costa belga cerca de Zeebrugge (Bélgica) el 10/08/2015
después de una colisión entre dos buques
Con objeto de determinar las fuentes y encausar a los infractores, las detecciones pueden además
correlacionarse con las transmisiones de información del Sistema de Identificación Automática (AIS,
Automatic Identification System) o de Identificación y Seguimiento a Largo Plazo (LRIT, Long-Range
Identification and Tracking) de los buques. Los datos relevantes para la supervisión de derrames de petróleo
son transmitidos por el satélite en tiempo real para su recepción por estaciones terrestres colaboradoras
locales que prestan su apoyo a servicios europeos y nacionales.
Otra aplicación está relacionada con la detección de filtraciones de petróleo de origen natural desde el fondo
del océano, que puede proporcionar pistas para futuras prospecciones de petróleo.
c) Vientos marinos
El SAR es sensible a los patrones de rugosidad de la superficie que varían espacialmente y que son causados
por los vientos en la superficie del océano (Figura 37). Los productos oceánicos Sentinel-1, junto con los
modelos de ola oceánica global, ayudan a determinar la dirección, longitud de onda y alturas de las olas en
océanos abiertos, proporcionando soporte en la predicción del clima, el transporte de embarcaciones y las
aplicaciones relacionadas con la energía de las olas.
Las estimaciones de los campos de viento también juegan un papel importante en la supervisión de derrames
de hidrocarburos, permitiendo discriminar causas accidentales de los vertidos voluntarios reales.

Figura 37 Velocidad del viento derivada de datos Sentinel-1 sobre el tifón Megi, procesada como parte
del proyecto de estudio de ciencias del océano ESA/SEOM 4 #EO4Society
Además, Sentinel-1 proporciona datos de las interacciones entre las olas del océano y las corrientes,
permitiendo la visualización de corrientes oceánicas a gran escala, masas de agua fría / caliente, corrientes de
agua costeras y ondas internas.
3.5.2 Supervisión de la Tierra
a) Aplicaciones forestales
Sentinel-1 puede desempeñar un papel importante en la gestión forestal sostenible con la clear-cut and
partial-cut detection, clasificación del tipo de bosque, estimación de biomasa y detección de perturbaciones.
Para aplicaciones relacionadas con el cambio climático, el estudio y la delimitación de incendios forestales
tiene un elevado interés medioambiental, dado que estos pueden cambiar ciertos ecosistemas, y son una
importante fuente de aerosoles y gases de efecto invernadero. Su detección automática empleando series
MultiTemporales de Coherencia (MTC) calculadas a partir de imágenes radar Sentinel-1, permiten disponer
de un historial de la presencia de carbono de un bosque, jugando un papel fundamental en la estimación de
las emisiones de carbono.
En este ámbito de aplicación, se han obtenido buenos resultados en la delimitación de zonas quemadas
mediante el análisis de imagen radar MTC, lo cual abre la posibilidad de su uso en evaluación de daños
(Donezar Hoyos et al., 2017).
Finalmente, la cartografía de la cobertura terrestre se puede utilizar para apoyar la gestión forestal y la
supervisión de extracción ilegal de madera en todo el mundo.
b) Agricultura
La supervisión de las condiciones de los cultivos, las propiedades del suelo y el cartografiado de actividades
de labranza tillage, ayudan a evaluar el uso de la tierra, predicen las cosechas, supervisan los cambios
estacionales y apoyan la implementación de políticas para el desarrollo sostenible. Sentinel-1 también se
puede utilizar para cartografiar los cambios en la producción agrícola y la productividad de los pastizales

causados por la sequía, para monitorizar la disminución de la productividad de la tierra y para evaluar la
degradación del suelo debido al cultivo excesivo, al pastoreo o la irrigación inadecuada.
Los mapas agrícolas permiten la provisión de estimaciones independientes y objetivas de la extensión del
cultivo en un país determinado o en una temporada de crecimiento, que puede utilizarse para respaldar los
esfuerzos para garantizar la seguridad alimentaria en las zonas vulnerables.
Figura 38 Cartografiado de la expansión de la plantación de caucho con Sentinel-2/Sentinel-1
La clasificación de cultivos es una de las aplicaciones agrícolas más importantes de teledetección. Aunque la
teledetección radar se comenzó a desarrollar hace ya cuatro décadas, sus aplicaciones operacionales son aún
mucho menores que las basadas en teledetección óptica. Con la puesta en marcha de misiones como
Sentinel-1, se están desarrollando nuevas aplicaciones basadas en este tipo de observaciones, aprovechando
las ventajas de que su señal no se ve afectada por la nubosidad, además de proporcionar información sobre
características geométricas y dieléctricas de las cubiertas que puede ser útil para discriminar algunos cultivos
que no se podrían distinguir sólo con imágenes ópticas.
En cuanto a las características técnicas de los productos a utilizar, se han realizado diversos estudios con
diferentes bandas respecto a las longitudes de onda apropiadas a la hora de clasificar cultivos, y se ha
demostrado que la banda C es muy útil para aplicaciones agrícolas. Respecto a la polarización, se concluye
que la opción de polarización dual (VV-VH) puede ser una alternativa interesante para estas aplicaciones,
destacando además el hecho de que el breve periodo de revisita favorece la disponibilidad de series
multitemporales.
c) Control de deformaciones y deslizamientos de ladera

La interferometría diferencial radar (DInSAR) es una técnica para la monitorización de movimientos de la
superficie con precisión milimétrica que utiliza imágenes SAR. Uno de los principales inconvenientes de
dicha técnica ha sido la dificultad de obtener datos con una alta frecuencia temporal y a un precio reducido.
Por ejemplo, durante las últimas dos décadas los satélites en banda C de la ESA, ERS-1/2 y ENVISAT, han
proporcionado una gran cantidad de imágenes a precio reducido o gratuito, pero con una frecuencia temporal
baja e irregular. Por otro lado, los satélites comerciales de la última década, tales como Radarsat-2 (banda C),
Cosmo-SkyMed y TerraSAR-X (banda X), ofrecen datos bajo demanda con reducidos tiempos de revisita,
pero a precios elevados y con cobertura reducida.
La puesta en órbita de los satélites Sentinel-1A y 1B ha supuesto un enorme impulso a los productos
DInSAR, ya que las imágenes son de descarga gratuita, con una frecuencia de adquisición elevada (hasta una
imagen cada 6 días en el mejor de los casos) y una cobertura extensa de cada imagen (250 × 250 km). Estos
satélites permiten la monitorización continua de los movimientos de superficie en áreas extensas,
permitiendo conocer la distribución espacial de las tasas de hundimiento.
En zonas urbanas esta técnica se aplica al control de hundimientos de tierra, daños estructurales o
construcciones subterráneas, con el propósito de mejorar la seguridad y reducir pérdidas económicas.
Figura 39 Subsidencias en Venecia a partir de interferometría del satélite ERS-2. Fuente: ESA
3.5.3 Gestión de emergencias
a) Cartografiado de inundaciones
Más del 75% de los desastres naturales que ocurren en todo el mundo están relacionados con inundaciones.
Las condiciones climáticas adversas durante los eventos de inundación hacen que el radar de apertura
sintética sea un enfoque adecuado debido a su independencia con respecto al clima y la iluminación solar.
Sentinel-1 proporciona una gran cantidad de datos con tiempos de revisita muy cortos, lo que mejora las
capacidades de las actividades de respuesta a inundaciones.
Entre las aplicaciones en este ámbito se encuentra la evaluación del alcance de áreas inundadas mediante el
cartografiado posterior al desastre (Figura 128). Además, los DEM de alta resolución generados a través de
los modos interferométricos de Sentinel-1 se pueden utilizar para realizar análisis de escorrentía y de
inundación en áreas que anteriormente carecían de ellos, alimentando los sistemas de alerta temprana.
Figura 40 Cartografiado de áreas inundadas en Mojaras (Honduras) en 2018 a partir de la

clasificación semiautomática de los datos de Sentinel-1. Mapa generado como parte del Servicio de
gestión de emergencias de Copernicus (EMS)

b) Análisis de terremotos
Figura 41 Interferograma coseísmico SAR en el terremoto del año 2016 en Italia central procesado por
TRE ALTAMIRA. Cada ciclo de color (rojo-azul-amarillo) representa aproximadamente 3 cm de
movimiento en la línea de visión del radar
InSAR proporciona la capacidad única de producir mapas de deformaciones de terremotos de media y alta
resolución. A través de la supervisión constante de las áreas propensas a terremotos, se pueden descubrir las
fallas activas y estudiar los riesgos potenciales. El modo de adquisición EW facilita el seguimiento de
terremotos a gran escala.
c) Cartografiado de deslizamientos y terremotos

La técnica InSAR o DInSAR permite ubicar áreas propensas a deslizamientos de tierra y cartografiar la
deformación de la superficie para proporcionar una alerta temprana ante posibles desastres y mejorar la
supervisión de infraestructuras críticas. La contracción previa a la erupción y la contracción volcánica
posterior a la misma pueden controlarse con técnicas interferométricas similares, constituyendo una técnica
para complementar las redes in situ de los observatorios de volcanes. La supervisión InSAR puede ayudar a
detectar los primeros signos de niveles crecientes de actividad volcánica, terremotos anteriores y otros
precursores que pueden indicar erupciones.
Figura 42 Mediciones DInSAR sobre el condado de Maoxian para el período de octubre de 2014 a
junio de 2017 (arriba) y mediciones sobre el área de deslizamiento de tierra (abajo). La serie temporal
de desplazamiento superpuesta revela un claro movimiento precursor meses antes del evento

Figura 43 Interferograma enrollado de 6 días (frecuencia máxima) de dos imágenes Sentinel 1 sobre la
isla de El Hierro. Fechas 20-08-2019 (master) y 26-08-2019 (slave). Cada ciclo de 2π en la imagen
supone una deformación equivalente a la longitud de onda del radar (5.5 centímetros en el caso de
Sentinel 1), en la dirección de la línea de visión del satélite

Referencias
[1] https://www.copernicus.eu
[2] https://spacedata.copernicus.eu/
[3] https://sentinel.esa.int
[4] Sentinel-2: ESA’s Optical High-Resolution Mission for GMES Operational Services (ESA, 2012),
[5] Sentinel-2 User Handbook (ESA, 2015), documento accesible en la url:
[6] ES-RS-ESA-SY-0007 Mission Requirements Document for the European Radar Observatory
Sentinel-1
[7] L2A Product Definition Document (Louis and Devignot, 2018)
[8] Sentinel-2 Level-2A Prototype Processor: Architecture, Algorithms and First Results. Mueller-Wilm,
2016).
[9] Sentinel-2 Products Specification Document.
[10] Sentinel High Level Operations Plan (HLOP). https://sentinel.esa.int/web/sentinel/user-
guides/sentinel-1-sar/document-library/-/asset_publisher/1dO7RF5fJMbd/content/sentinel-high-level-
operations-plan
[11] Donezar Hoyos U, Larrañaga Urien A, Tamés Noriega A, Sánchez Gil C, Albizua Huarte L, Ciriza
Labiano R, del Barrio Arellano F. 2017. Aplicación de imágenes Sentinel-1 y Sentinel-2 en la
detección y delineación de información de crisis de desastres naturales. presented at the XVII
Congreso de la Asociación Española de Teledetección. Murcia. 325–328 pp.

Interpretación de imágenes Sentinel 2

Índice
Índice ................................................................................................................................................................. 2
1 Descarga de datos Sentinel 2 ...................................................................................................................... 3
1.1 Herramientas gráficas ......................................................................................................................... 3
1.2 Herramientas en línea de comandos y APIs ........................................................................................ 8
1.2.1 Sentinelsat .................................................................................................................................... 8
2 Visualización de productos ...................................................................................................................... 10
3 Procesamiento de imágenes Sentinel 2 .................................................................................................... 17
3.1 Correcciones atmosféricas – Sen2Cor .............................................................................................. 17
3.1.1 Instalación del plugin Sen2Cor integrado en SNAP .................................................................. 17
3.1.2 Configuración e instalación de Sen2Cor en SNAP.................................................................... 18
3.1.3 Configuración de Sen2Cor por el usuario.................................................................................. 20
3.1.4 Ejecución en SNAP Desktop ..................................................................................................... 20
3.1.5 Modelador gráfico ..................................................................................................................... 22
3.1.6 Procesamiento en batch ............................................................................................................. 23
3.2 Mosaicado de imágenes Sentinel 2 ................................................................................................... 24
3.2.1 Resampling ................................................................................................................................ 25
3.2.2 Subset......................................................................................................................................... 25
3.2.3 Mosaicado .................................................................................................................................. 26
4 Aplicaciones ............................................................................................................................................. 29
4.1 Delimitación de áreas quemadas y estimación de severidad............................................................. 29
4.1.1 Automatización del proceso....................................................................................................... 30
4.1.2 Creación de una imagen única para el procesado ...................................................................... 34
4.1.3 Creación de una máscara de agua .............................................................................................. 35
4.1.4 Áreas quemadas y severidad ...................................................................................................... 36
4.1.5 Exportar como GeoTIFF ............................................................................................................ 37
4.1.6 Visualización ............................................................................................................................. 38
Referencias ...................................................................................................................................................... 40

1 Descarga de datos Sentinel 2
El programa Copernicus provee puntos de acceso a los productos de todas las misiones Sentinel a través del
sistema Open Access Hub (https://scihub.copernicus.eu/), distinguiéndose dos tipos acceso: Interfaces e
interfaces de programación (APIs). Además de los servicios proporcionados directamente por la ESA,
existen fuentes y métodos alternativos, algunos de los cuales también serán descritos en este punto.
1.1 Herramientas gráficas

Para la búsqueda y descarga manuales de los productos Sentinel-2 puede utilizarse la herramienta web-GIS
accesible en esta dirección: https://scihub.copernicus.eu/dhus.
Figura 1 Visión general del visor web de acceso gratuito de la ESA
Esta herramienta requiere un registro previo: https://scihub.copernicus.eu/dhus/#/self-registration.

Figura 2 Página de registro para poder emplear el portal de la ESA de acceso a datos Sentinel
Una vez registrados y habiendo accedido a nuestra cuenta de usuario, podemos realizar búsquedas de
productos mediante distintos criterios:
Figura 3 Selección de área y de criterios de búsqueda
Obsérvese que la herramienta es común para los productos Sentinel-1, Sentinel-2, Sentinel-3, en este punto
nos centraremos en las opciones referentes a la misión Sentinel-2:
 Sensing period: Rango de fechas para la búsqueda basada en la fecha de captura de los datos (paso
del satélite).
 Ingestion period: Rango de fechas para la búsqueda basada en la fecha de introducción del producto
procesado en el sistema.
 Satellite Platform: Pudiendo elegir entre las dos plataformas actualmente en órbita (S2A y S2B).
 Product Type: Tipo de producto o nivel (S2MSI1C, S2MSI2A, S2MSI2Ap).
 Relative Orbit Number: Identificador de orbita relativa.
 Cloud Cover: Porcentaje de cobertura nubosa. Para expresar un rango de búsqueda lo haremos con
el siguiente formato [min To max], por ejemplo, utilizando la expresión [0 TO 20] se mostrarán
resultados con un máximo del 20 % de cobertura nubosa.

El área geográfica de búsqueda se especificará dibujando un polígono en el mapa. Para ello podemos hacer
clic y arrastras para dibujar un rectángulo o hacer clic sucesivamente en distintos puntos para definir otro
tipo de polígono.
Existen dos modos de navegación, Area Mode y Navigation Mode, que pueden elegirse mediante el siguiente
botón:
Figura 4 Area mode y Navigation mode

 Navigation Mode: Utilizamos el botón izquierdo del ratón para desplazar el mapa y el derecho para
dibujar el área de búsqueda. Para finalizar la definición de un polígono hacemos doble clic con el
botón derecho.
 Area Mode: Utilizamos el botón derecho o el central para desplazar el mapa y el izquierdo para
dibujar el área de búsqueda. Para finalizar la definición de un polígono hacemos doble clic con el
botón izquierdo.
Lanzamos la consulta de búsqueda con el botón . Los resultados se mostrarán en el mapa y en forma de
listado:
Figura 5 Resultados de la búsqueda en el open data hub
Situando el puntero sobre uno de los elementos del listado podemos acceder a distintas opciones:

Figura 6 Información relativa a uno de los productos listados
 Select product: Selección el producto para poder añadir más de uno a la vez a la “cesta” ( ).
 Zoom to product: Centra la vista del mapa en el producto y hace zoom al mismo.
 Add Product to chart: Añade el producto a la cesta para poder descargarlo más tarde, incluso en una
sesión distinta. Podemos acceder a la lista de productos que tenemos en la cesta mediante el botón de
usuario de la parte superior derecha, pulsando en el icono Cart:
Figura 7 Visualización del menú de usuario
 Download product: Descarga directamente el producto completo.

 View product details: Muestra los detalles del producto. En la vista de detalles podemos navegar por
los metadatos del producto.

Figura 8 Información sobre escena seleccionada
También es posible descargar ficheros individuales, como los de metadatos o las imágenes de las bandas
separadas:
Figura 9 Selección de elementos individuales y metadatos de la imagen seleccionada
Además de utilizando el listado de resultados, también podemos seleccionar productos en el mapa, utilizando
el botón izquierdo o derecho del ratón según estemos en Navigation Mode o en Area Mode respectivamente.

1.2 Herramientas en línea de comandos y APIs
Las interfaces de programación (API) de Copernicus para el acceso a datos son dos, una API de consulta de
disponibilidad de productos, mediante el protocolo Open Search y otra para el acceso y descarga de los
mismos, basada en el protocolo Open Data.
Para la automatización de los procesos de consulta y descarga, se pueden utilizar directamente estas APIs
mediante distintos lenguajes de programación. La documentación para ello puede consultarse en los
siguientes enlaces:
 ESA Open Hub Scripting: https://scihub.copernicus.eu/userguide/BatchScripting.
 Open Search API: https://scihub.copernicus.eu/userguide/OpenSearchAPI.
 Open Data: https://scihub.copernicus.eu/userguide/ODataAPI.
Existen herramientas, disponibles bajo licencias de código abierto, que, haciendo uso de estas APIs, nos
facilitan la automatización de procesos de descarga si necesidad de programar herramientas propias o
reduciendo esa programación a la elaboración de sencillos scripts escritos en lenguajes como Python.
1.2.1 Sentinelsat
Sentinelsat es herramienta de código abierto (licencia GPL v3) que facilita la búsqueda, descarga y acceso a
los metadatos de imágenes de Sentinel-1, Sentinel-2 y Sentinel-3. Esta desarrollada en Python y ofrece dos
interfaces de uso: interfaz de línea de comandos (CLI) e interfaz de programación de aplicaciones (API).
 Código fuente: https://github.com/sentinelsat/sentinelsat.
 Documentación del proyecto: https://sentinelsat.readthedocs.io/.
Sentinelsat permite realizar búsquedas mediante diversos criterios, tales como el rango de fechas, el área
geográfica, el límite de cobertura nubosa, nombre del producto. Incluyendo el parámetro -d se inicia
automáticamente la descarga de los productos encontrados, en caso contrario sólo se muestran los resultados
de la búsqueda. Es necesario especificar el usuario y contraseña del sistema Copernicus Open Access Hub en
todas las llamadas al comando utilizando los parámetros -u y -p.
La geometría de las consultas se indica mediante un fichero que contenga un polígono en formato geojson.
Existe gran variedad de herramientas GIS, entre ellas QGIS, capaces de exportar una geometría en formato
geojson.
A continuación se muestra un fragmento de código con el cual se obtiene el número de imágenes Sentinel 2
en nivel 1C sobre el territorio de Guatemala, siendo necesario proporcionar:
 Las claves de acceso al Sentinel data hub (usuario y contraseña).
 Un archivo geojson con el área de interés.
 Criterios de búsqueda (fecha, constelación, producto, etc.)
# conectar a la API
import geojson
from sentinelsat import SentinelAPI, read_geojson, geojson_to_wkt
from collections import OrderedDict
api = SentinelAPI('usuario', 'contraseña', 'https://scihub.copernicus.eu/dhus')
# Buscar por polígono, tiempo y palabras clave SciHub

footprint = geojson_to_wkt(read_geojson('guatemala.geojson'))
products = api.query(footprint,
date = ('20140101','NOW'),
platformname = 'Sentinel-2',

producttype = 'S2MSI1C')
# GeoJSON FeatureCollection que contiene las huellas y metadatos de las escenas

datasets = api.to_geojson(products)
output_filename = 'imagenes_S2L1C_guatemala.geojson'
with open(output_filename,'w') as output_file:
geojson.dump(datasets,output_file)
print('Creado fichero geojson con imágenes sobre la zona de interés')
total_size_images = 0
n_images = 0
for i in range(0, len(datasets["features"])):

size_im_str = datasets["features"][i]["properties"]["size"]
size_im_str_split = str.split(str(size_im_str))
if 'MB' or 'Mb' in size_im_str_split[1]:
size_im = float(size_im_str_split[0])/1024
else:
size_im = float(size_im_str_split[0])
total_size_images = total_size_images + size_im

n_images = n_images + 1
print ('Número total de imágenes: ' + str(n_images))

print ('Tamaño total de las imágenes: ' + str(total_size_images/1024) + ' Tb')
## Descargar todas las imágenes

api.download_all(products)
Como resultado de ejecutar este script en python obtenemos la siguiente información:

 Número total de imágenes Sentinel 2 sobre Guatemala hasta el día en el que se ejecuta el script (23
de octubre): 6841 imágenes.
 Tamaño total que ocupan dichas imágenes en disco (comprimidas): 3,57 terabytes.
 Fichero geojson con las huellas y metadatos de dichas imágenes, el cual se muestra en la Figura 10.
Figura 10 Visualización del fichero geojson y tabla de metadatos asociada en QGIS

2 Visualización de productos
En este apartado se van a explorar los productos Sentinel-2 diseminados y se van a realizar operaciones
básicas de visualización y manipulación del color.
Para abrir un producto Sentinel en la aplicación SNAP Desktop, accedemos a File-> Open Product y se
selecciona el fichero xml en la carpeta donde se encuentran los productos.
Figura 11 Ventana de abrir producto
En tipos de ficheros vemos All Files, se podría filtrar por Sentinel-2 MSI productor tile (*.xml).
Figura 12 Filtrado por producto
En el panel de explorador de productos aparecerá una nueva entrada, desplegaremos el árbol para poder ver
como se estructura la información del producto y aquella que, aunque en principio puede no existir, se puede
ir generando en los distintos procesos que se lleven a cabo en el propio entorno de la aplicación. Está
agrupada en cuatro contenedores: Metadata, Vector Data, Bands y Masks, donde se accede a la información
relativa a los metadatos del producto, información vectorial, información de la imagen y las máscaras,
respectivamente.
Figura 13 Árbol de información de una única imagen

En Metadata se puede explorar con mucha comodidad el fichero XML que se ha descrito anteriormente,
accediendo a la información del producto, del datastrip y de la tile correspondiente. Se abrirán diferentes
pestañas según consultemos en la zona central del interfaz haciendo doble clic.
Figura 14 Explorador de metadatos de la imagen
Si se despliega Bands se accede a las bandas de la imagen. Haciendo doble clic en la banda que se desee
visualizar o sobre la banda en el explorador presionar botón derecho abriremos la imagen en el visor central.
En la parte derecha, existe una pestaña donde se mostrará el panel de propiedades de la banda seleccionada:
nombre, descripción, resolución espacial, espectral, etc. y en la parte inferior la información resumida.
También se puede acceder se puede abrir este panel en botón derecho -> Properties.
Figura 15 Explorador de bandas

En la parte inferior izquierda existe un panel de navegación sobre la imagen baja resolución (Navigation),
sincronizada con el visor principal, donde se pueden realizar diferentes operaciones de zoom dinámico con
control de escala sobre la imagen completa o sobre una zona de interés, de tal forma que nos podemos

desplazar por la imagen con distintos niveles de visualización de forma sincronizada entre la pestaña de
navegación y el explorador de la imagen y delimitar la extensión a visualizar.
Figura 16 Navegador sobre la imagen de baja resolución
Como es usual, en muchas ocasiones se requiere abrir múltiples visores de imágenes:

 La barra de botones permite organizar la distribución de ventanas. Cuando trabajamos con múltiples
ventanas, el panel de navegación resulta de mucha utilidad ya que podrá ser necesaria la
sincronización entre los visores.
 Presionar el botón permite la visualización de la misma área en las distintas ventanas y el

desplazamiento sincronizado en todas las ventanas abiertas. Presionar el botón permitirá sincronizar
la posición del cursor en las múltiples ventanas curso.

Figura 17 Navegación con múltiples visores de imágenes
Otra de las pestañas dispone de un mapa general (Word View) donde se visualiza la extensión geográfica de
la imagen activa que se está visualizando.
Figura 18 Visor global
La información asociada a cada píxel, localizado en el cursor en el visor en el que se está navegando, se
visualiza en la pestaña Pixel Info junto al explorador de productos. Muestra la posición del cursor en
coordenadas imagen, coordenadas geográficas y coordenadas proyectadas; el nivel digital en este producto es
el valor de reflectancia BOA de cada píxel e información temporal.

Figura 19 Información de pixel en las ventanas abiertas
Para visualizar la imagen en RGB, en el explorador de productos se debe pulsar el botón derecho sobre el
producto y elegir la opción correspondiente. A continuación, se podrá seleccionar composición en color
natural, composición en falso color infrarrojo y penetración atmosférica que como combinaciones definidas
por defecto, pero se pueden modificar por el usuario y salvar como nuevos perfiles. Además, se pueden
almacenar como imágenes virtuales en el propio producto.
Figura 20 Selección de bandas para una visualización RGB (izquierda) y falso color (derecha)
De este modo, se pueden generar tantas composiciones como requieran los análisis que se estén realizando

Figura 21 Diferentes composiciones RGB de la Antigua y el volcán de agua
Para manipular la forma de visualización podemos acceder al panel de Colour Manipulation situado en la
parte inferior izquierda de la aplicación. Primero procederemos a calcular las estadísticas precisas de la
imagen.
Figura 22 Cálculo de estadísticas precisas para mejorar la visualización de la imagen

A continuación, se pueden realizar diversas operaciones relacionadas con los ajustes de contraste, tanto
horizontal como verticalmente, o directamente de forma manual en el eje de abscisas. Lo habitual es realizar
ajustes de expansión en todas las bandas, mejorando la visualización en la composición en color natural.
Entre las operaciones básicas figura el añadir un modelo digital de elevaciones:

Figura 23 Añadir DEM a la visualización
Se crea una banda nueva done se puede visualizar el DEM descargado en este ejemplo SRTM 3Sec.
Figura 24 Visualización de DEM descargado

3 Procesamiento de imágenes Sentinel 2
3.1 Correcciones atmosféricas – Sen2Cor
La aplicación Sen2Cor permite realizar las correcciones atmosféricas de imágenes Sentinel-2. De hecho
realiza todo el procesamiento para pasar del producto Nivel-1C al Nivel-2A. Se puede consultar el manual de
usuario y de configuración de Sen2Cor (Müller-Wilm et al., 2018) para acceder a mayor detalle.
Sen2Cor realiza la corrección atmosférica (opcional corrección del terreno y corrección de nubes cirros) de
las imágenes de entrada Sentinel-2 Nivel-1C (reflectancias TOA) generando de productos Nivel-2A
(reflectancias BOA más clasificación nubes, sombras, vegetación, suelos, agua, etc.), replicando la estructura
de archivo de bandas y permitiendo realizar un remuestreo a 10, 20 y 60 metros de resolución espacial.
Sen2Cor se basa en el análisis de la propia imagen para determinar las variables de interés en la corrección
atmosférica (AOT, vapor de agua) y en el uso de libRadtran para determinar su efecto sobre la señal medida
por Sentinel-2. Es posible realizar corrección empírica por BRDF y eliminación de cirros.
Se puede utilizar Sen2Cor en el entorno de SNAP y se puede ejecutar también a través de Python.
El programa Sen2Cor requiere del acceso a la estructura de archivos de carpetas y metadatos del producto en
Nivel-1C de manera íntegra sin ser adulterado. Para ello, Sen2Cor y SNAP accederán al modelo
estandarizado de archivo de carpetas propio de Sentinel y disponibles en la plataforma de Copernicus
Sentinel Hub desde la que podremos llevar a cabo la descarga de imágenes a máxima resolución y su
posterior corrección atmosférica.
De este modo Sen2Cor crea:
 Imágenes de reflectancias BOA.
 Corrección del terreno y nubes (opcional).
Además, proporciona información acerca de:
 El espesor óptico de aerosoles en la atmósfera.
 El contenido de vapor de agua atmosférico.
 Mapas de clasificación de la escena e indicadores de calidad para las probabilidades de nubes y
nieve.
El formato del producto de salida es equivalente al producto de usuario de Nivel-1C: imágenes JPEG 2000,
tres resoluciones diferentes, 60, 20 y 10 m.
Sen2Cor puede instalarse Standalone o integrado en SNAP. Se tratará aquí únicamente la integración en
SNAP e instalación desde la propia aplicación.
3.1.1 Instalación del plugin Sen2Cor integrado en SNAP
Aunque es opcional, se recomienda la actualización de plugins, para ello se accede a Tools -> Plugins. Por
defecto tras la instalación completa accedemos a la pestaña Installed.
Si hubiera pasado tiempo desde la instalación, la aplicación detecta si existen actualizaciones disponibles,
aunque siempre podemos consultarlas en la pestaña Updates, y proceder a su actualización en caso de ser
necesario. Si el programa solicita reiniciar el sistema para completar el proceso de actualización, debemos
hacerlo.
A continuación en este apartado se verá la instalación de Sen2Cor integrado en SNAP. En primer lugar, se
instalará el plugin que controlará Sen2Cor. En la pestaña Available Plugins podemos consultar los plugins
que no tenemos instalados. Se selecciona la última versión disponible del procesador Sen2Cor. En el
momento de escribir esta guía el plpugin era el: Sentinel-2 SEN2COR280 Processor, tal y como se muestra
en la Figura 25.

Figura 25 Selección del plugin Sen2Cor para su instalación en SNAP
Tras realizar esta tarea, SNAP nos pedirá reiniciar. Tras hacerlo, si accedemos a la pestaña de plugins
instalados, el plugin se encontrará activo en la pestaña Installed. Si no hemos reiniciado la aplicación, se
debe selccionar y pulsar en activar.
3.1.2 Configuración e instalación de Sen2Cor en SNAP
El siguiente paso será instalar Sen2Cor, porque en la fase previa se ha instalado el plugin pero no la
aplicación en sí misma. Para manejar las utilidades externas se accede al Menú Tools->ManageExternal
Tools.
Figura 26 Ventana external tolos en SNAP
El plugin se ha instalado en la carpeta C:, en la ruta users\..\.snap\auxdata\tool-adapters. Se puede ver que

aparece una señal de alerta en el estado en la aplicación porque todavía no está completa su instalación.
Seleccionando la herramienta se accede a sus propiedades y a los diferentes parámetros de configuración
e instalación, que resultarán de mucho interés a la hora de entender su funcionamiento y afrontar su
configuración por parte del usuario.
En la pestaña Operator Descriptor se puede consultar la descripción general, así como su ubicación en los
menús de la aplicación Snap Desktop.

Figura 27 Ventana operator descriptor en SNAP
Si se consulta la pestaña de variables de sistema (system variables), la variable SEN2COR_BIN debería

aparecer con la ruta donde encontrar los binarios:
$HOME/.snap/auxdata/Sen2Cor-02.08.00-win64
Tanto si está como si no está relleno este campo, se recomienda ir a la pestaña bundled binaries, y en ese
apartado asegurarnos que la aplicación se instala. La instalación puede realizarse vía web, enlazándose en
remoto al fichero .zip de instalación.
Figura 28 Instalación de la aplicación Sen2Cor
Si se accede de nuevo a las variables del sistema, se puede observar que SEN2COR_BIN apunta a donde se
ha instalado la aplicación, la cual podemos comprobar.

Figura 29 Directorio de instalación de Sen2Cor
Se puede consultar el fichero L2A_Process y comprobar las variables de sistema y la llamada al programa en
Python, que realizará el proceso y la ubicación del intérprete de Python que integra la aplicación Sen2Cor.
3.1.3 Configuración de Sen2Cor por el usuario
La selección de LUT se puede configurar a través del archivo de la configuración del usuario
(L2A_GIPP.xml) ubicado dentro de la carpeta cfg del directorio que se encuentra en la carpeta donde apunta
la variable de entorno $SEN2COR_HOME. En la selección Look_Up_Tables del archivo de configuración.
Sen2Cor puede configurarse por el usuario, teniendo en cuenta los siguientes criterios:
 Tipo de aerosoles: por defecto se establece RURAL. Si el usuario establece el tipo de aerosol en
AUTO, se determinará automáticamente por la aplicación, aplicando un algoritmo descrito
anteriormente.
 Tipo de atmósfera: por defecto la aplicación establece SUMMER para latitudes medias, si el
usuario indica AUTO se determinará en función de la fecha de adquisición de la imagen.
 El valor de la concentración de ozono por defecto se establece en 331 unidades Dobson (DU). Si el
usuario establece Ozone_Content ‘0’, el valor se determinará automáticamente por la aplicación,
accediendo a la información almacenada en el fichero denominado AUX_ECMWFT, ubicado en la
carpeta AUX_DATA de la tile del producto de entrada Nivel-1C, y se utiliza la LUT que mejor se
ajuste a la concentración de ozono medida. Puede variar a escala global, valores extremos pueden
presentarse (200-500 DU), no obstante, el rango típico de valores se encuentra en 250 - 400 DU.
 El espesor óptico de aerosoles en la atmósfera, el contenido de vapor de agua atmosférico y el
tratamiento de los cirros es calculado internamente a partir de la propia imagen.
 El valor por defecto empleado para la visibilidad por Sen2Cor son 40km, lo cual es una buena
estimación para el interior de la Península Ibérica. Debería ajustarse según cada caso.
La ejecución de la aplicación Sen2Cor en el interfaz de SNAP puede ser configurada editando la
herramienta. Accediendo a la pestaña Operator Parameters dentro del menú External tolos se pueden
establecer los valores por defecto que pueden ser configurados por el usuario, tal y como se ha comentado
previamente. También se puede modificar la descripción del parámetro.
3.1.4 Ejecución en SNAP Desktop
Desde el menú superior de SNAP puede accederse a la opción Optical>ThematicLand Processing >
Sen2Cor para realizar la corrección atmosférica. También puede ejecutarse Sen2Cor en el Menú Tools-
>Manage External Tools.

Desde la primera pestaña I/O Parameters podremos seleccionar el paquete de archivos de Sentinel cargados
en SNAP, disponibles para procesar. Desde la segunda pestaña Processing Parameters activaremos la casilla
Display execution output y seleccionaremos las resoluciones de las bandas de salida, que influirá en el
tiempo de procesado. Tras pulsar en el botón Run, SNAP comenzará a trabajar en la corrección de imágenes
a partir de las bandas disponibles y los metadatos de parámetros de las mismas generando una carpeta bajo
nivel de producto 2A, en el mismo directorio raíz que las imágenes de Nivel-1C.
Figura 30 Ventana de ejecución de Sen2Cor
Si se selecciona Scene only únicamente realizará la clasificación. Si se despliega el menú de resolución se

puede seleccionar 10 m, 20 m, 60 m o todas las resoluciones. De este modo se generará el producto 2A con
la información que se desee. Se puede seleccionar una configuración creada por el usuario y por tanto, no
tendrá en consideración los valores introducidos en esta ventana.
Para una correcta ejecución de Sen2Cor es conveniente seguir las siguientes recomendaciones:
 Es necesario descomprimir la imagen Sentinel 2 que queremos procesar.
 Emplear un directorio de archivos que no sea muy largo. Como los nombres de las imágenes son
muy largos, Sen2Cor no funcionará si empleamos rutas largas. Conviene por lo tanto emplear rutas
cortas. Por ejemplo, es una buena práctica crear una carpeta directamente en el directorio
C:/proc_Sen2Cor donde llevaremos las imágenes a procesar con este módulo.

Figura 31 Comparación de visualización RGB con una imagen Sentinel 2 nivel 1C (izquierda) y tras
aplicar el procesador de corrección atmosférica Sen2Cor (derecha)
3.1.5 Modelador gráfico
Se accede en el menú Tools -> GraphBuilder.

Por defecto aparece una entrada y una salida. Para añadir un operador se pulsa sobre el lienzo un clic con el
botón derecho, permitiéndose definir tantos operadores como sea necesario. En este caso, en Tools se
encontrará el operador Sen2Cor:
Figura 32 Selección del módulo Sen2Cor en el modelador gráfico
Del mismo modo, haciendo clic sobre el lienzo con el botón derecho, se podrá conectar la entrada, el
operador y la salida de forma automática, aunque también se pueden conectar de forma manual moviendo las
flechas que surgen cuando se flota sobre la caja.

De este modo, en la pestaña Sen2Cor se establecen los parámetros de configuración.
Figura 33 Pestaña de configuración de Sen2Cor dentro del modelador gráfico
Si se compara esta llamada con la que se hacía previamente, la única diferencia es que en este caso se
generará un fichero plantilla y se establecen por defecto 2 ficheros de parámetros (GIPP).
Se selecciona la imagen de entrada y podemos guardar el modelo creado. Se lanza el proceso pulsando en el
botón Run y cuando finaliza lanza un mensaje informando del tiempo de procesamiento.
En la carpeta donde se encuentra el producto de entrada Nivel-1C se habrá generado el producto Nivel-2A.
El modelo sen2cor. xml guarda la configuración del proceso para ser reutilizada. La guardaremos en nuestro
sistema para emplearlo en el siguiente apartado del tutorial.
3.1.6 Procesamiento en batch
A continuación, se muestra paso a paso, ventana a ventana, la generación de un .bat para procesar con
Sen2Cor.
Se accede en el menú Tools -> Batch Processing.

Figura 34 Pantalla inicial de batch processing en SNAP
A continuación cargamos el flujo de proceso que guardamos en el paso anterior en File > Load Graph, y
ponemos en la tabla las imágenes que vamos a querer procesar mediante el flujo definido. Con esto
conseguiremos que se nos realice la corrección atmosférica a 3 imágenes Sentinel 2 nivel 1C sobre la zona
que queremos.
3.2 Mosaicado de imágenes Sentinel 2

Para la realización de un mosaico necesitaremos como mínimo dos imágenes Sentinel 2. En este caso
realizaremos el mosaicado de las siguientes imágenes:
 S2A_MSIL2A_20190704T161911_N0212_R040_T15PYR_20190704T203143
 S2A_MSIL2A_20190704T161911_N0212_R040_T15PYS_20190704T203143
Figura 35 Aspecto de las imágenes a fusionar

Si desplegamos el menú Bands como en la Figura se aprecia que las imágenes están compuestas por 12
bandas, con resoluciones diferentes (10, 20 y 60 metros).
En el caso de que queramos hacer un mosaico con todas o varias de las bandas, puede llegar a ser necesario
hacer un resampling para igualar la resolución de las 12 bandas (si no lo hacemos SNAP nos lanzará un
error), un subset para reducir el número de bandas de la imagen y, posteriormente mosaicaremos las dos
imágenes.
Nosotros realizaremos el resampling de todas las bandas y luego nos quedaremos con 4 bandas (la 2, 3, 4 y 8,
que aunque ya están a 10 metros, se pretende hacer todos los pasos en este ejemplo para aprender cómo
funciona esta herramienta).
3.2.1 Resampling
Una vez abiertas anteriormente las imágenes, en Raster -> Geometric Operations -> Resampling podemos
configurar los parámetros que queremos obtener. En nuestro caso, en la pestaña de Resampling Parameters
elegimos igualar la resolución por píxel a 10 metros (podría hacerse por banda de referencia también) y el
método bilinear. Dejamos el nombre de salida por defecto y clicamos Run.
Figura 36 Configuración de la funcionalidad resampling en SNAP

El resampling, si se hace a la máxima resolución posible (10 metros) es un proceso muy pesado. Para
realizarlo para las dos imágenes de estudio, se necesitaron 57 minutos para realizarlo, con un equipo con
procesador Intel-core i7-4790 y 8 Gb de RAM.
3.2.2 Subset
Una vez tenemos las 2 imágenes resampleadas se procede a realizar el subset con la finalidad de reducir el
número de bandas de 12 a 4 (bandas 2, 3, 4 y 8).
En Raster -> Subset nos aparece un menú con 3 pestañas. En la pestaña Band Subset nos aparecen la
totalidad de bandas. Solo dejaremos activas las bandas 2, 3, 4 y 8 y desactivamos el resto. Realizaremos este
paso con las dos imágenes.

Figura 37 Selección de bandas para realizar un subset de bandas
En la pestaña Spatial Subset recortamos la imagen para quedarnos solamente con el espacio ocupado por el
terreno, quintando el mar como se ve en la siguiente Figura para el caso de la imagen más meridional, con la
finalidad de reducir tiempo de procesamiento. A continuación hacemos clic en OK. Guardaremos los
productos obtenidos para el siguiente proceso, que es el propiamente de mosaicado.
Figura 38 Recorte de la imagen con costa para quitar píxeles en mar
3.2.3 Mosaicado
El mosaico de cada par de fotos es el proceso final del pre-procesamiento. Teniendo ya las imágenes a 10
metros de resolución (resampling) y con sólo 4 bandas (Subset), se procede a obtener el mosaico de cada par
de fotos contiguas de la misma fecha.

Con los dos archivos .DIM creados anteriormente en el subset, vamos a Raster -> Geometric Operations ->
Mosaicing. En la primera pestaña debemos añadir los archivos a partir de los cuales queremos realizar el
mosaico, en nuestro caso los creados en el proceso anterior con el subset y añadir nombre de salida.
Figura 39 Configuración de los inputs para el mosaicado

A continuación, en la pestaña Map Projection Definition debemos seleccionar el CRS (proyección), y es
muy importante cambiar el píxel size x y pixel size y a 10 metros. Dejaremos activada la pestaña display
source products.
Figura 40 Configuración de la proyección y resolución del raster de salida
En la pestaña Variables & conditions, simplemente se añaden las 4 bandas que van a intervenir en el proceso
con el primer botón que aparece en el menú.

Figura 41 Configuración de las bandas de salida en el mosaico final
El procesado del mosaico, con una máquina con procesador Intel-core i7-4790 y 8 Gb de RAM demoró un
total de 18 minutos.
La imagen mosaicada final tiene 4 bandas, con una resolución espacial de 10 metros, que nos permite hacer
visualizaciones en RGB y en falso color natural con la banda del infrarrojo cercano.
Figura 42 Visualización en falso color natural y en color natural del mosaico realizado

4 Aplicaciones
4.1 Delimitación de áreas quemadas y estimación de severidad
Los incendios forestales son un gran problema medioambiental a nivel mundial, y han estado bajo el
escrutinio general con los incendios sobre la Amazonia en los meses de junio-agosto de 2019.
En Guatemala, los incendios forestales han afectado en la temporada 2018-2019 a por lo menos 3.037
hectáreas de bosques. Un informe de la Coordinadora Nacional para la Reducción de Desastres guatemalteca
(Conred) informaba que hasta abril de 2019 se habían registrado 720 incendios forestales y 322 no forestales.
En la siguiente práctica se va a comprobar cómo pueden usarse imágenes Sentinel 2 para delimitar zonas
quemadas y evaluar su severidad en el departamento del Petén, Guatemala. Para ello vamos a emplear dos
imágenes en nivel 2A:
 S2B_MSIL2A_20190331T161839_N0211_R040_T15QYU_20190331T203327. Esta imagen
corresponde a una ventana temporal pre-incendio.
 S2A_MSIL2A_20190425T161901_N0211_R040_T15QYU_20190425T230005. Esta imagen
corresponde a un periodo en el que hay ya zonas quemadas e incluso zonas que están ardiendo.
Si hacemos una primera exploración de los datos, vemos claramente las zonas afectadas por incendios.
Figura 43 Zonas afectadas por un incendio en el departamento del Petén. Imagen pre-incendio
(arriba) y post-incendio (abajo)
Podemos incluso realizar una mejor visualización mediante otra combinación de bandas para discriminar
mejor las áreas quemadas de las que no. Vamos a cambiar la visualización de la clásica de color real anterior
(4-3-2) a otra diferente (12-11-8A). Para ello, cambiamos las bandas en la función Open RGB Image

Window, escogemos la combinación anterior y la guardamos para emplearla en futuros usos haciendo clic en
el icono del disco.
Figura 44 Combinación de bandas para visualizar incendios
Aplicamos esta combinación de bandas a las dos imágenes y obtenemos una visualización como la siguiente:
Figura 45 Comparación entre visualización con combinación 4-3-2 y 12-11-8ª. Pre-incendio abajo y
post-incendio arriba
4.1.1 Automatización del proceso
Con esta visualización ya se discriminan de manera visual las zonas quemadas de las que no, y qué zonas
han ardido con mayor severidad que otras. Para emplear más herramientas de SNAP y automatizar las tareas,
vamos a implementar un flujo de trabajo que consistirá en lo siguiente:

1. Pre-procesado de la imagen: a su vez lo dividiremos en:
a. Resampling para transformar las bandas a la misma resolución y poder continuar
procesando. Las bandas de Sentinel 2 no tienen los mismos tamaños de pixel. SNAP no
realiza este paso automáticamente por lo que hay que considerarlo explícitamente.
b. Realizar un recorte de la imagen para minimizar el tiempo de procesado y focalizarlo solo
donde queramos operar.
2. Cálculo de índice normalizado de área quemada o Normalized Burn Ratio (NBR). Este índice
es la métrica más empleada para estimar el área quemada y la severidad de una zona que ha ardido
recientemente a partir de imágenes de satélite. Emplea la diferencia en reflectividades de las
cubiertas sanas y quemadas en el infrarrojo cercano (NIR) y en infrarrojo de onda corta (SWIR),
como muestra la Figura 46.
Figura 46 Fundamento del NBR. Fuente: United States Forest Service
La manera de implementar este flujo de trabajo es mediante el graph builder tal y como hemos hecho en la
práctica anterior en Sen2Cor.
Figura 47 Traducción del flujo de trabajo a graph builder
Realizaremos esto en graph builder y lo guardamos como un archivo xml en el directorio que estimemos
conveniente. A continuación emplearemos el módulo batch processing para poder realizar esta serie de
operaciones secuencialmente a las dos imágenes descargadas. El primer paso es por lo tanto cargar las dós
imágenes en la pestaña I/O parameters.

Figura 48 Entrada de imágenes en batch processing
Posteriormente tenemos que ir rellenando las especificidades de cada pestaña. En el caso de resample, vamos
a resamplear todas las bandas a 10 metros. Esto lo hacemos por ejemplo seleccionando la banda 2 como
referencia. Al tener la banda 2 una resolución espacial de 10 metros, se empleará como base para referir el
resto de bandas que no estén a 10 metros a ella.
Figura 49 Resampling de las bandas
A continuación tenemos que escoger las bandas que queremos emplear y especificar si queremos realizar el
procesado en toda la imagen o únicamente en un subconjunto de ella. Haremos lo siguiente en la pestaña
subset:
 Elegiremos de todas las bandas, la 3, la 8 y la 12, que emplearemos posteriormente para calcular el
índice NBR y otro producto adicional.
 En dimensiones, únicamente vamos a procesar una pequeña parte de la imagen para facilitar el
cálculo a las máquinas. Estudiaremos el incendio presente en la zona definida por las coordenadas
pixel (4.500,6.000) y (7.000,8.500).
Figura 50 Selección de bandas y recorte de las imágenes

Ahora haremos el paso correspondiente a la pestaña BandMaths. En esta pestaña se hará el cálculo efectivo
del índice normalizado de área quemada o Normalized Burn Ratio (NBR). El NBR viene representado por la
siguiente expresión:
Esta expresión la vamos a implementar dentro de la pestaña BandMath como se indica en la Figura 51.
Figura 51 Expresión del NBR en la pestaña BandMath

Es importante especificar el nombre de la banda de salida (NBR en nuestro caso) y el tipo de dato a asignar
allí donde no sea posible asignar un valor (NaN o Not A Number en nuestro caso). La expresión puede
introducrise directamente en el espacio habilitado a tal efecto o también puede hacerse haciendo clic en el
botón Edit Expression.
Figura 52 Editor de expresiones aritméticas en SNAP

En la pestaña BandMerge no tocaremos nada y por último, en Write especificaremos el formato de salida de
la imagen y el directorio donde almacenarla.
4.1.2 Creación de una imagen única para el procesado
Lo que se va a realizar a continuación es el fusionado de los dos productos pre-procesados para calcular
rápidamente los valores de NBR pre y post incendio.
Para ello vamos a acceder a Raster -> Geometric operations -> Collocation
Figura 53 Menú collocation en SNAP

Lo que haremos será establecer la imagen pre-incendio como master y la post incendio como slave. En
target product escribimos un nombre raíz que usaremos para nombrar las bandas; en este caso, NBR_S2. A
este nombre raíz se le adicionará la terminación que le especifiquemos en las opciones renaming of source
product components.
El resultado es una imagen con el siguiente nombramiento de bandas.

Figura 54 Nueva imagen creada tras el empleo de la operación collocation
4.1.3 Creación de una máscara de agua
Los cuerpos de agua pueden mostrar comportamientos análogos a zonas quemadas, por lo que es necesario
enmascararlas. En este apartado vamos a aprender a enmascarar zonas acuáticas. Para ello emplearemos el
Índice de Diferencia de Agua Normalizado o NDWI, el cual se calcula con la siguiente expresión:
El índice NDWI está diseñado para aprovecharse de la máxima reflectancia de los cuerpos de agua en la
banda del verde y la mínima reflectancia en el infrarrojo cercano (NIR), tal y como se muestra en la Figura
55.
Figura 55 Fundamento del NDWI
Para realizar el cálculo, hacemos clic derecho sobre la imagen generada y seleccionar BandMaths.
Estableceremos los siguientews valores,
 Nombre: mascara_agua
 En edit expression introduciremos lo siguiente:
if ($5.B3_pre- $5.B8_pre)/($5.B3_pre+ $5.B8_pre) >= 0.0 then 1 else 0

Figura 56 BandMaths para obtener la máscara de agua basada en el NDWI
De esta manera obtenemos una nueva imagen con como se muestra en la que 1 corresponde a pixeles de agua
y 0 a píxeles no de agua.
Figura 57 Máscara de agua generada
4.1.4 Áreas quemadas y severidad
Para identificar las zonas recientemente quemadas y diferenciarlas del suelo desnudo u otras zonas no
cubiertas por la vegetación, se empleará la diferencia entre el valor del NBR calculado antes y después del
incendio:
Este valor es una diferencia absoluta que puede presentar problemas en áreas con bajas cubiertas vegetales
antes del incendio. En estas zonas, el cambio absoluto entre el NBR antes y después del incendio será
bastante pequeño. En estos casos, conviene emplear una versión relativizada de este nuevo índice:

En este paso también aplicaremos la máscara de agua creada con anterioridad. Tendremos que volver a hacer
un BandMaths pero en este paso introduciremos lo siguiente:
 Target Band: RBR.
 Deseleccionar Virtual ya que queremos que la imagen se guarde.
 Expression: la que se muestra a continuación.
if mascara_agua == 0 then ((NBR_pre - NBR_post)/(NBR_pre + 1.001)) else

NaN
De esta manera se obtiene una imagen nueva en la que los píxeles quemados aparecen mucho más claros ya
que la diferencia entre los valores de los píxeles anteriores y posteriores al incendio son mucho mayores.
Ahora vamos a crear una nueva banda en la que únicamente se incluyan áreas quemadas. Para ello vamos a
establecer un umbral de clasificación para área quemada de 0.5. Cualquier pixel con valor mayor de 0.5 de
NBR será clasificado como área afectada por el incendio.
Volvemos de nuevo a emplear BandMaths y aplicamos la siguiente expresión:
if $5.RBR > 0.5 then $5.RBR else NaN
Obteniéndose el siguiente resultado:
Figura 58 Imagen obtenida tras aplicar el umbral establecido al RBR
4.1.5 Exportar como GeoTIFF
Ahora vamos a exportar esta imagen para visualizarla en otros softwares como puede ser QGIS o Google
Earth.
Para ello vamos a File -> Export -> GeoTIFF
Escogemos el directorio donde queremos guardar la imagen de salida y en la derecha del menú de diálogo
que aparece vemos un botón que indica subset. Haciendo clic en el botón llegamos a otro menú donde
podemos escoger las dimensiones espaciales de la imagen a exportar y un subconjunto de bandas. En nuestro
caso, elegiremos las bandas RBR y RBR_ para exportar, dejando el resto deseleccionadas.
Aceptamos y generamos la imagen en formato GeoTIFF.

4.1.6 Visualización
Abrimos QGIS y cargamos la imagen. Para una mejor visualización de la severidad de las zonas afectadas,
podemos emplear la clasificación que hace el United States Geological Survey (USGS) para interpretar este
NBR.
Figura 59 Clasificación y tabla de colores para interpretar el RBR. Fuente: UN-Spider

Podremos cargar esa clasificación como paleta de colores indicándolo en el menú Propiedades – Simbología
de la propia imagen y creando la siguiente paleta de visualización en QGIS.
Figura 60 Paleta de colores para la visualización del RBR
Añadiendo un mapa base como el de OpenStreetMaps a través del plugin OpenLayersPlugin podemos
obtener visualizaciones para la generación de cartografía.

Figura 61 Visualización del producto generado junto con mapa base de OSM en QGIS

Referencias
[2] https://spacedata.copernicus.eu/
[3] https://sentinel.esa.int
[4] Sentinel-2: ESA’s Optical High-Resolution Mission for GMES Operational Services (ESA, 2012),
[5] Sentinel-2 User Handbook (ESA, 2015), documento accesible en la url:
[6] ES-RS-ESA-SY-0007 Mission Requirements Document for the European Radar Observatory
Sentinel-1
[7] Gatti A, Galoppo A. 2018. Sentinel-2 Products Specification Document.
[8] Müller-Wilm et. al. 2018 Sen2Cor for Sentinel-2.

Fundamentos de teledetección radar

Índice
Índice ................................................................................................................................................................. 2
1 Introducción a la teledetección radar.......................................................................................................... 3
1.1 Principios de formación de imagen radar............................................................................................ 5
1.2 Efectos geométricos ............................................................................................................................ 7
1.3 Órbitas y direcciones de observación .................................................................................................. 9
1.4 Dispersión por superficie y por volumen. Coeficiente de retro-dispersión......................................... 9
1.5 Ángulo de incidencia ........................................................................................................................ 10
1.6 Speckle .............................................................................................................................................. 12
1.7 Polarización....................................................................................................................................... 12
1.8 Penetración en función de la longitud de onda ................................................................................. 13
1.9 La imagen SAR ................................................................................................................................. 14
1.9.1 La fase en imágenes SAR .......................................................................................................... 14

1 Introducción a la teledetección radar
Si recuperamos algunas figuras del módulo de fundamentos de la teledetección óptica (en concreto la del
espectro electromagnético y la de las ventanas atmosféricas), llegamos a las siguientes conclusiones:
a) Que las microondas ocupan el rango que va desde 1 cm a 1 metro de longitud de onda en el espectro
electromagnético.
b) Que según las curvas de absorción, las microondas al tener gran longitud de onda en comparación
con el visible o el infrarrojo, esta radiación puede penetrar a través de la cobertura nubosa, niebla,
polvo y en general cualquier condición atmosférica salvo lluvias muy fuertes.
c) De la misma manera, y por la misma razón de longitud de onda, las microondas no están afectadas
de dispersión atmosférica.
Figura 1 El espectro electromagnético
Figura 2 Ventanas atmosféricas y su relación con el máximo de energía emitida por el Sol
Debido a estas propiedades, la radiación microondas puede emplearse para caracterizar cubiertas bajo
prácticamente todas las condiciones medioambientales imaginables.

Pero además, y en contraposición a la teledetección pasiva, que necesita de una fuente de iluminación
externa al sensor, en la teledetección activa los sensores que trabajan en estas frecuencias emiten su propia
radiación, la cual capturan después y evalúan los cambios entre el pulso emitido y el reflejado. Al no
depender de una fuente externa de iluminación, estos sensores pueden trabajar tanto de día como noche.
Llegamos por lo tanto a las siguientes conclusiones fundamentales en la teledetección radar:
 Es independiente (o casi) del tiempo atmosférico.
 Funciona tanto de día como de noche (con iluminación solar o sin ella).
 Permite determinar características asociadas a la rugosidad del terreno.
La fracción microondas en las que se trabaja en la teledetección radar se subdivide a su vez en los siguientes
grupos.
Banda Longitud de onda (cm) Frecuencia (GHz)
Ka 0.75 – 1.2 40 – 25
K 1.2 – 1.67 25 – 18
Ku 1.7 – 2.5 17.6 – 12
X 2.5 – 4 12 – 7.5
C 4–8 7.5 – 3.75
S 8 - 15 3.75 – 2
L 15 – 30 2–1
P 60 - 120 0.5 – 0.25
Tabla 1 Longitudes de onda y frecuencias radar
Las diferentes frecuencias en las que se trabaja en radar tienen una capacidad mayor o menor de penetrar en
las cubiertas, en función de su longitud de onda. Las principales aplicaciones según las bandas se resumen en
la siguiente tabla.
Ka Ku X C S L P
Uso general, más usado
Penetración de cubierta vegetal
Captura subsuelo
Estimación de biomasa
Monitoreo de agricultura
Monitoreo de océanos y hielos
Estudios de subsidencias
Monitoreo de nieve
Muy alta resolución
Tabla 2 Aplicaciones de las diferentes bandas radar

1.1 Principios de formación de imagen radar
El fundamento básico de una imagen radar es un sensor que emite un pulso en el rango de las microondas y a
través del transcurso de tiempo entre su emisión y su recepción, y de la amplitud del pulso retornado, se
puede obtener la distancia del sensor a la que se encuentra el objeto en el que rebotó el pulso.
Figura 3 Fundamentos de emisión y receptor de un pulso radar. Fuente: John Wiley & sons, Inc.
(1994)
En este caso es importante señalar la diferencia entre el fundamento del sensor LiDAR y el del radar. En el
caso del LiDAR, todos los retornos de un pulso vienen de la misma dirección, mientras que en el caso del
radar, todos provienen del mismo acimut, pero en distintos alcances.
Las medidas radar pueden describirse mediante una ecuación básica que relaciona la potencia, la distancia, la
reflectividad y las características de la antena:
Donde:
 es la potencia del pulso recibida.
 es la potencia del pulso emitida.
 es la distancia entre la antena emisora y el objeto en el terreno.
 es la distancia entre el objeto en el terreno y la antena emisora.
 es la ganancia de la antena.
 es el área de la antena.
 es la retro-dispersión del objeto en el terreno.

La señal que vuelve al sensor y es medida por este ( ) depende de muchos parámetros. Para caracterizar un
objeto a partir de la señal recibida, el parámetro que lo determina es el coeficiente de retro-dispersión ( ),
el cual mide la capacidad reflectiva del objeto, la cual a su vez depende de su geometría y de sus propiedades
dieléctricas. La medición normalizada de este parámetro en relación al terreno se denomina y se define
por unidad de área terreno. Se expresa típicamente en decibelios (dB) y varía en relación al ángulo de
incidencia, la longitud de onda de la señal y la polarización.
Los sistemas radar capturan las imágenes lateralmente, tal y como se muestra en la Figura 3. La necesidad
de observar en esta disposición geométrica se justifica mediante la Figura 4, en la que se ve cómo en el caso
de una disposición vertical implicaría una ambigüedad a la hora de determinar qué objeto se está observando
realmente.
Figura 4 Justificación de la necesidad de observación lateral en sistemas de imagen radar
En un sistema radar de iluminación lateral se produce una imagen de alta resolución de la superficie bajo
observación. Al moverse a lo largo de su trayectoria, el radar ilumina hacia un lado de la dirección de vuelo
franjas continuas y paralelas entre sí de la superficie en estudio y acumula la información de las microondas
que se reflejan. La señal que se graba a bordo, se procesa apropiadamente para formar una imagen digital. La
distancia entre el radar y el objetivo en la superficie en la dirección perpendicular al vuelo se llama alcance,
mientras que se conoce como acimut la distancia a lo largo de la trayectoria. Por lo tanto, en un sistema
radar la resolución tiene dos dimensiones, una en la dirección del alcance y otra en la dirección del acimut.
Mediante procesamiento digital de la señal, la imagen puede enfocarse y obtener así una resolución mejor
que la de un radar convencional.
Figura 5 Geometría de adquisición en una imagen radar

La propia geometría de adquisición implica dos cosas:
a) Que el píxel no es cuadrado, ya que existe diferente resolución en la dirección del acimut y en la del
alcance.

b) Van a existir importantes efectos causados por la topografía; es decir, existirán distorsiones
geométricas en la imagen.
Ocurre que en sistemas radar de apertura real, la apertura del radar viene determinada por la siguiente
expresión:
Donde L es la longitud de la antena y la longitud de onda en la que opera el radar. Esta expresión puede
transformarse en resolución en acimut resultando:
Siendo R la distancia de la antena al objeto a observar. Tomando ejemplos numéricos: un radar de 10 metros
de longitud de antena, operando en banda C (longitud de onda 5 centímetros) y observando objetos a 1000
kms de distancia, proporciona una resolución en acimut de 5 kilómetros. Estas características serían las
comunes en sensores radar embarcados en satélites, y puesto que antenas de centenares de metros no son
tecnológicamente viables, es necesario emplear otra técnica.
Los sistemas radar de apertura sintética o SAR son más sofisticados que los de apertura real. Se puede
aumentar considerablemente la resolución en acimut simulando una antena de dimensiones mayores a la que
realmente se emplea. Un array de antenas es equivalente a una antena que se mueve a lo largo de una línea si
las señales se miden de manera coherente (amplitud y fase como una función del tiempo) y se añaden las
unas a las otras, asumiendo que el objeto está estático durante el momento de la captura.
Figura 6 Fundamentos de los sensores radar de apertura sintética o SAR
Mediante procesamiento digital de la señal, la imagen puede enfocarse y obtener una resolución mejor que la
de un radar convencional.
1.2 Efectos geométricos

Por la propia geometría de la adquisición se van a producir una serie de efectos geométricos que se van a
traducir en un desplazamiento por el relieve, los cuales se muestran en la Figura 7.
Figura 7 Efectos geométricos en una imagen SAR
Los efectos geométricos que se producen en una imagen radar y el relieve son los siguientes:
a) Escorzo (foreshortening): Consiste en la apariencia de compresión de las partes de la escena que

están inclinadas hacia el sensor. En el caso de pendientes orientadas de manera opuesta al sensor
estas superficies se alargan.Implica que la pendiente afectada en una imagen tenga una apariencia
más brillante.
b) Inversión por relieve (layover): Ocurre cuando la energía reflejada en la parte superior de un objeto
se recibe antes que la que proviene de la parte inferior. En este caso, al procesar la imagen, la parte
superior del objeto se verá desplazada y puesta encima de su base.
c) Sombras (shadow): Son zonas no iluminadas por el sensor en las que por lo tanto no existen valores
registrados.
Figura 8 Ejemplos de escorzo (izquierda) y de inversión por relieve (derecha) en una imagen SAR. La
toma de la imagen está realizada desde arriba hacia abajo. Fuente: ESA

1.3 Órbitas y direcciones de observación
Relacionado con el punto anterior está el hecho de que un satélite SAR que orbita alrededor de la Tierra
observará la misma zona según recorre la órbita en sentido ascendente o descendente con respecto al plantea.
Esto es así porque el sensor captura datos con independencia de que la superficie esté o no iluminada por el
Sol. De esta forma, tendremos diferentes direcciones de observación sobre la misma zona, pudiendo usar esta
información para obtener una mejor caracterización de la superficie.
Figura 9 Ejemplo de diferente huella del satélite Sentinel 1A a su paso por Madrid
(ascendente/descendente)
1.4 Dispersión por superficie y por volumen. Coeficiente de retro-dispersión.

Mientras que en teledetección óptica las longitudes de onda son tan cortas que prácticamente toda la energía
recibida por la superficie terrestre se refleja, en el caso de teledetección radar las longitudes de onda
empleadas son lo suficientemente grandes como para poder penetrar cierto tipo de superficies, de forma que
la dispersión será el resultado de la combinación de la dispersión producida por la superficie, por el interior e
incluso por capas de material más profundo.
Figura 10 Mecanismos de dispersión
La dispersión a una determinada longitud de onda variará por una serie de condiciones, como el tamaño
físico de los dispersores, las propiedades eléctricas de estos y su contenido en humedad. La propia longitud
de onda de los pulsos SAR y la polarización de estos (de este asunto trataremos más adelante), también
afectarán a la retro-dispersión de la señal.
Se producen fenómenos de dispersión por superficie cuando la radiación incide sobre una superficie
determinada. Este fenómeno depende de la rugosidad o textura de dicha superficie y de su constante
dieléctrica, resultando:

 A mayor rugosidad en superficie mayor será la retro-dispersión y más brillante se observará en la
imagen radar. Las superficies lisas reflejan poca o ninguna de la energía emitida de vuelta al sensor
radar, y por eso saldrán oscuras en la imagen. La vegetación tiene una rugosidad moderada
comparada con la escala de las longitudes de onda radar y por eso aparecerán representadas en grises
o grises claros en una imagen radar.
Figura 11 Tipos de reflexión de un pulso radar con una superficie
 A mayor constante dieléctrica de una superficie o material, mayor será la retro-dispersión y por lo
tanto más brillante se observará un pixel en la imagen radar. Los objetos metálicos y el agua tienen
una constante dieléctrica alta (80) mientras que el resto de materiales tienen una más baja. En
condiciones secas la constante también es baja (3-8), lo que implica que la humedad en suelos o en
cubiertas vegetales puede producir un aumento significativo de reflectividad de la señal radar (25-
30). Por lo tanto, este tipo de teledetección puede usarse para obtener el contenido en humedad de
los suelos.
Además se producirán fenómenos de dispersión por volumen principalmente en cubiertas vegetales.
Estas propiedades definirán el valor del coeficiente de retro-dispersión ( ) ya visto en apartados anteriores.
Valores típicos de este coeficiente en diferentes superficies se muestran en la siguiente tabla.
Valores de retro-dispersión Superficies típicas
 Objetos antropogénicos (ambientes urbanos).
Muy alto (más de -5 dB)  Pendientes orientadas hacia el sensor.
 Superficies muy rugosas.
Alto (de -10 dB a 0 dB)  Superficies rugosas.
 Vegetación densa (bosques).
 Niveles medios de vegetación.
Moderado (de -20 a -10 dB)  Cultivos.
 Superficies moderadamente rugosas.
 Superficies lisas.
Bajo (menos de -20 dB)  Aguas en calma.
 Carreteras.
 Suelos muy secos (arenas).
Tabla 3 Valores típicos del coeficiente de retro-dispersión
1.5 Ángulo de incidencia

El ángulo de incidencia en teledetección radar se define como el ángulo entra la dirección de iluminación del
radar y la vertical de la superficie del terreno. Este ángulo irá cambiando según la altura del sensor sobre el
horizonte del lugar. Por ello, la geometría de la imagen variará de punto a punto en la dirección del alcance.
El ángulo de incidencia local tomará determina los siguientes dos factores:
 Toma en cuenta la inclinación local de la superficie.
 Influye en la intensidad de la imagen en cada pixel.

Figura 12 Efectos del ángulo de incidencia sobre las cubiertas iluminadas por un pulso SAR
El retorno de la dispersión superficial:
 Será fuerte con un ángulo de incidencia bajo.
 Se reduce con el incremento del ángulo de incidencia.
 Cuanto más áspera la superficie, más lenta será la reducción.
En cuanto a la dispersión por volumen (superficie áspera o rugosa) será más uniforme para cualquier ángulo
de incidencia.
Por lo tanto, la retrodispersión del radar va a depender siempre de este factor. En función de las diferentes
aplicaciones se podrá elegir la mejor configuración del radar.
La Figura 13 muestra lo comentado en los anteriores párrafos.
Figura 13 Efectos del ángulo de incidencia en función de la rugosidad del terreno

1.6 Speckle
No debemos olvidar que en la superficie representada por un pixel en la imagen existe una multitud de
dispersores y que el pixel obtenido será la suma de las interacciones que la señal tenga con los diferentes
objetos y superficies.
La interferencia completamente aleatoria positiva y negativa de estas contribuciones de los dispersores
individuales van a causar que varíe el brillo en la imagen incluso para superficies con constante dieléctrica
uniforme y además, provocará una apariencia granular incluso para superficies homogéneas.
Figura 14 Fundamentos del speckle
El resultado de este fenómeno es una imagen con el denominado efecto de “sal y pimienta”, con una textura
de imagen que se asemeja precisamente a este fenómeno. Es un fenómeno que ocurre únicamente con
sensores coherentes como el SAR, en los que se producen interferencias de la señal en dimensiones
inferiores a la longitud de onda.
Es por esta razón que en segmentación y clasificación de imágenes SAR se incluyan criterios de textura
además de la intensidad de las señales.
Para reducir los efectos de speckle en una imagen se usan diferentes criterios:
 Multi-looking: divide la señal en frecuencias mínimamente solapadas, se procesan estas frecuencias
a una resolución imagen reducida y se añaden finalmente para obtener una imagen final.
 Filtros espaciales: detecta la resolución total de la imagen, efectúa medias locales sobre los píxeles
y finalmente realiza un remuestreo para crear resoluciones más pequeñas pero con el efecto speckle
reducido.
1.7 Polarización
Independientemente de la longitud de onda, las señales radar pueden transmitirse como campos
electromagnéticos vectoriales horizontales (H) o verticales (V), y recibirlos de vuelta como señales
horizontales (H), verticales (V) o ambas. Por lo tanto, existen las siguientes posibilidades en la emisión-
recepción de la radiación polarizada:
 HH: transmitida horizontalmente y recibida horizontalmente.
 HV: transmitida horizontalmente y recibida verticalmente.
 VH: transmitida verticalmente y recibida horizontalmente.
 VV: transmitida verticalmente y recibida verticalmente.

El principio físico básico responsable de la polarización idéntica en la onda de retorno (HH o VV) es la
presencia de una superficie de reflejo prácticamente especular. Por ejemplo, el agua en calma (sin olas),
aparecen oscuras. Por el contrario, la polarización cruzada (HV o VH) en el retorno es habitualmente más
débil y se asocia frecuentemente a diferentes reflexiones debido a, por ejemplo, la rugosidad del terreno.
La polarización múltiple ayuda a identificar las características físicas de la superficie reflectora. Por ejemplo:
a) Alineación de estructuras con respecto del radar (HH y VV).
b) Carácter aleatorio de la reflexión difusa (en vegetación con HV).
c) Estructuras angulares (mediante el uso conjunto de HH, VV y la fase de la señal).
d) Rugosidad que induce reflexión (en océanos con VV).
Figura 15 Fundamento de polarización de la antena
1.8 Penetración en función de la longitud de onda

Dependiendo de la frecuencia y de la polarización de la señal, las ondas pueden penetrar en la vegetación y
en los suelos en condiciones secas y hasta ciertos límites (por ejemplo en nieve seca o arena). Normalmente,
cuanto mayor es la longitud de onda la penetración del pulso es mayor en la superficie. Con respecto a la
polarización, las polarizaciones cruzadas (VH/HV) tienen una penetración menor o más débil que las
polarizadas en la misma dirección (HH/VV).

Figura 16 Penetración de diferentes longitudes onda radar en cubiertas
1.9 La imagen SAR
La medida básica en un sistema SAR es una medida de amplitud y otra de fase. Esto se conoce como una
imagen compleja.
Los principales tipos de imágenes en un sistema SAR son dos:
 La amplitud A.
 El cuadrado de la intensidad, que recibe el nombre de intensidad.
1.9.1 La fase en imágenes SAR
La diferencia de fase entre dispersores de la onda incidente que viaja desde el radar hasta el dispersor y
vuelve cambia en función de:
Donde es la diferencia en la distancia de viaje del pulso. Dado que el pixel de una imagen SAR contiene
un número muy grande de dispersores, la fase de cada uno de los píxeles se distribuye aparentemente de
manera aleatoria.
Figura 17 Ejemplo de imagen de una banda de fase de una imagen SAR

Es importante destacar que la fase de una única imagen SAR no es útil. Si la escena se observa en dos
imágenes diferentes, en los cuales los dispersores permanecen inmóviles en el terreno, la diferencia de fase
entre píxeles de las dos imágenes si puede ser empleada mediante una de las siguientes técnicas:
a) Polarimetría: el radar mide al mismo tiempo HH, VV, HV y VH y su diferencia de fase.
b) Interferometría: dos radares observan el mismo terreno con un pequeño desplazamiento en el
ángulo de observación, o bien el mismo radar observa la misma zona en fechas diferentes desde una
órbita ligeramente desplazada.
Estas dos técnicas son bastante avanzadas en cuanto a conocimientos y técnicas, y por lo tanto no están
cubiertas en el contenido de este curso.

Interpretación de imágenes Sentinel 1

Índice
Índice ................................................................................................................................................................. 2
1 Descarga de datos Sentinel 1 ...................................................................................................................... 3
1.1 Herramientas gráficas ......................................................................................................................... 3
1.2 Herramientas en línea de comandos y APIs ........................................................................................ 4
1.2.1 Sentinelsat .................................................................................................................................... 4
2 Visualización de productos ........................................................................................................................ 7
3 Pre-procesamiento de imágenes Sentinel 1 (GRD) .................................................................................. 10
3.1 Recorte de imagen para minimizar tiempo de procesado ................................................................. 10
3.2 Corrección de la órbita ...................................................................................................................... 11
3.3 Calibración radiométrica ................................................................................................................... 11
3.4 Reducción speckle............................................................................................................................. 13
3.4.1 Filtrados speckle ........................................................................................................................ 13
3.4.2 Multilooking .............................................................................................................................. 14
3.5 Corrección geométrica ...................................................................................................................... 15
3.6 Conversión a decibelios .................................................................................................................... 18
3.7 Automatización de procesos: Modelador gráfico y procesamiento en batch.................................... 19
3.8 Análisis de una imagen ..................................................................................................................... 20
4 Visualización de detección de cambios mediante combinaciones polarimétricas ................................... 24
4.1 Composición de imágenes con bandas multitemporales (Stack data) .............................................. 24
4.2 Visualización RGB ........................................................................................................................... 26
4.3 Clasificación de una imagen en función del coeficiente de retrodispersión ..................................... 28
4.3.1 Clasificación no supervisada ..................................................................................................... 28
4.3.2 Clasificación supervisada .......................................................................................................... 29
5 Mosaicado y visualización de imágenes Sentinel 1 (GRD) ..................................................................... 36
5.1 Selección y descarga de imágenes .................................................................................................... 36
5.2 Pre-procesado en batch de las imágenes ........................................................................................... 37
5.3 SAR mosaic ...................................................................................................................................... 37
5.4 Recorte del mosaico y visualización ................................................................................................. 39

1 Descarga de datos Sentinel 1
De la misma manera que con Sentinel 2, podemos acceder a imágenes Sentinel 1 a través del sistema Open
Access Hub (https://scihub.copernicus.eu/).
1.1 Herramientas gráficas

Para la búsqueda y descarga manuales de los productos Sentinel-1 puede utilizarse la herramienta web-GIS
accesible en esta dirección: https://scihub.copernicus.eu/dhus.
Figura 1 Visión general del visor web de acceso gratuito de la ESA
Si ya estamos dados de alta en el sistema, podremos realizar búsquedas de los distintos productos. En este
punto del curso nos centraremos en las opciones referentes a la misión Sentinel-1:
 Sensing period: Rango de fechas para la búsqueda basada en la fecha de captura de los datos (paso
del satélite).
 Ingestion period: Rango de fechas para la búsqueda basada en la fecha de introducción del producto
procesado en el sistema.
 Satellite Platform: Pudiendo elegir entre las dos plataformas actualmente en órbita (S1A y S1B).
 Product Type: Tipo de producto (SLC, GRD y OCN).
 Polarisation: Polarización de emisión y recepción de la señal (HH, VV, HV, VH, HH+HV,
VV+VH).
 Sensor mode: Se puede escoger entre los diferentes métodos de captura de imágenes de Sentinel 1
(SM, IW, EW, WV).
 Relative Orbit Number: Identificador de orbita relativa.
El área geográfica de búsqueda se especificará dibujando un polígono en el mapa. Para ello podemos hacer
clic y arrastras para dibujar un rectángulo o hacer clic sucesivamente en distintos puntos para definir otro
tipo de polígono.

Buscamos sobre la zona de interés y lanzamos la consulta de búsqueda con el botón . Los resultados se
mostrarán en el mapa y en forma de listado:
Figura 2 Resultados de la búsqueda en el open data hub
Situando el puntero sobre alguno de los elementos del listado podemos acceder a distintas opciones:
Figura 3 Información relativa a uno de los productos listados. Se muestra por ejemplo un producto
SLC, un GRD y un OCN
1.2 Herramientas en línea de comandos y APIs

En el caso de Sentinel 1 aplican las mismas interfaces que en el caso de Sentinel 2:
1.2.1 Sentinelsat
A continuación se muestra un fragmento de código con el cual se obtiene el número de imágenes Sentinel 1
con producto sobre el territorio de Guatemala, siendo necesario proporcionar:
 Las claves de acceso al Sentinel data hub (usuario y contraseña).

 Un archivo geojson con el área de interés.
 Criterios de búsqueda (fecha, constelación, producto, etc.)
# connect to the API

from sentinelsat import SentinelAPI, read_geojson, geojson_to_wkt
import geojson
import os
api = SentinelAPI('usuario', 'contraseña', 'https://scihub.copernicus.eu/dhus')
# Buscar por polígono, tiempo y palabras clave SciHub

footprint = geojson_to_wkt(read_geojson('guatemala.geojson'))
products = api.query(footprint,
date = ('20140101','NOW'),
platformname = 'Sentinel-1',
producttype = 'GRD')
# GeoJSON FeatureCollection containing footprints and metadata of the scenes

datasets = api.to_geojson(products)
output_filename = 'imagenes_S1GRD_guatemala.geojson'
with open(output_filename,'w') as output_file:
geojson.dump(datasets,output_file)
print('Creado fichero geojson con imágenes sobre la zona de interés')
total_size_images = 0
n_images = 0
for i in range(0, len(datasets["features"])):

size_im_str = datasets["features"][i]["properties"]["size"]
size_im_str_split = str.split(str(size_im_str))
if 'MB' or 'Mb' in size_im_str_split[1]:
size_im = float(size_im_str_split[0])/1024
else:
size_im = float(size_im_str_split[0])
total_size_images = total_size_images + size_im

n_images = n_images + 1
print ('Número total de imágenes: ' + str(n_images))

print ('Tamaño total de las imágenes: ' + str(total_size_images/1024) + ' Tb')
## download all results from the search

#api.download_all(products)
Como resultado de ejecutar este script en python obtenemos la siguiente información:

 Número total de imágenes Sentinel 1 GRD sobre Guatemala hasta el día en el que se ejecuta el script
(30 de octubre): 2722 imágenes.

Figura 4 Visualización del fichero geojson y tabla de metadatos asociada en QGIS para S1 GRD
En el caso de productos SLC, bastaría con sustituir ‘GRD’ por ‘SLC’ en producttype, obteniendo los
siguientes resultados:
 Número total de imágenes Sentinel 1 SLC sobre Guatemala hasta el día en el que se ejecuta el script
(30 de octubre): 2667 imágenes.
Figura 5 Visualización del fichero geojson y tabla de metadatos asociada en QGIS para S1 SLC

2 Visualización de productos
A continuación, se va a visualizar el producto Sentinel-1 GRD que será procesado posteriormente. Para ello,
directamente se puede abrir haciendo doble clic en el fichero.zip desde el explorador que despliega SNAP
desde la opción de abrir producto en el menú File.
También se puede seleccionar el fichero SAFE si se ha descomprimido previamente el producto descargado.
El fichero elegido se incorpora al explorador de productos, presentando la siguiente estructura de
información:
Figura 6 Estructura de información para una imagen Sentinel 1

Como se puede observar, cada producto posee una banda por cada polarización (VV y VH). Las magnitudes
son amplitudes y como bandas virtuales se expresan en valores de intensidad. En Tie-Point Grids se
incluyen imágenes con información acerca de la georefenciación, geometría y tiempo de observación. En la
carpeta Metadata se puede visualizar toda la información asociada al producto, haciendo doble clic en el ítem
del árbol de capas, se abrirá una pestaña en el visor principal de la aplicación, para cada uno de los apartados
consultados.
Si visualizamos las cuatro imágenes al mismo tiempo podemos descubrir cómo se visualiza una imagen
SAR.

Figura 7 Visualización de las cuatro bandas de una imagen SAR
A continuación, se va a visualizar como combinación en RGB, pulsando con el botón derecho del ratón en el
nombre del fichero y eligiendo la opción correspondiente del menú que se despliega. La visualización en
composición RGB puede ser configurada por el usuario. Aunque por defecto en la aplicación, se han
establecido las siguientes configuraciones prediseñadas:
Figura 8 Tipos de visualizaciones posibles por defecto en SNAP para imágenes SAR
Una visualización de las 3 imágenes nos arroja los siguientes resultados:

Figura 9 Visualización de las tres opciones mostradas en la Figura 8

3 Pre-procesamiento de imágenes Sentinel 1 (GRD)
La zona de estudio seleccionada previamente corresponde a inundaciones en Centroamérica debidas a lluvias
torrenciales ocurridas a inicios de octubre de 2018. El procesamiento descrito hasta obtener las imágenes de
utilidad para el proceso de análisis orientado a determinar el cauce de inundación sigue una serie de pasos
que se resumen en:
1. Recorte de imagen para minimizar tiempo de procesado (opcional).
2. Corrección de la órbita.
3. Calibración radiométrica.
4. Corrección de speckle.
5. Corrección del terreno.
6. Conversión a unidades de decibelios.
En primer lugar, se realizará el procesamiento paso a paso, con una única imagen. Mencionar que la salida de
cada paso será la entrada del siguiente. Posteriormente, se creará un gráfico con el modelador de procesos
que permitirá lanzar este procesamiento a conjuntos de imágenes, por ejemplo, series temporales.
A continuación, se podrán realizar análisis multitemporales como la visualización y detección de cambios,
creando composiciones de imágenes que contengan distintas fechas.
Analizaremos las imágenes correspondientes a un evento de inundación anterior y posterior a dicho evento,
para determinar las zonas afectadas. Las imágenes a procesar serán dos:
 S1A_IW_GRDH_1SDV_20180925T235735_20180925T235800_023862_029AAD_1498
 S1A_IW_GRDH_1SDV_20181007T235735_20181007T235800_024037_02A069_19C2
3.1 Recorte de imagen para minimizar tiempo de procesado

Para poder realizar un recorte de la imagen es necesario acudir a la pestaña Raster -> Subset, teniendo la
imagen en cuestión seleccionada. A continuación nos fijamos en la pestaña de Spatial subset y
seleccionamos aproximadamente la zona remarcada en azul en la previsualización de la izquierda.
Figura 10 Ventana subset del menú de SNAP

Es importante apuntar los valores de latitud/longitud de recorte, los cuales se muestran en la figura dentro del
rectángulo verde. Esta parte es importante puesto que luego emplearemos esta misma área para compararlo
con otra imagen previa a las inundaciones y estimar las zonas afectadas.
Resaltar que el producto no ha sido creado físicamente por lo que para conservarlo será necesario guardarlo,
en este momento o posteriormente. Para ello, de nuevo se debe acceder a File->Save Product. Se puede
modificar la identificación del productor y abrir de nuevo si se desea.
3.2 Corrección de la órbita
Este primer paso en los casos en los que se considere suficiente la precisión geométrica original puede
considerarse opcional. No obstante, con la premisa de obtener la máxima precisión se decide incluir en esta
guía de procesamiento.
Los vectores de estado de órbita proporcionados en los metadatos de un producto SAR original descargado
generalmente no son precisos y se pueden refinar con los archivos de órbita precisos que estarán disponibles
unas semanas después de la generación del producto.
El archivo de órbita proporciona información precisa sobre la posición y la velocidad del satélite. Al realizar
esta corrección se actualizarán los vectores del estado de la órbita en los metadatos del producto.
Para acceder a esta funcionalidad se debe acceder en el menú Radar-> Aply Orbit File.
Los parámetros de entrada y de salida serán: la imagen a procesar, la identificación de la imagen procesada,
formato y ubicación deseados.
Los archivos de órbita se descargan automáticamente de los servidores habilitados para ello. Si no se
encuentra un determinado archivo de órbita, puede intentarse su búsqueda en https://qc.sentinel1.eo.esa.int/ y
colocar el archivo descargado en la carpeta auxdat del producto.
3.3 Calibración radiométrica

La corrección radiométrica a las imágenes SAR de Sentinel-1 tiene como propósito convertir los valores de
los niveles digitales en una magnitud física, los valores de retrodispersión de la señal radar de la superficie
observada. Aunque las imágenes no calibradas radiométricamente son suficientes para un uso cualitativo, el
proceso de calibración es necesario para realizar cualquier análisis cuantitativo, siendo necesario además en
todo proceso que contemple series temporales o el uso combinado con imágenes radar procedentes de otras
misiones espaciales.
Figura 11 Explicación de los diferentes coeficientes de retro-dispersión

En el proceso de calibración radiométrica se corrigen distorsiones radiométricas debidas a la pérdida de la
señal al propagarse, el patrón no uniforme de la radiación de la antena, las diferencias en cambios de
ganancia la saturación y parcialmente el ruido speckle, aunque este efecto será tratado posteriormente de
forma más específica. De esta forma, será posible comparar imágenes adquiridas con diferentes sensores, con
el mismo sensor en diferentes momentos, en diferentes modos o procesados de distinta forma.
Los parámetros que permiten la conversión a sigma0, beta0 y gamma0 se encuentran en el propio producto.
Los productos de nivel 1 proporcionan cuatro LUTs (Look up Tables) para calcularlos, o para volver al nivel
digital (DN). Las LUT para los productos GRD aplican una transformación constante.
La calibración radiométrica se aplica mediante la siguiente ecuación:
Donde, dependiendo de la LUT seleccionada para calibrar los datos de imagen:

 : nivel digital imagen GRD.
 es el coeficiente de retrodispersión LUT: sigmaNought(i), betaNought(i) o gamma(i).
 Value(i) =coeficiente de retrodispersión calculado: , o .
Se aplicará una interpolación bilineal para cualquier píxel que se encuentre entre puntos de la LUT.
Para realizar la calibración radiométrica se accede a Radar -> Radiometric -> Calibrate, aparecerá el
siguiente diálogo solicitando los parámetros de entrada y salida. Se selecciona como origen la imagen que se
desea calibrar, nomenclatura de la imagen de salida, proponiéndose por defecto como denominación la
misma nomenclatura del producto original que se le añade el sufijo _cal, y se indicará el formato y el
directorio de salida.
En los parámetros de procesamiento se puede indicar qué bandas se desean calibrar. En este ejemplo se
aplicará a ambas polarizaciones, por lo que no se seleccionará ninguna específica.
Figura 12 Calibración de una imagen SAR para las dos polarizaciones
La imagen calibrada radiométricamente se habrá creado con el nombre indicado y en el directorio de salida
elegido. Se abre en el explorador de productos y se puede ver que en la carpeta de metadata se ha generado

un nuevo ítem Processing_Graph con la información del procesamiento realizado. La imagen resultante está
compuesta por dos bandas denominadas Sigma0_VH y Sigma0_VV.
Figura 13 Visualización de las imágenes creadas en el paso de calibración y metadatos generados
3.4 Reducción speckle

El speckle, también denominado “efecto sal y pimienta”, es parte de las imágenes rádar y dificulta su
interpretación. Dos son los procedimientos principales para reducir este efecto: el uso de filtros y análisis
multilook de la imagen. A continuación, se analizan ambos tipos de procesos.
3.4.1 Filtrados speckle
Los filtros speckle se encuentran en la aplicación SNAP en el menú Radar-> Speckle Filtering. En esta
primera fase al tratarse una única imagen se procesará con Single Product Speckle Filter.
Existen distintos filtros, el más común es Filtro Lee Sigma. En este caso se opta por utilizar el filtro Refined
Lee, que aporta algunas mejoras respecto al tradicional.

Figura 14 Configuración para la aplicación de un filtro Lee Sigma de speckle
En las siguientes figuras se incluyen las imágenes originales para ambas polarizaciones en la parte superior y
las resultantes del proceso de filtrado en la parte inferior.
Figura 15 Diferencia entre imágenes sin filtro (arriba) y con filtro speckle (abajo)
3.4.2 Multilooking
Se trata de otra manera de terminar con el efecto de sal y pimienta. En general o empleamos un filtro de
speckle o empleamos un criterio de multilloking. En este apartado explicaremos cómo realizar el
multilloking.

Se accede al menú Radar -> SAR Utilities -> Multilooking. En los parámetros de entrada se debe seleccionar
la imagen calibrada radiométricamente obtenida en el paso anterior y el directorio de salida. La aplicación
propone como identificador del producto de salida el original al que se le añade el sufijo _ML, de
MultiLooking, que resulta apropiado para mantener en la nomenclatura del fichero los pasos del
procesamiento realizado.
Figura 16 Parámetros ajustados para multilooking

En los parámetros de procesamiento se establecerá Number of Range Looks igual a 6. Nótese que la
resolución espacial se reducirá proporcionalmente a este factor, por tanto, la reducción de speckle conllevará
una pérdida de resolución espacial. La imagen a corregir será la radiométricamente calibrada pero sin el
filtrado de speckle realizado en el paso anterior.
Los resultados obtenidos se muestran en la siguiente figura, en la parte superior se muestran las bandas
originales y la parte inferior tras la corrección, apreciándose tanto la reducción del moteado como la de la
resolución espacial.
Figura 17 Diferencia entre imágenes sin (arriba) y con multilook (abajo)
3.5 Corrección geométrica

Debido a las variaciones topográficas en una escena y la propia geometría de observación radar, las
distancias en las imágenes radar están afectadas de distorsione geométricas. Las correcciones de terreno

están diseñadas para compensar estas distorsiones, de modo que la representación geométrica de la imagen
sea lo más cercana posible al mundo real.
La geometría de las distorsiones topográficas en las imágenes SAR se muestra en la siguiente figura, donde
se puede apreciar que el punto B con la elevación h sobre el elipsoide se visualiza en la posición B' en la
imagen radar, aunque su posición real es B". El desplazamiento Δr entre B' y B'' muestra el efecto de las
distorsiones topográficas.
Figura 18 Fundamentos de corrección geométrica en una imagen SAR

A continuación, se realiza la corrección del terreno, que permite corregir las distorsiones en escala debidas a
la topografía y a la geometría de observación propia del sensor.
Se accede al menú Radar -> Geometric -> Terrain Correction -> Range-Doppler Terrain Correction
Por defecto la aplicación añade el sufijo TC.
Figura 19 Corrección geométrica de imágenes Sentinel 1 con SNAP

El DEM puede ser previamente descargado y añadirlo como una banda, o hacerlo de forma dinámica en el
procesamiento.

Figura 20 Configuración de los parámetros de procesamiento en la corrección geométrica
Por defecto establece la resolución del producto original aunque como al aplicar el filtro de Speckle sus
dimensiones eran de 7x7 píxeles, la resolución real será de 70 m. El CRS por defecto será el equivalente al
datum WGS84 y al sistema de coordenadas geodésicas:
Figura 21 Selección de datum/proyección

Se puede seleccionar uno de los definidos en la EPGS

Figura 22 Selección de EPSG
Se pueden añadir bandas con la información relativa al DEM, ángulos de incidencia, que dependerá de los
CRSs implicados, sobre el elipsoide, plano y proyectado. También se puede aplicar normalización
radiométrica y seleccionar en qué banda se almacenará y la definición de ángulo de incidencia deseado.
En este ejemplo se ha dejado todo por defecto. Se ejecuta Run que procederá a realizar la corrección. La
imagen resultante está girada 180º respecto a la de entrada, debido a que la de entrada estaba referida a la
orientación según la captura radar y la resultante se ha georreferenciado en el CRS elegido.
Figura 23 Imagen bruta (izquierda) y georreferenciada y corregida geométricamente (derecha)

3.6 Conversión a decibelios
Primero será necesario convertir los sigma0 a decibelios, para ello botón derecho sobre la imagen-> Linear
to/ from dB:

Figura 24 Conversión a dB de una banda de una imagen radar
Se generará una banda virtual para cada transformación:
Figura 25 Visualización de las nuevas bandas virtuales creadas
A continuación, se procederá a crear como bandas físicas, para ello nuevamente botón derecho y hacer click
en Convert Band.
3.7 Automatización de procesos: Modelador gráfico y procesamiento en batch

A continuación, se creará con el modelador de procesos el flujo de trabajo que permitirá realizar el
procesamiento de las imágenes completo. Este modelo será de mucha utilidad si se desea realizar análisis de
una serie multitemporal, integrada por muchas imágenes que necesitan el mismo procesamiento. Asimismo,
se reduce el tiempo de lectura y escritura de los productos intermedios y se ahorra espacio de
almacenamiento, ya que sólo se almacenará el producto final.
Para proceder se accede a Tools -> Graph Builder. Sobre el lienzo iremos añadiendo las diferentes
operaciones de pre-procesado realizadas anteriormente:
1. Clic botón derecho Add -> Radar -> Apply Orbit File.
2. Clic botón derecho Add -> Radar -> Radiometric -> Calibration. Marcaremos la casilla save in dB.
3. Clic botón derecho Add -> Radar -> Specke Filtering-> Speckle-filter. Elegiremos Refined Lee.
4. Clic botón derecho Add -> Radar -> Geometric correction -> Terrain Correction -> Terrain-
Correction. Pondremos 70 metros en pixel spacing.
5. Clic botón derecho en Add -> Raster -> Data Conversion -> LinearToFromdB (este último paso a
veces convendrá no realizarlo).

Haremos después clic derecho y Connect Graph, teniendo que obtener algo similar a la siguiente Figura:
Figura 26 Flujo de procesamiento para el pre-procesado de imágenes Sentinel 1 GRD
Lo que vamos a hacer es guardar el gráfico de procesamiento sin particularizar entrada y salida para
posteriormente realizar un Batch Processing. Para ello, siempre que queramos hacer uso de este grafo de
procesado, iremos al menú Tools -> Batch Processing y se procede a abrir el gráfico xml guardado en el paso
anterior, en File -> Load Graph o en el botón correspondiente, de la ventana del Batch Processing.
3.8 Análisis de una imagen

En este apartado se va a analizar la zona procesada. Abrimos la imagen post-evento, la cual debería tener un
nombre similar a este:
subset_0_of_S1A_IW_GRDH_1SDV_20181007T235735_20181007T235800_024037_02A069_19C2_Orb_Cal_Spk_TC
Una vez abierta la imagen en cuestión, se accede al histograma de los valores de retrodispersión en ambas
polarizaciones. En el panel de Color Manipulation se modifica la visualización. Las masas de agua y las
áreas inundadas se pueden apreciar que son áreas de poca retrodispersión, zonas oscuras, corresponden a
valores aproximadamente inferiores a -20.3 dB. Como la proporción entre zonas con agua es significativa en
la imagen aparecen claramente dos picos en el histograma. Las zonas con tierra son más claras.
Figura 27 Histograma de la imagen post-evento

A continuación, se procede a crear una imagen máscara con las zonas inundadas, para lo que se debe realizar
una operación de algebra de mapas sobre la imagen pulsando en el botón derecho en la banda o en el
producto y seleccionar Band Maths y proceder como se indica en las siguientes figuras.

Figura 28 Configuración de la ventana Band Math
A la hora de editar la expresión a aplicar, escribimos lo siguiente:
Figura 29 Expresión matemática para el álgebra de bandas con el objetivo de discriminar agua
El resultado es una imagen donde el valor 255 representaría presencia de agua.
Figura 30 Imagen clasificada en pixeles con agua (blanco, 255) y no agua (negro, 0)

Podemos modificar una visualización preliminar de la imagen en SNAP yendo a la pestaña Colour
Manipulation de la capa nueva capa “agua” creada y asignando nuevos colores a los valores 0 y 255.
Figura 31 Visualización alternativa de la capa clasificada
A continuación, se procede a generar un tipo de visualización muy común en radar que permitirá
fotointerpretar las consecuencias de la inundación. Para ello, se empleará una imagen resultado de calcular
las diferencias entre las dos polarizaciones (VV-VH). Esta operación se puede hacer virtualmente para que se
pueda visualizar o físicamente creando la banda. En cualquier caso, posteriormente se podría guardar y/o
exportar. Se procede a generar una visualización en RGB empleando las dos polarizaciones y la diferencia en
los canales RGB. Para ello, se pulsa con el botón derecho Open RGB Image Window, se elige un perfil de
visualización de partida, tal y como muestra la siguiente Figura:
Figura 32 Personalización de la visualización

Antes de continuar guardamos este perfil de visualización haciendo clic sobre el icono del disco. Le
llamaremos:
RGB VV-VH VH VV
Hacemos clic en OK y a continuación se nos muestra la siguiente Figura, donde se pueden apreciar las zonas
inundadas al aparecer con colores rojos muy vivos y morados.

Figura 33 Visualización según el perfil deseado

4 Visualización de detección de cambios mediante combinaciones
polarimétricas
En este apartado se tratará la visualización de detección de cambios mediante combinaciones polarimétricas.
Para ello, resulta de mucha utilidad que las imágenes a analizar se encuentren en el mismo fichero, lo que se
consigue creando un producto con los coeficientes de retrodispersión en ambas fechas, pre y post-evento, tal
y como se explica a continuación.
4.1 Composición de imágenes con bandas multitemporales (Stack data)

Antes de hacer la clasificación es necesario crear una imagen compuesta por las bandas que integran las dos
imágenes, pre-evento y post-evento, para ello se debe elegir la opción Radar -> Coregistration -> Stack Tools
-> Create Stack. En la primera pestaña se añaden los productos de entrada, seleccionándolas con el
explorador de archivos o directamente de entre las imágenes abiertas. En este ejemplo se añaden las dos
imágenes descargadas y preprocesadas en los pasos anteriores, correspondientes a la situación pre y post-
evento:
Figura 34 Primera pantalla de stacking para imágenes Sentinel 1 en SNAP
En la siguiente pestaña se seleccionará Product Geolocation en Initial Offset Method. Adviértase que, tal y
como ilustra la siguiente Figura, la primera imagen actuará como imagen maestra.
Figura 35 Segunda pantalla de stacking para imágenes Sentinel 1 en SNAP
En la última pestaña se indicará la identificación, formato y ubicación de la salida. A continuación, se

ejecutará el proceso.

Figura 36 Tercera pantalla de stacking para imágenes Sentinel 1 en SNAP
El resultado será una imagen compuesta de 8 bandas con las polarizaciones de ambas fechas:
Figura 37 Bandas en la imagen resultante

En la siguiente imagen se puede observar la polarización VV antes y después de las inundaciones:

Figura 38 Comparación de bandas con polarización VV antes y después del evento
4.2 Visualización RGB
En este apartado se va a realizar una visualización como imagen RGB. Se realizará la siguiente asignación de
bandas:
 Rojo: VV_dB después del evento.
 Verde: VH_dB después del evento.
 Azul: VH_dB antes del evento.
Figura 39 Asignación de colores y guía interpretación de resultados
Aunque es opcional, se puede guardar el perfil de selección de canales para su uso posterior. También se
pueden guardar como bandas virtuales el modo de visualización RGB.

Figura 40 Nuevo perfil de visualización de acuerdo al código de colores asignado
En la imagen se visualiza en color negro las zonas de agua permanente, como lagunas y el cauce del río; en
color azul oscuro la zona inundada; en color fucsia se asocia a vegetación con agua; y en color blanco se
observan las zonas urbanas y de construcciones artificiales.
Haciendo clic con el botón derecho sobre el visor de la imagen se presentan distintas opciones, una de ellas
es la opción Export View as Image. Para exportar toda la imagen a la máxima resolución se deben elegir las
opciones Full scene en el grupo de opciones Image Region y Full resolution en el grupo de opciones Image
Resolution.
Es posible exportar la imagen en RGB a otros formatos ráster. En este caso de uso se va a exportar a formato
GeoTIFF. Si se desea guardar todo el producto, no sólo la visualización RGB, también se podría exportar en
File -> Export -> GeoTIFF/BigTIFF.
Figura 41 Resultado final de la visualización

4.3 Clasificación de una imagen en función del coeficiente de retrodispersión
4.3.1 Clasificación no supervisada
Este ejemplo se realizará con la misma pila de imágenes empleada en el proceso anterior.
Para realizar una clasificación no supervisada se accede al menú Raster -> Classification -> Unsupervised
Classification -> EM Cluster Analysis.
Figura 42 Configuración de las ventanas de clasificación no supervisada en SNAP

Una vez finalizado el proceso, la imagen clasificada está compuesta por una banda denominada
class_indices. La nomenclatura de clases identificadas y los colores asociados pueden ser modificados por el
usuario, y podrán guardados en el producto. En la imagen siguiente se visualiza en color azul claro las zonas
de agua permanente como el cauce del río y cultivos tipo arrozal y en color azul oscuro la zona inundada.
Figura 43 Código de colores para la clasificación

Figura 44 Visualización de la clasificación realizada por SNAP y el código de colores asignado
Aunque en este análisis de inundaciones no es objeto de estudio, se puede apreciar que las tonalidades verdes
oscuras hacen referencia a zonas de vegetación, verdes más claras y amarillas a cultivos con diferentes
contenidos de humedad y los suelos ubicados en zonas topográficamente más abruptas, al tener distinta
retrodispersión en función de la orientación de la ladera, se clasificarán en diferentes grupos.
4.3.2 Clasificación supervisada
Este método de clasificación se desarrolla normalmente en cuatro pasos:

1. En primer lugar, se definen las clases objeto de la clasificación a partir de una serie de recintos que
conforma la verdad terreno.
2. En segundo lugar, se calculan una serie de parámetros estadísticos que definen el comportamiento
espectral, textural o estructural de cada una de las clases contempladas en el paso anterior (fase de
entrenamiento).
3. El tercer paso consiste en asignar cada píxel de la escena a clasificar a una de las categorías,
mediante la utilización de una herramienta o algoritmo de clasificación denominada clasificador.
4. Por último, se evalúa la precisión de los resultados mediante el análisis de la matriz de confusión y
otros parámetros estadísticos.
Para la definición de las clases se van a utilizar como ayuda a la fotointerpretación composiciones RGB a
partir de imágenes Sentinel. De este modo, se creará una composición color natural RGB 4-3-2 a partir de
datos Sentinel-2. Otras combinaciones de color interesantes para este tipo de aplicaciones se pueden
consultar en el siguiente enlace: http://www.gisandbeers.com/combinacion-de-imagenes-satelite-landsat-
sentinel-rgb/. A tal efecto, se obtendrá esta información de una fecha cercana a las inundaciones. Para ello, se
descarga la imagen correspondiente al 24 de septiembre de 2018 de nombre:
S2A_MSIL1C_20180924T161001_N0206_R140_T16PDV_20180924T212404
Como la imagen no está corregida atmosféricamente (se trata de una imagen en nivel L1C y no L2A),
conviene realizar el proceso de corrección atmosférica mediante Sen2Cor. Una vez realicemos ese proceso
seremos capaces de discernir mejor las diferentes cubiertas. Obtenemos por lo tanto una imagen a la que
llamaremos:

S2A_MSIL2A_20180924T161001_N0206_R140_T16PDV_20180924T212404
Una vez hecho este pre-procesamiento pasamos a la fase de creación de la verdad terreno. Se debe prestar
especial atención a esta fase, ya que el resultado de la clasificación dependerá en buena medida de la correcta
definición de clases que conforman la escena a clasificar. Para este caso de estudio no se dispone de
información capturada en campo, por lo que se propone la generación de dos productos que auxilien la
digitalización de recintos verdad terreno.
Aunque se hará especial énfasis en la clase relativa a suelos inundados, a falta de información de campo y a
efectos didácticos, se plantean las siguientes clases como una primera aproximación:
Símbolo Clase B G B
Agua no permanente 0 255 255
Agua permanente 0 0 255
Cultivos herbáceos 0 255 0
Cultivos ribereños 124 242 142
Asfalto 128 128 128
Zona urbana 255 0 0
Roquedo 80 41 22
Suelo desnudo 219 191 48
Forestal 27 132 34
Matorral 83 169 93
Tabla 1 Clases propuestas y simbología asociada

A partir de las fuentes de información comentadas previamente, se procederá a la digitalización de recintos
verdad-terreno. El proceso de definición de clases puede realizarse con las herramientas provistas por SNAP
o utilizando alguna herramienta SIG externa, que permita generar los ficheros en formato shapefile. A
continuación, se muestra únicamente cómo se operaría con SNAP.
En la propia aplicación SNAP se pueden definir los recintos. En primer lugar, será necesario crear en la
imagen a clasificar un almacenamiento vacío para cada clase que se desee definir. Se realiza accediendo en el
menú Vector -> New Data Container.
Figura 45 Capa vectorial para zonas inundadas

Figura 46 Capa vectorial para agua permanente
Se irán creando en el Vector Data del producto activo, los nuevos ítems con la nomenclatura establecida por
el usuario.
Figura 47 Clases definidas para la práctica

Las geometrías con las muestras que pertenecen a cada una de las clases se irán añadiendo con las
herramientas de dibujo:
La aplicación interrogará (aunque a veces lo obvia) acerca del almacén vectorial donde se desee incorporar el
recinto. De esta forma, se van añadiendo las geometrías y pueden ser consultadas haciendo doble clic en el
ítem correspondiente incluido en el Vector Data, desplegándose una tabla donde se visualiza la información
geométrica en WKT y la simbología.
Finalmente, se guardará como otro producto con la opción Save Product o Save Product As.
Entramos ahora en la fase de entrenamiento y asignación de clases. SNAP incorpora diversos algoritmos
para llevar a cabo el entrenamiento del clasificador y para la asignación posterior de clases. En este caso se
utilizará el algoritmo Random Forest.
Antes de realizar la clasificación es necesario renombrar las bandas de la imagen, ya que SNAP puede
arrojar un error por no discriminar diferentes bandas dentro de la imagen. Por lo tanto, es necesario cambiar
los nombres de las bandas haciendo clic derecho en cada una de ellas y luego pulsando en properties. Se
abrirá una ventana y cambiaremos lo que está escrito en el apartado Name. Por ejemplo, para la primera
banda haremos lo siguiente:
 Cambiaremos el nombre de Sigma_0_VH_mst_25Sep2018 a S0_VH_25Sep2018.

Figura 48 Cambio de nombre de banda para evitar errores no deseados en SNAP
Resultando entonces en la siguiente nomenclatura de bandas, tanto vectorial como raster, para la imagen con
las bandas pre y post evento.
Figura 49 Nomenclatura final para la realización de la clasificación

Ahora ya podemos aplicar el clasificador Random Forest, accesible desde el menú Raster -> Classification ->
Supervised Classification -> Random Forest Classifier.

Figura 50 Localización de la función de clasificación con random forest
Haciendo clic en el botón Add Opened se añadirá la imagen con la información pre y post-evento generada
en el apartado anterior a partir de los cuales se va a realizar la clasificación:
Figura 51 Imagen preparada para ser clasificada

A continuación se establecerán los parámetros para el entrenamiento del clasificador en la pestaña Random-
Forest-Classifier. En principio se realizará el entrenamiento con todas las polarizaciones disponibles (VH y
VV) pre-evento y post-evento.
Figura 52 Configuración del panel de clasificación

Finalmente, se establecerán los datos de escritura de los resultados obtenidos (directorio y nombre de
producto a generar al que se concatena el sufijo _RF), y se lanzará el proceso.
El último paso consiste en la visualización de los resultados de la clasificación obtenida. Por defecto SNAP
aplica una tabla de colores, aunque se puede visualizar con una tabla de color definida por el usuario. El
usuario puede asignar cada color en el propio panel, haciendo clic en el color donde se puede definir el color
de diferentes modos.
Figura 53 Propuesta de visualización del documento generado
Figura 54 Imagen generada con las diferentes clases

En la imagen resultante se aprecian en color azul las zonas inundadas en azul oscuro. También se aprecia con
claridad las zonas de agua permanente (en cyan o azul claro). Otras clases contempladas inicialmente,
muestran una dispersión mayor con la importante presencia del efecto “sal y pimienta”, típico de este tipo de
procesamientos.
Se podría obtener una máscara de las zonas inundadas haciendo pulsación con el botón derecho en la capa
resultante de la clasificación (LabeledClasses) y eligiendo la opción Band maths. La operación puede ser una
banda virtual o física. Editando la expresión pulsando en el botón Edit expression introducimos lo siguiente:
Figura 55 Expresión a introducir en Band Maths Expression Editor

Este proceso generará una máscara de zonas inundadas:
Figura 56 Comparación entre la imagen post-evento, la clasificación realizada y la máscara de zonas

inundadas
Por último, mencionar que el proceso descrito en este apartado persigue un objetivo meramente didáctico. La
clasificación realizada podría mejorarse teniendo en consideración las siguientes mejoras:
 Mejoras sustanciales de la verdad-terreno a utilizar, según criterios cualitativos y cuantitativos.
 Análisis de separabilidad de clases.
 Se han utilizado únicamente imágenes de dos fechas de Sentinel-1. Podría incorporarse información
mutiltemporal Sentinel-1.
 Incorporación de los datos multitemporales de las bandas de Sentinel-2.
 Incorporación de otras fuentes de información, como por ejemplo un MDT
Se escapa del alcance de este documento el estudio de la precisión alcanzada en el proceso de clasificación.

5 Mosaicado y visualización de imágenes Sentinel 1 (GRD)
En este ejemplo se van a mosaicar imágenes pertenecientes al perímetro de Guatemala. En primer lugar, se
va a procesar, siguiendo con la guía de procesamiento explicada previamente, es decir, se realizará el
procesamiento de las imágenes a mosaicar, tal y como se ha explicado en apartados anteriores y
posteriormente se realizará la operación de mosaicado con la herramienta SAR Mosaic.
En segundo lugar, se va a realizar el mosaico utilizando el procesamiento guiado incluido en la herramienta
SNAP mediante el SAR Wizard. Esta vía sería la recomendada si no se desea realizar ningún análisis previo
y si se considera adecuada, para el caso de estudio en cuestión, la secuencia implementada en esta
herramienta.
En la siguiente Figura pueden verse las huellas de las imágenes empleadas y los nombres de estas
5.1 Selección y descarga de imágenes

Para realizar el mosaico vamos a necesitar 7 imágenes Sentinel 1 GRD, cuyas huellas según el plan de
adquisición se distribuyen de la siguiente manera.
Figura 57 Distribución de huellas Sentinel 1 sobre Guatemala
Usaremos imágenes de agosto del año 2019 para realizarlo. A la hora de seleccionar las imágenes se
pretenderá hacerlo siguiendo el criterio de mantener aquellas que se capturasen en la misma pasada del
satélite. De esta manera se seleccionaron las siguientes imágenes:
 S1A_IW_GRDH_1SDV_20190823T120201_20190823T120226_028696_033F8B_27F1
 S1A_IW_GRDH_1SDV_20190823T120226_20190823T120252_028696_033F8B_2070
 S1B_IW_GRDH_1SDV_20190824T115254_20190824T115319_017727_0215A7_1D47
 S1B_IW_GRDH_1SDV_20190824T115319_20190824T115344_017727_0215A7_7E44
 S1B_IW_GRDH_1SDV_20190824T115344_20190824T115409_017727_0215A7_4CCD
 S1A_IW_GRDH_1SDV_20190825T114540_20190825T114605_028725_03409B_9858
 S1A_IW_GRDH_1SDV_20190825T114605_20190825T114630_028725_03409B_CBA9

5.2 Pre-procesado en batch de las imágenes
Ahora vamos a emplear el flujo de trabajo creado en apartados anteriores para aplicarlo en batch sobre las
imágenes descargadas.
Para ello, iremos al menú Tools-> Batch Processing y se procede a abrir el gráfico xml guardado
anteriormente en File -> Load Graph.
A continuación se eligen las imágenes a procesar, en nuestro caso las 7 imágenes sobre Guatemala y tras
revisar los pasos del proceso ejecutamos con run.
Figura 58 Selección de imágenes para la realización del pre-procesado

En un equipo con 8Gb de RAM y un procesador inte-core i7-4790 este proceso demoró aproximadamente un
total de 55 minutos.
5.3 SAR mosaic

Inicialmente, conviene mencionar que, obviamente, la calidad geométrica del mosaico final dependerá de la
precisión de las imágenes que intervienen, que estará condicionada por la precisión de los parámetros de las
órbitas.
Las imágenes de entrada para el mosaico en este caso se han procesado previamente con el gráfico aplicado
en el paso anterior y en batch.
Para lanzar el proceso se accede a Radar -> Geometric -> SAR-Mosaic. En la primera pestaña se seleccionan
las imágenes a mosaicar, podemos añadir las abiertas en el explorador.

Figura 59 Imágenes añadidas para efectuar el mosaicado de imágenes SAR
En la siguiente pestaña podrían seleccionarse las bandas a incorporar, en este caso incluimos todas. En el
tamaño de pixel de salida estableceremos 70 metros, puesto que es la resolución de salida que nos da la
operación de speckle con filtrado de tipo Refined Lee.
Figura 60 Selección de bandas para el moaico final con SAR-mosaic en SNAP
Finalmente, se seleccionará la carpeta de salida, el nombre del mosaico y ejecutamos el proceso con run. El
proceso no lleva bastante tiempo. En el caso de las 7 imágenes sobre Guatemala demoró cerca de 1 minuto
con una máquina con procesador inte-core i7-4790 y 8 Gb de RAM.
El mosaico ocupa una extensión como la que se muestra en la Figura 61, donde puede apreciar el espacio
vacío sin imágenes que la imagen tiene que rellenar para poder crearse. Esto causa el incremento importante
en cuanto a tamaño del archivo final. En la Figura 62 puede verse el mosaico en niveles de gris con el
perímetro del país de Guatemala superpuesto.

Figura 61 Superficie final cubierta por el mosaico Sentinel 1 GRD
Figura 62 Visualización del mosaico de imágenes Sentinel 1 sobre Guatemala con la silueta del país
superpuesta
5.4 Recorte del mosaico y visualización

Como puede verse en la Figura 62 hay muchos píxeles fuera del área del país de Guatemala que ocupan
espacio final y que no van a ser de utilidad.
El primer paso es emplear la función Land/Sea Mask, configurando como se muestra en la siguiente Figura.
Se elegirá un archivo vectorial con el perímetro de la zona a recortar y en este caso se añaden 20 píxeles
adicionales al límite establecido por el perímetro.

Figura 63 Configuración de la pestaña Land/Sea Mask
Tras aplicar dicha función se obtiene la siguiente Figura, donde ya tenemos la silueta de Guatemala
recortada. No obstante repárese en que existen muchos píxeles vacíos susceptibles de recortar.
Figura 64 Mosaico de Guatemala mediante imágenes Sentinel 1

El servicio del Territorio de Copernicus

en España, Europa y Global

Índice
Índice ................................................................................................................................................................. 2
1 Definición y características ........................................................................................................................ 3
2 Componentes .............................................................................................................................................. 4
2.1 Componente Global ............................................................................................................................ 4
2.1.1 Global Land Cover Map .................................................................................................................... 5
2.2 Componente Paneuropeo .................................................................................................................... 7
2.2.1 CORINE Land Cover................................................................................................................... 7
2.2.2 High Resolution Layers ............................................................................................................... 8
2.2.3 Mapa Europeo de Poblaciones ..................................................................................................... 9
2.3 Componente Local .............................................................................................................................. 9
2.3.1 Urban Atlas ................................................................................................................................ 10
2.3.2 Riparian Zones ........................................................................................................................... 10
2.3.3 Natura 2000 ............................................................................................................................... 10
2.4 Imágenes y datos de referencia ......................................................................................................... 11
3 Resumen de los productos principales de Land Cover en ocupación del suelo ....................................... 12
4 Descarga de productos y servicio WMS .................................................................................................. 13
5 EAGLE ..................................................................................................................................................... 16
Referencias ...................................................................................................................................................... 17

1 Definición y características
El servicio de Territorio de Copernicus (Land Monitoring Service) coordinado a nivel de

España por el IGN/CNIG, proporciona información geográfica sobre cubiertas terrestres,
usos del suelo y sus cambios temporales referentes a ocupación del suelo a una amplia
gama de usuarios europeos y de todo el mundo en el campo de las aplicaciones
medioambientales terrestres.
Sus posibles aplicaciones son muy diversas como la planificación espacial, gestión forestal, gestión del agua,
agricultura y seguridad alimentaria, gestión de emergencias.
La implementación conjunta del servicio, en funcionamiento desde 2012, corre por cuenta de la Agencia
Europea de Medio Ambiente y del Centro Común de Investigación de la Comisión Europea.
El servicio del territorio de Copernicus está estructurado en cuatro componentes: Global, Pan-Europeo, Local
y datos de referencia los cuales se describen en los siguientes apartados.
Global: El seguimiento sistemático de los parámetros biofísicos genera principalmente una serie de productos
biogeofísicos cualificados sobre el estado y la evolución de la superficie terrestre. Estos datos a escala mundial
se facilitan cada diez días con una resolución espacial intermedia y se complementan con una serie temporal a
largo plazo. Los productos se utilizan para monitorizar la vegetación, los cultivos, el ciclo del agua, el
presupuesto energético y las variables de la criosfera terrestre.
Paneuropeo: La cartografía de la ocupación y el uso del suelo produce clasificaciones de ocupación del suelo
con distintos niveles de detalle, en un contexto paneuropeo o mundial. A nivel paneuropeo, esta información
se complementa con capas detalladas sobre las características de la cobertura del suelo (como impermeabilidad,
bosques, prados, agua y humedad o pequeños elementos leñosos). A nivel mundial, la cartografía de la
ocupación del suelo se ajusta al sistema modular y jerárquico de clasificación de la cubierta terrestre de la
FAO.
Local: La cartografía temática de "puntos calientes" tiene por objeto proporcionar información específica más
detallada sobre áreas de interés concretas, conocidas como puntos calientes. En el contexto del Servicio de
Vigilancia Terrestre de Copernicus, los puntos calientes suelen corresponder a desafíos medioambientales
específicos.
Las imágenes y datos de referencia: proporcionan mosaicos de imágenes satelitales de alta y muy alta
resolución, así como conjuntos de datos de referencia. Incluyen, por una parte, los mosaicos de imágenes
satelitales procedentes de las misiones participantes que cubren el territorio de Europa, así como la producción
de mosaicos de imágenes Sentinel-2 a nivel mundial. A esto se añaden conjuntos de datos de referencia que
proporcionan una cobertura paneuropea homogénea de algunos aspectos geoespaciales clave, como la
hidrografía y la elevación.
Además de los componentes ya mencionados, se está poniendo en marcha una nueva actividad europea de
movimientos del suelo, que medirá los desplazamientos del terreno (corrimientos y hundimientos de tierras) y
la deformación de las infraestructuras.

2 Componentes
El servicio del territorio está estructurado en cuatro componentes: Global, Pan-Europeo, Local y datos de
referencia.
De estos cuatro componentes el IGN/CNIG, en lo que se refiere a ocupación del suelo, analiza, verifica y
produce información de los componentes Pan-Europeo y Local.
Figura 1: Componentes del servicio de Territorio de Copernicus
2.1 Componente Global

El Servicio Global de la Tierra de Copernicus (CGLS) es un componente del Servicio Central de Monitoreo
de la Tierra (LMCS) de Copernicus. El Servicio Global de Tierras produce sistemáticamente una serie de
productos biogeofísicos calificados sobre el estado y la evolución de la superficie terrestre, a escala global y
con una resolución espacial de media a baja, complementada por la constitución de series temporales a largo
plazo. Los productos se utilizan para controlar la vegetación, el ciclo del agua, el presupuesto energético y la
criosfera terrestre. En la figura2 se muestran los componentes del servicio Global de la Tierra de Copernicus.
Figura 2: Componentes del Componente Global de Copernicus.

En cuanto a ocupación del suelo respecta, el componente vegetación es donde podemos obtener información
sobre ocupación del suelo a nivel global.
Figura 3: variables biofísicas de vegetación
Los ecosistemas de la Tierra cambian constantemente debido a la naturaleza y las condiciones atmosféricas
bajo la presión de las actividades humanas. Para monitorear los cambios en los biomas continentales, el
servicio Copernicus Global Land proporciona, de manera oportuna, un conjunto de variables biofísicas que
describen el estado, el dinamismo y las perturbaciones de la vegetación terrestre.
El índice de vegetación de diferencia normalizada (NVDI) ampliamente utilizado, y sus condiciones derivadas
e índices de productividad, dan una indicación sobre el verdor actual de los biomas, así como sobre su situación
en comparación con el promedio a largo plazo. Otras variables físicas son el índice de área de la hoja, la
fracción de cobertura vegetal y la fracción de radiación absorbida para la fotosíntesis que cuantifican
respectivamente la densidad, la extensión y la salud de la vegetación. Además, la productividad de la materia
seca presenta el crecimiento de la biomasa en pie para aplicaciones agronómicas específicas. Finalmente, los
mapas de áreas quemadas delinean las zonas del globo afectadas por incendios.
Estos productos biofísicos son útiles para una amplia gama de áreas temáticas como el monitoreo global de
cultivos y las aplicaciones de seguridad alimentaria; manejo de bosques, agua y recursos naturales; modelado
de carbono en la tierra y pronóstico del tiempo y el clima.
2.1.1 Global Land Cover Map
Los mapas de cobertura del suelo representan información espacial sobre diferentes tipos (clases) de cobertura
física de la superficie de la Tierra como por ejemplo bosques, praderas, tierras de cultivo, lagos, humedales.
Los mapas dinámicos de la cobertura del suelo incluyen transiciones de clases de cobertura del suelo a lo largo
del tiempo y, por lo tanto, capturan los cambios de la cobertura del suelo. Los mapas de uso de la tierra
contienen información espacial sobre los arreglos, actividades e insumos que las personas realizan en un
determinado tipo de cobertura de la tierra para producirla, cambiarla o mantenerla.
Los mapas anuales de cobertura de la tierra de resolución moderada apuntan principalmente a la detección
de la cubierta de la tierra y sus cambios, aunque no es tan sencillo establecer límites entre las definiciones de
cobertura de la tierra y las clases de uso de la tierra. El mapa se proporciona junto con capas de campo continuo
de vegetación que proporcionan estimaciones proporcionales de la cubierta vegetal para varios tipos de
cobertura del suelo.

El Global Land Cover Map tiene las siguientes características:
- Una clasificación completa y discreta con 23 clases.

- capas de cobertura fraccionarias para las diez clases de cobertura de tierra base: bosque, arbusto,
hierba, musgo y liquen, vegetación desnuda y escasa, tierras de cultivo, edificado / urbano, nieve y
hielo, cuerpos de agua continentales estacionales y permanentes.
- Una capa de tipo de bosque que ofrece doce tipos de bosque
- Indicadores de calidad para datos de entrada (indicador de densidad de datos), para el mapa discreto
(probabilidad) y para seis de las capas de cobertura fraccionarias.
Formato de archivo:
Los productos globales son de 100m con teselado de 20x20 de resolución y se proporcionan como archivos
ZIP, que contienen un conjunto de 20 archivos GeoTIFF de banda única, uno por capa.
Sistema de proyección: UTM
Su precisión global general es de 80 %.
Para acceder a la información del Mapa Global de ocupación del suelo es necesario acceder al siguiente link:
https://lcviewer.vito.be/
Esta aplicación te permite realizar estadísticas sobre las diferentes coberturas terrestres de diferentes regiones
y países, además de mostrar en el mapa la información que el usuario solicite.
Además se pueden descargar los datos y verlos, comparar y exportar estadísticas de cobertura de la tierra por
país o región y hacer comparativas entre distintas ciudades.
En la figura 4 se observa un ejemplo del visor Global Land Cover Map del país de Guatemala.
Figura 4: Global Land Cover Map de Guatemala

2.2 Componente Paneuropeo
Proporciona productos de ámbito continental sobre la ocupación del suelo y su evolución temporal. Es
coordinado por la Agencia Europea de Medio Ambiente (AEMA) y Sus productos son:
CORINE Land Cover 2018 HRL 2015 Mapa Europeo de Poblaciones
Base de datos vectorial a escala Base de datos raster de las principales Base de datos raster de los
1:100.000 sobre la ocupación del suelo características de cobertura del suelo asentamientos humanos en Europa.
de Europa producida por el IGN a nivel de Europa verificada por el IGN a No es verificada ni producida por el
de España. nivel de España. IGN a nivel de España.
2.2.1 CORINE Land Cover
Con fecha del 27 de junio de 1985 y en virtud de una decisión del Consejo de la Unión Europea (CE/338/85),
se inicia “un proyecto experimental para la recopilación de datos, la coordinación y homogeneización de la
información sobre el estado del Medio Ambiente y los recursos naturales en la Comunidad”: este sería el
Programa CORINE (Coordination of Information of the Environment). En 1990, el Consejo de la Unión
Europea decidió crear la Agencia Europea de Medioambiente y el establecimiento de una Red de Información
y Observación del Medioambiente (EIONET). El objetivo de AEMA es proveer a la Unión Europea y a los
estados miembros de información fidedigna y comparable en el ámbito europeo que permita desarrollar
políticas y criterios de protección del Medio Ambiente, así como que dicha información esté disponible para
todos los posibles usuarios. CORINE pasa en 1995 a ser responsabilidad de la AEMA, la cual constituye, en
octubre de ese año, el Centro Temático Europeo “Land Cover” (ETC/LC), cuyo objetivo es el apoyo técnico
a la AEMA para la finalización, evolución, mantenimiento y actualizaciónde las bases de datos en materia de
“Land Cover”. Con la constitución del Programa Copernicus en 2014 y la coordinación de la AEMA del
Servicio de Territorio, CORINE se enmarca dentro del Servicio Territorio y su Componente Pan-Europeo.
El objetivo fundamental del proyecto CORINE Land Cover (CLC) es la creación de una base de datos a escala
1:100.000 sobre la ocupación del suelo de Europa con unas pautas establecidas de homogeneidad para toda
Europa (mismas especificaciones, misma escala y clases temáticas), fecha de referencia comparable para toda
Europa, producido por los estados miembros y coordinado por la AEMA.
De entre sus características técnicas destacan:

 Escala de referencia igual a 1:100.000. Sistema de información vectorial con una única capa de
polígonos. Unidad mínima de 25ha. Unidad mínima de cambio 5ha. Anchura mínima de polígono
100m.
 Versiones: 1990, 2000, 2006, 2012 y 2018
 Frecuencia de actualización de 6 años.
 44 clases de ocupación del suelo estructuradas en una nomenclatura jerárquica de tres niveles.
 Producción por fotointerpretación asistida sobre imágenes de referencia de satélite. Landsat 5
(1990), Landsat 7 (2000), Spot 4/5 e IRS (2006), IRS y Rapid Eye (2012), Sentinel 2 (2018)

El Instituto Geográfico Nacional (Ministerio de Fomento) tiene encomendada la coordinación de la
producción del CORINE Land Cover en España, debido a que desempeña el rol de «Centro Nacional de
Referencia de Cubiertas del Suelo, Uso del Suelo y Planeamiento Espacial» de la Red EIONET (CNR-LC,
CNR-LUSP) dependiente del «Punto Focal Nacional» (Ministerio de Agricultura, Alimentación y Medio
Ambiente).
Esta producción fue llevada a cabo por fotointerpretación tradicional desde las imágenes de referencia en las
versiones del CLC 1990, 2000 y 2006. Sin embargo, desde la existencia de datos de ocupación del suelo más
detallados a nivel nacional procedentes del proyecto SIOSE, la producción del CLC 2012 y CLC 2018 se
vienen realizando por un enfoque productivo de abajo-arriba (bottom-up) mediante generalización geométrica
y semántica del SIOSE a escala 1:100.000. Esto asegura una mayor coincidencia en los datos y estadísticas de
ambos proyectos, transmisión del conocimiento nacional a los datos continentales y una reducción de esfuerzos
y costes.
Figura 5: SIOSE transformado a nomenclatura CLC sin generalizar (izquierda) y CLC obtenido por generalización
(derecha).
La viabilidad futura del proyecto CORINE Land Cover está asegurada pues proporciona datos fundamentales
para el entendimiento del territorio, además posee una cadena temporal de versiones que se remonta hasta el
año 1990, muy útil para el estudio de la dinámica del territorio. Sin embargo ya desde hace años se detectó,
principalmente por usuarios nacionales, la demanda de un detalle geométrico y temático mayor. Esto ha
desembocado en un nuevo paradigma para el proyecto CORINE Land Cover siendo la AEMA y el grupo de
expertos internacionales EAGLE de su desarrollo y evolución.
Ciertas de estas limitaciones del CORINE Land Cover ya fueron detectadas por los usuarios españoles en la
versión del CLC 2000, por lo que se decidió extender el número de clases de la nomenclatura de 44 a un total
de 85, alcanzando un además de 5 niveles jerárquicos. Sin embargo los resultados de esta experiencia no fueron
tan satisfactorios como se esperaban no volviendo a repetirse. Lo que implicó la creación de un nuevo proyecto
de ocupación del suelo más detallado en geometría y temática, el SIOSE.
2.2.2 High Resolution Layers
Proporcionan información específica de características de la cubierta terrestre y funcionan como complemento

a otros productos de Copernicus como el CORINE Land Cover. Las HRL son imágenes clasificadas (.tiff), a
20m de resolución, derivadas por procesamientos automáticos e interactivos de imágenes de satélite.
Son un juego de imágenes, actualmente, sobre cinco variables de ocupación del suelo: suelo sellado
(Imperviousness), fracción de cabida cubierta arbórea y tipo de hoja (Tree Cover Density and Dominant Leaft
Type), vegetación herbácea natural (Grassland) y masas de agua y zonas húmedas (Water and Wetness). Son
producidas centralizadamente por la AEMA y verificadas y/o mejoradas por los estados miembros.
Dependiendo de la capa, existen versiones de los años 2006, 2009, 2012, y 2015.
El Instituto Geográfico Nacional (Ministerio de Fomento) tiene encomendada la verificación de las HRL a
partir de fuentes de referencia nacionales entre ellas el SIOSE, PNOA, LIDAR e información geográfica de
referencia (hidrografía, poblaciones).

Figura 5: Ejemplo de las HRL en España
2.2.3 Mapa Europeo de Poblaciones
Otro producto dentro de la componente paneuropea que no es producido ni verificado por parte del IGN es el
Mapa Europeo de Poblaciones. El Mapa europeo de poblaciones es un conjunto de datos de tipo raster que
mapea los asentamientos humanos en Europa sobre la base de imágenes de satélite SPOT5 y SPOT6. Su
versión del 2016 representa el porcentaje de cobertura de área construida por unidad espacial y describe el
asentamiento humano.
Figura 6: Ejemplo de la Mapa de Poblaciones en Madrid
2.3 Componente Local

El componente local es coordinado por la Agencia Europea de Medio Ambiente (AEMA) y proporciona
productos, de ámbito definidos por unas áreas de interés propensas a desafíos y problemas ambientales
específicos, sobre la ocupación del suelo y su evolución temporal. Se basará en imágenes de muy alta
resolución (2,5 x 2,5 m píxeles) en combinación con otros conjuntos de datos disponibles (imágenes de
resolución alta y media) en el componente Pan Europeo.
El Instituto Geográfico Nacional (Ministerio de Fomento) tiene encomendada la verificación del

componente local a partir de fuentes de referencia nacionales entre ellas el SIOSE, PNOA, LIDAR e
información geográfica de referencia (hidrografía, poblaciones).





Urban Atlas 2012 Riparian Zones 2012 Natura 2k 2012
Base de datos vectorial de áreas urbanas Base de datos vectorial de ocupación del Base de datos vectorial sobre la
de toda Europa con población mayor de suelo en áreas ribereñas de Europa ocupación del suelo de áreas de
50.000 habitantes. Verificado y mejorado verificada por el IGN a nivel de España. protección medioambiental de Europa
por el IGN/CNIG a nivel de España. verificada por el IGN a nivel de España.
2.3.1 Urban Atlas
Ofrece bases de datos vectoriales de ocupación del suelo y usos del suelo de alto detalle de áreas urbanas de
todas Europa designadas por Copernicus con una población mayor a 50.000 habitantes (Funtional Urban Areas
– FUA). Su unidad mínima de resolución es 0.25 ha para áreas urbanas y 1 ha para áreas rurales, haciendo uso
de una nomenclatura de 27 clases (17 urbanas y 10 rurales). Existen versiones de los años 2006 y 2012. En la
versión 2012 hay un total de 785 FUAs a nivel de Europa. Son producidas centralizadamente por la AEMA y
verificadas y/o mejoradas por los estados miembros, en el caso de España por el IGN/CNIG.
2.3.2 Riparian Zones
Ofrece bases de datos vectoriales de ocupación del suelo de alto detalle de zonas ribereñas para los cauces más
importantes. Representan áreas de transición que ocurren entre la tierra y los ecosistemas de agua dulce.
Proporcionan una amplia gama de funciones ribereñas (por ejemplo, filtración química, control de
inundaciones, estabilización de bancos, vida acuática y apoyo de la fauna ribereña, etc.) y servicios de
ecosistemas.
Los productos de Zonas ribereñas respaldarán los objetivos de varios actos legales europeos e iniciativas
políticas, como la Estrategia de Biodiversidad de la UE para 2020, las Directivas de Hábitats y Aves y la
Directiva Marco del Agua.
Su unidad mínima de resolución es 0.25 ha y hace uso de una nomenclatura jerárquica de 4 niveles y 80 clases.
Existe la versión de 2012. Son producidas centralizadamente por la AEMA y verificadas y/o mejoradas por
los estados miembros.
2.3.3 Natura 2000
Natura 2000 es una red europea de áreas de protección medioambiental establecida por la Directiva de Hábitat
en 1992 y representa una pieza clave para las políticas europeas de naturaleza y biodiversidad. Copernicus
ofrece bases de datos vectoriales de ocupación del suelo de alto detalle de una selección de las áreas de Natura
2000. Su unidad mínima de resolución es 0.25 ha y hace uso de una nomenclatura de MAES y CLC con un
total de 62 clases. Existen la versiones de 2006 y 2012. Son producidas centralizadamente por la AEMA y
verificadas y/o mejoradas por los estados miembros.

2.4 Imágenes y datos de referencia
Los servicios terrestres de Copérnico necesitan imágenes de satélite y datos in situ para crear productos y
servicios confiables.
Las imágenes de satélite forman la entrada para la creación de muchos productos y servicios de información,
como mapas de cobertura terrestre o capas de alta resolución sobre características de cobertura terrestre. Con
todas las imágenes de satélites disponibles para cubrir 39 países del EEE (EEA39), las escenas de imágenes
individuales se han procesado en mosaicos orto-rectificados paneuropeos sin interrupciones. El Servicio de
Monitoreo de la Tierra de Copernicus también brinda acceso al servicio Mosaico Global Sentinel-2.
EU-DEM es un modelo de superficie digital paneuropeo y EU-Hydro proporciona una red fluvial
fotointerpretada y una red de drenaje modelada para los países del EEA39.
Muchos datos in situ se gestionan y se hacen accesibles a nivel nacional. Sin embargo, debido a problemas
como el acceso a los datos y las restricciones de uso, la calidad de los datos y la disponibilidad en los países
del EEE39, los servicios de Copernicus y, en particular, el Servicio de Monitoreo de la Tierra de Copernicus
también se basa en conjuntos de datos in situ paneuropeos creados y / o coordinados a nivel europeo.
La base de datos LUCAS es una base de datos europea coordinada por la EUROSTAT, que se utiliza para la
verificación y validación de varios servicios de información del Servicio de Monitoreo de la Tierra de
Copernicus. Se centra en el estado y la dinámica de los cambios en el uso y la cobertura de la tierra en la Unión
Europea. Se realizan y registran un gran número de observaciones en toda la UE. En 2012, los 27 países de la
UE han analizado más de 270,000 puntos en diferentes tipos de cobertura terrestre (tierras de cultivo, praderas,
bosques, áreas urbanizadas, red de transporte, etc.). En estos puntos, los agrimensores han examinado la
cobertura del suelo y el uso del suelo, la gestión del riego y los elementos estructurales del paisaje. Además,
se toma una muestra de 500 gr de suelo superior en uno de cada 10 puntos. Estas muestras se analizan en un
laboratorio y se utilizan con fines relacionados con la evaluación de factores ambientales, como la
actualización de mapas europeos del suelo, la validación de modelos de suelo y la medición de la cantidad de
carbono orgánico en el suelo, que es un factor importante que influye en el cambio climático.
Este apartado y sus productos se explicarán más detenidamente en temas posteriores.
Figura 7: Imágenes y datos de referencia del Servicio Land de Copernicus.

3 Resumen de los productos principales de Land Cover en ocupación
del suelo
La siguiente tabla muestra los productos principales de Land Cover en ocupación del suelo con la componente
a la que pertenece, quién lo produce y verifica, el tipo de geometría, las versiones disponibles y la resolución.
Producto Componente / Servicio Productor Verificación Geometría Versiones Resolución

Copernicus
CLC Servicio Territorio, Estados AEMA Vectorial 1990, 2000, 2006, 25 ha

Componente Pan- Miembros polígonos 2012, 2015, 2018
Europeo
HRL Servicio Territorio, AEMA Estados Miembros Raster 2012, 2015 20 m

Componente Pan-
Europeo
Urban Atlas Servicio Territorio, AEMA Estados Miembros Vectorial 2006, 2012 0,25 ha
Componente Local polígonos
Riparian Servicio Territorio, AEMA Estados Miembros Vectorial 2012 0,25 ha

Zones Componente Local polígonos
Natura 2000 Servicio Territorio, AEMA Estados Miembros Vectorial 2006, 2012 0,25 ha
Componente Local polígonos
Global Land Servicio Territorio, -- -- Raster 2015 100 m

Cover Map Componente Global
Tabla 1: Resumen de los principales productos del Servicio Land Monitoring de Copernicus

4 Descarga de productos y servicio WMS
A continuación se muestra dónde se pueden descargar los productos tratados a lo largo de este tema.
 Componente Global: Global Land Cover Map
https://lcviewer.vito.be/download
 Componente Pan-Europeo
- Por IGN a nivel de España
Figura 8: Descarga CNIG de los productos del componente Paneuropeo de España
CORINE Land Cover:

http://centrodedescargas.cnig.es/CentroDescargas/buscadorCatalogo.do?codFamilia=02113
HRL:
http://centrodedescargas.cnig.es/CentroDescargas/buscadorCatalogo.do?codFamilia=HRELA
- Por COPERNICUS a nivel de Europa

Seleccionando cada uno de los tipos de HRL se puede acceder a la descarga
Figura 9: Imagen del acceso a cada una de las tipologías de HRL y CLC en la página web del Servicio de
Territorio de Copernicus
CORINE Land Cover:

https://land.copernicus.eu/pan-european/corine-land-cover/clc2018
HRL:
https://land.copernicus.eu/pan-european/high-resolution-layers

 Componente Local
- Por IGN a nivel de España
Figura 10: Descarga CNIG de los productos del componente local de España
Urban Atlas 2012

http://centrodedescargas.cnig.es/CentroDescargas/buscadorCatalogo.do?codFamilia=URBAT
Riparian Zones 2012

http://centrodedescargas.cnig.es/CentroDescargas/buscadorCatalogo.do?codFamilia=RIPZO
Natura 2K 2012
http://centrodedescargas.cnig.es/CentroDescargas/buscadorCatalogo.do?codFamilia=NAT2K
- Por COPERNICUS a nivel de Europa
Figura 11: Descarga productos del componente local de la página del Servicio del Territorio de Copernicus
Urban Atlas 2012

https://land.copernicus.eu/local/urban-atlas/urban-atlas-2012
Riparian Zones 2012

https://land.copernicus.eu/local/riparian-zones/land-cover-land-use-lclu-image
Natura 2K 2012
https://land.copernicus.eu/local/natura/natura-2000-2012
El resto de productos de Copernicus europeos los puedes encontrar en la web de cada uno de los
servicios.
 WMS COPERNICUS LAND EN ESPAÑA

http://servicios.idee.es/wms/copernicus-landservice-spain

5 EAGLE
El grupo de trabajo EAGLE (Eionet Action Group on Land monitoring in Europe), creado en 2009, se localiza
dentro de las actividades del Servicio de Territorio de Copernicus. Es un grupo de trabajo de expertos europeos
perteneciente al «European Topic Centre on Spatial Information and Analysis» de la Red Eionet (Red Europea
de Información y Observación del Medio Ambiente), con el objetivo de avanzar en el análisis y evaluación de
diferentes aspectos técnicos y organizativos que condicionan la gestión y utilización de la información de
Ocupación del Suelo en el ámbito europeo y dentro de Copernicus.
Se materializa como un escenario innovador en la producción del siguiente CORINE Land Cover mediante la
armonización de los datos nacionales y una posterior integración a nivel europeo (enfoque de abajo-arriba).
De entre los trabajos realizados por EAGLE destacan:
 Una herramienta de comparación semántica entre las definiciones de clase de los diferentes sistemas
de ocupación del suelo por la descomposición de las clases en elementos de cubiertas, usos del suelo
y características del paisaje.
 Un modelo de datos conceptual, en notación UML. Siguiendo ISO19109 (Información Geográfica -
Reglas para el esquema de aplicación), restantes estándares ISO y como extensión de las
especificaciones INSPIRE dando servicio concreto a la ocupación del suelo en Europa.
 Estructura de base de datos de acuerdo al modelo, que permite almacenar y mantener los datos, ser
consultados fácilmente por una amplia gama de usuarios con propósitos variados.
 Conjunto de reglas de generalización y agregación con el fin de construir un escenario europeo común
en la generación de bases de datos continentales desde conjuntos de datos nacionales más detallados.
Materialización del enfoque de abajo-arriba.

Referencias
[2] https://lcviewer.vito.be/
[3] https://land.copernicus.eu/imagery-in-situ
[4] https://land.copernicus.eu/local
[5] https://land.copernicus.eu/pan-european
[6] https://land.copernicus.eu/global/
[7] https://land.copernicus.eu/global/themes/vegetation

Global Land Cover Map

Índice
Índice ................................................................................................................................................................. 2
1 Introducción ............................................................................................................................................... 3
2 Visualizador del Global Land Cover Map ................................................................................................. 4
3 Estadísticas de coberturas del Global Land Cover Map............................................................................. 5
4 Descarga de imágenes y divulgación ......................................................................................................... 7
Referencias ........................................................................................................................................................ 8

1 Introducción
Los mapas de cobertura del suelo representan información espacial sobre diferentes tipos (clases) de cobertura
física de la superficie de la Tierra como por ejemplo bosques, praderas, tierras de cultivo, lagos, humedales.
Los mapas dinámicos de la cobertura del suelo incluyen transiciones de clases de cobertura del suelo a lo largo
del tiempo y, por lo tanto, capturan los cambios de la cobertura del suelo. Los mapas de uso de la tierra
contienen información espacial sobre los arreglos, actividades e insumos que las personas realizan en un
determinado tipo de cobertura de la tierra para producirla, cambiarla o mantenerla.
Los mapas anuales de cobertura de la tierra de resolución moderada apuntan principalmente a la detección de
la cubierta de la tierra y sus cambios, aunque no es tan sencillo establecer límites entre las definiciones de
cobertura de la tierra y las clases de uso de la tierra. El mapa se proporciona junto con capas de campo continuo
de vegetación que proporcionan estimaciones proporcionales de la cubierta vegetal para varios tipos de
cobertura del suelo.
El Global Land Cover Map tiene las siguientes características:
- Una clasificación completa y discreta con 23 clases.

- Capas de cobertura fraccionarias para las diez clases de cobertura de tierra base: bosque, arbusto,
hierba, musgo y liquen, vegetación desnuda y escasa, tierras de cultivo, edificado / urbano, nieve y
hielo, cuerpos de agua continentales estacionales y permanentes.
- Una capa de tipo de bosque que ofrece doce tipos de bosque
- Indicadores de calidad para datos de entrada (indicador de densidad de datos), para el mapa discreto
(probabilidad) y para seis de las capas de cobertura fraccionarias.
Formato de archivo:
Los productos globales son de 100m con teselado de 20x20 de resolución y se proporcionan como archivos
ZIP, que contienen un conjunto de 20 archivos GeoTIFF de banda única, uno por capa.
Sistema de proyección: UTM
Su precisión global general es de 80 %.

2 Visualizador del Global Land Cover Map
El primer paso será acceder a la siguiente dirección:
https://lcviewer.vito.be
Una vez accedamos a la plataforma investigaremos los widgets de la plataforma para ver qué información nos
aporta la aplicación sobre el Global Land Cover Map.
Navegamos por las herramientas.
1-)¿Puedo visualizar Land Cover de diferentes formas? Si es que si, ¿cómo se muestra la clasificación de Land
Cover en el visor?
Hay 3 formas diferentes:
2-) ¿Cuantas capas de cobertura fraccionaria hay? ¿Cuáles son?

Hay 10 capas que son: bosque, arbusto, hierba, musgo y liquen, vegetación desnuda y escasa, tierras de cultivo,
edificado / urbano, nieve y hielo, cuerpos de agua continentales estacionales y permanentes.

3 Estadísticas de coberturas del Global Land Cover Map
La aplicación además te permite realizar estadísticas sobre las diferentes coberturas terrestres de diferentes
regiones y países, además de mostrar en el mapa la información que el usuario solicite y descargar el informe
con los resultados.
3-) Calcula las estadísticas de Guatemala región Sacatepéquez para ‘Single Class Forest’
4-) Compara las estadísticas anteriores con las de la Comunidad de Madrid en España y descarga el informe.

Resultado del informe de comparación entre las diferentes clases de Global Land Cover Map

4 Descarga de imágenes y divulgación
Además la aplicación de Global Land Cover Map te permite descargar los datos y verlos, comparar y exportar
estadísticas de cobertura de la tierra por país o región y hacer comparativas entre distintas ciudades.
4-) Comparte la información en redes sociales (twitter, linkedin, Facebook, o URL).
5-) Descarga imágenes de la ciudad que elijas. ¿en qué formato se bajan y con qué resolución?
Imágenes tiff de cada una de las clases de Global Land Cover Map con una resolución de 100 m.

Referencias
[2] https://lcviewer.vito.be/
[3] https://land.copernicus.eu/global/
[4] https://land.copernicus.eu/global/themes/vegetation

CORINE Land Cover

Índice
Índice ................................................................................................................................................................. 2
1 Definición ................................................................................................................................................... 3
2 Características técnicas .............................................................................................................................. 4
2.1 Nomenclatura ...................................................................................................................................... 4
3 Producción.................................................................................................................................................. 6
4 Descarga y documentación......................................................................................................................... 7
4.1 Descarga desde la página oficial del Servicio de Territorio de Copernicus ........................................ 7
4.2 Centro de descargas IGN/CNIG ......................................................................................................... 8
4.3 Visualizadores y Servicios web de mapas ........................................................................................ 10
Referencias ...................................................................................................................................................... 12

1 Definición
El programa CORINE Land Cover (Coordination of Information of the Environment) nace por una
resolución del Consejo de ministros de la Unión Europea (CE/338/85) a fecha del 27 de junio de 1985, en
virtud de la cual se adopta la decisión de iniciar “Un proyecto experimental para la recopilación de datos, la
coordinación y la homogeneización de la información sobre el estado del Medio Ambiente y los recursos
naturales en la Comunidad”.
Figura 1CORINE Land Cover
En 1990, el Consejo de la Unión Europea decidió crear la Agencia Europea de Medioambiente (EEA) y el
establecimiento de una Red de Información y Observación del Medioambiente (EIONET). El programa
CORINE Land Cover (en adelante CLC) pasa en 1995 a ser responsabilidad de la EEA y de los Centros
Nacionales de Referencia en Ocupación del Suelo en cada uno de los estados miembros, que como hemos
visto, en España es el Instituto Geográfico Nacional.
En sus orígenes el programa CLC englobaba la adquisición de imágenes y la realización del primer sistema
de información sobre ocupación del suelo en Europa, con fecha de referencia 1990. Se han realizado
actualizaciones posteriores, siendo ya las últimas versiones coordinadas por el Servicio de Territorio de
Copernicus (Land Monitoring Service) en su Componente Pan Europeo.
El CORINE Land Cover, proporciona información sobre la cubierta terrestre, el uso del suelo y sus cambios
temporales. Entre sus aplicaciones se encuentra la gestión del territorio, la gestión forestal, la gestión del
agua, la gestión de emergencias, etc.
Principales características:
 Es un producto homogéneo para toda Europa, es decir, con las mismas especificaciones y clases y
misma fecha de referencia.
 Tiene la escala y clases temáticas necesarias para la toma de decisiones medioambientales, obtención
de variables de expansión urbana, cuantificación de la pérdida de entornos naturales,
deforestaciones e incendios, identificación de zonas de protección, etc a nivel europeo.
 Producido por los países miembros y coordinado por la Comisión Europea.
 Versiones: 1990, 2000, 2006, 2012 y 2018
 Sostenible económicamente y actualizado periódicamente.
 Frecuencia actualización de seis años.
El futuro del proyecto CORINE Land Cover está asegurado y actualmente desde Copernicus se están
desarrollando nuevas metodologías y nuevos productos CLC que satisfagan las necesidades actuales de un
mayor detalle geométrico y temático.

2 Características técnicas
El CORINE Land Cover tiene las siguientes características técnicas:
 Escala de referencia equivalente a 1:100.000.
 Sistema de información vectorial con una única capa de polígonos.
 Unidad mínima de polígono de 25 ha. En el caso de polígonos de cambio, 5 ha.
 En España se utiliza el Sistema Geodésico de referencia ETRS89 y Sistema cartográfico de
representación UTM
 44 clases de ocupación del suelo estructuradas en una nomenclatura jerárquica de tres niveles.
2.1 Nomenclatura
La nomenclatura jerárquica CLC contiene 44 clases divididas en tres niveles de detalle temático. Esta
definición de clases es fruto del trabajo conjunto de expertos de distintos países europeos con el propósito de
describir todos los paisajes existentes en Europa.
En el primer nivel se definieron cinco grandes grupos de clases: zonas artificiales, cultivos, vegetación y
zonas naturales, zonas húmedas y zonas de agua. Estas clases se subdividen en un segundo y tercer nivel de
detalle, debiendo clasificar cada polígono CLC al máximo nivel de detalle.
Cada clase se identifica con un código de tres dígitos, el primer dígito es la clase al 1º nivel, el segundo al 2º
nivel y el tercero al 3º nivel. Por ejemplo, el código 312 corresponde a la clase 3 en 1º nivel (vegetación y
zonas naturales), a la clase 1 en 2º nivel (bosques) y a la clase 2 en 3º nivel (bosques de coníferas).
En la siguiente Tabla 1 Nomenclatura CLC se listan todas las clases CLC al tercer nivel.
La nomenclatura CLC se puede seguir extendiendo en nuevas clases si un país así lo necesita, como fue el
caso de España en el CLC del año 2000, donde la nomenclatura se extendió a cinco niveles, hasta que la
aparición del proyecto SIOSE cubrió las necesidades de un mayor detalle temático y no hizo falta volver a
trabajar con más niveles de jerarquía.

Tabla 1 Nomenclatura CLC

3 Producción
Tradicionalmente la producción del CLC se ha realizado por fotointerpretación y digitalización sobre
imágenes de satélite de media resolución.
A partir de la primera versión CLC 1990, la producción se centra en la obtención de bases de datos de
cambio que deben ser directamente interpretados mediante comparación visual entre imágenes con dos
fechas de referencia distintas: la fecha de la versión anterior CLC y la fecha de actualización. La
digitalización de estos polígonos de cambio, de tamaño mínimo 5ha, debe realizarse teniendo en cuenta las
líneas ya existentes y manteniendo la topología, asignando una clase CLC a cada polígono de cambio.
La generación entonces de una nueva versión de CLC consiste en integrar los polígonos de cambio en la
versión CLC con fecha anterior por medio de procedimientos automáticos, que posteriormente debe ser
revisado y validado por técnicos para obtener el producto final. Esta nueva versión CLC debe pasar unos
controles de calidad que aseguren que el producto cumple con las características técnicas del proyecto.
La producción del CLC en España también se realizó por fotointerpretación y creación de bases de datos de
cambio sobre imágenes de referencia en las versiones del CLC 1990, 2000 y 2006, pero en CLC 2012, al
existir datos de ocupación del suelo más detallados a nivel nacional del proyecto SIOSE, la producción se
realizó mediante generalización geométrica y semántica del SIOSE a escala 1:100.000. Posteriormente el
CLC 2018 se actualizó sobre esta base de datos generalizada.
Esta metodología de trabajo asegura una mejor interoperabilidad entre ambas bases de datos, una mayor
coherencia en los resultados estadísticos y una reducción de esfuerzos y costes.
Figura2 SIOSE traducido a nomenclatura Figura 3 CLC obtenido por generalización de

CLC SIOSE

4 Descarga y documentación
Como se ha comentado en otros temas, existen dos fuentes de origen para acceder a descarga de los datos
CLC 2012:
- Página web oficial del Servicio de Territorio del Copernicus
- Centro de Descargas del IGN/CNIG.
La información a descarga es la misma, lo que cambia es el ámbito geográfico de descarga; mientras en la

página web del Servicio de Territorio de Copernicus se accede a los datos de toda Europa, en el Centro del
Descargas IGN/CNIG sólo está disponible a descarga los datos de España, con sistemas geodésicos de
referencia distintos.
4.1 Descarga desde la página oficial del Servicio de Territorio de Copernicus

Como el resto de datos Copernicus, es posible descargar los datos y documentación CLC desde la página
oficial del Servicio de Territorio de Copernicus:
https://land.copernicus.eu/pan-european/corine-land-cover
Figura 4 Imagen de acceso a los datos CLC
Se selecciona el año para el producto final CLC como “CLC 1990” o “CLC 2000” o se puede seleccionar
también de manera independiente la capa de cambios entre dos fechas de referencia, como “CHA 2000-
2006”, la capa de cambios entre 2000 y el año 2006.
Una vez seleccionado el producto y la versión, se abre la ventana de gestión, donde es posible visualizar la
capa, ver sus metadatos, ver la leyenda, activar capas adicionales, descubrir las URLs de los servicios web
relacionados y descargar los datos.

Figura 5 Imagen de la ventana de gestión, en este caso CLC 2012
Accediendo a la opción de descarga, es posible listar cada una de las partes o conjuntos de datos
descargables ligados a los productos. Para la descargar es necesaria la creación de un usuario y
contraseña.
La documentación se encuentra en la sección “User corner” en el menú de la derecha, dentro de la opción

“Technical Library””: https://land.copernicus.eu/user-corner/technical-library
*****
Por su parte, La Agencia Europea de Medio Ambiente pone también a disposición de los usuarios servicios
mediante el portal “DiscoMap” y se describen dentro de la plataforma “CORDA”.
4.2 Centro de descargas IGN/CNIG

Como el resto de datos Copernicus, es posible descargar los datos y documentación desde el Centro de
Descargas del IGN/CNIG.
http://centrodedescargas.cnig.es/
Una vez en el Centro de Descargas, hay que seleccionar el tipo de información a descarga, en este caso CLC
se encuentra dentro del grupo “Información Geográfica Temática”, marcada en rojo en la Figura 6 Imagen
del Centro de Descargas

Figura 6 Imagen del Centro de Descargas
Se selecciona el producto CORINE Land Cover, y elegimos la opción de visualización de datos para
descarga “Por listado”, marcada en rojo en la Figura 7 Imagen del producto CORINE Land Cover a descarga
Figura 7 Imagen del producto CORINE Land Cover a descarga
Aparece una nueva ventana de “Búsqueda por listado” donde hay que elegir dentro de la pestaña “División
Administrativa” elegimos para la primera casilla la división administrativa de “Comunidad Autónoma” y en

la segunda casilla la comunidad autónoma de “CANARIAS”, dando al botón de “Buscar”, según se marca en
rojo en la Figura 8 Imagen de selección de división administrativaFigura 8 Imagen de selección de división .
Figura 8 Imagen de selección de división administrativa
En una nueva ventana aparecen todos los productos CLC disponibles. Podemos filtrar por “Temática”
eligiendo el año y por “Tipo de fichero” eligiendo el tipo de formato.
Podemos dar al icono de “Descargar” para iniciar la descarga de los datos o “Añadir” para añadir a la cesta el
producto y buscar nuevas descargas.
Figura 9 Imagen del filtro de resultados por año 2012 y tipo de fichero GeoPackage.
4.3 Visualizadores y Servicios web de mapas

Los datos de ocupación del suelo (CORINE Land Cover y SIOSE) se pueden consultar en el visualizador
Iberpix y en el Sistema de Información Geográfica Nacional de España (SIGNA):
Sistema de Información Geográfica Nacional de España (SIGNA): http://signa.ign.es/signa/Pege.aspx?
Visualizador Iberpix: http://www.ign.es/iberpix2/visor/

Como en SIOSE, la Infraestructura de Datos Espaciales de España (IDEE) pone a disposición lo servicios
web de mapas de visualización (WMS/WMTS) y servicios de descarga (WFS) de los proyectos de
Ocupación del Suelo CORINE Land Cover y SIOSE, visualizables según escala.
 WMS Ocupación del suelo: http://servicios.idee.es/wms-inspire/ocupacion-suelo
 WMS-Ocupación de suelo histórico: http://servicios.idee.es/wms-inspire/ocupacion-suelo-historico
 WMTS: Ocupación del suelo: http://servicios.idee.es/wmts/ocupacion-suelo
 WFS: Ocupación del suelo: http://servicios.idee.es/wfs-inspire/ocupacion-suelo
Adicionalmente el IGN / CNIG ha generado un servicio web de visualización para contener todos aquellos
productos validados en su cometido como Centro Nacionales de Referencia de Cubiertas el Suelo. Su
dirección de acceso es la siguiente.

Referencias
[1] Servicios de datos Copernicus centralizados en el portal DiscoMap de la Agencia Europea de Medio
Ambiente - http://discomap.eea.europa.eu/
[2] Productos Copernicus descritos en la plataforma CORDA de la Agencia Europea de Medio Ambiente
https://corda.eea.europa.eu/

High Resolution Layers (HRL)

Índice
Índice ................................................................................................................................................................. 2
1 Definición ...................................................................................................................................................... 3
2 Características técnicas ................................................................................................................................. 5
2.1 Suelo sellado (impreviousness)................................................................................................................ 5
2.2 Vegetación arbórea (forest)...................................................................................................................... 6
2.2.1 Fracción de cabida cubierta (Tree cover density).............................................................................. 6
2.2.2 Tipo de hoja mayoritario (Dominant leaf type)................................................................................. 7
2.2.3 Tipo de bosque (Forest type) ............................................................................................................. 8
2.3 Vegetación herbácea (grassland) ............................................................................................................. 9
2.4 Agua y zonas húmedas (water and wetness) .......................................................................................... 11
3 Método de obtención .................................................................................................................................. 13
3.1 Suelo sellado (impreviourness) .............................................................................................................. 13
3.2 Vegetación arbórea (forest).................................................................................................................... 13
3.3 Vegetación herbácea (grassland) ........................................................................................................... 13
3.4 Agua y zonas húmedas (water and wetness) .......................................................................................... 14
4 Verificación y precisiones ........................................................................................................................... 15
5 Descarga y documentación ......................................................................................................................... 18
Acceso desde la página oficial del Servicio de Territorio de Copernicus.................................................... 18
6 Acceso desde el Centro de Descargas del IGN / CNIG .............................................................................. 21
Referencias ...................................................................................................................................................... 22

1 Definición
El servicio de Territorio de Copernicus proporciona información geográfica sobre cubierta terrestre, uso del
suelo y sus cambios temporales. Sus posibles aplicaciones son muy diversas como la planificación espacial,
gestión forestal, gestión del agua, agricultura y seguridad alimentaria, gestión de emergencias. Las prioridades
del servicio y su relevancia para los usuarios son definidas y validadas por la Comisión Europea y los estados
miembros. El servicio es implementado por la Agencia Europea de Medio Ambiente (AEMA) y Joint Research
Center (JRC) desde el 2011.
El Componente Continental proporciona productos de ámbito continental sobre la ocupación del suelo y su
evolución temporal, entre los que se encuentra las High Resolution Layers o Capas de Alta Resolución sobre
la cubierta del suelo.
Estas capas ofrecen información específica de características de la cubierta terrestre y funcionan como
complemento a otros productos de Copernicus como el CORINE Land Cover. Las HRL son imágenes de 20m
de resolución, derivadas por procesamientos automáticos e interactivos de imágenes de satélite. Por este
motivo no ofrecen una visión completa de la Ocupación del Suelo como puede ser el CORINE Land Cover, si
no que se cada una de ellas se centra en un aspecto concreto observable.
Son un juego de imágenes sobre la siguientes variables: suelo sellado (impreviourness), fracción de cabida
cubierta arbórea y tipo de bosque (tree cover density and forest type), vegetación herbácea natural (grassland),
zonas húmedas (wetlands), masas de agua (water bodies) o pequeños elementos arbóreos (small woody
features). Son producidas centralizadamente por la AEMA, y verificadas y/o mejoradas por los estados
miembros.
Figura 1: Ejemplo de HRL del suelo sellado sobre mosaico SPOT en Valladolid (izquierda), y HRL de
densidad arbórea e imagen SPOT de Portillo, Valladolid (derecha.).
A lo largo de las diferentes versiones que han tenido las HRL, éstas han ido evolucionando en contenido y
metodología de obtención. Por este motivo, es posible encontrar capas nuevas según la versión o algunas otras
que no se han continuado. Un motivo por el cual aparece una nueva capa es la necesidad de tener un inventario
continental de ese tipo de cubierta del suelo. Por el contrario un motivo por el cual las capas dejan de producirse
es el inherente a la fiabilidad de sus resultados. A continuación se muestra un resumen de las capas actualmente
disponibles a descarga de las versiones 2006, 2009, 2012 y 2015.

Capa 2006 2009 2012 2015
Suelo sellado - Suelo sellado - Suelo sellado - Suelo sellado - Suelo sellado
(impreviourness) - Cambios 2006- - Cambios 2009- - Cambios 2012-
09 12 15
- -
Reprocesamiento Reprocesamiento
de las versiones de las versiones
anteriores anteriores
Vegetación - Fracción de - Fracción de
arbórea (forest) cabida cubierta cabida cubierta
(Tree cover
(Tree cover
density) density)
- Tipo de bosque - Cambios 2012-
(Forest type) 15 de fracción
- Tipo de hoja cabida cubierta
mayoritario - Tipo de bosque
(Dominant leaf (Forest type)
type) - Tipo de hoja
mayoritario
(Dominant leaf
type)
-
Reprocesamiento
de las versiones
anteriores
Vegetación - Herbáceos - Herbáceos
herbácea naturales - Índice de
(grassland) (desechada) probabilidad de
herbáceos
- Indicador de
arado
Agua y zonas - Zonas húmedas - Agua y zonas

húmedas (desechada) húmedas
(water and - Cuerpos de - índice de
wetness) agua permanente probabilidad de
(desechada) zonas húmedas y
agua
Pequeños - Pequeños
elementos elementos
arbóreos (small arbóreos
woody features)
Tabla 1: Tabla de capas en función de la versión

2 Características técnicas
2.1 Suelo sellado (impreviousness)
Los productos de suelo sellado capturan el porcentaje y cambio de la impermeabilidad del suelo. Las áreas
construidas se caracterizan por la sustitución de la cobertura del suelo (semi-) natural original o la superficie
del agua por una cubierta artificial, a menudo impermeable. Estas superficies artificiales generalmente se
mantienen durante largos períodos de tiempo. Esta capa captura la distribución espacial de las áreas selladas
artificialmente, incluido el nivel de sellado del suelo por unidad de área. El nivel de suelo sellado o grado de
impermeabilidad es medido de 1-100%, y se produce mediante una clasificación semiautomática, basada en
NDVI calibrado.
Producto: suelo sellado (impreviousness degree – IMD)

Resolución: 20m píxel
Sistema de referencia y proyección: ETRS89 LAEA
Formato: GEOTIFF 8bit unsigned, comprimido LZW
Valores de los píxeles Tabla de color
0: áreas sin suelo sellado
1-100: valores del suelo sellado
254: áreas no clasificadas (falta de dato en la
imagen, p.e. nubes, sombras, etc.)
255: áreas fuera de la imagen
Áreas contenidas Áreas no contenidas

Edificios, carreteras, ferrocarriles, áreas Plásticos agrícolas temporales, minas y
industriales, cementerios, áreas en canteras, arenas, vertederos, espacios naturales
construcción, zonas pavimentadas, parkings, sin vegetación, glaciares, etc.
invernaderos, paneles solares, etc.
Figura 2: Ejemplo del aspecto de capa de suelo sellado sobre ortofotografía y elementos topográficos básicos.
Se puede ver como la intensidad del color rojo indica el grado del suelo sellado (1-100).

2.2 Vegetación arbórea (forest)
Los productos de vegetación arbórea ofrecen características de la cubierta del suelo enfocadas a la descripción
del estrato arbóreo, como su densidad o tipo. Se organizan en tres productos principales: Fracción de cabida
cubierta (Tree cover density), Tipo de bosque (Forest type) y Tipo de hoja mayoritario (Dominant leaf type).

Especies de árboles perennes y caducos, Áreas abiertas naturales o artificiales sin
frondosas y coníferas, bosques en crecimiento arbolado (p.e. cortas, alta montaña),
gestionado, olivares, plantaciones de frutales y matorrales, viñedos, pinos enanos, matorrales
árboles en zonas agroforestales (dehesas), esclerófilo mediterráneo.
arbolado de transición y bosques en
regeneración, arbolado urbano, y zonas
dañadas o gestionadas dentro de bosques (p.e.
incendios, cortafuegos, afecciones por plagas
de insectos).
2.2.1 Fracción de cabida cubierta (Tree cover density)
El producto de fracción o densidad de cubierta arbórea consiste en una capa que muestra la de densidad de esta
variable de la ocupación del suelo un rango de 0-100%. Se encuentra disponible para los años de referencia
2012 y 2015, y un producto de cambio que muestra el aumento o la disminución de los cambios reales de entre
2012-2015.
Producto: Fracción de cabida cubierta (Tree cover density - TCD)

0: áreas sin vegetación arbórea
1-100: valores de la densidad arbórea

Figura 3: En esta imagen original de las especificaciones de la HRL- TCD, se puede observar y entender la
estimación de la densidad arbórea en relación al tamaño del píxel y la existencia de árboles.
2.2.2 Tipo de hoja mayoritario (Dominant leaf type)
Esta capa es un producto que proporciona información sobre el tipo de hoja dominante: frondosa o coníferas,
disponible para los años de referencia 2012 y 2015.
Producto: Tipo de hoja mayoritario (Dominant leaf type - DLT)

1: vegetación arbórea frondosa
2: vegetación arbórea conífera

Figura 4: Ejemplo del aspecto de capa de tipo de hoja mayoritario sobre ortofotografía. Se puede ver como
los dos diferentes tonos de verde indican vegetación arbórea frondosa o conífera.
2.2.3 Tipo de bosque (Forest type)
Este producto consta de: Una capa de tipo de hoja dominante que tiene una unidad mínima cartografiable de
0.5 ha, así como un umbral de densidad de cobertura de árbol del 10%. Y una segunda capa adicional que se
asigna, según el tipo de hoja dominante, árboles de uso agrícola y en contexto urbano (derivados de los datos
del CORINE Land Cover y la HRL de sellado del suelo. Ambas capas están disponibles para los años de
referencia 2012 y 2015.
Producto: Tipo de bosque (Forest type - FTY)

1: vegetación arbórea frondosa
2: vegetación arbórea conífera
3: vegetación arbórea mixta (sólo para la
versión remuestreada a 100m)
Áreas con un umbral de densidad de arbolado Áreas con un umbral de densidad de arbolado de
de 10% 10%
Producto: Tipo de bosque (Forest type additional support layer - FADSL)

0: áreas sin vegetación arbórea, o con ninguna
relación en contexto urbano o uso agrícola

3: árboles pronominalmente usados por
prácticas agrícolas - frondosas (desde CORINE
Land Cover 2012)
4: árboles en contexto urbano – frondosas y
coníferas (desde CORINE Land Cover y HRL
suelo sellado)
5: árboles en contexto urbano – frondosas y
coníferas (desde CORINE Land Cover)
2.3 Vegetación herbácea (grassland)
Esta capa ha cambiado su definición con respecto a la versión anterior de 2012. El producto de vegetación
herbácea del año de referencia 2015 es un nuevo producto, que reemplaza por completo a todos los productos
del año de referencia 2012 anterior. La capa de 2015 no es directamente comparable con la de 2012 por su
metodología distinta de producción. Como reacción a las lecciones aprendidas de la producción de 2012, el
enfoque se modificó drásticamente y el producto de 2015 se basa en una serie de imágenes más largas de varios
sensores diferentes. La serie temporal más larga permite la detección de eventos de arado en los años anteriores
al año de referencia, lo que ayuda a distinguir los cultivos de los pastizales. Además por primera vez se combina
datos de radar (SAR) y datos ópticos para mejorar la precisión de la clasificación.
También para esta versión 2015 se ha conseguido generar capas adicionales sobre índices de la probabilidad
la vegetación herbácea y un indicador de arado.

Todo tipo de vegetación herbácea, gestionadas Vegetación herbácea, leñosa y áreas abiertas
o no, prados, pastizales naturales naturales sin vegetación.
Producto: Vegetación herbácea (grassland - GRA)

0: áreas sin vegetación herbácea
1: vegetación herbácea sin vegetación
arbórea

Figura 5 Ejemplo del aspecto de capa de vegetación herbácea sobre ortofotografía. Los píxeles verdes
informan sobre la presencia de los herbáceos.
Producto: Probabilidad de vegetación herbácea (grassland vegetación probability index – GRAVPI)

1-100: índice de probabilidad de la vegetación
herbácea
Producto: Indicador de arado (ploughing - PLOUGH)

1-6: número de años desde el último arado

2.4 Agua y zonas húmedas (water and wetness)
Esta capa de agua y humedad del año de referencia 2015 es un nuevo, que reemplaza por completo a los
productos de "agua permanente" y "zonas húmedas" por separado que se generaron en 2012.
El producto combinado Agua y Zonas Húmedas es una capa temática que muestra la ocurrencia de agua y
superficies húmedas durante el período de 2009 a 2015. Esta capa se basa en imágenes de satélites ópticas
multitemporales y multiestacionales. Además, esta capa también se basa en información de radar (imágenes
Sentinel-1). Se utiliza una multitud de imágenes ópticas y radar, que cubren una serie de tiempo prolongada a
lo largo de 7 años, cuyo objetivo es capturar la dinámica interanual dentro de un área determinada y alcanzar
una imagen compuesta por temporada (de 3 meses) y año.
Producto: Agua y zonas húmedas (water and wetness- WAW)

0: áreas sin agua o humedad
1: agua permanente
2: agua estacional o temporal
3: zonas húmedas permanentes
4: zonas húmedas estacionales o temporales
Según valores Áreas con índices de agua y humedad inferiores a
1: agua en al menos en el 80% de todas las los marcados.
imágenes. Lagos, ríos, canales, agua costera,
estanques y embalses, balsas artificiales, etc.
2: agua o zonas húmedas entre un 80%-25% de
todas las imágenes. Aguas temporales, ríos
intermitentes, áreas inundadas, campos de
arroz, áreas intermareales, etc.
3: zonas húmedas en al menos 60% de todas las
imágenes. Humedales, marismas, zonas
pantanosas, cañaverales, turberas, etc.
4: zonas alternas húmedas o secas entre un
60%-25% de todas las imágenes. Salinas,
humedales intermitentes, campos agrícolas o
praderas inundables, etc.

Figura 6: Ejemplo del aspecto de la capa de agua y zonas húmedas sobre ortofotografía. Los píxeles azules
informan sobre la presencia de agua permanente o estacional, mientras que los verdes informan sobre la
presencia zonas húmedas permanentes o estacionales.
Producto: Índice de probabilidad de agua y zonas húmedas (water and wetness probability
indicator - WWPI)
Valores de los píxeles
0: áreas sin agua o humedad
1-100: índice de probabilidad de agua y zonas húmedas
254: áreas no clasificadas (falta de dato en la imagen, p.e. nubes, sombras, etc.)

3 Método de obtención
Las HRL son imágenes de 20m de resolución, derivadas por procesamientos automáticos e interactivos de
imágenes de satélite.
Desde la producción del año de referencia 2015, la producción se basa cada vez más en series temporales de
imágenes de satélite de varios sensores, incluida la combinación de datos ópticos y de radar. La fuente principal
son los satélites Sentinel de Copernicus (en particular Sentinel-2 y Sentinel-1), además de los mosaicos de
imágenes de alta resolución (HR 2006-09-12-15) y desde 2015, también se utilizan imágenes de muy alta
resolución (VHR 2015) para algunos de los productos.
Las HRL no ofrecen una visión completa de la Ocupación del Suelo como puede ser el CORINE Land Cover,
si no que se cada una de ellas se centra en un aspecto concreto observable. También es importante conocer que
los tratamientos de imágenes de cada tipo de HRL es diferente, por lo que los resultados no nos integrables en
una única HRL, o lo que es lo mismo, los píxeles de las HRL no son excluyente entre ellas (p.e. un mismo
píxel de forest puede estar también recogido en grassland)
A pesar de la documentación disponible sobre la metodología de obtención de las HRL, sigue siendo escasa
para su conocimiento completo o reproducción por parte de los estados miembros.
3.1 Suelo sellado (impreviourness)

La metodología aplicada a la generación de esta capa permite la obtención de una manera fiable y reproducible
el grado del sellado del suelo, con el uso de imágenes de satélite IRS-P6/Resourcesat-2 LISS-III, SPOT 5 y
Landsat 8.
La producción se basa en una clasificación supervisada mediante el NDVI (Índice de vegetación de diferencia
normalizada) de las áreas selladas y no selladas, añadida a una consecuente revisión visual. El cálculo de esta
clasificación se reproduce sobre una composición de imágenes continuas multitemporales de 3 años de
secuencia, lo que garantiza la determinación de áreas invariantes de NDVI.
3.2 Vegetación arbórea (forest)

Se utilizan una variedad de imágenes de alta y muy alta resolución para la obtención de las HRL de vegetación
arbórea, entre ellas series multitemporales de Sentinel – 2A, Landsat 8, SPOT 5 y ResourceSat-2. Estas
imágenes son combinadas para determinar las diferentes capas forestales demandadas. Paralelamente se deben
utilizar datos de verdad terreno como entrenamiento la integración de imágenes, los cuales son ortofotografías
de los países (resoluciones 0.1-0.5m), el Joint Research Centre Forest Type Map, Global Forest Change Map,
CORINE Land Cover, mapas forestales y de ocupación del suelo nacionales o EuroBoundaryMap.
3.3 Vegetación herbácea (grassland)

Se utilizan imágenes de alta resolución para la obtención de las HRL de vegetación herbácea, entre ellas series
multitemporales de Sentinel 1 y 2A-2B, Landsat 8, IRS-P6 LISS-3. Estas imágenes son combinadas para
determinar la capa de vegetación el indicador de arado. Paralelamente se deben utilizar datos de verdad terreno
como entrenamiento de la integración de imágenes, como son LUCAS, Global Forest Change Map, CORINE
Land Cover, mapas de ocupación del suelo e inventarios de fenología nacionales. Particularmente para la capa
de vegetación herbácea (GRA) se clasifica de esta forma aquellos píxeles que aseguren una presencia de al
menos 30% de especies de gramíneas (p.e. Poaceae, Cyperaceae, Juncaceae)

3.4 Agua y zonas húmedas (water and wetness)
La metodología aplicada a la generación de esta capa permite la obtención de una manera fiable y reproducible
la presencia de aguas y zonas húmedas, con el uso de imágenes de satélite ópticas y radar, como son Landsat
5, 7 y 8, Sentinel – 1. El procesamiento de imágenes es una clasificación no supervisada para una serie temporal
de 7 años, entre 2009 a 2015, derivando índices biofísicos suficiente para determinar la presencia de agua y
humedad, como el NDVI, NDWI (Índice diferencial de agua normalizado) y NMDI (Índice de sequía
multibanda normalizado). La clasificación es completada con una consecuente revisión visual.
IMD FOR GRA W&W

IRS-P6/Resourcesat-2 Sentinel – 2A, SPOT 5 Sentinel 1 y 2A-2B Sentinel – 1
LISS-III
SPOT 5 Landsat 8 Landsat 8 Landsat 5, 7 y 8
Landsat 8. ResourceSat-2 IRS-P6 LISS-3
Ortofotografías, LUCAS, Global Forest

Global Forest Change Map Change Map,
CORINE Land Cover, mapas CORINE Land Cover,
forestales y de ocupación mapas de ocupación
del suelo nacionales o del suelo e
EuroBoundaryMap. inventarios de
fenología nacionales
Tabla resumen de imágenes usadas en cada HRL

4 Verificación y precisiones
El aseguramiento de la calidad en unos productos como las capas HRL es una pieza muy importante. Debido
a que la mayoría de los píxeles vienen derivados de la integración o la clasificación de imágenes, su resultado
es automático en una componente muy alta. Por este motivo son necesarias un conjunto de tareas de evaluación
de la calidad para ofrecer una respuesta completa al usuario.
Por definición y como premisa en la producción de las HRL, existe la necesidad de alcanzar un valor fiabilidad
de 90%. O lo que es lo mismo, las muestras utilizadas para la evaluación deben ser correctas al menos en un
90% de los casos. Este requerimiento y las siguientes tareas de verificación descritas no se realizan sobre todas
las HRL, sólo en aquellas consideradas más importantes: IMD, TCD, DLT, GRA y WAW.
Tareas de verificación:
a) Estudio interno realizado durante la producción de las capas y adjunto al reporte de entrega. Lo realiza
la empresa contratada por Copernicus.
b) Estudio independiente de análisis de la fiabilidad realizado a nivel completo del mosaico europeo.
Realizado por equipos técnicos independientes a la producción.
c) Estudio independiente de análisis de la fiabilidad realizado a nivel nacional y con estadísticas
nacionales. Realizado por los Centro Nacionales de Referencia de Cubiertas el Suelo de la Red
EIONET (EIONET NRC-Land Cover)
Los resultados de la verificación interna “a” de la versión 2012 están accesibles a descarga junto con los datos
de las HRL en la web de Copernicus Land. A día de redacción de este informe no se encuentran accesibles los
informes de la versión 2015.
https://land.copernicus.eu/user-corner/technical-library
Los resultados de la validación interna “a” no son de fácil entendimiento debido a su extensión metodológica
que hace enmascarar los aspectos fundamentales en la validación. Los valores de la principal componente
validad “Thematic accuracy” se distribuye irregularmente entre la tipología de capas y las áreas geográficas.
Por lo que es posible adivinar unos valores de fiabilidad fluctuantes entre un 50% a un 90%. En el caso de que
se desee una información más detallada en este aspecto, se recomienda acceder a los informes de validación
interna.
Por el contrario los resultados de las verificaciones independientes, a sea nivel continental “b” o nacional “c”
no se encuentra a libre disposición en la web, pero pueden ser solicitados a Copernicus o a los NRC-LC
nacionales. Resulta de especial interés explicar brevemente las tareas de verificación nacional para comprender
estas tareas de verificación.
La verificación nacional “c” realizada por los NRC-LC para cada una de las HRL se realizan en 3 pasos:
1) General overview (cualitativo, obligatorio): intersección con la mejor base de datos disponible
temática a nivel nacional y análisis de las áreas con grandes discrepancias. El resultado de este paso
son estadísticas porcentuales globales para todo el país de la correspondencia de los píxeles de las
HRL con los datos nacionales.

Figura 7: Ejemplo de coincidencia de la HRL con datos nacionales, donde se muestra 3 posibles áreas
(coincidencia, omisión o comisión). Conociendo las superficies del país y de las HRL se puede obtener valores
porcentuales globales.
2) Look and feel verification (cualitativo, obligatorio): revisión de zonas seleccionadas como críticas para
los errores de comisión y omisión. En este caso se seleccionan áreas de control condicionadas por un
error esperado y se evalúa cualitativamente la fiabilidad de las HRL. El resultado en este paso es una
estimación cualitativa de la calidad.
Figura 8: Ejemplo de área de control condicionada por posibles ausencias de vegetación en dehesas. Esta
área puede ser valorado cualitativamente según el comportamiento de la HRL: coincidencia, omisión o
comisión. Partiendo de unas áreas de control es posible obtener estimaciones cualitativas.
3) Quantitative verification (cuantitativo, recomendado): control estadístico del porcentaje de error

cometido en la clasificación. En este caso se seleccionan áreas de control aleatoriamente y se evalúa
numéricamente el error temático. El resultado en este paso son estadísticas cuantitativas la calidad.

Figura 9: Ejemplo de un área con varios puntos de control determinados aleatoriamente. En ellos se puede
evaluar el comportamiento temático de la HRL y obtener estadísticas numéricas.

La principal faceta de los datos, imágenes y la mayoría de los servicios de Copernicus es la facilidad de acceso
a los mismos. A continuación se muestran los nodos de acceso a los datos de la HRL disponibles.
Acceso desde la página oficial del Servicio de Territorio de Copernicus.
Las HRL forman parte del Componente Pan-Europeo y desde la propia página web es posible descargarse los
datos de las capa de alta resolución.
Figura 10: Imagen del acceso a cada una de las tipologías de HRL en la página web del Servicio de Territorio
de Copernicus
Seleccionando cada uno de los tipos de HRL se puede acceder a la descarga. Como se ha comentado
previamente, cada tipología puede tener más de un producto. Es precisamente en esta navegación donde pueden
encontrarse.

Figura 11: Ejemplo de navegación por la capa de suelo sellado, donde se identifican 2 tipos de productos,
“Status Maps”, o “Change Maps”. Tras la selección de uno de ellos, es posible seguir accediendo a cada uno
de las versiones del producto.
Una vez seleccionado el producto y la versión a acceder, se abre la ventana de gestión, donde es posible
visualizar la capa, ver sus metadatos, ver la leyenda, activar capas adicionales, descubrir las URLs de los
servicios web relacionados y descargar los datos.
En función de la versión del producto es posible que estén desactivadas algunas de las acciones previamente
comentadas.

Figura 12: Ventana de navegación de la capa de sellado del 2012
Accediendo a la opción de descarga, es posible listar cada una de las partes o conjuntos de datos descargables
ligados a los productos. En el caso concreto de las HRL es posible descargarse los datos fraccionados por una
rejilla de 100km x1000km pan-europea, por lo tanto será previamente necesario elegir la celdilla deseada. Las
HRL pueden encontrarse a resoluciones originales de 20 m y remuestreadas a 100 m. Es muy importante
conocer que los datos de las HRL descargables desde la web oficial del Servicio de Territorio de Copernicus
se encuentran en el sistema de referencia y proyección europea ETRS89 LAEA (EPSG:3035) y que es
necesario tener un usuario en la web para su descarga.
Figura 13: Iquierda: ejemplo de listado de datos HRL a descarga. Derecha: rejilla de 1000 km x 1000 km en
los que se ofrecen los datos HRL.
La documentación accesible de las HRL se encuentra en la sección de biblioteca de documentos en la página

web del Servicio de Territorio de Copernicus, así como en las páginas intermedias dedicadas a las HRL de la
misma web o en los metadatos.

Por otro lado, Copernicus tiene desarrollados servicios de red centralizados mediante el portal DiscoMap de la
Agencia Europea de Medio Ambiente. Se debe recordar que el acceso y conocimiento de servicios web de
productos Copernicus también se encuentran descritos en la plataforma CORDA de la Agencia Europea de
Medio Ambiente.
http://discomap.eea.europa.eu/

6 Acceso desde el Centro de Descargas del IGN / CNIG
El Instituto Geográfico Nacional, como Centro Nacional de Referencia de Cubiertas el Suelo de la Red
EINOET, es el encargado en la validación nacional de las HRL. Adicionalmente el IGN ha publicado mediante
el Centro de Descargas del CNIG los datos de las HRL 2015 comentadas en este documento.
http://centrodedescargas.cnig.es/
Desde la pestaña “Información Geográfica Temática” es posible encontrar todos los productos de ocupación
del suelo en el que el IGN participa (coproduce o valida), entre ellos las HRL. Aspecto a destacar es que desde
este nodo de descarga es posible conseguir los datos de las HRL a 20 m de resolución y en el sistema de
referencia y proyección nacional ETRS89 UMT30 para la Península y Baleares, y WGS84 UTM28 para
Canarias. La documentación anexa a los datos se encuentra directamente contenidas en los ficheros de
descarga.
Figura 14: Ventana de acceso a descarga de los datos y documentación sobre las HRL en el Centro de
Descargas del CNIG
productos validados en su cometido como Centro Nacionales de Referencia de Cubiertas el Suelo. Su dirección
de acceso es la siguiente.

Referencias
[2] https://land.copernicus.eu/pan-european/high-resolution-layers/
[3] https://land.copernicus.eu/user-corner/technical-library

Urban Atlas

Índice
Índice ................................................................................................................................................................. 2
1 Definición ................................................................................................................................................... 3
2 Tipos de productos y características técnicas ............................................................................................. 4
2.1 Urban Atlas 2006 (UA 2006): ............................................................................................................. 4
2.2 Urban Atlas 2012 (UA 2012): ............................................................................................................. 4
2.3 Street Tree Layer (STL) ...................................................................................................................... 6
2.4 Cambios entre UA 2006 y UA 2012 .................................................................................................. 7
2.5 Alturas de Edificios para áreas urbanas .............................................................................................. 8
2.6 Resumen de los productos obtenidos con Urban Atlas ....................................................................... 8
3 Producción del Urban Atlas ....................................................................................................................... 9
4 Verificación y precisiones ........................................................................................................................ 10
5 Aplicaciones ............................................................................................................................................. 12
6 Descarga y documentación....................................................................................................................... 13
Acceso desde la página oficial del Servicio de Territorio de Copernicus.................................................... 13
7 Acceso desde el Centro de Descargas del IGN / CNIG ........................................................................... 16
Referencias ...................................................................................................................................................... 17

1 Definición
El Urban Atlas es un conjunto de bases de datos vectoriales de tipo polígono de alto detalle de ocupación del
suelo y usos del suelo de áreas urbanas europeas designadas por Copernicus que no cubren todo el territorio
europeo. Estas áreas se denominan áreas funcionales urbanas (Functional Urban Areas) y son áreas de interés
con aquellas ciudades y municipios que tienen influencia laboral y con problemas y retos medioambientales.
Son por tanto, una agregación de unidades territoriales.
El Urban Atlas es una iniciativa conjunta de la Dirección General de Política Regional y Urbana de la Comisión
Europea y la Dirección General de Empresa e Industria en el marco del programa Copernicus de la Unión
Europea con el apoyo de la Agencia Espacial Europea y la Agencia Europea de Medio Ambiente.
Este producto se localiza dentro del Servicio del Territorio de Copernicus en el componente local junto con
Riparian Zones y Natura 2000 y futuro Coastal Zones. Es coordinado y producido por la Agencia Europea
de Medio Ambiente (AEMA) y verificada y/o mejorada por los estados miembros, en el caso de España por
el IGN/CNIG.
El objetivo de Urban Atlas es proporcionar específica información detallada que se complementa con la
información obtenida en el componente Pan Europeo del servicio de Territorio de Copernicus.

2 Tipos de productos y características técnicas
En Urban Atlas se basa en imágenes de muy alta resolución (2,5 x 2,5 m píxeles) que se combinan con
imágenes de alta y media resolución. Proporciona diferentes niveles espaciales y de detalle temático siendo
su unidad mínima de resolución 0.25 ha para áreas urbanas y 1 ha para áreas rurales.
Existen dos versiones de Urban Atlas: Urban Atlas 2006 y Urban Atlas 2012 y próximamente Urban Atlas
2018.
A partir de Urban Atlas 2012 se han creado los siguientes productos que se explican a continuación: Street
Tree Layer (STL), Cambios de Urban Atlas entre 2006 y 2012 y Alturas de edificios 2012.
2.1 Urban Atlas 2006 (UA 2006):
El UA 2006 es la primera versión creada de Urban Atlas. Está definido por áreas urbanas funcionales (FUAs)
con más de 100.000 habitantes según lo definido por el Urban Audit. Está formado por un total de 319 FUAs
europeas y por una nomenclatura de 17 clases urbanas y 3 clases rurales. Los datos vectoriales se pueden
descargar en formato shape en la siguiente URL como se explicará en apartados posteriores:
2.2 Urban Atlas 2012 (UA 2012):

El UA 2012 es la segunda versión de Urban Atlas con grandes mejoras respecto a UA 2006. Está definido por
áreas urbanas funcionales (FUAs) con más de 50.000 habitantes según lo definido por el Urban Audit. Está
formado por un total de 785 FUAs europeas (incluyendo las 319 FUAs existentes en Urban Atlas 2006 además
de 466 nuevas FUAs). De esas 785 FUAs del Urban Atlas 2012, hay 107 nuevas FUAs que cubren Turquía
(país miembro de la Agencia Europea de Medio Ambiente) y países de los Balcanes (país que cooperan en la
Agencia Europea de Medio Ambiente).
Su nomenclatura definida es 17 clases urbanas con una unidad mínima de resolución de 0.25 ha y 10 clases
rurales con una unidad mínima de resolución de 1 ha. Están basadas en la nomenclatura del CORINE Land
Cover y en la leyenda del servicio urbano de Copernicus. Su leyenda es oficial definida en la documentación
técnica oficial de Urban Atlas.
El sistema de referencia del Urban Atlas es el ETRS 1989 en proyección LAEA (Lambert Acimutal área).

Figura 1: Ejemplo de UA 2012 en Burgos
UA2012
1 Superficies artificiales
1.1 Tejido urbano
1.1.1 Tejido urbano continuo (IMD>=80%)
1.1.2 Tejido ubano discontinuo (IMD 10%-80%)
1.1.2.1 Tejido ubano discontinuo denso (IMD 50%-80%)
1.1.2.2 Tejido ubano discontinuo densidad media (IMD 30%-
50%)
1.1.2.3 Tejido ubano discontinuo densidad baja (IMD 10%-30%)
1.1.2.4 Tejido ubano discontinuo densidad muy baja (IMD
<10%)
1.1.3 Estructuras aisladas
1.2 Unid industriales, comerciales, públicas, militares, priv
y de transporte
1.2.1 Unidades industriales, comerciales, públicas, militares
y privadas
1.2.2 Carreteras, red de ferrocarriles y terrenos asociados
1.2.2.1 Carreteras de tránsito rápido y terrenos asociados
1.2.2.2 Otras carreteras y terrenos asociados
1.2.2.3 Ferrocarriles y terrenos asociados
1.2.3 Puertos
1.2.4 Aeropuertos
1.3 Minas, vertederos y zonas en construcción
1.3.1 Zonas de extracción de minerales y vertederos
1.3.2 Zonas en construcción
1.3.3 Terrenos que no están en uso
1.4 Areas artificiales con vegetación no relacionadas con
agricultura
1.4.1 Zonas verdes urbanas
1.4.1 Instalaciones deportivas y de ocio
2 Agricultura
2.1 Tierras de cultivo (cultivos anuales)
2.2 Cultivos permanentes

2.3 Pastos
2.4 Zonas de cultivo mixto y patrones complejos
2.5 Árboles frutales
3 Zonas naturales y semi-naturales
3.1 Bosques
3.2 Vegetaciones herbáceas asociadas
3.3 Espacios abiertos con poca o sin vegetación
4 Humedales
5 Agua
Figura 2: Leyenda oficial (UA) y clases de Urban Atlas
Los datos vectoriales de las 785 FUAs se pueden descargar en formato shape en la siguiente URL:
También se pueden descargar las FUAs españolas en el centro de descargas del IGN/CNIG:
http://centrodedescargas.cnig.es/CentroDescargas/buscadorCatalogo.do?codFamilia=URBAT
2.3 Street Tree Layer (STL)

Una de las novedades que introduce el UA 2012 con respecto al UA 2006 es la capa Street Tree Layer (STL),
de algunas FUAs seleccionadas, dependiendo de la disponibilidad de la imagen de satélite.
La capa Street Tree (STL) es una capa separada de la capa UA2012 producida dentro de la máscara urbana de
nivel 1 para cada FUA. Incluye filas contiguas o parches de árboles que cubren 500 m² o más y con un ancho
mínimo de 10 m sobre “Superficies artificiales” (nomenclatura clase 1) dentro de FUA, es decir, hileras de
árboles a lo largo de la red de carreteras fuera de las áreas urbanas o el bosque adyacente a las áreas urbanas
no debe ser incluido.
La unidad mínima de resolución es de 0.05 ha y de anchura es de 10 metros con algunas excepciones descritas
en las especificaciones del producto. Su nomenclatura es una única clase que indica la presencia de árboles o
de no de árboles.
Figura 3: Ejemplo de STL 2012 en Madrid

2.4 Cambios entre UA 2006 y UA 2012
La capa de cambios de UA 2006 y UA 2012 es una capa vectorial que muestra los cambios entre Urban Atlas
2006 y 2012. Solo aparecen representadas aquellas FUAs que están disponibles para ambas versiones de Urban
Atlas.
Esta capa utiliza las imágenes satelitales orto-rectificadas VHR 2006 y 2012 para detección de cambios de
imagen a imagen, y desde el cual compara los cambios con el Urban Atlas 2006 que tiene que ser mapeado.
Un producto intermediario, el “UA 2006-2012 Combined LULC", combina la información de LULC por dos
períodos (por ejemplo, 2006 y 2012). Basado en la primera Capa LULC (por ejemplo, 2006), esta capa se
produce al delinear polígonos donde la clase LULC tiene cambiado en el segundo período (por ejemplo, 2012).
Finalmente, la "capa de cambio LULC" se deriva de esta capa combinada y solo incluye polígonos con cambios
de Uso del suelo / Cobertura del suelo entre los dos periodos. La detección de cambios se aplicará con una
MMU diferente de la capa LULC.
Con el fin de garantizar que los cambios relevantes de LULC sean apropiados, la MMU para la capa de cambio
LULC (por ejemplo, 2006-2012) se define a continuación:
- Urbano (clase 1) a urbano (clase 1) = 0.1 ha

- Rural / natural (clases 2-5) a clases urbanas (clase 1) = 0.1 ha
- Rural / natural (clases 2-5) a rural / natural (clases 2-5) = 0.25 ha
- Urbano (clase 1) a rural / natural (clases 2-5) = 0.25 ha
Las excepciones a este límite de MMU se pueden encontrar en los polígonos de cambio donde las redes de
carreteras y ferrocarriles (las clases 12210, 12220, 12230) están presentes en una fecha (por ejemplo, 2006 o
2012) o polígonos directamente conectado a estas redes para mantener la consistencia de estas redes.
Los datos vectoriales de las FUAs con cambios se pueden descargar en formato shape en la siguiente URL:
https://land.copernicus.eu/local/urban-atlas/change-2006-2009
Figura 4: Ejemplo de Cambios 2006-2012 en Madrid

2.5 Alturas de Edificios para áreas urbanas
Otro producto son las Alturas de Edificios para áreas urbanas de ciudades seleccionadas como son las capitales
de cada uno de los estados miembros europeos y los países de la Asociación Europea de Libre Comercio
(Islandia, Noruega, Suecia y Liechtenstein).
Figura 5: Ejemplo de Alturas de Edificios en Madrid
2.6 Resumen de los productos obtenidos con Urban Atlas
Producto Componente / Productor Verificación Geometría Versiones Resolución Escala

Copernicus Servicio
Urban Servicio Territorio, Agencia Estados Miembros Vectorial 2006, 2012 0,25 ha 1/10000
Atlas Componente Local Europea de (España en el caso polígonos
Medio del UA en
Ambiente España)
Street Tree Servicio Territorio, Agencia Estados Miembros Vectorial 2012 0,05 ha 1/10000
Layer Componente Local Europea de (España en el caso
Medio del UA en
Ambiente España)
Cambios Servicio Territorio, Agencia -- Vectorial 2012 0,25 ha 1/10000

UA 2006- Componente Local Europea de
2012 Medio
Ambiente
Alturas de Servicio Territorio, Agencia -- Raster 2012 -- --
edificios Componente Local Europea de
2012 Medio
Ambiente
Tabla 1: Comparación de diferentes productos de Urban Atlas

3 Producción del Urban Atlas
Los datos de observación de la tierra son la base para la interpretación del Urban Atlas. En caso de diferencias
geométricas entre los datos de observación de la tierra y datos de navegación (Open Street Maps), los datos de
navegación deben corregirse de acuerdo con los datos de observación de la tierra.
El Urban Atlas se ha producido siguiendo el siguiente proceso:
1. La segmentación y clasificación automatizadas para lograr una diferenciación inicial entre las clases de
cobertura terrestre (urbana, bosque, agua u otras coberturas terrestres) es posible siguiendo una decisión de los
proveedores de servicios.
2. La impermeabilidad de la capa de alta resolución (HRL) se utiliza para clasificar las densidades de sellado
del tejido urbano clase 1.1 para los niveles 3 y 4. La asignación de los niveles de impermeabilidad / sellado (es
decir, las clases 1.1.2.1 - 1.1.2.4) será llevado a cabo utilizando la capa de impermeabilidad HRL.
3. La delineación se debe hacer en los datos de datos de observación de la tierra. Los datos de EO deben ser
considerados como el principal Fuente de datos (guía).
4. La interpretación del objeto se realiza mediante:
o Los datos de EO, mapas topográficos, datos de navegación (COTS u OSM) y otros datos
relevantes. datos auxiliares;
o Información auxiliar incluida la experiencia local.
5. El área interpretada debe interpretarse con una extensión mínima de 100 m (100 m de búfer) para asegurar
la precisión y continuidad de los polígonos.
6. Si dos o más objetos se superponen en niveles diferentes, se asigna el nivel superior continuamente.
7. En caso de que dos o más objetos se superpongan en el mismo nivel de altura, el visualmente dominante y
el objeto completo (en uso y forma) se mapea continuamente.

4 Verificación y precisiones
El aseguramiento de la calidad en el Urban Atlas es una de las tareas importantes que tiene encomendado el
IGN. Debido a que la mayoría de la información vectorial viene derivada de imágenes de satélites y de la
integración o la clasificación de imágenes, su resultado automático tiene una componente muy alta. Por este
motivo son necesarios un conjunto de tareas de evaluación de la calidad para ofrecer una respuesta completa
al usuario.
Por definición y como premisa en la producción del Urban Atlas, existe la necesidad de alcanzar un valor
fiabilidad de 85-90%. Las muestras utilizadas para la evaluación deben ser correctas al menos en un 85-90%
de los casos. Este requerimiento y las siguientes tareas de verificación descritas se realizan además de para el
Urban Atlas para el Riparian Zones y Natura 2000.
Las pautas establecen las reglas para obtener resultados en la verificación y establecen los criterios para
considerar la calidad de un conjunto de datos ya verificados. Sin embargo, en el caso de que estas pautas no
fueran suficientemente precisas, puede provocar una fiabilidad de datos no óptima.
Los resultados están condicionados por:
- Calidad de los datos. El objetivo de la evaluación. Si hay errores geométricos o semánticos, son medidos o
identificados por los procesos de verificación.
- Metodología de verificación. Si hay errores fuera del alcance de la metodología, se omiten en la revisión y
no se miden.
Compartimos el objetivo de la verificación del país para el componente local de Copernicus con el fin de
proporcionar una información complementaria basada en la experiencia regional / local.
El proceso de verificación se basa en una inspección visual de polígonos de muestra que analizan
características geométricas y semánticas.
- Corrección del código LC / LU alrededor del punto de muestra dentro del polígono de muestra, considerando
el valor real de MMU:
o Correcto / No correcto
o Si el código LC / LU se encuentra como incorrecto, se le pide al fotointerprete que proporcione su
opinión sobre el código correcto.
- Corrección de la delimitación del polígono de muestra:
o Área delineada: correctas / partes innecesarias incluidas / partes incompletas / partes incompletas y
partes innecesarias incluidas.
o Detalle de la delineación: Correcto / Demasiado grueso / Demasiado detallado
o Precisión posicional: correcta / desplazada

Figura 6: Resultados de la verificación de Urban Atlas 2012 de España.
Tabla 2: Precisión geométrica y temática en España
Tabla 3: Precisión geométrica y temática por dataset

5 Aplicaciones
Dado que Urban Atlas proporciona, ante todo, una base geoespacial comparativa para las principales ciudades
de Europa, que es complementaria a los datos estadísticos de la Auditoría Urbana, su uso principal se relaciona
con la toma de decisiones en la financiación regional implementada por la Dirección General de Asuntos
Económicos y Urbanos de la CE. Política.
Sin embargo, su riqueza en contenido de información hace que el servicio sea adecuado para otras aplicaciones
como:
- Identificación de áreas urbanas verdes.

- Producir el libro de mapas en línea de la Agencia Europea de Medio Ambiente.
- Obtener el informe sobre sostenibilidad urbana.
- Estudios sobre infraestructura verde urbana o monitorización de la extensión de la expansión urbana.
- Estadísticas de las diferentes clases urbanas y rurales.
- Cambios producidos en los entornos urbanos y rurales.

La principal característica de los datos, imágenes y la mayoría de los servicios de Copernicus es la facilidad
de acceso a los mismos. A continuación se muestran los nodos de acceso a los datos de Urban Atlas disponibles.
Acceso desde la página oficial del Servicio de Territorio de Copernicus.
El Urban Atlas forma parte del Componente Local y desde la propia página web es posible descargarse los
datos de las capas en formato vectorial junto con Riparian Zones y Natura 2000.
https://land.copernicus.eu/local
Figura 7: Imagen del acceso a cada producto del componente local en la página web del Servicio de Territorio
de Copernicus.
Seleccionando Urban Atlas se puede acceder a la descarga de cada uno de los tipos de productos de Urban
Atlas disponibles. Como se ha comentado previamente, cada tipología puede tener más de un producto. Es
precisamente en esta navegación donde pueden encontrarse.
Figura 8: Ejemplo de navegación de Urban Atlas, donde se identifican 5 tipos de productos. Tras la selección
de uno de ellos, se accede a la descarga.

Una vez seleccionado el producto y la versión a acceder, se abre la ventana de gestión, donde es posible
visualizar la capa, ver sus metadatos, ver la leyenda, activar capas adicionales, descubrir las URLs de los
servicios web relacionados y descargar los datos.
En función de la versión del producto es posible que estén desactivadas algunas de las acciones previamente
comentadas.
Figura 9: Ventana de navegación de Urban Atlas del 2012
Accediendo a la opción de descarga, es posible listar cada una de las partes o conjuntos de datos descargables
ligados a los productos. En el caso concreto de Urban Atlas 2012 es posible descargarse los datos en un zip
por ciudad y por país (que contiene el Urban Atlas en formato shape y una guía de usuario).
Es muy importante conocer que los datos de Urban Atlas descargables desde la web oficial del Servicio de
Territorio de Copernicus se encuentran en el sistema de referencia y proyección europea ETRS89 LAEA
(EPSG:3035) y que es necesario tener un usuario en la web para su descarga.

Figura 10: ejemplo de descarga de Urban Atlas para la ciudad de Albacete (España).
La documentación accesible de Urban Atlas se encuentra en la sección de biblioteca de documentos en la

página web del Servicio de Territorio de Copernicus, así como en las páginas intermedias dedicadas a Urban
Atlas de la misma web o en los metadatos.
Por otro lado, Copernicus tiene desarrollados servicios de red centralizados mediante el portal DiscoMap de la
Agencia Europea de Medio Ambiente. Se debe recordar que el acceso y conocimiento de servicios web de
productos Copernicus también se encuentran descritos en la plataforma CORDA de la Agencia Europea de
Medio Ambiente.
http://discomap.eea.europa.eu/

7 Acceso desde el Centro de Descargas del IGN / CNIG
El Instituto Geográfico Nacional, como Centro Nacional de Referencia de Cubiertas el Suelo de la Red
EINOET, es el encargado en la validación nacional del Urban Atlas. Adicionalmente el IGN ha publicado
mediante el Centro de Descargas del CNIG los datos del Urban Atlas 2012 comentados en este documento
junto con los otros dos productos del componente local del Servicio del Territorio de Copernicus que son
Riparian Zones 2012 y Natura 2K 2012.
Para acceder a la descarga es necesario acceder a la siguiente web: http://centrodedescargas.cnig.es/
Desde la pestaña “Información Geográfica Temática” es posible encontrar todos los productos de ocupación
del suelo en el que el IGN participa (coproduce o valida), entre ellos el Urban Atlas. En este nodo de descarga
es posible conseguir los datos de las Urban Atlas a 0,25 ha de resolución y en el sistema de referencia y
proyección nacional ETRS89 LAEA para toda España. La documentación anexa a los datos se encuentra
directamente contenidas en los ficheros de descarga.
Figura 11: Ventana de acceso a descarga de los datos y documentación sobre Urban Atlas en el Centro de
Descargas del CNIG
productos validados en su cometido como Centro Nacionales de Referencia de Cubiertas el Suelo. Su dirección
de acceso es la siguiente.

Referencias
[2] https://land.copernicus.eu/local/urban-atlas/urban-atlas-2006
[3] https://land.copernicus.eu/user-corner/technical-library
[4] https://land.copernicus.eu/user-corner/technical-library/urban-atlas-2012-mapping-guide-new/
[5] http://centrodedescargas.cnig.es/CentroDescargas/index.jsp

Componente In Situ

Índice
Índice ................................................................................................................................................................. 2
1 Definición del Componente In Situ ............................................................................................................ 3
2 Datos In Situ ............................................................................................................................................... 4
2.1 Observaciones ..................................................................................................................................... 4
2.2 Datos Espaciales ................................................................................................................................. 5
3 Demanda de datos In Situ según Servicios Copernicus ............................................................................. 7
3.1 Copernicus Atmosphere Monitoring Service (CAMS) ....................................................................... 7
3.2 Copernicus Marine Environment Monitoring Service (CMEMS) ...................................................... 7
3.3 Copernicus Land Monitoring Service (CLMS)................................................................................... 8
3.4 Copernicus Climate Change Service (C3S) ........................................................................................ 9
3.5 Copernicus Emergency Management Service (CEMS) .................................................................... 10
3.6 Copernicus Security Service (CSS) .................................................................................................. 10
4 Iniciativas para mejorar el conocimiento de los datos In Situ .................................................................. 12
4.1 GMES In Situ Coordination Project (GISC) ..................................................................................... 12
4.2 Asistencia sobre datos In Situ ........................................................................................................... 12
4.3 Grupo de Expertos EIONET ............................................................................................................. 13
5 Datos In Situ Espaciales, Agencias Cartográficas e Información Geoespacial de Referencia ................. 14
6 Acceso a datos por parte de los Servicios Copernicus ............................................................................. 20
6.1 Observaciones ................................................................................................................................... 20
6.2 Datos Espaciales ............................................................................................................................... 20
Referencias ...................................................................................................................................................... 23

1 Definición del Componente In Situ
El Componente In Situ lo forman datos de referencia que se utilizan para calibrar, verificar y complementar
la información proporcionada por los satélites y los servicios. Los datos in situ son esenciales para
suministrar respuestas fiables y consistentes en el tiempo, siempre necesarios, y de utilización muy
importante para el programa Copernicus.
https://insitu.copernicus.eu/
Los datos in situ son de carácter muy diverso y suelen ser generados y mantenidos por entidades diferentes al
propio programa Copernicus, como países miembros o centros de investigación internacional. El principal
desafío relacionado con los datos in situ, es su identificación, acceso y utilización de acuerdo las necesidades
de Copernicus.
La Agencia Europea de Medio Ambiente (EEA) lidera este Componente In Situ y trabaja en la catalogación
e identificación de los datos, busca posibles ausencias en los mismos, define los requerimientos técnicos
demandados, y fortalece los acuerdos con los países miembros encaminados a proporcionar sus datos in situ
para el programa Copernicus.
La propia diversidad de datos hace complicada su catalogación, identificación de responsables en ellos y
utilización. Como datos in situ pueden ser considerados desde medidas de variables medioambientales que
calibren sensores de medida, puntos de control terreno para georreferenciar imágenes, así como conjuntos de
datos geoespaciales de referencia de mayor detalle que los productos generados por Copernicus (p.e.
transportes, hidrografía, ocupación del suelo, etc.).
Por defecto se ha de partir con la consideración de que Copernicus carece de los datos in situ necesarios para
sus productos y servicios. Por este motivo algunos tipos de datos in situ, cuya generación o responsabilidad
de producción no está regulada por leyes continentales o nacionales, serán quizás de difícil identificación
pero de fácil obtención, pues propiamente Copernicus podrá generarlos expresamente para sus servicios o
imágenes. Por otro lado, el caso más conflictivo se encuentra en aquellos datos in situ previamente
producidos por estados miembros u organismos continentales, donde su identificación puede ser más clara,
pero su utilización queda supeditada al nivel de compromiso que tengan los organismos responsables en los
datos.

2 Datos In Situ
La variabilidad de datos de referencia para los productos y servicios Copernicus ha sido catalogada en dos
grandes tipos de datos in situ que el programa necesita: Datos de Observaciones y Datos Espaciales.
2.1 Observaciones
El Programa Copernicus utiliza una amplia gama de infraestructuras de observación terrestre, cada una
creada para servir a una serie de propósitos diferentes y diversos, con el fin de producir, enriquecer y validar
sus servicios, mejorando su precisión y confiabilidad.
Los datos de observaciones, son información geoespacial ligada a la observación directa de características
físicas de la atmósfera y del mar. Suelen ser variables captadas por sensores terrestres (p.e. estaciones
meteorológicas, boyas, aeroplanos, globos, etc.). Esto incluye sensores colocados en las orillas de los ríos,
transportados en globos meteorológicos o aviones, arrastrados por el mar en barcos y flotando en el océano
en flotadores o boyas. También abarca datos recopilados por drones, por ciudadanos o científicos.
Algunos de los datos recogidos sobre el entorno físico se han recopilado durante siglos y, en consecuencia,
existe una gran variedad de registros y responsables interesados que participan en la recopilación y gestión
de dichos datos. Este trabajo se lleva a cabo en dominios temáticos, los cuales son transversales con respecto
a las necesidades de los Servicios de Copernicus.
- Meteorología: Datos históricos y diarios de estaciones terrestres y sensores atmosféricos en relación
con la temperatura, precipitación, humedad relativa, viento, índice solar, etc.
- Clima: Datos históricos climatológicos y series temporales armonizadas.
- Oceanografía. Datos físicos sobre la temperatura, salinidad, corrientes marinas, altura del nivel
medio del mar o concentración de hielos. Así como datos biológicos como la clorofila, oxígeno
disuelto en el agua, nutrientes, zooplancton, flujo de radiante o metano.
- Atmosfera: Datos sobre la concentración de polución en el aire (p.e. NOx, PM10), composición
química y concentración vertical de los aerosoles o gases de efecto invernadero (p.e. CO2).
- Terrestres: Datos físicos medidos mediante variables sobre el estado de la superficie terrestre, como
por ejemplo: FAPAR, LAI, biomasa sobre nivel del suelo, huella de carbono, humedad del suelo,
etc.
Muchas fuentes de datos in situ son propiedad y están operadas por instituciones y agencias a nivel nacional.
Un buen ejemplo son los datos nacionales de control de la calidad del aire recopilados por algunos Servicios
Meteorológicos nacionales, que los estados miembros de la UE están obligados a informar a la Agencia
Europea de Medio Ambiente.
Una creciente cantidad de datos in situ provienen de infraestructuras de investigación y otras colaboraciones
internacionales, como la Comisión Técnica Conjunta para Oceanografía y Meteorología Marina (JCOMM),
un organismo intergubernamental que reúne la experiencia y las capacidades tecnológicas de la Organización
Meteorológica Internacional (WMO) y la Comisión Oceanográfica Intergubernamental de la UNESCO
(COI).
Las redes de investigación científica a menudo también sirven como fuentes de datos de observaciones in
situ valiosos para el programa Copernicus. Gran número de estas redes existen en Europa, algunos de las
cuales están financiadas como infraestructuras de investigación europeas. En el área de Medio Ambiente, se
están coordinando esfuerzos y desarrollo en proyectos globales como ENVRIplus. Los ejemplos más
característicos de infraestructuras de investigación europeas en el ámbito de datos de observaciones in situ
son:
- Sistema integrado de observación de carbono (ICOS), una infraestructura de investigación
paneuropea que proporciona datos armonizados y de alta precisión sobre el ciclo del carbono, el
presupuesto de gases de efecto invernadero y sus perturbaciones.

- Aeronaves en servicio para un sistema de observación global (IAGOS), una infraestructura de
investigación europea para observaciones globales de la composición atmosférica de aeronaves
comerciales.
- ACTRIS, la infraestructura de investigación europea para la observación de aerosoles, nubes y gases
traza.
- El Sistema Europeo de Observación de la Tierra (EPOS), proporciona datos para que las ciencias de
la Tierra sólida, para ayudar a la seguridad y al desarrollo de la sociedad.
- EuroArgo, un consorcio europeo de infraestructura de investigación centrado en ofrecer el
componente de Europa del programa de elementos flotantes Global Argo.
- EMSO, el observatorio multidisciplinar europeo del lecho marino y columna de agua, centrado en
plataformas oceanográficas fijas y de fondo marino para la observación de los océanos.
Ilustración 1 Ejemplo de estaciones o sensores que recogen observaciones de datos in situ del mar y la
atmósfera
2.2 Datos Espaciales

El Programa Copernicus necesita conjuntos de datos espaciales para producir, enriquecer y validar sus datos
y servicios, mejorando su precisión y confiabilidad. Estos datos implican mapas y bases topográficas con
información sobre hidrografía, redes de transporte y cobertura terrestre, o modelos digitales de elevación,
imágenes aéreas. Esta información está ligada intrínsecamente a las agencias cartográficas nacionales, con
sus diversas competencias, características técnicas o condiciones de acceso. Estos datos se corresponden con
los descritos en la Directiva INSPIRE 2007/2/CE, Anexos I, II y III. Concretamente Copernicus demanda la
identificación y georreferenciación de las siguientes temáticas.
- Asentamientos de población: Áreas pobladas, urbanas y rurales.

- Industria y servicios de utilidad pública: Industrias, estaciones energéticas, líneas de suministro,
canteras, etc.
- Hidrografía: Aguas naturales (p.e. ríos, lagos, embalses) y artificiales, y redes de drenaje.
- Redes de transporte: Carreteras, caminos, ferrocarriles, estaciones de servicios, puertos y
aeropuertos.
- Elevaciones: Modelos digitales del terreno, batimetría y línea de costa.
- Cubierta terrestre: Descripción de la superficie física del territorio (p.e. cultivos, vegetación natural,
bosques, zonas húmedas, áreas urbanas, etc.)

- Población/Censos: Información lo más fiable posible de la distribución de la población fraccionada
en países y regiones, así como su variación en el tiempo.
Es muy importante recalcar que el presente documento está centrado en el estudio de los datos espaciales In
Situ demandados por Copernicus.

3 Demanda de datos In Situ según Servicios Copernicus
Es necesario proporcionar un resumen sintético de las principales fuentes de datos in situ requeridas para los
Servicios de Copernicus a fin de matizar de mejor manera el tipo de información tratada. Se debe destacar
los principales desafíos, riesgos y oportunidades relacionadas con la adquisición de datos in situ para
Copernicus y la importancia de los datos in situ en términos de la calidad, confiabilidad y continuidad de los
productos y servicios.
3.1 Copernicus Atmosphere Monitoring Service (CAMS)

Este servicio analiza y pronostica la composición de la atmósfera en relación con la calidad del aire, las
concentraciones de la capa de ozono, la radiación solar y las emisiones. Algunos de los mayores desafíos
ambientales para la sociedad se relacionan con la composición atmosférica. Los datos sobre la atmósfera
tienen aplicaciones prácticas para los sectores de energía, salud y transporte, por nombrar sólo algunos.
Se requieren observaciones in situ de las especies de composición atmosférica de las redes europeas y
mundiales. Las redes utilizadas se basan en asociaciones existentes (p.e. Agencia Europea de Medio
Ambiente / EIONET), infraestructuras de investigación europeas (ICOS, ACTRIS, IAGOS) y colaboraciones
internacionales (p.e. NDACC, TCCON, AERONET). Además se requieren datos en tierra que midan la
radiación solar (ultravioleta y visible) para un rendimiento óptimo de los servicios CAMS (p.e. BSRN,
enerMENA, EUVDB, NEUBrew).
Se necesitan observaciones precisas, estables y bien calibradas para limitar los modelos de calidad del aire en
el nivel de exposición cerca de la superficie, así como para validar los pronósticos y re-análisis globales y
regionales. Si bien las observaciones de satélite brindan una visión global de la atmósfera, su cobertura
vertical y temporal es limitada. Las observaciones in situ aseguran que exista un importante control de
calidad en la información combinada de los modelos y las observaciones por satélite. La combinación de
todas las fuentes de datos, incluida la información in situ, proporcionará a los usuarios información confiable
y actualizada relacionada con cuestiones ambientales y de seguridad.
3.2 Copernicus Marine Environment Monitoring Service (CMEMS)

Este servicio implementado y operado por Mercator Ocean, ofrece productos y servicios oceanográficos para
la seguridad marítima, el medio ambiente marino y costero, el clima y el pronóstico del tiempo y los usuarios
de los recursos marinos. Una combinación de observaciones oceánicas (medidas en el mar), imágenes
satelitales obtenidas por teledetección y modelos de pronóstico oceánico comprenden el catálogo de más de
150 productos específicos puestos a disposición de los usuarios por CMEMS. CMEMS tiene como objetivo
poner a disposición de forma rutinaria productos de calidad asegurada en el pasado, presente y futuro del
estado del océano para aplicaciones que incluyen respuesta a derrames de petróleo, pronósticos de floración
de algas nocivas, inundaciones costeras y condiciones de las olas en el mar, evaluaciones ambientales y
estudios climáticos, entre otros. Dentro de CMEMS, el Centro de Ensamblaje Temático in situ (INSTAC)
integra datos de 6 centros in situ regionales: el Océano Ártico, el Mar Báltico, la Plataforma Atlántico
Noroeste Europeo, Iberia Atlántica Vizcaya Irlanda, Mar Mediterráneo y el Mar Negro con estudios
adicionales para hielo marino, color del océano y nivel del mar.
Se requiere una amplia variedad de datos in situ para la asimilación, la validación del modelo oceánico y
para un nuevo análisis a largo plazo de las condiciones oceánicas en las últimas décadas. Estos datos
incluyen la temperatura, la salinidad, las corrientes, el nivel del mar, las olas y varias mediciones
biogeoquímicas que incluyen clorofila, oxígeno disuelto, turbidez, carbono y nutrientes en la superficie y en
la profundidad del océano.

3.3 Copernicus Land Monitoring Service (CLMS)
Este servicio proporciona datos geográficos y productos basados en imágenes de satélite de muy alta
resolución (VHR) e información in situ, y respalda temas como la agricultura, la seguridad alimentaria, la
gestión forestal y la gestión del agua. Proporciona información general y específica, coherente y detallada
sobre la cobertura terrestre y el uso del suelo (LC / LU) en intervalos de tiempo regulares:
- CORINE Land Cover (CLC), conjunto de datos clave para Europa sobre cubiertas y usos del suelo
que proporciona una serie temporal y sus cambios desde 1990 hasta 2018. Comprende 44 clases con
una unidad geométrica estándar de 25 ha y 5 ha para cambios.
- Capas de Alta Resolución (HRL), actualizadas actualmente cada tres años, que proporcionan
características de cobertura terrestre paneuropeas consistentes derivadas de datos de observación de
la Tierra a una resolución espacial de 20 m. Las HRL actualmente disponibles de los años de
referencia 2012 y 2015 abordan 5 tipos principales de cobertura terrestre: impermeabilidad
(superficies selladas), bosques, pastizales naturales, humedales y cuerpos de agua permanentes.
- El conjunto de datos de Urban Atlas proporciona datos LC / LU coherentes y paneuropeos para áreas
urbanas funcionales (es decir, ciudades con más de 50,000 habitantes y sus alrededores).
- Las zonas ribereñas representan áreas de transición entre los ecosistemas terrestres y de agua dulce,
suministrando una amplia gama de funciones ribereñas y servicios ecosistémicos.
- Natura 2000 (N2K) representa una red comunitaria de áreas protegidas establecida en la Directiva de
Hábitats de 1992. El conjunto de datos de LC / LU de los sitios Natura 2000 seleccionados se
adaptan a las necesidades del seguimiento de la biodiversidad.
- El Componente Global ofrece una serie de productos biogeofísicos para el seguimiento del estado y
la evolución de las superficies terrestres a escala global. La producción y la entrega de los
parámetros se realizan de manera oportuna y se complementan con la generación de series de tiempo
a largo plazo. Los productos se utilizan para controlar la vegetación, el ciclo del agua y el
presupuesto energético.
Una amplia variedad de datos in situ con una cobertura paneuropea preferiblemente (al menos a nivel
nacional) son necesarios para generar productos y servicios dentro del componente CLMS. Los datos in situ
más importantes son, en orden de prioridad: ortoimágenes, mapas topográficos, datos del sistema de
información de parcelas (LPIS), datos de elevaciones, hidrografía, datos de cubierta y usos del suelo o
límites administrativos y datos adicionales de fuentes abiertas como OpenStreetMap, o privativas como
Bing, Google, etc. En detalle:
- Ortoimágenes: imágenes georreferenciadas de la superficie de la Tierra con una resolución espacial
muy alta, ya sea por satélite o por sensores aerotransportados, idealmente como imágenes de color
infrarrojo.
- Elevaciones: modelos digitales del terreno para superficie de tierra y hielo. Incluye elevación
terrestre y línea de costa.
- Cubierta y uso del suelo: cubierta real observada de la superficie de la tierra, tanto en términos de
características naturales como artificiales (p.e. tierras de cultivo, pastizales, bosques, vegetación
natural, suelo desnudo, humedales, área urbana). Los datos de los sistemas de información de
parcelas son también necesarios para una mejor identificación.
- Hidrografía: características naturales y artificiales del agua (p.e, arroyos, ríos, canales, lagos,
embalses) que representan los cuerpos de agua y la red de drenaje. La descarga del río, así como los
datos sobre el transporte de nutrientes y sedimentos, etc., son información in situ importante para la
cartografía de la zona ribereña y el futuro producto de la zona costera.
- Suelo: información sobre el tipo de suelo y subsuelo, que se caracteriza por la profundidad, textura,
estructura y contenido de partículas y material orgánico, pedregosidad, sensibilidad a la erosión y
capacidad de almacenamiento de agua.

- Límites administrativos: delimitaciones administrativas exactas de los países y sus subregiones (p.e.
provincias, departamentos, distritos). Las unidades administrativas hasta LAU2 se requieren
principalmente para el Urban Atlas.
- Redes de transporte: identificación lineal y superficial de la afección de las redes de transporte
(terrestre, aéreo y marítimo) para definir de manera exacta los territorios relacionados con estas
prácticas.
- Edificios: identificación de edificaciones aisladas o formado asentamientos para el mejor
conocimiento del territorio y prácticas humanas.
- Máscaras de cubiertas terrestres: se utilizan varios mapas y máscaras para definir la cobertura del
suelo y los biomas ecológicos, que incluyen:
o Lista de volcanes del Holoceno: base de datos del Programa Global de Volcanismo utilizada
para obtener una máscara de suelos volcánicos.
o Zonas ecológicas globales: mapas proporcionados por la Organización de las Naciones
Unidas para la Alimentación y la Agricultura (FAO).
- Mediciones de la vegetación: se utiliza una variedad de mediciones en tierra para la calibración y
validación, que incluyen:
o Bases de datos específicas: mediciones de vegetación global de proyectos como FLUXNET,
CEOS LPV OLIVE, ESA VALSE-2 y BELMANIP2.
- Datos hidrográficos y meteorológicos: conjuntos de datos requeridos para la calibración y validación
de productos.
o Base de datos global de lagos y humedales (GLWD) - Combinación de fuentes globales de
lagos y humedales.
o Red internacional de humedad del suelo (ISMN) - Base de datos de humedad del suelo de
redes internacionales
o Pronósticos operacionales de ECMWF: pronósticos meteorológicos generados en un rango
de escalas de tiempo.
3.4 Copernicus Climate Change Service (C3S)

Este servicio combina las observaciones del sistema climático con la ciencia más reciente para desarrollar
información sobre los estados pasados, actuales y futuros del clima en Europa y en todo el mundo. Este
servicio cubre una amplia gama de componentes del sistema terrestre y escalas de tiempo que abarcan
temporadas y siglos. Los productos incluyen: estimaciones consistentes de las variables climáticas clave; re-
análisis global y regional que abarca la atmósfera, el océano, la tierra, el carbono; conjuntos de datos de
observaciones pasadas y presentes; una instalación de monitoreo del clima casi en tiempo real; modelos de
predicciones estacionales y proyecciones climáticas a escala global y regional. C3S informa sobre el
desarrollo de políticas para proteger a los ciudadanos de los peligros relacionados con el clima, mejorar la
planificación de las prácticas de mitigación y adaptación y promover el desarrollo de nuevos servicios para el
beneficio de la sociedad.
El servicio requiere registros de observación de alta calidad de las variables que contribuyen de manera
crítica a la caracterización del clima de la Tierra: las llamadas variables climáticas esenciales (VCE). Se
necesitan series de datos largas y consistentes para detectar tendencias climáticas.
- Atmosférico (sobre tierra, mar y hielo): Temperatura del aire, velocidad y dirección del viento, vapor
de agua, presión, precipitación, radiación de la superficie y composición.
- Oceánico: Temperatura de la superficie del mar, salinidad de la superficie del mar, nivel del mar,
estado del mar, hielo marino, corriente de la superficie, color del océano, presión parcial de dióxido
de carbono, acidez del océano, fitoplancton, nutrientes, corrientes, etc.

- Terrestre: descarga del río, uso del agua, aguas subterráneas, lagos, cubierta de nieve, glaciares y
capas de hielo, capas de hielo, humedad del suelo.
- Otros: permafrost, albedo, fracción de la radiación fotosintéticamente activa absorbida (FAPAR),
índice de área foliar (LAI), biomasa sobre el suelo, carbono del suelo, perturbación por incendio.
3.5 Copernicus Emergency Management Service (CEMS)

Este servicio proporciona mapas y análisis basados en imágenes satelitales (antes, durante o después de una
crisis) en respuesta a una amplia variedad de tipos de desastres, así como servicios de alerta temprana para
riesgos de inundaciones e incendios. Por lo tanto, apoya a los gerentes de crisis, a las autoridades de
Protección Civil y a los actores de ayuda humanitaria que se enfrentan a desastres naturales, situaciones de
emergencia provocadas por el hombre y crisis humanitarias, así como a aquellos involucrados en actividades
de recuperación, reducción de riesgos de desastres y preparación. El EMS consta de dos componentes:
Cartografiado EMS y Alerta Temprana EMS.
- Cartografiado. Proporciona dos módulos de servicio:
o Rapid Mapping: entrega de servicio de alta velocidad en medio o inmediatamente después
de eventos catastróficos o crisis humanitarias (disponible 24/7/365)
o Risk & Recovery Mapping (RRM): para situaciones previas o posteriores a la crisis en
apoyo de las actividades de recuperación, reconstrucción, reducción del riesgo de desastres,
prevención y preparación.
- Alerta Temprana ofrece el pronóstico de inundaciones e incendios forestales y la información de
seguimiento se brindan a los usuarios finales relevantes a través de los Sistemas Europeo y Global de
Concientización sobre Inundaciones (EFAS y GloFAS), el Sistema Europeo de Información sobre
Incendios Forestales (EFFIS) y la Información Mundial sobre Incendios Forestales Sistema (GWIS).
Este servicio requiere un rango de datos de referencia básicos sobre la topografía (superficie natural de la
tierra y características artificiales), así como información relacionada con el riesgo (distribución de la
población, probabilidad de eventos). También se basa en la disponibilidad de imágenes corregidas
geométricamente y un modelo digital de elevación de las áreas afectadas o propensas a riesgos. Se prefieren
los conjuntos de datos con cobertura global, cuando existen, alternativamente, se tienen en cuenta los
conjuntos de datos regionales o nacionales. Además para llevar a cabo las predicciones de la alerta temprana,
este servicio también requiere datos históricos de eventos de riesgo y análisis meteorológico continuo.
3.6 Copernicus Security Service (CSS)

Los servicios de Copernicus para aplicaciones de seguridad tienen como objetivo apoyar las políticas de la
Unión Europea al proporcionar información en respuesta a los desafíos de seguridad de Europa. Los
servicios mejoran la prevención de crisis, la preparación y la respuesta en tres áreas clave: vigilancia de
fronteras, vigilancia marítima y apoyo a las acciones externas de la UE.
- Vigilancia de Fronteras proporciona datos casi en tiempo real sobre las fronteras exteriores terrestres
y marítimas de la UE, apoyando el marco de intercambio de información de vigilancia de las
fronteras exteriores de la UE (EUROSUR). Los servicios de vigilancia de fronteras de Copernicus se
prestan a través de los servicios de fusión de Eurosur a usuarios finales en las autoridades de
guardacostas y fronteras de los Estados miembros, Frontex y otras instituciones europeas.
- El objetivo de Vigilancia Marítima es proporcionar información en apoyo de los desafíos de
seguridad de Europa mejorando la prevención de crisis, la preparación y las capacidades de
respuesta, a través de la detección y seguimiento de amenazas de seguridad transregional, evaluación
de riesgos y sistemas de alerta temprana, cartografía y seguimiento de las zonas fronterizas del mar.
- Acciones Externas proporciona información geoespacial rápida y bajo demanda para la detección y
el seguimiento de eventos o actividades fuera de Europa que pueden tener implicaciones para la

seguridad europea y mundial. La información proporcionada por el servicio, contribuirá a mejorar el
conocimiento de la situación y, en consecuencia, las capacidades europeas en materia de prevención
de crisis, preparación y respuesta.
Este servicio requiere los datos in situ actualizados sobre: asentamientos (tanto formales como informales),
infraestructuras de transporte, infraestructura portuaria, industria, servicios públicos, puntos de interés,
hidrografía, cubierta del suelo, topónimos, límites administrativos, fisiografía, densidad de población / datos
del censo, datos meteorológicos / oceanográficos, batimetría, datos de contaminantes,
Adicionalmente se requieren datos In Situ de sensores activos y pasivos (radar, electro-ópticos) montados en
activos marítimos (patrulleros) y aéreos (MPA, RPA), así como en estaciones terrestres de vigilancia.
Sistema de identificación automática por satélite (AIS), AIS en tierra, Servicio de tráfico de embarcaciones
(VTS), Sistema de seguimiento de embarcaciones (VMS), Identificación y seguimiento de largo alcance
(LRIT) e Inteligencia de señal (SIGINT).
La cobertura de datos in situ para este servicio, a diferencia de otros, debe ser mundial.

4 Iniciativas para mejorar el conocimiento de los datos In Situ
Como se ha podido comprobar, la diversidad de los posibles datos in situ es muy amplia. En función del
Servicio Copernicus y aplicaciones concretas, los datos demandados pueden abarcar desde observaciones de
parámetros biofísicos por satélite, estaciones de control de medida en la superficie o datos geoespaciales
previamente producidos por organismos.
Sobre la Agencia Europea de Medio Ambiente (EEA) recae la responsabilidad de la coordinación transversal
del Componente In Situ de Copernicus, lo que implica disponer de un amplio conocimiento de la existencia y
disponibilidad de datos susceptibles de ser datos in situ para cualquiera de las temáticas y para todo el
territorio europeo.
La función principal de la EEA, más allá de las competencias que le atribuye Copernicus, es apoyar a la
Unión Europea en el desarrollo y la implementación de política ambiental al proporcionar información
relevante, confiable, específica y oportuna sobre el estado del medio ambiente y sus perspectivas de futuro.
Actualmente, el EEA engloba 33 países miembros y 6 países cooperantes.
A lo largo de los últimos años, la EEA ha ido llevando a cabo diversas iniciativas para mejorar el
conocimiento de los datos in situ existentes y posibilidad de acceso a los mismos.
4.1 GMES In Situ Coordination Project (GISC)

El paso inicial en la gestión del Componente In Situ por parte de la EEA fue la ejecución de un proyecto de
coordinación de datos in situ. Este proyecto fue denominado como ‘GMES In Situ Coordination Project’
(GISC) y fue financiado por el marco FP7 y llevado a cabo en la EEA entre 2010 y 2013. El objetivo del
proyecto era actuar conjuntamente con los proveedores de datos y desarrollar un sistema de gestión adecuado
para datos que también tuviera en cuenta las demandas cambiantes con el tiempo de los servicios
Copernicus. El resultado del proyecto fue un trabajo preparatorio necesario para desarrollar un sistema de
gestión y un marco inicial para los datos in situ para Copernicus.
Este proyecto trajo como resultado acuerdos de colaboración con EuroGeographics, EuroGeoSurveys y el
Sistema Global Europeo de Observación de los Océanos (EuroGOOS). También a través del apoyo de
EuroGeographics, un gran número de agencias cartográficas y de catastro nacionales decidieron compartir
sus datos de referencia con el Servicio de Emergencias de Copernicus. Los informes de este proyecto
abordan temas como el progreso en la negociación y el desarrollo de la asociación, los requisitos de los datos
in situ, listas revisadas de organismos relacionados y los cambios en el enfoque y en el marco inicial.
4.2 Asistencia sobre datos In Situ

Como siguiente paso en la coordinación de los datos in situ, la EEA estableció una asistencia técnica entre
los años 2016-2017 que fortaleció el conocimiento del estado de los datos accesibles sobre las temáticas de
observaciones y datos espaciales a lo largo de Europa, válidos para el Componente In Situ. Esta asistencia
abarcaba principalmente el apoyo técnico y temático, y la recopilación, el registro y el análisis de
información en relación con un dominio temático específico en todos los servicios de Copernicus.
Las actividades de esta asistencia fueron de un carácter transversal entre todos los temas in situ y divididas
entre las áreas temáticas de datos de observaciones o espaciales. Las tareas conllevaron:
- Amplio apoyo técnico a la EEA en relación con los dominios temáticos
- Recopilación, registro y análisis de los requisitos de datos in situ de los servicios de Copernicus, los
datos disponibles y utilizados por los servicios y las faltas de datos.
- Actividades de información y divulgación relacionadas con los dominios de datos in situ

Como resultado principal de esta asistencia fueron los informes de estado (state of the play) de los datos in
situ para cada Servicio Copernicus, que hicieron denotar las principales necesidades y carencias de datos
demandados.
4.3 Grupo de Expertos EIONET

El EEA coordina la Red Europea de Información y Observación del Medio Ambiente (EIONET), la cual es
una red de colaboración formada por la propia EEA, Centros de Estudios Temáticos (ETCs) y una red de
alrededor de 1000 expertos en 39 países de más de 350 agencias ambientales nacionales. La misión de la Red
EIONET es colaborar en el suministro de la información que precisan los Estados Miembros y la Comisión
Europea para adoptar las medidas necesarias de protección del medio ambiente. Su objetivo consiste en
facilitar datos, información y conocimientos especializados, oportunos y de calidad garantizada, para evaluar
tanto el estado del medio ambiente en Europa como las presiones a las que está sometido, lo que a su vez
permite a los responsables políticos acordar las medidas apropiadas para proteger el medio ambiente a escala
nacional y europea, y controlar la eficacia de las políticas y medidas existentes
Debido a la heterogeneidad y diversidad de los datos in situ, en 2018 la EEA estableció un grupo de expertos
procedentes de los contactos nacionales presentes en la Red EIONET para asesorar y asistir en lo que
respecta a la coordinación transversal del componente in situ de Copernicus.
El objetivo principal del grupo de expertos es facilitar, mejorar y fortalecer la asociación entre el
Componente In Situ y los proveedores de datos esenciales en los países miembros de la EEA y los países
cooperantes. Los objetivos estratégicos generales para el grupo en datos son:
- Aumentar la conciencia y la comprensión del rol y la importancia del Componente In Situ de
Copernicus entre los proveedores de datos y otras partes interesadas a nivel nacional
- Comunicar y explicar los requisitos de datos in situ de los servicios de Copernicus a los proveedores
de datos y otras partes interesadas a nivel nacional
- Ilustrar cómo y por qué los servicios de Copernicus están utilizando los datos nacionales in situ con
fines de producción y validación
- Mejorar la disponibilidad de datos nacionales in situ esenciales en beneficio de los servicios de
Copernicus
- Identificar las brechas y barreras clave de datos in situ y proponer soluciones de mitigación
El Instituto Geográfico Nacional de España desempeña el rol de coordinador de este grupo de expertos
EIONET en datos In Situ asegurando satisfacer los objetivos planteados desde la EEA y motivando al
conocimiento de la importancia del acceso a los datos nacionales de observaciones y geoespaciales por parte
de los servicios Copernicus.

5 Datos In Situ Espaciales, Agencias Cartográficas e Información
Geoespacial de Referencia
La necesidad de datos de referencia espaciales para Copernicus, como los comentados anteriormente,
representa un claro ejemplo de utilización, por parte de una iniciativa pública, de datos producidos,
gestionado y mantenidos por agencias cartográficas.
Desde hace unos años se ha intentado regular y facilitar el acceso a datos públicos a través de normas y
marcos de trabajo. Copernicus demanda datos geoespaciales autoritativos desde los estados miembros en su
gran mayoría, que se utilizan para respaldar tanto la implementación de políticas públicas como el desarrollo
de servicios posteriores. La situación ideal, es que los datos geoespaciales sean homogéneos para permitir la
implementación de políticas públicas de manera coherente y coordinada entre los países y a nivel regional o
global.
Desafortunadamente, estos requisitos no se cumplen actualmente en Europa ya que los datos geoespaciales
disponibles siguen siendo heterogéneos entre países. Si bien es cierto que iniciativas como la Directiva
INSPIRE 2007/2/CE y el Comité de las Naciones Unidas sobre gestión de la información geoespacial
mundial (UN-GGIM) definen las pautas de datos armonizados paneuropeos para que sean alcanzados como
compilación y armonización de datos nacionales. Por otro lado, y debido a la falta de disponibilidad de datos
continentales por compilación de datos nacionales, existen otros conjuntos de datos que se encargan de
manera centralizada a nivel europeo. Todo esto puede provocar que se dupliquen datos y sean incompatibles
los niveles nacional y continental.
Por lo tanto, es deseable intensificar la coordinación entre los países y las instituciones europeas y los
organismos globales para identificar, definir, producir y distribuir datos geoespaciales paneuropeos
armonizados.
La Directiva INSPIRE ha establecido el marco legal y técnico para la armonización de los datos existentes
relacionados con los temas en los anexos I, II y III. Las especificaciones INSPIRE proporcionan modelos de
datos comunes que aseguran el primer paso hacia la interoperabilidad, pero dependiendo del nivel de
implicación o recursos de las agencias responsables en los datos, y la propia heterogeneidad de los datos de
partida, no puedan alcanzarse esta interoperabilidad.
Estos antecedentes llevaron al Comité Regional de UN-GGIM Europa a configurar unos conjuntos de datos
fundamentales y sus especificaciones básicas en lo que se refiere a calidad, problemas de producción,
financiación y disponibilidad de datos. Las especificaciones de los datos fundamentales complementan la
Directiva INSPIRE al definir las prioridades sobre el contenido central que debería estar disponible, ya sea
mediante la armonización de los datos existentes o mediante la producción de nuevos datos cuando sea
necesario.
Este contenido central, datos fundamentales, o principal información geoespacial, recibe el nombre de
Información Geoespacial de Referencia (IGR), y representa el punto de partida en la gestión de la
información espacial, y a su vez constituye el tipo de información básica que necesita cualquier iniciativa,
con componente geográfica, como es el caso de Copernicus. O lo que es lo mismo, la mayoría de datos
espaciales que contempla Copernicus como datos in situ, son conjuntos de datos de Información Geoespacial
de Referencia, que en la mayoría de ocasiones son competencia de la agencias cartográficas nacionales.
UN-GGIM Europa define la Información Geoespacial de Referencia (IGR) como los datos de referencia
autoritativos, armonizados y homogéneos que tanto los usuarios nacionales como internacionales necesitan
para cumplir sus requisitos, y para georreferenciar y localizar sus propios datos temáticos. Los datos básicos
se pueden utilizar como un marco en el que se basarían otros datos geoespaciales y estadísticos más ricos y
más detallados. Los datos básicos deberían producirse una vez para usos nacionales y regionales con la
máxima resolución posible, y luego ser proporcionados a los usuarios internacionales, y si fuera necesario a
través de procesos de generalización y agregación. Desde un punto de vista más práctico, el alcance de los
datos IGR debe ser un subconjunto de los temas de INSPIRE, y este subconjunto debe ser limitado para
garantizar la viabilidad. Los temas seleccionados serán aquellos considerados con el mayor uso posible.

A continuación se listan las áreas temáticas definidas por la Directiva INSPIRE, el subconjunto seleccionado
por UN-GGIM Europa como IGR, y las necesidades de Copernicus como datos in situ espaciales.
Copernicus In Situ (datos

Directiva INSPIRE UN GGIM Europa
espaciales)
Anexo I - Nombre geográficos - Redes de transporte
- Sistemas de coordenadas - Unidades administrativas - Hidrografía
de referencia - Direcciones - Elevaciones
- Sistema de cuadrículas - Parcelas catastrales - Cubiertas terrestre
geográficas - Redes de transporte - Asentamientos de
- Nombres geográficos - Hidrografía población
- Unidades administrativas - Elevaciones - Industria y servicios de
- Direcciones - Cubierta terrestre utilidad pública
- Parcelas catastrales - Ortoimágenes - Población/Censos
- Redes de transporte - Unidades estadísticas
- Hidrografía - Edificios
- Lugares protegidos - Zonas sujetas a
Anexo II ordenación, a
- Elevaciones restricciones o
- Cubierta terrestre reglamentaciones y
- Ortoimágenes unidades de notificación
- Geología - Servicios de utilidad
Anexo II pública y estatales
- Unidades estadísticas
- Edificios
- Suelo edafológico
- Uso del suelo
- Salud y seguridad
humanas
- Servicios de utilidad
pública y estatales
- Instalaciones de
observación del medio
ambiente
- Instalaciones de
producción e industriales
- Instalaciones agrícolas y
de acuicultura
- Distribución de la
población — demografía
- Zonas sujetas a
ordenación, a
restricciones o
reglamentaciones y
unidades de notificación
- Zonas de riesgos
naturales
- Condiciones atmosféricas
- Aspectos geográficos de
carácter meteorológico
- Rasgos geográficos
oceanográficos
- Regiones marinas

- Regiones biogeográficas
- Hábitats y biotopos
- Distribución de las
especies
- Recursos energéticos
- Recursos minerales
Tabla 1 Comparación de áreas temáticas
Como se puede observar, Copernicus demanda aquella información fundamental para conocer un territorio
que posteriormente sobre él se realizarán tomas de imágenes, o generación de productos derivados por parte
de sus servicios. Esta demanda coincide enormemente con la prioridades de IGR definidas en UN-GGIM y
en INSPIRE. Las autoridades nacionales, cuyo cometido es producir y mantener IGR oficial y confiable, y a
su vez publicar estos datos de manera interoperable como indica INSPIRE, han descubierto en los últimos
años que existe una relación directa entre las necesidades de información por la componente In Situ de
Copernicus y los datos IGR nacionales.
La situación deseada es que los países pongan en servicio su IGR según especificaciones interoperables
INSPIRE, y estos datos sean utilizables por Copernicus In Situ. Desgraciadamente esta situación no siempre
ocurre y se ve motivada por:
- No disponibilidad de datos IGR nacionales válidos. No siempre los países tienen datos espaciales
sobre las temáticas demandadas.
- Limitaciones de licencias, políticas de datos y condiciones de uso de la IGR de los países. Cada país
puede tener sus políticas propias referentes a la IGR.
- Limitaciones técnicas en las IGR de los países (p.e. escaso niveles de detalle geométrico o temático,
escala insuficiente, versiones antiguas de los datos, modelo de datos, deficiencias en la calidad de los
datos, etc.)
- Consistencia y comparabilidad de los datos IGR entre diversos países (p.e. los elementos geográficos
debe ser representados de manera homogénea entre todos los países).
- Y como es lógico voluntad de las agencias cartográficas (u organismos competentes
correspondientes) en poner en servicio su IGR para el componente In Situ de Copernicus.
En concreto en España, el IGN como agencia cartográfica nacional ofrece datos de referencia en la mayoría
de las temáticas de datos geoespaciales consideradas en la Componente In Situ. El IGN pone a disposición
de Copernicus datos de referencia nacionales a alto nivel de detalle: Información Geoespacial de Referencia
en Transportes, Poblaciones e Hidrografía, el Sistema de Información sobre Ocupación del Suelo en España
(SIOSE) que ofrece información de referencia para cubiertas y usos del suelo, así como el Plan Nacional de
Ortofotografía Aérea (PNOA) que ofrece información de referencia sobre elevaciones y ortoimágenes. IGN
trabaja de manera continua para que estos conjuntos de datos garanticen los requerimientos de Copernicus en
términos técnicos, de licencias y de acceso a datos, y puedan ser considerados como datos in situ.
A continuación se describen brevemente los diferentes proyectos del IGN en materia de IGR. Estos
proyectos se encuentran mucho más en detalle en otros apartados de la documentación.
- PNOA Imagen. Proporciona coberturas de imágenes aéreas ortorrectificadas cada 3 años para todo el
territorio nacional a altas resoluciones de 50 y 25 cm, a partir de especificaciones de captura y
procesado consensuadas por los usuarios en organismos públicos.

Ilustración 2 Ejemplo de una imagen PNOA
- PNOA Lidar: Proporciona coberturas de datos altimétricos cada 6 años para todo el territorio
nacional, a partir de especificaciones de captura y procesado consensuadas por los usuarios en
organismos públicos. Los productos generados del proyecto son nubes de puntos Lidar de al menos
0.5p/m2 de densidad, y productos derivados como modelos digitales del terreno (MDT, MDS) de 25,
5 y 2 m de resolución.
Ilustración 3 Ejemplo de datos Lidar clasificados del PNOA
- IGR Hidrografía: Red fluvial precisa y actualizada. Proporciona información espacial de alta
resolución, homogénea a nivel nacional para satisfacer a los responsables en información
higrológica. Extraída de manera automáticamente a partir de una cobertura completa de Lidar para
todo el territorio español con una densidad de 0,5 puntos por metro cuadrado. Posteriormente se
generaron modelos de terreno hidrológicos con 2 m de resolución, de los cuales se extrajo la red
combinando criterios hidrográficos (red topográfica) y criterios hidrológicos (red de ríos de
acumulación de flujo). Los resultados de esta producción es una red de hidrografía automática
precisa extraída para todo el país con una mejora significativa para el componente altimétrico del
vector lineal 3D y coherente con los conjuntos de datos de elevación.

Ilustración 4 Ejemplo de la red hidrográfica obtenida automáticamente de los datos LIDAR
- IGR Transportes: Redes de transporta precisa y actualizada. Estas redes se generan por integración y
depuración de los actuales conjuntos de datos IGN, resto de agencias cartográficas españolas,
catastro, correos y agencias nacionales y regionales de transporte. Abarca transportes por carretera
(intra e interurbanos), ferrocarriles, marítimos y aéreos. Posee un modelo de datos y
especificaciones, conformes con INSPIRE, identificando características y atributos consensuados
entre IGN, agencias cartográficas regionales y proveedores de datos oficiales.
Ilustración 5 Ejemplo de redes de transporte integradas
- IGR Poblaciones: Identificación y delimitación de asentamientos de manera precisa y actualizada.

Esta delimitación se basa en parcelas catastrales y se desarrolla mediante procesos automáticos.
Proporciona información espacial de alta resolución, homogénea a nivel nacional para satisfacer los
requisitos de los usuarios en relación con la gestión espacial de los asentamientos (planificación
espacial, desarrollo urbano, protección del medio ambiente, estadísticas, direcciones, demografía,
cartografía, etc.).
Ilustración 6 Ejemplos de identificación y delimitación de asentamientos de población.

- SIOSE: Proporciona datos sobre cubiertas y usos del suelo en formato vectorial a una escala de
1:25.000 cada 3 años, basado en un modelo de datos orientados a objetos consensuados por los
usuarios en las administraciones públicas que permite una descripción detallada y multiusuario del
territorio. El SIOSE basa en integración de datos y fotointerpretación desde imágenes de satélite.
Ilustración 7 Ejemplo de datos SIOSE

6 Acceso a datos por parte de los Servicios Copernicus
Nuevamente la particular diversidad de los datos in situ complica la estrategia de su conocimiento y
recolección. Como se ha mencionado previamente, desde el comienzo del Componente In Situ, la EEA ha
trabajado en la mejora del descubrimiento de los datos candidatos a ser usados por los servicios Copernicus y
en el acceso a los mismos.
Sin embargo a pesar de los muchos esfuerzos en la coordinación de este descubrimiento y acceso, los
proveedores de datos deben estar convencidos de la utilidad que tienen sus datos dentro del Programa
Copernicus y favorecer su uso. Limitaciones referidas a las políticas de datos, licencias y de voluntad, suelen
ser los principales problemas detectados para alcanzar un uso compartido de los datos in situ.
En caso de que los datos in situ no sean posibles ser recopilados a través de los estados miembros y
proveedores oficiales, Copernicus está capacitado para la producción y generación de datos in situ necesarios
para sus servicios. Esta generación puede llevar consigo la producción u observación directa, o la
reutilización de datos no oficiales (p.e. OpenStreetMap) para completar la demanda de datos. Esta
circunstancia, aunque en primera instancia pudiera resultar satisfactoria para los usuarios de los servicios
Copernicus, puede acarrear graves inconsistencias en los datos y servicios ofrecidos por el programa. Pues si
los datos in situ de partida no son oficiales o no son validados por organismos autoritativos existe el peligro
de tener deficiencias en la calidad y en la responsabilidad de los resultados.
Por este motivo es de gran importancia favorecer el uso de datos in situ oficiales desde organismos
responsables en los estados miembros.
6.1 Observaciones
La comunidad meteorológica en Europa, a través de sus dos organizaciones europeas, EUMETNET y
ECOMET ha reconocido la importancia de los datos de observaciones para el Programa Copernicus. Como
tales, han acordado que todos los productos meteorológicos e hidrológicos requeridos para la producción de
los servicios de Copernicus, que son propiedad de sus miembros, se puedan poner a disposición de los
operadores de Servicio de Copernicus, con algunas restricciones en la redistribución adicional y el
reconocimiento adecuado de la propiedad.
Las observaciones del océano son recolectadas tanto por redes oceanográficas como por países europeos.
Existe una sólida tradición de intercambio de datos a través de los Sistemas Oceanográficos Operativos
Regionales de EuroGOOS (ROOSes). Estos datos se almacenan en los portales de datos de ROOS y se
ponen a disposición del centro de ensamblaje temático in situ (INSTAC) del Servicio Marítimo de
Copernicus y a través de la red europea de observaciones y datos marinos (EMODnet). Los datos de las
series de tiempo oceánico de alta calidad a largo plazo están disponibles a través de la red SeaDataNet de los
Centros Nacionales de Datos Oceanográficos (NODC).
La Agencia Europea de Medio Ambiente ha establecido acuerdos de colaboración con la Red Europea de
Servicios Meteorológicos (EUMETNET) para facilitar el acceso a datos de observaciones.
6.2 Datos Espaciales
El nodo de acceso a datos espaciales principal para el Programa Copernicus es CORDA (Copernicus
Reference Data Access), el cual es un punto de entrada único a los datos de referencia geoespaciales
nacionales y regionales relevantes. Es posible encontrar en CORDA aquellos conjuntos de datos
provenientes de organismos responsables que hayan decidido publicar los datos interoperables de acuerdo a
la Directiva INSPIRE.
CORDA proporciona a los servicios de Copernicus, los datos y servicios de referencia nacionales y
regionales disponibles digitalmente. Ofrece estadísticas de uso públicas, y permite acceso a los datos a los
servicios de Copernicus.

Ilustración 8 Ejemplo de estadísticas de los datos existentes en CORDA, por proveedores de los datos
(izq.) y por temática de los datos (der.)
CORDA proporciona un catálogo de URLs de datos de referencia nacionales y regionales disponibles

digitalmente para proveedores de los servicios. La idea principal es hacer que los datos y servicios de datos
ofrecidos por los estados miembros estén directamente disponibles para los servicios de manera eficiente,
operativa y directa a través de este único punto de acceso. Como organismo coordinador de Componente In
Situ, la EEA, gestiona CORDA y garantiza que solo los usuarios autorizados puedan subir sus datos.
CORDA también ofrece servicio a los usuarios generales, no sólo a los servicios Copernicus. Como usuario
general la web de CORDA, se pueden ver estadísticas, metadatos de los datos gestionados, y en caso de que
los conjuntos de datos tengan servicios interoperables, aparecerá también las URLs de acceso a ellos (p.e.
WMS, WFS.)
Ilustración 9 Ejemplo de la ficha del PNOA catalogado en CIRCA
Los datos presentes en CORDA son recopilados por Coperncius, pero también se basa en una gran cantidad
de información recopilada en tierra, aire y mar, desde sensores in situ, así como datos de referencia y datos
auxiliares de organismos responsables a lo largo de toda Europa (p.e. Información Geoespacial de Referencia
de los estados miembros)
La EEA trabaja en estrecha colaboración con importantes redes de proveedores de datos europeos para
mejorar el acceso a datos in situ esenciales. Los conjuntos de datos adicionales se agregarán gradualmente a
medida que se establezcan nuevos acuerdos con los proveedores de datos. A nivel paneuropeo, la EEA se
centra actualmente en crear o revisar acuerdos con EuroGeoGraphics para datos de referencia espacial,

EIONET para datos ambientales, EuroGeoSurveys para datos geológicos, EuroGOOS para datos
oceanográficos y EUMETNET para datos meteorológicos y climáticos.
En primera instancia CORDA busca proveedores de datos autorizados en cada país, para establecer contactos
y solicitar información básica. La siguiente etapa consiste en descubrir los conjuntos de datos ofrecidos por
cada proveedor de dato. CORDA se centra principalmente en los siguientes temas, la mayoría de ellos
Información Geoespacial de Referencia:
- Unidades administrativas (p.e., municipales, provinciales, regionales)
- Redes de transporte
- Elevaciones
- Cubierta del suelo
- Ortoimágenes
- Edificios
- Uso del suelo

Referencias
[1] https://insitu.copernicus.eu/
[2] https://corda.eea.europa.eu/

Copernicus FPCUP IGNCNIG

Cargado por

Copyright:

Formatos disponibles

Copernicus FPCUP IGNCNIG

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Copernicus FPCUP IGNCNIG

Cargado por

Copyright:

Formatos disponibles

El programa Copernicus aplicado a la producción y gestión de

Información geográfica, teledetección y

Proyecto cofinanciado por la Comisión Europea

Proyecto cofinanciado por la Comisión Europea mediante acuerdo 2018/SI2.810140/04 2

Proyecto cofinanciado por la Comisión Europea mediante acuerdo 2018/SI2.810140/04 3

Figura 1 Objetivos de Desarrollo Sostenible

Objetivo de Desarrollo Sostenible Descripción

Proyecto cofinanciado por la Comisión Europea mediante acuerdo 2018/SI2.810140/04 4

Figura 2 Explicación de los diferentes ODS

1.1.1 Mediciones y monitorización – el marco de indicadores para los ODS

Proyecto cofinanciado por la Comisión Europea mediante acuerdo 2018/SI2.810140/04 5

1.1.2 La contribución a los ODS de la información geográfica

Proyecto cofinanciado por la Comisión Europea mediante acuerdo 2018/SI2.810140/04 6

Figura 4 Contribución a cada ODS de diferentes aspectos de información geográfica y estadística.

Proyecto cofinanciado por la Comisión Europea mediante acuerdo 2018/SI2.810140/04 7

Proyecto cofinanciado por la Comisión Europea mediante acuerdo 2018/SI2.810140/04 8

Proyecto cofinanciado por la Comisión Europea mediante acuerdo 2018/SI2.810140/04 9

Figura 6 Proporción de la contribución de la observación de la Tierra en los diferentes ODS. Fuente:

Proyecto cofinanciado por la Comisión Europea mediante acuerdo 2018/SI2.810140/04 10

ODS Meta Indicador

13.1 Fortalecer la resiliencia y la capacidad de 13.1.1. Número de

Proyecto cofinanciado por la Comisión Europea mediante acuerdo 2018/SI2.810140/04 11

Proyecto cofinanciado por la Comisión Europea mediante acuerdo 2018/SI2.810140/04 12

Proyecto cofinanciado por la Comisión Europea mediante acuerdo 2018/SI2.810140/04 13

Figura 7 Fundamente del DataCube. Fuente: Geoscience Australia

Proyecto cofinanciado por la Comisión Europea mediante acuerdo 2018/SI2.810140/04 14

Contribución para Contribución para

Agua limpia y Control de la calidad del agua

Proyecto cofinanciado por la Comisión Europea mediante acuerdo 2018/SI2.810140/04 15

Proyecto cofinanciado por la Comisión Europea mediante acuerdo 2018/SI2.810140/04 16

Proyecto cofinanciado por la Comisión Europea mediante acuerdo 2018/SI2.810140/04 17

Fundamentos de teledetección aplicada

Proyecto cofinanciado por la Comisión Europea

Proyecto cofinanciado por la Comisión Europea mediante acuerdo 2018/SI2.810140/04 2

Figura 1 Teledetección espacial

1.1 Marco histórico y situación actual de la teledetección

1.2 Ventajas y aplicaciones de la teledetección

Proyecto cofinanciado por la Comisión Europea mediante acuerdo 2018/SI2.810140/04 3

1.2.1 Aplicación a las emergencias

1.2.2 Aplicación a la agricultura

Proyecto cofinanciado por la Comisión Europea mediante acuerdo 2018/SI2.810140/04 4

Figura 3 Imagen Landsat en falso color. Identificación de cultivos de regadío

1.2.3 Estudios de biodiversidad

Figura 4 Distribución de la vegetación a nivel mundial

Proyecto cofinanciado por la Comisión Europea mediante acuerdo 2018/SI2.810140/04 5

Proyecto cofinanciado por la Comisión Europea mediante acuerdo 2018/SI2.810140/04 6

Figura 5 Elementos en un sistema de teledetección

a) Fuente de iluminación: en el caso de los sensores pasivos es el Sol.

2.2 El espectro electromagnético

Proyecto cofinanciado por la Comisión Europea mediante acuerdo 2018/SI2.810140/04 7

Figura 6 El espectro electromagnético

2.3 Ventanas atmosféricas

Proyecto cofinanciado por la Comisión Europea mediante acuerdo 2018/SI2.810140/04 8

Figura 8 Comportamiento de la radiación incidente

Figura 9 Técnicas utilizando la radiación visible e infrarroja (izquierda); técnicas utilizando la

Proyecto cofinanciado por la Comisión Europea mediante acuerdo 2018/SI2.810140/04 9

Figura 10 Flujo para obtener

La reflectividad es característica de cada tipo de cubierta y permite diferenciarla de otras, y a partir de