Teledeteccionambientallisto-120517104904-phpapp02 59d19

{2.15}

Los suelos secos y arenosos, con baja inercia térmica, ofrecen severos contrastes entre las tem peraturas diurnas y nocturnas. En contraste, los suelos húm edos y arcillo sos son mucho más resistentes al cam bio y presentarán tem peraturas diurnas inferio res y nocturnas superiores a los suelos secos (fig. 2.17). La inercia térm ica es más fá cilm ente detectable en los mom entos de m áxim a y m ínim a insolación, aproxim a damente a las 12.00 y 24.00 h, respectivamente. En cuanto al índice de calentam iento, es función de la intensidad de la radiación y de la absortividad del objeto. La intensidad es m enor en aquellas zonas arboladas, con nubes o con edificios que im pidan la radiación directa. También está afectado di rectam ente por la pendiente o exposición de las laderas.

G opyngr

Y ou ha ve e ith e r r e a c h e d a p a g e th a t is u n a v a ila b le fo r v ie w in g o r r e a c h e d y o u r v ie w in g lim it fo r this book.


72

TELED ETEC C IÓ N A M B IEN TA L

100 «IT.

2 5 ju lio 1 9 9 4

2 • 7 a g o s to 1 9 9 5

Evapotransoiraoón oe< cí A de fe!erenc»a (mm(día)

no

2 • 9 s e p tie m b r e 1 9 9 7

Estimación de la evapotranspiración del cultivo de referencia (mm/dia) mediante ecua ciones de regresión múltiple a partir de datos MOAA-A VHRR (Sánchez y Chuvieco. 2000).

F i a 2.18.

gunas zonas), como a movimientos particulares de las corrientes oceánicas. Por ejem plo, la detección precoz del fenómeno del Niño, que provoca efectos de escala planeta ria, se realiza a partir de sensores térmicos, ya que obedece a un calentamiento inusual de una enorme masa de agua situada sobre el Pacifico Sur(ver, entre otros: http://w w w . pm el.noaa.gov/tao/elnino/nino-hom e.htm l, últim o 4-03-2008). Volviendo a las propiedades térm icas de las cubiertas terrestres, la tem peratura de la nieve está influida por el tam año de los cristales y el contenido de agua líquida,

PRINCIPIOS FÍSIC O S D E LA TELED ETECC IÓ N

73

siendo en líneas generales muy baja. Como ya vimos, esta cubierta ofrece la mayor reflectividad en el visible, por lo que la absorción de energía es baja y tiende a registrar más bajas tem peraturas que el entorno. La observación de la nieve en el térm ico es de gran ayuda para diferenciar tipos y estudiar la dinám ica de su cobertura, de cara a estim ar volum en de agua alm acenada (Ferris y C ongalton, 1989).

7.

7.1.

La región d e las m icro-ondas

C aracterísticas de la radiación energética en la región DE LAS MICRO-ONDAS

La banda del espectro que se inicia en las longitudes de onda m ilim étricas se d e nom ina región de las micro-ondas. Se trata de las longitudes mayores utilizadas en teledetección, si bien cuentan asimismo con otras aplicaciones civiles y militares. La observación en esta banda del espectro es com plem entaria y más com pleja que la realizada en las bandas ópticas o térmicas, por lo que el rango de aplicaciones es todavía inferior al registrado en éstas, si bien está aum entando notablem ente en los úl timos años, gracias a la creciente disponibilidad de satélites equipados con equipos de m icro-ondas (ERS, Radarsat, JERS. Almaz. etc.). La virtud fundam ental de esta re gión del espectro es ser prácticam ente transparente a la influencia atm osférica, ya que se trabaja a longitudes de onda muy superiores al tam año habitual de las gotas de agua (0, l mm: fig. 2.19). Esto supone que pueden observarse áreas cubiertas por nubes, lo que hace a esta región espectral idónea para zonas muy lluviosas, donde la observa ción en otras bandas del espectro es prácticam ente inviable. Por ejem plo, el radar late ral aero-transportado (SLAR), perm itió com pletar la prim era cartografía de la cuenca del A m azonas y de varios países de Centro-A m érica, detectando recursos hídricos y mineros antes desconocidos (Henderson y Lewis, 1998). La observación rem ota en la banda de las m icro-ondas se realiza habitualm ente con sensores activos (denom inados radar: cap. 3), que no se lim itan a registrar la ra diación em itida por las cubiertas, sino que em iten la suya propia, recogiendo poste riorm ente su retro-dispersión. Esto perm ite una gran versatilidad a la teledetección de m icro-ondas, ya que pueden observarse las cubiertas con las condiciones especificas que parezcan más convenientes para una determ ina aplicación. Los sensores pasivos en esta banda se denom inan radióm etros de micro-ondas. Son poco utilizados en tclcdetccción, puesto que la em itancia de los objetos es difícil m ente perceptible en esta banda. Para las longitudes de onda que com prende, se em plea la aproxim ación de la ley de Planck calculada por Rayleigh-Jeans (Elachi, 1987):

Aí,.k = ^

{2.17}

donde M mX corresponde a la em itancia espectral. T a la tem peratura en K elvin, y X a la longitud de onda. Las constantes tienen el mismo significado que en {2.4}. En esta re gión. los valores de A/. son muy bajos, y existen frecuentes interferencias entre señales

Copyrightcd rnalc

74

T E L E D E T E C C IÓ N A M B I E N T A L 100

80

60

40

20

°0

1

2

3

4 X

5

6 C

7

8

9

cm l B a n d a s radar

-------------- N u b e s d e h i e l o -------------- N u b e s d e a g u a

FlG 2 .1 9 .

Transmis ividad de las nubes en la región de las micro-ondas (adaptado de ESA. 1995).

emitidas, reflejadas y transmitidas. Por ello, no es una técnica muy difundida en telede tección espacial, aunque se ha mostrado de gran interés para el estudio de capas de hielo y nieve (Kelly y Hall, 2008). La cartografía de la Antártida a partir del radiómetro ESM R del satélite Nimbus-5 (Hall y M artinec, 1985, pp. 141-149) resulta muy signifi cativa a este respecto. Otros autores han propuesto estim ar el grosor de la cobertura de nieve a partir de las diferencias de temperaturas entre dos canales de m icro-ondas detec tados por el mismo sensor (Chang el al., 1990). En el cam po de los suelos o la vegeta ción, se ha propuesto el empleo de estos equipos para determinar el contenido de hum e dad (Paloscia, 1994), aunque su limitación más importante sigue siendo la baja resolu ción espacial que ofrecen desde plataformas especiales. Pese al interés de estas experiencias, el radar (Radio Detection and Ranking) es el sensor más importante en esta banda del espectro. Por tratarse de un haz emitido artifi cialmente, pueden controlarse las condiciones de adquisición: ángulo, distancia, orien tación, polarización, etc. Esto facilita la interpretación posterior de la señal, si bien es una tarea com pleja ante la gran cantidad de factores que intervienen en el proceso. C uando se em ite un haz de m icro-ondas desde un radar a la superficie terrestre, la m ayor parte de ese haz es dispersado al o con ella. Según la naturaleza del sus trato, el haz principalm ente se dispersa hacia la atm ósfera (caso del suelo), se dispersa dentro del propio objeto (caso de la vegetación), o se refieja especularm ente (caso del agua). Com o es lógico, el radar sólo registrará la señal dispersada con la misma direc ción del flujo incidente, por lo que se denom ina retro-dispersión, a . Según este factor, el radar registrará una señal de retom o m uy distinta (fig. 2.20).

75

PRINCIPIOS FISIC O S D E LA TELED ETEC C IÓ N

do osquma F ig 2 .2 0 .

Distintos tipos de retro-dispersión a ¡a señal radar (adaptado de Campbell, 1987).

D esgraciadam ente, como ocunre en otras bandas del espectro, la retro-dispersión no es única y constante para cada cubierta. O tros factores, que podríam os denom inar m edioam bientales, influyen en la señal finalm ente detectada por el sensor. En resu men, el retom o de la señal radar está influenciado por factores relacionados con la cu bierta, por un lado, y con las características de la observ ación, por otro. Entre los pri meros, los más destacados son la constante dieléctrica, y la rugosidad, mientras los segundos deben considerar la longitud de onda, el ángulo de incidencia y la polariza ción. Estos factores introducen una cierta variabilidad en tom o al retom o caracterí stico de cada tipo de cubierta, haciendo más com plicada su discriminación. La constante dieléctrica se relaciona con la capacidad de la cubierta para alm ace nar y transm itir electrones. En térm inos generales, los m ateriales secos ofrecen una constante dieléctrica entre 3 y 8, m ientras el agua ofrece un valor de 80. En consecuen cia. la presencia de agua en el suelo o la vegetación puede alterar significativam ente el pulso de retom o. Por esa razón, la vegetación — casi siempre cargada de h u m e d a d tiende a ofrecer un pulso de retorno mayor que los suelos secos. También son buenos conductores las superficies m etálicas, que ofrecen valores de retro-dispersión bastan te elevados. Esta variable no es constante para todas las longitudes de onda, siendo mayor, generalm ente, cuanta m ayor longitud consideremos. La rugosidad del terreno es un factor clave en la retro-dispersión, siendo directa m ente proporcionales. Las superficies más rugosas, entonces, aparecen más claras en la señal radar, y más oscuras las más lisas. El concepto de rugosidad no sólo depende de la estructura de la superficie, sino tam bién de la longitud de onda y del ángulo de observación. En longitudes cortas una superficie relativam ente llana puede aparecer como rugosa, mientras se com pona com o lisa en longitudes mayores (fig. 2.21). Por su parte, la intensidad de retom o es menor, cuando mayor sea el ángulo de incidencia

Copyrightcdm

TELED E TEC C IÓ N AM BIEN TA L

Antena de! sensor

L o n g itu d d e o nda X = 5 .6 5 crn

La retro-dispersión del terreno está enfunción de ¡a longitud de onda y la variación altitudinal de la cubierta: (i) superficie suave, nula señal de retomo: (ii) superficie moderadamente ru gosa. retorno medio; (iii) superficie rugosa, retomo intenso (adaptado de Lillesandy Kiefer, ¡994). F i a 2.21.



79

PRIN C IPIO S FÍSICO S D E LA TELED ETECC IÓ N

F re c u e n cia , H z

1.0 FlC. 2.23.

0.1

0.01

Relación entre humedad del suelo y capacidad de penetración del radar a distintas lon gitudes de onda (adaptado de Trevett. 1986).

radar se realza notablem ente, aunque tam bién lo hacen las deform aciones geom étri cas. Esta som bra es relativa a la orientación de la topografía frente a la antena, de ahi que si se varía el ángulo de incidencia pueden conseguirse efectos estereoscópicos. A partir de esa reconstrucción tri-dim ensional se realza notablem ente el estudio de la geología y geom orfologia local (ver, más adelante, la fig. 3.29). Por último, la polarización refiere a la forma en la cual son transm itidas y recibi das las señales del radar. Una señal polarizada indica que su vibración se restringe a una dirección determ inada. Las dos formas más im portantes son la polarización sem e jante, cuando la señal em itida y la recibida tienen la misma polarización (H orizon tal-H orizontal o Vertical-Vertical), y la cruzada, cuando varia la polarización entre la señal em itida y la recibida (Horizontal-Vertical o Vertical-Horizontal). La dirección con que la señal está polarizada influye en el (lujo de retom o, puesto que el eco del ra dar es selectivo a la dirección de propagación. Se ha com probado en m uchos m ateria les que la polarización proporciona inform ación de interés para discrim inar una cubierta, por lo que varios radares espaciales perm iten recoger los flujos de retom o con distintas polarizaciones (ver fig. 4*).

Copyrightcd material

80

7.2.


C aracterísticas de la vegetación en la región de las micro-ondas

En lo que afecta a la vegetación, la rugosidad es un elem ento fundam ental en la señal de retom o. La rugosidad es muy dependiente del tamaño, form a, orientación y núm ero de hojas. A partir de la observación en una sola banda resulta, en consecuen cia, muy com plicado distinguir tipos de vegetación. En varios proyectos de inventario forestal, se ha puesto en evidencia la dificultad para separar, por ejemplo, coniferas de caducifolias, tanto en banda L (Deane, 1980). como en banda S, X y C, como conse cuencia de la gran variabilidad de coeficientes de retro-dispersión en coniferas (Hyyppa y H allikainen, 1996; Leckie, 1990). Respecto a la conductividad, la constante dieléctrica es bastante alta y constante para la m ayor parte de las m asas vegetales, increm entándose con el m ayor contenido de hum edad durante la época de crecim iento. Cuando la vegetación pierde vigor o el aporte del suelo es mayor, la constante dieléctrica dism inuye drásticam ente. De aquí se deduce que es posible obtener inform ación sobre la hum edad del sustrato vegetal (Leblon et al., 2002), siem pre y cuando se trabaje con ángulos de incidencia altos (Paloscia, 1994). En una experiencia piloto para m edir la humedad de una superficie de praderas, se observaron mejores ajustes trabajando en bandas cortas (banda X). y con ángulos de in cidencia de 30°, con los que se logró un coeficiente de determinación ( r ) del 90 %. Para ángulos más bajos, hasta de 0 o, sólo se consiguieron ajustes del 50 %. Un efecto similar, aunque con peores correlaciones, se observó en la banda C (Gogineni et al., 1991). La profundidad de penetración en masas vegetales es dependiente de la longitud de onda a la que se trabaje, así com o de las condiciones de hum edad del sustrato y de la polarización. Resulta m ayor a longitudes largas (banda L, en donde influye notable m ente las condiciones del sustrato), y con señales de polarización sem ejante (HH o W ) , mientras se reduce a longitudes cortas (banda X, más sensible a la geom etría y orientación de las hojas) o con señales de polarización cruzada (H V o VH). De acuer do a algunos autores, en la banda X puede estim arse la rugosidad de la vegetación, en la C la biom asa de la hoja y en la L la biom asa de la m adera (Curran y Foody, 1994¿r; D obson, 2000). H asta ahora la m ayor parte de las m isiones espaciales sólo disponían de una banda radar (caso del ERS o del R adarsat), por lo que no ha resultado posible aplicar algunas técnicas de interpretación m ultifrecuencia. Las experiencias se han centrado en radares acroportados (com o el Airsar, operado por el JPL), o en algunas m isiones del Space Shuttlc (Dobson, 2000).

7.3.

C aracterísticas del suelo y el agua en la región de las microondas

D e los párrafos anteriores se deduce que los suelos rugosos y secos tendrán un m ayor coeficiente de retro-dispersión y, por tanto, aparecerán con tonos claros en las im ágenes radar. Si la señal se reduce, m anteniendo otras condiciones constantes, se tratará norm alm ente de suelos más húm edos. En suelos secos la capacidad de penetra ción del radar aum enta hasta llegar a varios m etros si la longitud de onda es suficiente m ente larga (fig. 2.23). C uando se presenten mezclas de vegetación y suelo, lo más probable es que la señal de retom o mezcle tam bién am bas cubiertas, com plicándose

O

PRINCIPIOS FÍSIC O S DE LA TELED ETEC C IÓ N

81

Imagen de los alrededores de la ciudad de Oporto (Portugal) adquirida por el radar del Envisat en enero de 2004 que muestra rasgos urbanos y oleaje (Cortesía ESA: http://earth.esa.int/). F i a 2.24.

bastante la interpretación de la señal. En experim entos con m icro-ondas aeroportadas, se ha observado que las bandas cortas (banda C) facilitan m ejor inform ación sobre la humedad de la cubierta vegetal (al tener m enor capacidad de penetración), mientras en banda L puede detectarse más la vegetación del suelo (Paloscia, 1994). Los núcleos de población, altam ente rugosos a longitudes largas, tam bién apare cen con tonos claros, lo que perm ite discrim inarlos frente a los espacios cultivados li m ítrofes (M eliá y Sobrino, 1987). En cuanto al agua, la región de las m icro-ondas proporciona una cierta capacidad de penetración, siempre que el ángulo de incidencia sea bajo y se trabaje con longitu des de onda largas. El agua, casi siempre refleja especularm ente el pulso recibido, con lo que el retom o es bastante bajo. A hora bien, si existe una cierta rugosidad superfi cial. por ejem plo oleaje, puede m anifestarse en la imagen radar, siem pre que el ángulo de incidencia sea bajo (fig. 2.24). Esta aplicación es muy útil para detectar anom alías en la superficie, por ejem plo las causadas por descargas incontroladas de petróleo (ver fig. 3.30). A partir de variaciones menores en la altura del oleaje, m edido con otros equipos de m icro-ondas (como altím etros o dispersóm etros de vientos), puede obte nerse inform ación de los fondos oceánicos, y, a partir de la rugosidad superficial, los vectores de dirección y velocidad del viento (fig. 2.25). Respecto al hielo y nieve, el pulso de retom o es muy dependiente de las condicio nes del material. La edad, com posición y com pacidad de la capa de hielo, su rugosi-

82


F i a 2 .2 5 .

Imagen del satélite Meteosat del huracán Emily (agosto de 1993) a la que se ha super puesto un campo de vientos generado por el dispersómetro del ERS-1.

dad, geom etría interna y tem peratura son factores destacados en el coeficiente de re tro-dispersión finalm ente detectado por el sensor.

8.

Interacciones de la atm ósfera con la radiación electro-m agnética

H asta aqui hem os considerado la interacción de la radiación electro-m agnética con las diversas coberturas terrestres com o si este proceso se desarrollara en el va cio. O bviam ente, esta suposición es falsa, puesto que entre el sensor y la superficie terrestre se interpone la atm ósfera, que interfiere de form as diversas con el flujo ra diante. Com o es sabido, la atm ósfera se com pone de gases — nitrógeno, oxígeno, argón, vapor de agua y dióxido de carbono— y aerosoles. Entre esos com ponentes, el dióxi do de carbono, ozono y vapor de agua son los principales responsables de la inte racción con la energía electro-m agnética. Su efecto es triple: por un lado, absorben energia incidente en determ inadas bandas del espectro, lo que limita la observación espacial a aquellas bandas en donde esta absorción es m enos intensa; dispersan deter minados flujos, y em iten otros, com o todo cuerpo caliente. Estos procesos introducen

83

PRIN C IPIO S FÍSICO S D E LA TELED ETEC C IÓ N

m odificaciones, en ocasiones muy severas, en la radiación originalm ente propagada entre la cubierta y el sensor, por lo que es preciso tenerlos en cuenta de cara a obtener una m edición más precisa de las características del territorio observado. C om entare mos con más detalle cada uno de esos efectos.

8 .1 .

A b s o r c i ó n a t m o s f é r ic a

La atm ósfera se com porta como un filtro selectivo a distintas longitudes de onda, de tal forma que en algunas bandas del espectro elim ina prácticam ente cualquier posi bilidad de observación remota. Los principales causantes de esta absorción son: — O xígeno atóm ico ( 0 ; ), que filtra las radiaciones ultravioleta por debajo de 0.1 nm , asi como pequeños sectores en el infrarrojo térm ico y las micro-ondas. — O zono (O,), responsable de la elim inación de la energía ultravioleta, inferior a 0.3jim , así como en un sector de las m icro-ondas (en tom o a 27 mm). — Vapor de agua (H.O), con una fuerte absorción en tom o a 6 mm. por encima de 27 mm y otras menores entre 0,6 y 2 nm. — Dióxido de Carbono (C O :). que absorbe en el infrarrojo térmico (> 15 fim). con importantes efectos en el infrarrojo medio, entre 2.5 y 4.5 jim. — Aerosoles atm osféricos, que principalm ente absorben en el espectro visible (ver fig. 3*). Como consecuencia de esta absorción, la observación espacial se reduce a determi nadas bandas del espectro, conocidas como ventanas atmosféricas, en donde la transmisividad de la atmósfera es suficientemente alta (fig. 2.26). Las principales ventanas at mosféricas son las siguientes: (i) espectro visible e IRC, situada entre 0,35 y 1,35 nm; (ii) varias en el SW IR de 1,5 a 1,8 nm y de 2.0 a 2.4 nm. (iii) en el IRM: 2.9 a 4.2 jim. y de 4.5 a 5.5 nm; (iv) en el IRT, entre 8 y 14 nm, y (v) en las micro-ondas, por encima de 20 mm, en donde la atmósfera es prácticamente transparente. Estas ventanas atm osféricas son idóneas para realizar procesos de teledetección, por lo que el diseño de los sensores espaciales tiende a ajustarse a estas bandas, evitanTransmisividad atmosféoca (%)

100 i-----------------------------------------------------------------------------------------------------------

50

0 —l-------------- ¡-----------------------------------------------------------------------------0 0 .4

0 .7

1

F ig 2.26.

2

3

5

10

(...)

10.000

Transmisividad de la atmósfera a distintas longitudes de onda.



86

TELED E TEC C IÓ N A M B IEN TA L

im agen resultante. N orm alm ente no se dispone de datos coetáneos a la adquisición de ésta, por lo que la corrección atm osférica se basa en relaciones entre elem entos de la propia im agen (6.2.3). E sta estim ación puede ser burda en algunos casos, y dificulta, en últim a instancia, el uso de las imágenes adquiridas por sensores espaciales como m edida cuantitativa de parám etros biofisicos.

8.3.

E m i s i ó n a t m o s f é r ic a

El efecto de em isión atm osférica resulta fundamental en el trabajo dentro del in frarrojo térm ico, si se pretenden obtener m ediciones de tem peratura a partir de las im ágenes espaciales. Al igual que cualquier cuerpo por encim a del cero absoluto, la atm ósfera em ite energía, por lo que ese parám etro debe considerarse para separarlo de la em itancia espectral proveniente del suelo. Las correcciones atm osféricas en el térm ico (efectos de absorción y em isión) se han abordado habitualm ente analizando la absorción diferencial de la atm ósfera en dos bandas contiguas del infrarrojo térmico. Se denom inan algoritm os de ventana par tida (split window) , que tendrem os ocasión de com entar más adelante (6.2.4). Tam bién puede estim arse el com ponente atm osférico a partir de la observación desde dos ángulos distintos (nadiral y oblicuo), por ejem plo, a partir de im ágenes del ATSR (So brino, 2000, pp. 184 y ss).

C a p ít u l o 3

SENSORES Y SATÉLITES DE TELEDETECCIÓN « Tras de un amoroso lance, y no de esperanza falto, voló tan alto, tan alto, que le di a la caza alcance.» S an Ju a n de l a C ru z ,

Poesía Completa

1.

T ipos de sensores

Com o ya se indicó en el prim er capítulo, un sistema de teledetección requiere, al menos, tres com ponentes: foco energético, superficie terrestre y sensor. Del pri mero y segundo se trató en el epígrafe sobre principios físicos. En éste se aborda el estudio de las características del sensor y de la plataform a que lo sustenta. Entre las variadas formas de clasificar los sensores remotos, una de las más ha bituales considera su procedimiento de recibir la energía procedente de las distintas cubiertas. En este sentido, se habla de dos tipos de sensores: 1) pasivos, cuando se limitan a recibir la energía proveniente de un foco exterior a ellos, y 2) activos, cuando son capaces de em itir su propio haz de energía. Estos últimos son, lógica mente, más flexibles, puesto que no dependen tanto como los primeros de las con diciones exteriores al sistema sensor-Tierra. Una ulterior clasificación entre los sensores pasivos, considera su procedim ien to para grabar la energía recibida. De acuerdo a ello, puede hablarse de sensores fotográficos, óptico-electrónicos y de antena. Los primeros resultan muy familiares, puesto que se basan en las mismas técnicas aplicadas en la fotografía convencional. El resto son m enos conocidos por el gran público, si bien sistemas sim ilares se uti lizan rutinariamente: cám aras digitales, scanners en exploración médica, y radióme tros de m icro-ondas en radio difusión. En cuanto a los sensores activos, el equipo más conocido es el radar, bastante utilizado en aplicaciones militares, asi como en control del tráfico aéreo. El radar trabaja en la región de las micro-ondas. Por su parte, el lidar opera con luz polari zada (láser) en el espectro óptico.

88

TELF.DETF.CCIÓN AM BIENTAL

A ntes de com entar con m ayor detenim iento cada uno de estos sensores, con viene analizar algunos conceptos previos que nos sirven para valorar la utilidad de la inform ación que proporcionan, y que resultarán útiles para planificar posterior m ente su em pleo en distintos problem as medioambientales.

2.

R esolución de un sistem a sensor

D e acuerdo con algunos autores, podem os definir la resolución de un sistema sensor como su habilidad para discrim inar inform ación de detalle (Estes y Simonett, 1975). Esta definición engloba varios aspectos que m erecen un com entario más m i nucioso. Por un lado, se habla de resolución de un sistema sensor, indicando que este concepto se refiere al conjunto del equipo y no a cada una de sus partes. Dicho de otra forma, la resolución de un sensor depende del efecto com binado de sus dis tintos componentes. Una m ejora en la lente — por ejemplo— no supondrá necesa riam ente adquirir fotografías con m ayor resolución, si no se acompaña de una pelí cula de m ayor sensibilidad, o no se modifican las condiciones de exposición. Los térm inos de la definición «discriminar» e «inform ación de detalle» m ere cen tam bién una breve reflexión. Am bos son relativos al propósito y al entorno geo gráfico del proyecto que se esté abordando. La discrim inación considera la capaci dad de distinguir un objeto de otros. Esa distinción puede referirse a una sim ple de term inación de que está ahí (detección) o a una delimitación precisa de su contom o (identificación). Lógicamente, la segunda tarca requiere m ayor resolución espacial que la primera (Robin, 1998), ya que un objeto puede detectarse por sus efectos en la radiancia global observada (por ejemplo, el brusco aum ento de tem peratura que implica una erupción volcánica), pero para identificarlo con detalle (localizar con precisión el cráter) será necesario que el m ínim o objeto que identifica el sistem a sea mucho más pequeño que el tam año del propio cráter. En cuanto al significado de «inform ación de detalle», conviene considerar que se refiere no sólo al detalle espacial que proporciona el sensor, sino tam bién al n ú m ero y anchura de las bandas del espectro que alberga, a su cadencia temporal, y a su capacidad para distinguir variaciones en la energía que delecta (Cam pbell, 1996). Todas estas dimensiones son de interés para discrim inar cubiertas o establecer mo delos de significado físico. En definitiva, el concepto de resolución implica diversas m anifestaciones, las m ás habituales en la literatura especializada han sido la espa cial, espectral, radiom étrica y tem poral. En los últim os años, a éstas podem os aña dir tam bién la resolución angular, que haría referencia a la capacidad de un sistema de observar el m ism o objeto desde distintas posiciones. A continuación, com entare m os con más detalle cada una de ellas.

2.1.

R esolución espacial

Este térm ino designa al objeto m ás pequeño que puede ser distinguido sobre una imagen. En un sistem a fotográfico, suele m edirse com o la mínima separación a la cual los objetos aparecen distintos y separados en la fotografía. Se mide en mili-

C o p y n g h tc d m a

SEN SO R ES Y SATÉLITES DE TELED ETEC C IÓ N

89

metros sobre la foto —o metros sobre el teneno— , y depende de la longitud focal de la cám ara y de su altura sobre la superficie. En los sensores óptico-electrónicos, se prefiere utilizar el concepto de cam po de visión instantáneo (instan tañe o us Jield o fv ie w , IFOV). El IFOV se define como la sección angular, medida en radianes, que observa el sensor en un momento determinado. En lugar de esta definición, habitual mente suele utilizarse la distancia sobre el terreno que corresponde a ese ángulo (
{3.1}

asum iendo que se trate de una observación vertical. La distancia del IFOV proyec tada al suelo se corresponde con el tam año de la m ínim a unidad de información in cluida en la imagen, que se denomina pixel (del inglés picture element). Ésta es la m edida más generalizada de resolución espacial, aunque tam bién se emplean otros térm inos más complejos, como ERE (effective resolution element) o EIFOV (ejfective instantaneous Jield o f view), que consideran la señal detectada como una fun ción m odulada compuesta (Townshend, 1980). La resolución espacial de un sensor depende de varios factores, como son la al tura orbital, la longitud focal, y el núm ero de detectores. En cuanto a los sensores de antena, su resolución depende del tam año de la m ism a, de la altura de la plata forma. y del ángulo de incidencia. Cuanto mayor sea el radio, y m enor la altitud y la longitud de onda, la resolución será tanto más detallada. El rango de la resolución espacial de los sensores de observación terrestre en funcionamiento cubre niveles de detalle bastante diversos (fig. 3.1). Los satélites que cuentan con mayor resolución ofrecen un detalle espacial próxim o a 1 m :, mien tras los de recursos naturales, diseñados para adquirir información sobre áreas muy heterogéneas, suelen contar con resoluciones próxim as a los 25 x 25 m. Otro grupo de sensores, orientado hacia aplicaciones más globales, cuentan con pixeles de un tamaño com prendido entre 300 y 1.000 m de lado. Finalm ente, los sensores que pre sentan m enor resolución espacial son los satélites meteorológicos de órbita geoestacionaria (M eteosat. GOES. GMS), con pixeles de hasta 5 km de lado. En el futuro cercano está previsto continuar con el lanzamiento de satélites de muy alta resolu ción, la m ayor parte de los cuales son propiedad de consorcios com erciales (IKONOS, Quickbird), e incluso mejorar su resolución actual hasta los 40 cm. Com o ya vim os en el primer capítulo, esta m ayor disponibilidad de imágenes de alta resolu ción permitirá am pliar al rango actual de aplicaciones de esta técnica, entrando en dominios anteriorm ente reservados a los m edios aéreos de observación. La resolución espacial tiene un papel protagonista en la interpretación de la imagen, por cuanto marca, de alguna forma, el nivel de detalle que ésta ofrece. Pa rece obvio decir que sólo serán identificables sobre la imagen elementos que supe ren el tamaño de varios pixeles, si bien pueden detectarse rasgos de tam año sim ilar o incluso más pequeño al del píxel cuando exista suficiente contraste radiométrico (ver cap. 5). En consecuencia, la resolución espacial está estrecham ente ligada con la esca la de trabajo y con la fiabilidad finalmente obtenida en la interpretación. Cuanto m e nor sea el tamaño del píxel, m enor también la probabilidad de que éste sea un com-

90

TELED ETECC IÓ N AM BIENTAL

Meteorológicos d e ó rb ita g e o e s ta c lo n a ra (= 5 k/n*)

Meseoroiógtccs de órbita polai {h 1 km*)

1.000

i Recursos naturatos <* 1ha)

Recursos naturales (= 0.1 fía)

Alta resolución civil (a 1 m*>

0.1

1 960

1 970

FiG. 3.1.

1980

1990

2000

Tendencias en la resolución espacial.

puesto de dos o m ás cubiertas fronterizas. Un pixel mixto estará definido por una señal interm edia a las distintas cubiertas que lo componen. En consecuencia, puede no asem ejarse a ninguna de ellas, lo que dificultará notablem ente su correcta iden tificación (fig. 3.2). Sin em bargo, en el caso concreto de algunas cubiertas, singular m ente las urbanas, se ha com probado que incrementar la resolución espacial puede afectar negativam ente a la interpretación, cuando esta se realiza digitalmentc, al in crem entar excesivamente la heterogeneidad interna en algunas categorías (Cushnie, 1987; Green, 2000; Townshend y Justice, 1981). En lo que se refiere a análisis vi sual, queda fuera de toda duda el interés de m ejorar la resolución espacial para fa cilitar una interpretación más certera de la imagen (Hopkins et al., 1988).

2.2.

R esolución espectral

Indica el núm ero y anchura de las bandas espectrales que puede discrim inar el sensor. En el capítulo anterior se puso en evidencia el interés de contar con infor mación multiespectral; esto es. de registrar sim ultáneam ente el com portam iento de

Copyrighted material



SEN SO R ES Y SATÉLITES DE TELED E TEC C IÓ N

93

Longitud do on d a Oxm)

F io. 3.4.

Espectro de caolinita para diferentes resoluciones espectrales í adaptado de Kruse el a l . ¡993).

primeros Landsat llevaban incorporado un sensor que ofrecía un rango de 128 nive les de codificación (7 bits, 27 = 128) por pixel. con 64 (6 bits) para la banda del in frarrojo cercano. Actualmente, la mayor parte de los sistemas ofrecen 256 niveles por pixel (8 bits), aunque hay algunos que extienden esc rango notablemente, como el NOAA-AVHRR, que trabaja con 1.024 niveles (10 bits), el IKONOS o Quickbird, que codifican hasta 2048 valores (11 bits), y el MODIS y los radares del JBRS y Radarsat, que discriminan hasta 65.536 valores (16 bits). Ésta será seguramente la reso lución estándar para los futuros sensores de observación terrestre. La resolución radiométrica, como ocurre con las dos anteriorm ente vistas, re sulta de notable ayuda en la interpretación de imágenes, especialm ente cuando rea lizamos análisis digital. Es preciso considerar que el número de niveles de gris que son capaces de discriminar nuestros ojos no excede de 64. mientras las tonalidades de color no superan las 200.000. Algunos autores estim an que basta con 16 niveles

Copynghtcd rnak

94

TELED ETEC C IÓ N AM BIENTA L

3 b lu 6

7 7 7

6 5 3

7 7 5 3 4

7 7 7 7 7 7 3 3 4

7 7 7 7 6 4 3 4 4

7 7 7 6 5 3 4 4 4

6 6 6 6 3 3 4 4 4

5 5 4 3 3 4 4 5 4

3 3 3 3 2 2 2 3 2

5 4 3 1 0 0 0 0 0

5 4 1 0 0 0 0 0 0

3 0 0 0 0 0 0 0

5

3 3 3 3 3 3 3 2 1

3 3 3 3 3 3 2 1 2

3 3 3 3 3 3 1 1 2

3 3 3 3 3 2 1 2 2

3 3 3 3 2 1 2 2 2

3 3 3 3 1 1 2 2 2

2 2 2 1 1 2 2 2 2

1 i i 1 1 i i 1 1

2 2 1 0 0 0 0 0 0

2 2 0 0 0 0 0 0 0

2 1 0 0 0 0 0 0 0

2 bits

FiG. 3.5.

Niveles de gris y digitales correspondientes a tres resoluciones radiométricas.

por color (4.096 tonalidades) para garantizar un análisis visual adecuado (Bcavcn, 1988), por lo que parece superfluo contar con 256 valores digitales por banda (16,8 millones en una com binación coloreada de 3 bandas). Sin em bargo, cuando la inter pretación es digital, el ordenador aprovecha todo el rango disponible, con lo que una mayor resolución radiomètrica puede perm itir discrim inar objetos con niveles muy

9h

S E N S O R E S Y S A T É L IT E S D E T E L E D E T E C C IÓ N

11 b its : 2 .0 4 8

95

8 b its : 2 5 6

Área 1: A /eas brillantes

F lG . 3 . 6 . Imágenes IKONOS que ilustran el interés de la resolución radiomètrica para discrimi nar tipos de superficie. En el fragmento superior sólo se distinguen los dos tipos de tejado en la imagen de may or resolución radiomètrica, mientras en la inferior se distinguen los coches en som bra. Cortesia Indra Espacio.

sim ilares de reflectividad, que no serían separables con otros sensores menos sensi bles (fig. 3.6).

2.4.

Resolución temporal

Este concepto alude a la frecuencia de cobertura que proporciona el sensor. En otras palabras, refiere a la periodicidad con la que éste adquiere imágenes de la m is ma porción de la superficie terrestre. El ciclo de cobertura está en fiinción de las ca racterísticas orbitales de la plataforma (altura, velocidad, inclinación), así como del di seño del sensor, principalmente del ángulo total de abertura (tamaño de la imagen). Conviene tener en cuenta que la resolución temporal efectiva dependerá también de las condiciones atmosféricas, ya que con sensores ópticos o térmicos no podremos ob servar áreas cubiertas por nubes, por lo que en algunas zonas la cadencia de imágenes útiles puede ser notablemente más baja que el ciclo de adquisición del sensor. Para ob viar de alguna manera estos problemas, los sensores más modernos incluyen la capa cidad de observación no vertical (lo que se denomina sensores «enfocables»), facili tando así la adquisición de datos sobre una zona de interés desde una órbita próxima.

96

TELED E TEC C IÓ N AM BIENTA L

F ie . 3.7.

Imágenes del M eteosat sobre el huracán Andrew (Cortesía ESA i

La cadencia tem poral de los sistem as espaciales varía de acuerdo a los objeti vos fijados para el sensor. Los satélites m eteorológicos están obligados a ofrecer una inform ación en períodos cortos de tiem po, ya que se dedican a observar un fe nóm eno m uy dinám ico (fig. 3.7). De ahí que la red de satélites geoestacionarios (M eteosat. G O ES. GM S) proporcione una imagen cada 30 m inutos. Esta inform a ción se com plem enta con la obtenida a partir de los satélites m eteorológicos de ór bita polar, como el N O AA , que facilita imágenes cada 12 horas. Por el contrario, los satélites de recursos naturales ofrecen una cadencia mucho menor: entre los 16 días del Landsat y los 31 días del ERS.

SEN SO R ES Y SATÉLITES D E TELED ETECC IÓ N

2 .5 .

97

R e s o l u c ió n a n g u l a r

Es un término relativam ente reciente, que refiere a la capacidad de un sensor para observar la misma zona desde distintos ángulos (Diner et al., 1999: fíg. 3.7). Tradicionalm ente, se ha asumido que las cubiertas presentan una reflectividad lambertiana, lo que implica que ofrecerían una señal sim ilar independientem ente del án gulo con que se observan. En la práctica no es asi, especialm ente para algunas su perficies que presentan fuertes efectos de reflectividad bidireccional. Una m anera de m odelar estos efectos es observar la cubierta desde distintas posiciones, facilitando así su m ejor caracterización. También la observación m ultiangular resulta de gran interés para estimar algunas variables atmosféricas, ya que al variar el ángulo de m ira se está observando la superficie con distinto espesor atm osférico, variando en consecuencia los procesos de absorción y dispersión. Hasta hace pocos años no había sensores disponibles que tuvieran esta capaci dad de observación multiangular. por lo que los estudios sobre direccionalidad se basaban bien en análisis con radióm etros de laboratorio, bien en sensores de amplio cam po de barrido, como el NOAA-AVHRR, que observan la superficie con distin tos ángulos según la posición de la órbita del satélite (en el caso del AVHRR el ci clo se repite cada 9 días). A hora bien, esta última solución no es la más adecuada, pues puede haber severos cam bios entre pasadas diarias del satélite. Por ello, se han diseñado sensores que específicamente poseen capacidad de observación sim ultánea en varios ángulos. Este es el caso del ATSR-2, lanzado en 1995 a bordo del ERS-2, el POLDER, instalado en el satélite japonés ADEOS en 1997. y el M ISR, incluido sobre la plataform a Terra desde 1999. De ellos, el más sofisticado es el último, que facilita nueve ángulos de observación, casi sim ultáneos, de la misma zona, además en varias longitudes de onda.

2.6.

Relaciones entre los distintos tipos de resolución

Conviene aclarar que estos cuatro aspectos de la resolución están íntim am en te relacionados. A m ayor resolución espacial, dism inuye habitualm ente la tem po ral, y es previsible que se reduzca tam bién la espectral. El principal problem a se encuentra en la transm isión de las im ágenes a la superficie terrestre y su posterior tratam iento. El aum ento en cualquiera de los cuatro tipos de resolución significa tam bién un increm ento considerable del volum en de datos a procesar, tanto por el sensor com o por la estación receptora, así com o variaciones notables del precio (fig. 3.8). Por esta razón, los prim eros Landsat — dotados de resolución espacial, espectral y radiom étrica m edia— podían disponer de un sistem a de grabación a bordo, que les perm itía adquirir im ágenes de áreas no cubiertas por la red de an tenas receptoras. Al m ejorar la resolución espacial, espectral y radiom étrica con un nuevo sensor, los Landsat-4 y 5 ya precisaban estar constantem ente conectados a una red de satélites de com unicaciones (denom inados T D R SS), a través de los cuales enviaban las im ágenes a las antenas receptoras. En caso de otras platafor m as, como el satélite europeo ERS, sólo se registra inform ación en el radio cu bierto por las antenas receptoras, de ahí que no haya sido posible disponer de da-

Copyrightcd malcría!



99

3. S ensores pasivos

Los sensores pasivos se limitan a recoger la energía elcctro-magnctica proce dente de las cubiertas terrestres, ya sea ésta reflejada de los rayos solares, ya em iti da en virtud de su propia temperatura. De acuerdo a nuestra previa clasificación» puede establecerse una división en estos sensores en función del procedim iento que em plean para recibir la radiación procedente de los objetos. Antes se aludía a los sensores fotográficos, óptico-electrónicos y de antena. En el prim er grupo estarían las cám aras analógicas; en el segundo, los exploradores de barrido y de empuje, y las cám aras de vídeo, mientras los sensores pasivos de antena se conocen con el nom bre de radióm etros de micro-ondas.

3.1.

C á m a r a s a n a l ó g ic a s

Hasta hace pocos años, las cám aras analógicas eran el medio más utilizado de teledetección aérea, si bien se van sustituyendo paulatinamente por cámaras digita les de alta resolución, con niveles de precisión geom étrica y resolución similares. En lo que se refiere a teledetección desde satélite, las cámaras analógicas siempre estu vieron bastante limitadas, ya que la cantidad de película que podían cargar estas m i siones las hacia de vida muy efímera. Com o es sabido, una cám ara fotográfica re gistra la energía reflejada por un objeto sobre emulsiones fotosensibles, con el apo yo de un sistema óptico que perm ite controlar las condiciones de exposición. Den tro de esta configuración básica, pueden establecerse numerosas variantes, en fun ción de cuatro elementos: tipo de película, número de objetivos, ángulo de obser vación y altura de la plataforma. Respecto al tipo de película, el más empleado en teledetección aérea es el film pancrom ático (blanco y negro), en el cual se recoge todo el espectro visible sobre una sola em ulsión. En la película en color, se mezclan distintas capas foto-quimicas, cada una de las cuales es sensible a una banda del espectro visible, por lo que la dis criminación de los objetos resulta más atinada. M enos conocidos en nuestro país son los filmes en infrarrojo blanco y negro — que recogen en tonos de gris la radiación correspondiente al infrarrojo cercano— , y en infrarrojo color, también denominado falso color, en donde se desplaza la escala de color natural, situándose entre el ver de y el infrarrojo cercano. En cuanto al número de objetivos, puede tratarse de una cámara mono o multibanda, según albergue una o varias regiones del espectro simultáneamente. En este segundo caso, la observación m últiple puede realizarse con dos modalidades: incor porando varios objetivos — cada uno de ellos con un filtro apropiado— en una sola cám ara, lo que perm ite impresionar la misma imagen en diversas bandas del espec tro; o bien, ensamblando varias cámaras sobre el m ismo soporte, cada una de ellas con filtros y filmes apropiados, con lo que se obtendrían sim ultáneam ente distintas fotografías de la m ism a zona. En lo que atañe al ángulo de observación, conviene anotar la diferencia entre fotografía vertical, tomada perpendicularm ente al terreno (con ±5° de desviación perm itida), y fotografía oblicua, con un ángulo de visión sensiblemente inferior a

Copynghtcd rnak

100


90°. L a prim era se em plea, con el debido recubrimiento, para la restitución fotogramétrica, así como en estudios tem áticos m uy variados. La fotografía oblicua tiene principalm ente un fin estético, aunque tam bién puede reportar interesantes conclu siones para el estudio del relieve o los asentam ientos humanos, entre otras facetas de interés científico. Por último, la altura de observación permite distinguir entre fotografía aérea y espacial. D esde el punto de vista de su aplicación a estudios de m edio am biente, las diferencias más significativas entre am bas afectan a su resolución espacial, nitidez, cobertura del terreno y precisión geométrica. Las dos primeras son favorables a la fotografía aérea, y las dos últim as a las cám aras espaciales. De acuerdo al contenido de esta obra, nos centraremos en el análisis de los p ro gram as de exploración fotográfica desde plataform as espaciales. H istóricam ente es tas experiencias fueron las pioneras de teledetección desde el espacio, asociadas principalm ente a misiones tripuladas. Las prim eras fotografías espaciales de obser vación civil se obtuvieron durante la misión M ercury-4, a las que siguieron las ad quiridas p o r las cápsulas Gemini y Apollo en los prim eros años sesenta. En un pri m er m om ento estas fotografías se adquieren casi espontáneamente, pero más tarde, y ante la calidad de los resultados, se com enzaron a diseñar proyectos dirigidos específicamente a la observación de los recursos naturales. Este fue el caso de la m i sión G em ini GT-4 que incluyó el prim er experimento program ado de teledetección espacial, concretam ente para aplicaciones geológicas. A esta tentativa siguieron otras de gran interés, a bordo de diversas misiones Apollo (fig. 3.9), que sirvieron para preparar el terreno a otros programas dedicados exclusivam ente a la observación terrestre. En este sentido, conviene destacar el pa pel del laboratorio espacial tripulado Skylab, activo, con diversas tripulaciones, du rante 1973. En esta plataform a se incluyó un program a de observación terrestre bau tizado como EREP (Earth Resources Experim ent Package), que incluía diversos sensores: un barredor multi-espectral, dos sensores de m icro-ondas y dos sensores fotografíeos. Estos últim os eran la cám ara multi-espcctral (S 190A), con seis obje tivos sensibles a distintas longitudes de onda entre 0,4 y 0,9 j¿m. y la cám ara de ob servación terrestre (ETC, Earth Terrain Camera), dotada de una gran focal (457 mm ), que se diseñó para obtener fotografías de alta resolución (15 m) a 435 km de altitud (NASA, 1977). A partir de estas fotografías se realizaron estudios temáticos muy variados: cobertura del suelo, cartografía litológica, vegetación y cultivos (Hart, 1975; Links, 1976; N A SA , 1977). A consecuencia del éxito de esta experiencia, se concibieron esperanzas de que las cám aras espaciales sirvieran como base para la restitución fotogramétrica — por procedim ientos similares a los practicados con fotografía aérea— , remediando asi la gran carencia m undial de cartografía básica. Hasta el m omento se han diseñado tres cámaras de alta precisión con estos fines: la cámara m étrica RM K 20/23, la cámara de gran formato (LFC) y la cám ara m ulti-espectral M KF-6. La cám ara m étrica RM K 20/23 se construyó por la casa Zeiss para proporcio nar fotografías estereoscópicas de gran precisión y elevada cobertura, con un forma to convencional (23 x 23 cm). Fue incluida en la prim era m isión Spacelab de la A gencia Espacial Europea (1983), a bordo del transbordador espacial estadouniden se. Esta m isión perm itió adquirir unas 1.000 fotografías con película pancrom ática


101

Imagen del Lago Chad. Africa, adquirida en octubre de 1968 por el Apollo 7. Cortesía del Earth Sciences and Image Analysis Laboratory. NASA Johnson Space Center.

Fio. 3.9.

e infrarrojo color sobre varias regiones del mundo, cubriendo una zona aproxim ada de 11 millones de km 2 (Konecny, 1986). La longitud focal era de 305 mm, lo que proporcionó una escala aproxim ada de 1:820.000 a 250 km de altura, con una reso lución estimada entre 20 y 30 m. La cobertura estereoscópica se cifró en 60 % , aun que en áreas m ontañosas se extendió hasta el 80 %. Las restituciones practicadas a partir de estas fotografías se obtuvo cartografía básica a escala 1:100.000 (Schroeder, 1986). Un ejemplo de este tipo de fotogramas puede analizarse en la figura 3.10. Se trata de un par estereoscópico enm arcado entre los Picos de Urbión y la Sierra de Ayllón, en la región central española, cubriendo un área aproxim ada de 15.000 km 2. Aquellos lectores familiarizados con la fotografía aérea, posiblem ente queden fasci-



FlG. 3.11.

10 3

Fotografía de la cámara de gran formato (LFC) sobre la ciudad de Madrid y alrede dores (Cortesia R. Núñez de las Cuevas y F. Doyte).

facilitó precisiones en altura de 30 m, a una escala 1:50.000 (Togliatti, 1986). La m ism a cám ara ha sido em pleada en otras misiones del trasbordador espacial norte americano, tanto con películas pancrom áticas como color (Francis y Jones, 1984; Lulla. 1993). Un buen ejemplo de la información adquirida por esta cám ara aparece en la fi gura 3.11, que abarca un pequeño sector de una fotografía de la cám ara LFC, en este caso centrada en la ciudad de Madrid. Se pone en evidencia la buena resolución es pacial de la imagen, que permite extraer rasgos de gran interés sobre la imagen: m orfología m etropolitana, red viaria, expansión urbana, etc. En las últimas misiones del trasbordador norteamericano, se han utilizado cá maras más convencionales, com o la Hasselblad de 70 mm y Aerotechnika de 5 pul gadas. Recientem ente se han com enzado experiencias con la cám ara digital ESC (Electronic Sill Camera) que ofrece una resolución de 1024 x 1024 pixeles en blan co y negro, aunque se estudia su ampliación a la misma resolución en color y hasta 2048 x 2048 en blanco y negro (Lulla, 1993). Las fotografías tom adas por las diver sas misiones del Space Shuttle pueden adquirirse en el Global Land Information System (GLIS), un servidor web del U.S. G eological Survey que perm ite acceder a múltiples datos gestionados por este centro, asi como a imágenes Landsat. CO R O NA y fotografías aéreas. La m ayor pane de las fotografías almacenadas en este cen tro son en color natural, aunque una pequeña parte son en blanco y negro y otras en

104

T E L ED E TEC C IÓ N A M B IEN TA L

infrarrojo color. El archivo corresponde a las 55 m isiones del trasbordador espacial que han tomado fotografías de la superficie terrestre. M ás recientem ente se están co m enzando a utilizar las fotografías de las m isiones com binadas del Space Shuttle y la nave soviética M IR, especialmente en análisis de cam bios am bientales (Lulia y Dessinov, 2000), sin desdeñar las fotografías tomadas por la estación espacial. D esde el punto de vista del análisis de cam bios en el paisaje resulta de gran in terés la decisión de la Casa Blanca en 1995 de perm itir la com ercialización de foto grafías tom adas por satélites m ilitares estadounidenses (M cDonald, 1995). Se trata de fotografías adquiridas por los satélites CO RONA. ARGON y LANYARD, com prendidas entre 1960 y 1972, a lo largo de más de 100 misiones. Estas fotografías tienen form atos muy variados, dependiendo de las misiones. La resolución espacial varia entre 150 y 2 m, aunque son m ás habituales las com prendidas entre 2 y 10 m. Las escalas nom inales varían entre 1:275.000 y 1:4.250.000. y el área abarcada por las fotografías varia entre 18 x 234 km , y 480 x 480 km. Las fotografías pueden conseguirse a través del servidor de imágenes del servicio geológico de EE.UU. Es perem os que en un inmediato futuro sigan desclasificándosc las fotografías de saté lites m ilitares, ya que proporcionan niveles de resolución todavía mucho mayores que la observación civil. Los satélites rusos tam bién han incluido diversos sensores fotográficos, algu nos de alta precisión. Una de las más destacadas es la cám ara multiespectral MKJF-6, instalada a bordo de diversas m isiones del satélite Soyuz. D otada de seis objetivos, perm itió obtener fotografías sobre seis bandas del espectro, del azul al infrarrojo cercano. También fueron muy em pleadas las cám aras KFA-200, a bordo de los sa télites RESURS-F. con una resolución espacial de 25-30 m y 3 bandas espectra les (verde, rojo e infrarrojo cercano), la pancrom àtica KFA-1000, con resolución de 8-10 m, y la M K F-4, multiespectral con 12 a 14 m de resolución (Kramer, 2002). Estas fotografías facilitaron una información muy valiosa para el estudio de los re cursos naturales, hídricos y minerales (Sagdejew, 1982; Strain y Engle, 1993). G ra cias a un acuerdo con la em presa norteam ericana A erial Images. Irte, y a través del servidor de imágenes Terraserver (www.terraserver.com), podian conseguirse fo tografías digitales del satélite ruso Cosmos. Este satélite está equipado con dos cá m aras, la K V R-1000 que perm ite obtener hasta 2 m de resolución sobre un área de 160 km de lado, y la TK -350, con 10 m de resolución y 200 km de anchura (en este caso con capacidad estereoscópica). U n ejemplo de la calidad de estos datos puede observarse en la figura 3.12, que cubre el casco histórico de la ciudad de Alcalá de Henares. Los detalles que proporciona sobre la estructura y morfologia urbana eran bastante equiparables a la fotografia aérea, si bien han quedado ahora superadas por las imágenes de los satélites com erciales de alta resolución.

3.2.

E xploradores de barrido

Las características técnicas de los sensores fotográficos impiden que desde ellos se realice una cobertura sistem ática de la superficie terrestre, pues están lim i tados por la cantidad de película que pueden cargar a bordo. Por esta razón se dise ñaron otros sensores, denom inados genéricam ente óptico-electrónicos, ya que com-



SEN SO R ES Y SATÉLITES DE TELED ETECC IÓ N

107

Las ventajas más claras de los equipos de b an id o multiespectral, en relación con los sensores fotográficos, pueden sintetizarse en los siguientes puntos: 1. Permiten am pliar la banda del espectro detectada a longitudes de onda m a yores del visible. Las em ulsiones fotográficas están limitadas al rango 0.4 a 0,9 |im (visible e infrarrojo reflejado), mientras los equipos de barrido pueden abarcar de 0.4 a 12,6 Jim, incluyendo el SW IR, 1RM e IRT. 2. Capacidad de convertir los datos registrados en radiancias. 3. Posibilidad de realizar coberturas sistemáticas, y de grandes espacios, gra cias a su capacidad de transm itir datos en tiem po real. 4. Grabación digital de la información, que asegura su fiabilidad y permite su tratam iento asistido por ordenador. Su principal problem a hasta hace unos años era su menor resolución espacial respecto a los sistemas fotográficos, pero este inconveniente se está mitigando nota blemente, gracias a los avances en la electrónica microscópica. Gracias a las características arriba com entadas, los equipos de barrido multi-cspectral se han incorporado sistem áticam ente a las principales misiones de telcdetección desde el espacio. Los más utilizados han sido los incluidos en los programas Landsat (M SS. M ultispectral Scanner, TM , Thematic Mapper. y ETM, Enhanced Thematic M apper), TIROS-NOAA (AVHRR, A dvanced Very High Resolution Ra~ diometer), Nimbus (CZCS, Coastal Zone Color Scanner), Skylab (S I92), DMSP (O perational íin esca n System, OLS), HCM M (HCM R. Ueat Capacity M apping Radiometer), ERS (ATSR ATSR {Along Track Scanning Radiorneter), y el soviético RESURS (M SU -E y M SU-SK). entre otros.

3.3.

Exploradores de empuje

En los años ochenta se puso a punto una nueva tecnología de exploración, de nominada «por empuje» (pushbroom). En estos equipos se elimina el espejo oscilan te. gracias a disponer de una cadena de detectores que cubre todo el cam po de vi sión del sensor. Estos detectores se van excitando con el movimiento orbital del sa télite, de ahí el nom bre de explorador de em puje, puesto que se explora, en cada m o m ento, una línea com pleta, desplazándose ésta sim ultáneam ente con la plataform a (fig. 3.14). Los dciectorcs sólidos que forman un explorador por empuje se denom i nan dispositivos de acoplam iento por carga (Charge Couple Devices, CCD). Esta tecnología perm ite aum entar la resolución espacial del sistema respecto a los barredores convencionales, gracias a elim inar la parte móvil, mientras se redu cen algunos problemas geom étricos que se producen en los barredores, caso de que se perdiera la sincronía entre el m ovim iento del espejo y el de la plataforma. Ade más no se requiere que los detectores sean interrogados una vez por pixel, como ocurre en los exploradores de barrido, sino sólo una vez por linea, lo que agiliza la detección y em isión de datos. Por otra parte tienen las mismas ventajas que los ex ploradores de barrido en cuanto a que la información es digital y corresponde a dis tintas bandas del espectro, más allá del VIS.

108

TELF.D ETECCIÓ N AM BIEN TA L

Fig. 3.14.

Diagrama de un explorador por empuje.

Com o contrapartida, uno de los problem as im portantes que atañe a estos nue vos equipos es la difícil calibración de su cadena de detectores. Al aum entar nota blem ente su número, se precisa de com plejos m ecanism os de ajuste para que éstos traduzcan, de la m ism a forma en todos los casos, la señal recibida. De lo contrario faltaría homogeneidad entre las colum nas de la imagen, afectando a su calidad final. Otro problem a aún no bien resuelto en estos sistemas es am pliar la inform ación es pectral que proporcionan, incluyendo al infrarrojo térmico. Hasta el m omento pre sente, se han diseñado equipos m ono y multi-espectrales, lim itados al VIS, IRC y SWIR. El trabajo en el térm ico resulta mucho m ás com plejo por el tipo de detecto res que precisa, muy sensibles al calor y de difícil calibración. Los exploradores de empuje se han ido incorporando en las dos últim as déca das a la m ayor parte de los proyectos de telcdctección espacial, a partir de la pues ta en órbita del satélite SPOT (sensores HRV y HRVIR). O tros satélites con este tipo de sensores son el indio IRS (sensor PAN, LISS y WIFS), los norteamericanos EO-1 (ALI, Hyperion), IKONOS y Quickbird, y los japoneses MOS (MESSR), JERS-OPS y ALOS, entre otros muchos.

SEN SO R ES Y SATÉLITES DE TELED E TEC C IÓ N

3.4.

109

C ámaras de vídeo

Durante las primeras misiones de los satélites de teledetección también se em picaron bastante tas cám aras de video, que podían trabajar en forma pancrom ática o multi-banda. En esta tecnología la imagen es enfocada sobre un foto-conductor, construyéndose una réplica electrónica de la imagen original, que se m antiene en esa superficie hasta que el haz de electrones la barre de nuevo, restaurando asi su equi librio (fig. 3.15). Este modelo de funcionamiento se modificó en el caso del RBV (Return Beam lid i con), a bordo de los primeros satélites Landsat. En estos sistemas, la señal de la cám ara se derivaba de la porción no utilizada del haz de electrones, que retom aba a lo largo de la misma trayectoria que el rayo incidente, y era am plificado electróni camente. Ese m ecanism o permitió m ejorar la resolución espacial de los equipos de barrido y del video convencional, por lo que fue incluido en algunas m isiones espa ciales: Apollo, Mariner, TIROS. Nimbus, B haskara-l y 2, asi como en los tres pri meros satélites de la serie Landsat. aunque sólo funcionó adecuadam ente en el ter cero.

••

*• • »

’'

•• i • •, ••

.•

Pie. 3.15. Diagrama de un sistema de video.

110

T E L ED E TEC C IÓ N AM BIENTAL

M ás reciente resulta el em pleo de las cám aras de vídeo digital com o fuente de imágenes en proyectos de gran escala. La videografia se define asi como una nueva técnica de telcdctección. que perm ite obtener información calibrada con gran nivel de detalle y bajo coste (especialm ente si se utilizan cámaras convencionales). Su principal interés sobre la fotografía aérea es su inm ediata disponibilidad y facilidad de manejo. Su principal inconveniente es la baja resolución (está lim itado a un cam po de visión no superior a 500 pixeles con las tecnologías convencionales), que obli ga a tom ar los datos desde baja altura (Linden, 2000).

3.5.

R a d ió m e tr o s d e m ic ro -o n d a s

Se trata de sensores que operan en el rango del espectro correspondiente a lon gitudes de onda milimétricas, normalm ente entre 6,8 y 90 GHz. Por ello, no están afectados por la situación atmosférica ni por las condiciones de iluminación. El radiómetro está com puesto por un elemento direccional, un receptor, que perm ite la detección y am plificación de las micro-ondas, y un detector. Su gran des ventaja estriba en la pobre resolución espacial que proporciona, ya que. ai tratarse de un sensor de abertura circular, la resolución es inversamente proporcional al diá m etro de abertura y directam ente a la longitud de onda. En consecuencia, para po seer una adecuada resolución sería preciso contar con una antena de enormes pro porciones, lo cual no es factible en m isiones espaciales. Pese a este problem a, los radiómetros de m icro-ondas se han utilizado con gran aprovecham iento para diversos estudios m edioam bientales (Choudhury et al.1 1994). U no de los cam pos en donde ha m ostrado m ayor interés es en la cartografía de hie lo y nieve, gracias a ser muy sensibles a las bajas tem peraturas.’ Esto ha permitido obtener información del estado de la capa de hielo, asi com o diferenciar tipos de nieve en función de su compacidad y temperatura. A este respecto, Jos sensores SSM R (Scanning M ultichannel M icrowave Radiometer). a bordo del Nimbus-5 y 6, el Special Sensor M icrowave Im ager (SSM /I) del DMSP. y el Advanced M icrowave Scanning Radiom eter (AM SR) sobre el EOS A qua se han em pleado con gran efica cia para cartografiar la nieve y capas de hielo, y detectar m ovim ientos de icebergs (Kelly y Hall, 2008). Un m apa térm ico de ambos casquetes polares fue obtenido a partir de estas imágenes en 1977, revelando información de gran interés para el es tudio de estas áreas, difícilmente accesibles por otros medios (Hall y M artinec, 1985). Los datos de los radióm etros de m icro-ondas se han mostrado también muy convenientes para estim ar las condiciones de humedad en el suelo y el estrés hidrico en la vegetación (Choudhury y Nicholson, 1992). La apertura a usos civiles de los datos adquiridos por el satélite m ilitar DMSP (Defense M eteorological Satellite Program) facilita la continuidad de estas observaciones, ya que cuenta con un equi po m uy sim ilar al del Nimbus, denom inado SSM/I (Special Sensor M icrowave Im a ger), que proporciona información en varias frecuencias, registrando tanto polariza-

I. R ecuérdese que. d e acuerdo a las leyes d e Planck y W ien {2.4 y 2.6}, cuanto m ayor sea la tem perarura de u n a superficie, em itirá m ás intensam ente a longitudes de on d a m ás c o n a s. Por tanto, sólo las cu biertas m ás frías son perceptibles a estas longitudes d e onda.

O


111

ción horizontal como vertical. También la misión TRM M (Tropical Rainfall M ea suring M isión) cuenta con un equipo de estas características, el TRM M M icrowave Im ager (TM I), diseñado para estim ar la lluvia sobre el océano, así com o las del EOS-Aqua y el japonés ALOS.

4. 4 .1 .

Sensores activos R adar

Característica com ún de los sistem as activos es su capacidad de em itir un haz energético que. posteriormente, recogen tras su reflexión sobre la superficie que se pretende observar. Entre ellos, el sistema más conocido es el radar, radiómetro acti vo de micro-ondas, que trabaja en una banda com prendida entre 0,1 cm y I m. Cada píxel en una imagen radar representa el coeficiente de retro-dispersión de esa área sobre el terreno, siendo el valor almacenado tanto mayor cuanto más intensa sea la señal de retom o. Gracias a su flexibilidad — puede trabajar en cualquier condición atm osférica (fig. 3.16)— , el radar ha pasado a un prim er plano en los programas de observación de la Tierra, obteniendo múltiples aplicaciones en la últim a década (Henderson y Lewis. 1998). Podem os distinguir tres tipos de radar: aquellos que se orientan a adquirir imá genes. los que miden distancias (altímetros), y los que miden cam pos de viento (dispersómelros). Los más utilizados son los primeros, que permiten m edir la intensidad de la señal de retom o, de forma sim ilar a como hacen los equipos ópticos, aunque aquí se realiza lateralm ente, lo que supone una serie de errores geom étricos que aho ra comentaremos. Un radar se puede configurar de formas muy variadas, obteniendo señales de retom o potencialm ente también muy diversas. Puede diseñarse con distintas bandas de observación, a distintas alturas, con distintos ángulos de observación, con distin tos tam años de antena y distintas polarizaciones. La ecuación fundamental del radar puede expresarse com o sigue:

{3.2} '

(4 7 t ) V

donde P „ indica la potencia retro-dispersada; P„ la potencia em itida por el radar, G es un factor de ganancia de la antena; a es la sección eficaz de retro-dispersión, y r la distancia entre el sensor y la cubierta. De esta fórmula se entiende que, a estas longitudes de onda, la señal de retom o depende notablem ente de la potencia em iti da y la altura de observación, por lo que para montar radares orbitales, se requiere una enorm e potencia o que la antena tenga una ganancia efectiva muy alta, lo cual depende del tamaño de la antena y de la longitud de onda. De esta forma, la ecua ción anterior tam bién puede expresarse como:



114

T E L ED E TEC C IÓ N AM BIENTA L

Fjcí. 3.18. Resolución en profundidad de un sistema radar: cuando se trabaja a longitudes de onda más largas, los objetos cercanos tienden a mezclarse en ¡a señal retrodispersada. Cortesía Iksu A. Kyun

los pulsos em itidos y recibidos. En resumen. ]a resolución en profundidad viene marcada por (fig. 3.18):

r'

2 B sen Q

*3,5}

donde c refiere a la velocidad de la luz, B al ancho de banda y 9 al ángulo de inci dencia de la onda. En la geom etría de adquisición de imágenes radar tiene una gran influencia el relieve, que m odifica el ángulo local de incidencia, adem ás de transform ar la super ficie real en superficie proyectada sobre la imagen (fig. 3.19). Si la pendiente es m e nor que el ángulo de incidencia, la imagen ofrece las distancias reales como acorta das. De ahi que las venientes orientadas hacia la antena aparezcan com o inclinadas hacia la dirección de la antena (acortadas, foreshortening), mientras las venientes opuestas se alargan. El efecto más severo se produce cuando el haz radar llega an tes a la cúspide de un fuerte relieve que a su base. Entonces la geom etría se desfi gura notablemente, observándose un solapam iento inverso (layover; fig. 3.196), a consecuencia de que sus ecos lleguen a la antena en forma inversa a su posición res pecto a la trayectoria. Estos factores pueden corregirse m ediante análisis digital de

o p y r ig h te d m a te ria l

SEN SO R ES Y SATÉLITES D E TELED ETEC C IÓ N

115

Fie. 3.19. Efectos del relieve sobre la imagen radar: a) las distancias se acortan cuando el reHeve es muy pronunciado; b) si el relieve es extremo los objetos pueden aparecer en orden inver so al que realmente ocupan; c) con ángtdos de incidencia bajos, parte del úrea queda a la som bra del radar. Cortesía Iksu A. Kyun. las imágenes si está disponible un modelo digital del terreno de suficiente fiabilidad. Más com plicado resulta corregir el efecto del relieve cuando deja en som bra las ver tientes opuestas a la dirección de observación (fig. 3.19c). Este fenómeno, que d e pende de la altitud del terreno y del ángulo de incidencia, implica perder la infor m ación de esas laderas, aunque puede recom ponerse si el satélite está diseñado para pasar por el m ismo lugar con dos ángulos distintos (pasada ascendente y descenden te). com o ocurre con el europeo ERS. Un ejem plo de los .severos efectos geom étricos que se producen en una imagen radar sobre una zona montañosa aparece en la figura 3.20. donde se han incluido dos imágenes adquiridas por el SAR del E R S -l con seis días de diferencia, adquiridas en la pasada descendente y ascendente del satélite. El área corresponde al inicio de la Sierra de Credos, entre las localidades del Tiemblo y Mijares. Al tratarse de un sector con fuertes contrastes topográficos, se observa una notable discrepancia geo m étrica entre las dos imágenes. Puede observarse cómo el relieve se «inclina» hacia la dirección de la trayectoria en los dos casos, y cómo quedan en som bra algunas vertientes que m iran en sentido contrario a la órbita. En cuanto a los problemas radiométricos, el más importante es el conocido com o «speckle» (moteado), que aparece como consecuencia de las interferencias

116


FiG. 3.20. Imágenes SAR del ERS-1 sobre la Sierra de Gredos. En la parte superior, pasada des cendente (23 de abril de 1993); en la inferior, pasada ascendente (29 de abril de 1993). que se producen entre las diversas vistas que se requieren para generar una imagen con la técnica de abertura sintética. El efecto es un moteado brillante, más o menos aleatorio sobre la imagen, que añade m ido y degrada las relaciones físicas, com pli cando la clasificación de la imagen. Puede solventarse con algunos filtros digitales, que luego com entarem os en el capítulo 6.


11 7

Pese a los problemas geom étricos y radiométricos, el radar de abertura sintéti ca ha sido uno de los sensores de mayor desarrollo en las últimas décadas, a conse cuencia de su gran versatilidad de observación, ya que es independiente de las con diciones atmosféricas y de la iluminación solar. Sus posibilidades para el análisis de la vegetación son amplias, com plem entando la observación de los sensores ópticos. Entre las principales aplicaciones cabe citar la cartografía de la cobertura del suelo (basada en la rugosidad), la detección de alteraciones producidas por incendios o ta las, la estimación de algunos atributos forestales (alturas promedio, área basal, biomasa, volumen maderero) y el seguimiento de la regeneración vegetal tras un even to catastrófico (Dobson, 2000). Los progresos en la tecnología radar se dirigen a obtener equipos más versáti les, que mejoren la resolución espacial y/o ofrezcan observación multiangular, multifrecuencia y multipolarización. Los equipos radar instalados sobre plataformas es paciales han trabajado principalm ente en una sola frecuencia, un solo ángulo y un solo nivel de polarización, pero los más recientes están am pliando mucho esas ca pacidades. El prim er radar espacial se instaló a bordo del SEASAT, activo por un corto periodo de tiempo en 1978 para investigación oceanógrafica. Tras él, se han desarrollado varias misiones europeas (ERS, Envisat), rusas (Alm az), japonesas (JERS, ALOS: fig. 3.21) y canadienses (RADARSAT). Además, se han m ontado ra dares en el Space Shutte, tanto para adquirir imágenes (misiones SIR), como para m edir alturas (SRTM). La figura 3* recoge una magnífica imagen de la Isla de Tenerife adquirida por el SIR-C el 11 de octubre de 1994. La imagen ofrece una com posición en color de la banda L (polarización HH) en rojo, la banda L (polarización HV) en verde, y la banda C (HV) en azul. Se observan magníficam ente los principales rasgos geomorfógicos de la isla. Junto al Teide, se observan distintos flujos de lava en tonos de gris.

Fig. 3.21. Imágenes radar de un sector en el oeste de Rondonia

SEN SO R ES Y SATÉLITES DE TELEDETECCTÓN

119

esta técnica, tanto para generar modelos de elevación, com o para analizar movi mientos del terreno. Sin em bargo, la disponibilidad de pares interferom étricos era escasa, por lo que su impacto operacional fue limitado. Los buenos resultados de es tas experiencias facilitaron el diseño de un proyecto específico para recoger infor m ación interferométrica. Asi nació la Shuttle Radar Topography M ission (SRTM ), em barcada en el vuelo STS-99 del Space Shuttle en febrero de 2000. Esta misión in corporó dos radares, separados unos 60 m gracias a un mástil instalado en el trasbordador espacial, lo que le perm itió una adquisición de datos m uy precisa (Rabus et al.. 2003). A partir del procesamiento de esta información, se ha generado un m o delo digital del terreno de casi todo el planeta con una resolución de 30 m, que está disponible públicam ente (fig. 4*).

4 .2 .

L íd a r

El lídar (Light Detection and Ranging), es un sensor activo que em ite pulsos de luz polarizada entre el ultravioleta y el infrarrojo cercano (Dubayah y Drake, 2000; Kobayashi, 1987). En la m ayor parte de los sistemas, se em plea com o transm isor un láser que transm ite un pulso colimado (altamente direccional). coherente (fase ho m ogénea) y polarizada (vectores alineados). Esta señal interacciona con las partícu las atm osféricas o el suelo, causando su dispersión en función del tipo de elem ento encontrado. La energía de retom o se recoge por un telescopio, que a su vez la trans mite a través de un filtro óptico a un foto-detector. Esta señal eléctrica es grabada y posteriorm ente almacenada en un ordenador. En función del tiem po y la intensidad de la señal de retom o, puede deducirse una información muy significativa sobre el tipo de cubierta presente en la zona de estudio. Existen distintos sistem as lídar. de acuerdo a los principales tipos de disper sión: de M ié, Rayleigh y Raman, de resonancia, de absorción diferencial, y de fluo rescencia inducida (Kobayashi, 1987). Cada uno de estos tipos se orienta a aplica ciones específicas. Hasta hace pocos años, los más utilizados se dirigían a explorar Jas condiciones atmosféricas: detección de aerosoles y partículas contam inantes del aire, medición de la humedad, presión y tem peratura del aire, y estimación de la ve locidad del viento. Las experiencias desarrolladas hasta el m omento han ofrecido re sultados muy interesantes (Hufíaker et al.. 1984), En lo que se refiere a la teledetección de cubiertas terrestres, los lídar más uti lizados son el de fluorescencia inducida (Chapelle et a i . 1984) y el m edidor de dis tancias (altím etro lídar) (Fujii y Fukuchi, 2005). El primero permite detectar m an chas de aceite, algas y contam inantes del agua, condiciones de hum edad en la ve getación y contenido de pigmentos. Para los estudios topográficos y cálculos de biom asa se ha utilizado con bastante intensidad en los últimos años el altím etro lídar. diseñado para m edir con m ucha precisión distancias desde un punto emisor. Estos equipos em iten un haz láser en el R o IRC mediante un barrido de un área a am bos lados de la trayectoria del avión (fig. 3.22a), con lo que pueden obtenerse re presentaciones bidim ensionales de los datos. Puesto que las observaciones son pun tuales. si quiere obtenerse una imagen continua de alturas, habitualm ente la altura de cada píxel se obtiene extrayendo valores promedio, máximos o m ínim os de los

C o p y rig h tc d malcrió!



121

base nos indicaría la altura de los objetos observados. Para el caso de la vegetación, si los pulsos son muy densos algunos se reflejarán en la copa de los árboles, otros en ramas intermedias, otros en el matorral y otros en el suelo (fig. 3.226). A nalizan do las diferencias entre las distancias registradas podrá reconstruirse la estructura vertical de la m asa forestal que se esté estudiando (Dubayah y Drake. 2000: Lefsky et a i , 1999). Puede, por ejemplo, determ inarse no sólo la altura de los árboles, sino también la diferencia con la base de la copa o la presencia del matorral bajo arbola do (Riaño et al., 2004a). Adem ás, la distribución de los pulsos que se reflejan a dis tintas alturas resulta un buen indicador del índice de área foliar o de la fracción de cabida cubierta (Riaño el a i . 2004b). La precisión de estas estim aciones depende bastante de la rugosidad del terreno, de la altura de observación, de la altura de la vegetación y del espaciam iento vertical entre los distintos estratos vegetales (Riaño ci a i , 2007a). Para las zonas urbanas, basta habitualmente el prim er pulso reflejado para co nocer la altura de los edificios (Zhou et al., 2004), lográndose una imagen muy de tallada de la organización urbana (fig. 2*). Su alta precisión en la medición de dis tancias le permite m ejorar mucho los métodos tradicionales para generar modelos digitales de elevación, especialmente en zonas de relieve suave, como son las llanu ras de inundación, por lo que se ha utilizado bastante en análisis de riesgos (W ebs ter et a i , 2006). En definitiva, el lidar supone un sensor de gran potencialidad para estudios to pográficos y de biomasa vegetal, ai facilitar información tridimensional muy precisa, que puede com plem entar notoriamente la recogida en otras bandas del espectro. Su principal problema radica en la dependencia, al igual que las otras longitudes de onda ópticas, de las condiciones atmosféricas, asi como a requerir un consumo de energía bastante elevado para su funcionamiento en una plataform a espacial. Por estas razo nes, hasta el momento la m ayor parte de los sensores lidar son aeroportados y de pe queña huella (Baltsavias. 1999). Durante varios años se trabajó en una m isión orbi tal orientada al análisis de la vegetación. Este proyecto, denom inado Vegetation Canopy Lidar (VCL). pretendía instalar en órbita un lidar de gran huella (25 m), traba jando en el IRC y registrando un área de 8 km de lado, digital izando la onda de re tornos completa. Aunque se aprobó inicialmente para lanzarse en 2000. finalmente se ha cancelado y es bastante incierto su inmediato futuro. Si que se ha puesto en órbita, sin embargo, otra misión lidar. aunque orientada principalm ente hacia estudios de hielo y nieve. Se denom ina, por esa razón, ICESat, y fue lanzada con éxito en 2003. Este satélite incorpora un equipo lidar de gran hue lla (70 m) que se denom ina GLAS (Geoscience Láser A ltim eter System). Trabaja en dos longitudes de onda (IRC y V) y proporciona onda de retornos com pleta, con una separación entre huellas de 170 m en la dirección del barrido. Cuenta con un siste ma de posicionamiento estelar muy preciso, que le perm ite m edir alturas con bas tante precisión. Se dirige principalm ente al seguim iento de las capas de hielo y nie ve (Thomas el a i , 2004: fig. 3.23), pero también cuenta con interesantes aplicacio nes en el análisis de nubes/aerosoles y en vegetación, si bien aquí las estimaciones son poco precisas cuando el terreno es rugoso (Harding y Carabajai. 2005).

122


1 « .0 0

Fig. 3.23. Modelo de elevación de la Antártida generado a partir de dalos ICESAT (http://icesat.gsfc. nasa.gov/). 5.

P la ta fo rm a s de teledetección espacial

La última parte de este capitulo se dedica a revisar las características de los proyectos más interesantes de teledetección desde el espacio. Bajo la óptica de quien pretende obtener información tem ática de una imagen, este com entario puede ser útil en la m edida en que ofrezca un panoram a de la información actualm ente dispo nible. Con la rapidez con la que se diseñan y ponen en órbita las misiones de tele detección, necesariam ente este texto debe irse actualizando mediante la información disponible en las agencias espaciales y empresas dedicadas a este sector. A ntes de iniciar esta sección, conviene hacer algunos com entarios som eros so bre las características orbitales de un satélite. Los tres elementos más im portantes de

SEN SO R ES Y SATÉLITES D E TELEDETECCIÓ N

FlC. 3.24.

123

Esquema de una órbita geosincrona.

una órbita espacial son la altitud, la inclinación y el periodo orbital. La altitud pue de ser constante, en cuyo caso se trataría de una órbita circular, o variar (órbitas elíp ticas), distinguiéndose en este caso entre el punto más lejano (apogeo) y el más cer cano (perigeo). La inclinación se mide respecto al plano del Ecuador, y puede tra tarse de órbitas ecuatoriales o polares, dependiendo del ángulo de cruce. El periodo indica la duración de una órbita completa, y depende de la velocidad orbital y de la altura. Los satélites más comunes en teledetección se ajustan a dos órbitas, denom ina das geosíncronas y heliosíncronas. La primera, que tam bién se denom ina geoestacionaria, es una órbita ecuatorial a 36.000 km de distancia. Su periodo orbital es el m ismo que el de la Tierra, por lo que el satélite aparece siempre en la m ism a posi ción relativa (estacionario) respecto a la Tierra. Esto le permite observar siempre la misma zona (figura 3.24), por lo que es ideal para los satélites dedicados a la obser vación meteorológica (Metcosat, GOM S, Insat o GOES), ya que pueden tom ar da tos del mismo punto con bastante frecuencia. Puesto que orbitan con la Tierra, no pueden observar todo el planeta, sino el sector longitudinal en el que están posicionados: el M etcosat se sitúa sobre el meridiano 0o (para adquirir imágenes de Euro pa), mientras el GOES lo hace en los meridianos 70° y 140° W, enfocados hacia la costa Este y Oeste de EE.UU. respectivamente. Esta también es la órbita más utili zada por los satélites de comunicaciones. En cuanto a la órbita heliosíncrona. cuenta con una inclinación próxim a a los 90° (casi Polar), lo que perm ite observar en cada momento una zona distinta del pla neta, hasta com pletar la observación, ya que la órbita es perpendicular al m ovim ien to terrestre. Las alturas orbitales varían entre 600 y 900 km, y suele ajustarse el período orbital para que pasen por el Ecuador a la misma hora local, lo que les per mite tom ar imágenes en sim ilares condiciones de iluminación si se com paran las m ism as épocas del año (fig. 3.25). Esta órbita es la más habitual en los satélites de recursos naturales de media y alta resolución (Landsat, SPOT. IRS. IKONOS, Terra, Aqua, etc.), si bien también existen algunos ejemplos de órbitas ecuatoriales (ineli-

124


Fig. 3.25.

Esquema de una órbita polar.

nación 5-10°), optim izadas para observar con más detalle las áreas cercanas tropica les. Este es el caso del satélite TRM M , por ejemplo. La elección de la órbita que ocupa una plataform a viene determinada por las características de la misión del satélite: si se pretende tom ar datos de una gran su perficie en una sola imagen a fin de observar fenómenos globales y muy dinámicos (como la nubosidad), suele trabajarse con satélites geoestacionarios — o, en todo caso, con polares que cuenten con un am plio campo de visión— ; por el contrario, si se pretende un m ayor detalle en la observación, se utilizan plataform as de órbitas más bajas. A continuación vamos a revisar algunas de las misiones más destacadas en te ledetección espacial.

5.1.

El

pro g ra m a

L an dsa t

G racias a los brillantes resultados que proporcionaron las prim eras fotografías espaciales, la agencia espacial norteamericana diseñó a fines de la década del 60 el prim er proyecto dedicado exclusivam ente a la observación de los recursos terrestres.




FlG. 3.28.

12 7

Aspecto del Landsat-7.

sustituyen por un nuevo explorador de barrido, denom inado TM (Thematic Mapper) que proporcionaba mayor resolución espacial y espectral que el previo MSS. Para asegurar la continuidad en la serie de datos, también se mantuvo el M SS en los dos Landsat-4 y 5, con sim ilares características a los anteriores satélites. El sensor M SS era un equipo de barrido óptico-electrónico con un cam po total de visión de 11,56o, lo que, a la altura orbital del satélite, le perm itía explorar una franja de terreno de 185 km, divididos a ambos lados de la vertical de la traza. En el diseño del sensor MSS se tuvieron en cuenta las m edidas espectrales de laboratorio, de tal forma que las 4 bandas finalmente incluidas pretendían realzar la aplicación de este sensor a la detección de masas vegetales, recursos hídricos y m ineros (tabla 3.1).2 Las bandas visibles (4 y 5), tienen m ejores disposiciones para la detección de aspectos antrópicos. com o áreas urbanas o vías de com unicación, a la vez que proporcionan una interesante información sobre la calidad del agua. Las dos bandas en el infrarrojo cercano (6 y 7) pretenden registrar parám etros vitales en la actividad de las plantas, además de ser especialmente sensibles a la humedad. Con objeto de acoplar la secuencia de barrido a la velocidad del satélite, el sen sor MSS registraba seis lineas sim ultáneam ente con cada oscilación del espejo. La radiancia recibida por el sistema focal se transm itía a un sistema óptico que la des com ponía en cuatro bandas y la enviaba a distintos detectores. Por tanto, el MSS 2. A lo largo del capitulo se incluirán tablas con las características técnicas de los principales sensores com entados. Aquellos que no se recogen en el texto, con objeto de sim plificar la exposición, aparecen citados en la w eb del libro.



129

Su resolución espacial se cifraba en 80 ni, cubriendo la misma porción superficial del sensor MSS. Este sistema no funcionó adecuadamente en los dos primeros Landsat, por lo que fue sustituido en el tercero por otro. En este caso, el planteamiento se dirigió más a mejorar la resolución espacial que la espectral, por lo que se montaron dos cámaras pancromáticas de mayor resolución operando simultáneamente con el MSS. Estas cá maras cubrían un abanico espectral de 0,505 a 0,705 p.m, proporcionando — en cua tro adquisiciones— la misma cobertura del M SS, pero con una resolución aproxim a da de 40 m. El registro entre ambas permitió utilizar el RBV com o auxiliar del MSS, especialmente para mejorar la calidad visual de sus imágenes. Para ello, se em plea ron diversas técnicas de fusión, que luego tendremos ocasión de comentar. En el cam po de las aplicaciones temáticas, el RBV se ha utilizado en estudios morfológicos (Tricart. 1981) y en cartografía de la cubierta del suelo (K.ing, 1981), si bien la esca sa pervivencia de este sensor ha reducido sensiblemente su rango de aplicaciones. TM y ETM+ Com o antes se indicó, el lanzamiento de los Landsat-4 y 5 supuso un notable impulso del programa Landsat. Su principal aportación consistió en incorporar un nuevo sensor, denominado Thematic M apper (TM ), directam ente diseñado — como su nombre indica— para la cartografía temática. Al igual que su predecesor, el MSS, el Thematic M apper es un equipo de ba rrido multiespectral, que em plea una técnica muy sim ilar a la descrita previamente. Sin embargo, las novedades que incorpora permitieron considerarlo como parte de una nueva generación de sensores. Frente al MSS, el TM aum entaba el número de detectores, de 24 a 100, a la vez que reducía el cam po de visión instantáneo, au m entaba los niveles de codificación y realizaba el barrido en las dos direcciones. Todo ello le perm itió m ejorar la resolución espacial, espectral y radiom étrica frente al MSS: de 79 a 30 m. de 4 a 7 bandas, y de 6 a 8 bits. En el TM , cada oscilación del espejo suponía 16 lineas de barrido, frente a 6 en el MSS. De esta forma se pre cisaban 16 detectores por banda, salvo la banda térm ica que registraba una menor resolución (120 m) y sólo requería cuatro detectores. Este aum ento en el núm ero de detectores com plicó el proceso de calibración, a la par que aum entaba el volumen de datos a procesar frente al MSS, si bien pronto se superaron las lim itaciones con la m ejora en las capacidades de proceso alcanzadas en los años ochenta. Los detec tores están formados por tubos de silicio, para las bandas 1 a 4, indio-antimonio para las bandas 5 y 7, y mercurio-c io-tclurio para la banda 6. En el último Landsat lanzado hasta el m omento (el 7, en 1999) se incorporó un nuevo sensor, el ETM+, que mejora las características del TM , añadiéndole una ban da pancrom ática de 15 m de resolución (fíg. 3.29), y aum entando la resolución de la banda térm ica a 60 m (con dos niveles de ganancia, por lo que se distribuyen dos bandas térmicas distintas). La inclusión del canal pancrom ático está siendo de gran utilidad para obtener productos cartográficos de m ayor calidad, aplicando técnicas de fusión de datos (7.1.7). El incremento de la resolución espacial y espectral que ofrecen tanto el TM como el ETM +, ha permitido m ejorar notablem ente la precisión obtenida en múlti-



131

lia de satélites. Com o antes comentamos, la istración Reagan impulsó la transferencia del program a Landsat al sector privado en 1984 (O.T.A., 1984). Pocos meses más tarde, en 1985, la com pañía EOSAT recibía los derechos para vender productos Landsat por un período de diez años, con el compromiso de participar en el desarrollo de futuros sensores. Por su parte, el gobierno m antenía la responsabi lidad en el control físico de la plataform a (a través de la agencia NOAA. con am plia experiencia en la gestión de los satélites meteorológicos), mientras que se com prom etía a colaborar en el desarrollo de los Landsat-6 y 7. N uevos recortes presu puestarios pusieron en entredicho este com promiso, hasta el punto de llegar a una situación limite, a inicios de 1989, en el que se tem ió por la continuidad de los pro pios Landsat-4 y 5. en ese m omento en órbita. Las numerosas presiones de la com unidad científica y profesional, el desarro llo de programas espaciales por parte de otros países, singularm ente Francia con su program a SPOT (que llevó a tem er por el liderazgo estadounidense en esta línea), el creciente interés por la observación global de los cam bios ambientales (al tener ya disponible un amplio archivo histórico de imágenes M SS), y las aportaciones estra tégicas de las imágenes Landsat en la primera guerra del Golfo (1991), llevaron a m odificar el rum bo de los acontecim ientos, asegurando un marco jurídico estable para el futuro del program a Landsat a través de la L a n d Rem óte Sensing P olicy Act de 1992 (W illiam son, 2001). Por esta ley. se transfería de nuevo el control del pro gram a Landsat al gobierno federal, en un prim er momento al Departamento de De fensa y la N A SA , y más tarde al Departamento de Interior (a través del U.S. Geolog ica l Survey) que se encargaría del archivo y la distribución de los datos, en cola boración con la NASA (encargada del desarrollo del satélite y sensores) y la NOAA (responsable de la operación del satélite y del sistem a terrestre). Este acuerdo, for zado también por el fracaso en el lanzamiento del Landsat-6. en 1993, ha permitido poner en órbita con éxito el Landsat-?. seis años m ás tarde, y garantizar una conti nuidad en los datos. M ediante una disposición del año 1994, revisada en 1997 y en 2000, se esta blecieron las líneas m aestras de la política de distribución de datos Landsat, que bá sicam ente cuenta con los siguientes principios: asegurar que los datos brutos estén disponibles a todos los s a precios de coste, sin restricciones y con razonable rapidez; asegurar que EE.UU. mantiene la propiedad de los datos brutos generados por la plataform a; respaldar el desarrollo de aplicaciones com erciales de los datos, asegurar que las aplicaciones comerciales sólo se realizarán por el sector privado; facilitar, en la medida de lo posible, la integración de los sistem as de distribución de datos Landsat con los generados por el program a EOSDIS (Sistem a global de ob servación terrestre), y prom over la investigación y el desarrollo de las aplicaciones de la teledetección (http:/yidcm.usgs.gov/refdocuments.html). Estas disposiciones han perm itido reducir considerablem ente los costes de los datos brutos de las imá genes ETM+ (a casi un 10 % del importe de las imágenes TM adquiridas por los Landsat-4 y 5). Muy recientemente (mayo de 2008) se ha anunciado la liberalización de todo el archivo histórico Landsat. desde 1972 hasta la actualidad, lo que per m itirá acceder a una valiosísima fuente de información para el análisis de cam bios en el territorio. El principal problem a que se presenta ahora es la continuidad de los datos, sin




135

SEN SO R ES Y SATÉLITES DE TELEDETECCIÓ N

5.3.

El

p ro g ra m a

IRS

La agencia espacial india (NRSA) ha sido bastante activa en los program as de observación de la Tierra, ya desde los años setenta con la serie Bhaskara. Entre los m ás m odernos destacan los cinco satélites IRS (Indian Rem óte Scnsing Satcllite), lanzados hasta el m omento (1988, 1994, 1995, 1997 y 2003). El objetivo directo de esta misión es mejorar el conocim iento de los recursos naturales de ese gran país asiático, pero sus imágenes se han utilizado en muchas otras aplicaciones. En el caso del IRS se opta por la tecnología de exploración por em puje, con dos sensores denom inados LISS (Linear Im aging S e lf Scanning) que ofrecen una re solución de 72.5 m (LISS-I) si opera una cámara, y 36.25 m (LISS-II) si operan dos. La superficie cubierta en cada escena es de 148 km para el LISS-I, y de 74 km para el LISS-II. con un ciclo de repetición de 22 días. El sensor LISS facilita inform a ción sobre cuatro bandas del espectro, com prendidas entre el azul y el IRC para los dos primeros, y entre el rojo y el SW IR para los dos segundos (tabla 3.3), por lo que resulta idóneo para estudios costeros, discriminación de cubiertas vegetales y ex ploración minera. En los dos últimos satélites de la serie (el IRS-1C y ID) se añadió a este sen sor otros dos sensores: una cám ara pancrom ática con alta resolución (5.8 m: fig. 3.32). explorando una zona de 70 km . y un sensor de observación regional, el WIFS. con resolución de 188 m y un área cubierta de 810 km. Este am bicioso program a de observación de la Tienra indio se ha com pletado recientem ente con dos nuevos satélites. En 2003 se lanzó el IRS-P6. denom inado Resourcesat, que cuenta con tres sensores: una cám ara de 3 bandas espectrales y re solución de 5,8 m, otra de cuatro bandas y 23,5 m., y una versión m ejorada del W IFS, denom inada AW IFS. con cuatro bandas y 60 m de resolución. G racias a abar car una am plia zona en cada imagen, pueden adquirirse imágenes con bastante fre cuencia. lo que le convierte en una buena alternativa para el seguim iento estacional del territorio o la detección de eventos esporádicos (fig. 3.33) a escalas medias. En mayo de 2005 se lanzó el C artosat-1, que cuenta con dos cám aras pancrom áticas con

T a b l a 3.3.

USS-J' 1 2 3 4

0.45 -0 ,5 2 0.52 -0 ,5 9 0.62 -0 .6 8 0.77 -0 ,8 6

uss-ur\im um

\xm nm

R esolución espacial 1-4 76.5 m. 32.25 m

1. 2 3.

.

Sensores a bordo del satélite 1RS H7FSr

1 2 3 4 P-*

0 .5 2 -0 ,5 9 \im 0 .6 2 -0 .6 8 Jim 0 ,77-0.86 1,55-1,70 n m 0.5 -0 ,7 5 jim

1 2 3 4

1-4 P

23 m <:,/5 .8 m*' 5.8 m

1-2 188 m 1-4

0 .62-0,68 firn 0 ,7 7 -0 .8 6 um

/AWIFS' 0 .6 2 -0 ,6 8 0 .7 7 -0 ,8 6 0 .7 7 -0 .8 6 1.55-1.70

um um um |im

60 m

Solo en Jos I R S - l A y IB. Sólo o» los 1RS-IC y ID. Sólo en el 1RS P-6 renjurccsat.

Copyrightcd materia!









14 3

Programme). Forman p an e de esta red los satélites M eteosat, GOES. GM S, Insat y GOMS. El primer satélite geoestacionario se lanzó en 1966 por la NASA, denom inán dose ATS {Applications Technollogy Satellite). En forma operacional, este satélite se convirtió en la serie SMS, bautizada como GOES (Geostationary O perational Environmental Satellite) a partir de 1975. En el momento presente, se cuenta con cuatro satélites de esta familia, aunque sólo dos resultan operativos. Cubren el conjunto del territorio norteamericano, asi como el Atlántico oeste. Los más modernos incluyen varios sensores, entre los que destaca el Imager, sensor de barrido con cinco canales (1 VIS, 2 IRM , 2 IRT), que registra el disco visible de la Tierra cada 30 minutos, ofreciendo una resolución de 1 km para el visible y 4 km para 3 de las cuatro restan tes bandas. Además cuenta con otro sensor, denominado Sounder. que ofrece un per fil de tem peratura y humedad atmosférica, así como la distribución de ozono. Sim ilar configuración a la plataform a GOES tiene el satélite europeo Meteosat. Lanzado por vez primera en 1977, hasta el m omento se han puesto en órbita seis M eteosat más en 1981, 1988, 1989, 1991, 1993 y 1997, contribuyendo de m odo de cisivo a la predicción m eteorológica en Europa y África. Inicialmente todos ellos se situaban en longitud 0o, pero el Meteosat-3 se desplazó hacia el Oeste para facilitar el seguim iento de huracanes tropicales. Estos satélites cuentan con un sensor de ba rrido. que ofrece información sobre tres bandas del espectro: 0,4 3 1,1 ^im. 5.7 a 7.1 Jim y de 10,5 a 12,5 ^im. La primera es bien conocida por su aparición en los m e dios de com unicación. L a segunda, se em plea para estudiar el contenido de vapor de agua en la atmósfera, mientras la tercera (térmica) se dirige a la discriminación de ti pos de nubes y temperaturas de superficie. La resolución espacial que ofrece es de 2,5 x 2.5 km en el visible y 5 x 5 km en el infrarrojo medio y térmico. La imagen com pleta del M eteosat cubre el disco visible de la T iena, desde su posición a 0o de latitud y longitud (ftg. 6*). Estos satélites proporcionan imágenes cada 30 minutos. La transm isión se realiza en tiem po real a la estación receptora de Darmstadt (A le mania), en donde se sitúan las oficinas centrales de Eumetsat. Tras algunas correc ciones estos datos son enviados a una am plia red de estaciones receptoras, ya sea en alta resolución digital (a las estaciones primarias, Prim ary Data Stations. P D ü S ), o en modo analógico. La nueva generación de satélites M eteosat (MSG, M eteosat Second Generadon) ha m ejorado notablem ente la información proporcionada por esta misión. El M eteosat-8 se lanzó en agosto de 2002 y el 9 en diciem bre de 2005. Am bos cuen tan con sensores muy mejorados sobre los que incluían los prim eros satélites de esta familia. El principal sensor se denom ina SEVIRI (Spinning Enhanced Visible and lnfrared Imager) que es un sensor de barrido multiespectral con una resolución tem poral de 15 m in y proporciona 12 canales espectrales (VIS. IRM e IRT), el visible con una resolución de 1 km y los dem ás a 3 km (en ambos casos, en el Ecuador: fig. 6*). Esto supone aum entar notablem ente el flujo de datos brutos que envía el sa télite (de 0,33 M b/s a 3,2 M b/s), haciendo más com plejo tanto su envío (nuevos sistem as de com unicaciones), como su recepción. No obstante, perm ite m ejorar no tablem ente el rango de aplicaciones de estas imágenes, no sólo en cuestiones m eteo rológicas (Sobrino, 2008), sino también en temas am bientales de diverso tipo (Calle et a i , 2006).




SEN SO R ES V SATÉLITES DE TELED ETECC IÓ N

T a b la 3.5.

Características Jet sensor MODIS

Rango espectral tnm)

Resolución (mi

8 9 10 II 12

620-670 841-876 45 9 -4 7 9 545-565 1.230-1.250 ».6 2 8 -i.652 2.105-2.155 405-420 438-493 483-493 526-536 546-556

13 14 15 16 17 18

662-672 673-383 743-753 862-877 890-920 931-941

250 250 500 500 500 500 500 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000

Bamia 1 2 3 4 5 6 7

147

Banda 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36

Rango espectral tnm)

Resolución (m)

915-965 3 .660-3.840 3.929-3.989 3-929-3.989 4 .0 2 0 -4 .0 8 0 4 .433-4.498 4 .482-4.529 1.360-1.390 6.535-6.895 7.175-7.475 8.400-8.700 9 .580-9.880 10.780-11.280 11.770-12.270 13.185-13.485 13.485-13.785 13.785-14.085 14.085-14.385

1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000 1.000

MODIS El MODIS (M oderate-Resolution Im aging Spectroradiometer) es el primer sensor con capacidad hiperespectral lanzado al espacio, si bien no se trata de ban das continuas. Cuenta con 36 canales, a distintas resoluciones y ám bitos del espec tro (tabla 3.5), Las dos prim eras bandas tienen 250 m de resolución, cubriendo el R e IRC. Las 5 siguientes ofrecen 500 m y cubren el V y diversas bandas del SWIR. El resto, con una resolución de 1 km , cubren principalmente el VIS-IRC (por ejem plo. entre 0,4 y 9.965 |im hay 12 bandas), y el 1RM y térm ico (6 bandas entre 10,78 y 14,38 Jim). Cuenta con un área de barrido de 2.300 km lo que le facilita una co bertura prácticam ente diaria de la Tierra (fig. 8*). Una de las novedades más interesantes del sensor MODIS es que tanto las imá genes originales com o todos los productos derivados se encuentran accesibles libre mente a través de internet. Los productos, además, están calibrados físicamente, y están disponibles los algoritmos que se han empleado en su generación, lo que per m ite validar sus asunciones y analizar su consistencia. Los productos se van revi sando en tom o a «Colecciones», que marcan actualizaciones de cada uno en función de nuevos algoritm os de proceso más avanzados, o al detectar algunas anom alías en el funcionamiento. Actualmente hay 45 productos estándar del program a MODIS, cubriendo campos muy variados: reflectividad bruta y corregida, nubes, cobertura de nieve y del suelo, área foliar, productividad vegetal, índices de vegetación, detección de incendios, etc. (Justice et al., 2002; NASA, 2000).

Copyrighted fnalcriQl





151

denom inado ATSR (Along Track Scanning Radiometer), diseñado por un consorcio de em presas inglesas y australianas para proporcionar una medida precisa de la tem peratura del agua del m ar y del techo de las nubes. Este sensor ofrecía cuatro ban das en el SW IR, IRM c IRT, con una precisión en temperaturas de 0,1 K y una re solución espacial de 1 km en franjas de 500 x 500 km. En el ERS-2, se mejoró un poco este sensor, denom inándole ATSR-2, pues incorporaba tres nuevas bandas en el visible e infrarrojo próximo y tenía capacidad de observación con dos ángulos. Asimismo, el ERS-2 incorporó un nuevo sensor sobre el E R S -h específico para m edir el contenido de ozono en la atmósfera. Se denom inó GO M E (Global O zone M onitoring Experiment), y proporcionaba medidas del contenido en la at mósfera de diversos gases (ozono, dióxido de nitrógeno, oxigeno, etc.), mediante una técnica de absorción espectroscópica diferencial. En 2002 la ESA lanzó su proyecto de observación de la Tierra más ambicioso, el Envisat. Además de continuar las observaciones de los ERS, incorporó num ero sos sensores adicionales a los ERS, como el sensor hiperespectral (M ERIS), dotado con 15 canales entre el R y el IRC. orientado principalmente a la m edición de la clo rofila en el agua (fig. 9*). un interferòmetro de micro-ondas (MJPAS), un espectró m etro para m edición de gases de traza (SCIAM ACHY), y un radióm etro para m e dir el vapor de agua atm osférico (M W R). No obstante, el principal sensor de la m i sión sigue siendo el equipo activo de micro-ondas, que en esta m isión se denom ina radar de apertura sintética avanzado (ASAR), con una resolución de 30 x 30 m, tra bajando en banda C con 5 modos de polarización. Este sensor está orientado a apli caciones marinas y seguim iento de capas de hielo y nieve. El Envisat m antiene asi m ism o un radiómetro térm ico (AATSR), dotándole de algunas m ejoras sobre las an teriores versiones del ERS. En un futuro próximo está previsto que la ESA continúe sus program as de ob servación con las misiones Sentinel. que contaran con equipos ópticos, a distintas resoluciones, y radar.

5.10.

O tras

m is io n e s

Radar

El prim er satélite en incorporar un equipo radar para adquisición de imágenes fue el Seasat, lanzado en 1978. Contaba con polarización sem ejante HH. un ángulo de incidencia entre 20 y 26° y 25 m de resolución espacial. Adem ás, incorporaba un altim etro de bastante precisión. Su^ principales aplicaciones eran oceanógraficas, de ahí el nombre, principalmente una medición más precisa del geoide marino. Junto a ello, perm itió abordar estudios sobre altura del oleaje, detección de bancos de arena sum ergidos, corrientes oceánicas, etc. (Elachi, 1982). Pese a la brevedad de su m i sión — dejó de funcionar a los 99 días de su lanzamiento— , el rango de aplicacio nes que ha alim entado es muy amplio. Junto a las oceanógraficas, destacan la loca lización de accidentes geológicos (Koopm ans. 1983), cartografía de la cobertura del suelo, de la vegetación y del medio urbano. La fecunda misión del Seasat se vio ampliada sucesivamente por varios radares de imágenes instalados en el trasbordador espacial norteamericano (Spacc Shuttle). En concreto, las misiones de este equipo se desarrollaron en los años 1981. 1984 y

Copyrightcd mal





5.12.

P rogram as

15 5

c o n s e n s o r e s h ip e r - e s p e c t r a l e s

Tal vez una de las principales novedades tecnológicas que ha irrumpido en la te» ledetección en la última década sea el creciente empleo de los sensores hiper-espectrales. Se trata de equipos de muy alta resolución espectral que permiten obtener si multáneamente imágenes de un gran número de bandas. Hasta hace muy poco estos equipos eran m uy escasos, por lo que los datos disponibles restringían notablemente el rango de aplicaciones. A bordo de aviones, se realizaron algunos estudios en los inicios de los noventa con el sensor HIRIS (High Resolufion Imaging Spectrometer), dotado de 192 canales, distribuidos entre el VIS y el IRC. Estos sensores de alta re solución espectral permiten recoger información en bandas muy estrechas, discrimi nando parámetros críticos de la vegetación o los suelos, que no serian perceptibles con sensores convencionales. A partir de estas imágenes, se obtuvieron variables bio físicas de gran interés para entender m ejor el funcionamiento de la fisiología vegetal, com o el contenido de clorofila, lignina, nitrógeno o de agua (Curran y Kupiec, 1995), así como algunos minerales presentes en el suelo (Kruse et al.. 19936). La puesta a punto del AVIRIS (Airborne Visible/1nfrared Im aging Spectrometer) supuso un incremento considerable de este tipo de estudios. Este sensor, que vuela sobre un avión U2 y es operado por el Je t Propulsión Laboratory (JPL). faci lita 224 canales contiguos, que van desde 0.4 hasta 2,5 ¿im. codificando los datos en 12 bits a partir de 1995. Esto perm ite realizar espectros continuos de una gran can tidad de paisajes, con resoluciones que van de 5 a 20 m, dependiendo de la altura de vuelo. La gam a de estudios realizados con este sensor es muy amplia, si bien el análisis de rasgos vegetales (Elvidgc y Portigal. 1990; Roberts et al., 1997) y de ti pos de suelos (Adams et al., 1986; Palacios-O ructa y Ustin, 1996) han tenido una m ayor repercusión. Los datos AVIRIS perm iten extraer diversos parám etros estruc turales de la cubierta forestal, como la edad de la plantación, la importancia del sus trato o el efecto de som bras (Ustin y Trabucco, 2000). Además del AVIRIS. hay otros sensores hiper-espectrales m ontados sobre avión. Tal vez los más conocidos son el DAIS (Digital Airborne Im aging Spectrometer), gestionado por el DLR alemán, que es capaz de registrar 79 canales, la m a yor parte en el V1S-1RC-SWIR. pero tam bién con algunos en el IRM e IRT; el ca nadiense CASI (Compact Airborne Spectrographic Imager), con un rango de 288 bandas entre 0,43 y 0,87 ^m ; y el australiano HyM ap, con 125 bandas entre 0,4 y 2.5 |im . Con ser de gran interés, estos sensores son de orientación local, ya que no adquieren imágenes de m odo sistem ático, sino únicamente en estudios piloto, prin cipalm ente orientados a la innovación científica, aunque ya se cuenta también con aplicaciones com erciales de estas técnicas. Com o m uestra del interés de esta observación multibanda, hemos incluido una imagen AVIRIS correspondiente a un incendio forestal que ocurrió en el sur de Cali fornia en 1999 (fig. 3.42). La imagen recoge diversas bandas espectrales del mismo incendio, mostrando el interés que aporta cada una de ellas en la observación del fe nómeno. M ientras en las bandas cortas (azul) se observa principalmente el humo, en el IRC puede observarse con claridad el área recientemente quem ada, y en el SWIR las zonas activas. En esta banda la dispersión provocada por el humo es mucho m e nor que en las más cortas, por lo que es perceptible con claridad el frente de llamas.




C a p ít u l o 4

BASES PARA LA INTERPRETACIÓN DE IMÁGENES DE TELEDETECCIÓN

« É s te e s u n in fe liz q u e v ie n e p e rd id o y e s n e c e s a rio so c o rre rle . p u e s to d o s lo s fo ra s te ro s y p o b re s s o n d e Z e u s y un e x i g u o d o n q u e se les h a g a le e s g ra to .» H o m ero ,

Odisea

Com o ya señalábamos en la introducción, el objeto de esta obra es facilitar el a una técnica que puede ser muy fructífera en la m ejor com prensión de di versos fenómenos ambientales. Por tanto, se ha puesto m ás énfasis en la interpreta ción que en las técnicas para la obtención de las imágenes. Los capítulos previos se han dirigido a facilitar al lector unos datos básicos que le perm itan precisam ente que la interpretación de las imágenes sea más honda, de tal forma que cada uno pueda extraer información relevante de los datos adquiridos para su propio ámbito de in terés. En este capítulo se presentan algunas ideas introductorias, que pueden ser úti les en el momento de proyectar una aplicación temática a partir de los datos sumi nistrados por sensores espaciales. Parece lógico que antes de abordar la interpreta ción propiam ente dicha se consideren una serie de cuestiones de cara a m ejorar la organización de un proyecto que requiera de esta técnica. Los aspectos más desta cados hacen referencia al tipo de sensor o de tratam iento más conveniente para la aplicación que se persigue. En la organización de un proyecto las decisiones se basarán principalm ente en dos aspectos: 1) los objetivos del proyecto, y 2) los m edios disponibles para su rea lización. Lógicamente, los objetivos del trabajo orientan la m ayor parte de las deci siones consiguientes, como son las relativas al tipo de información necesaria, a su precisión, escala y nivel de desagregación. Por su parte, los m edios disponibles im plican un equilibrio entre lo deseable y lo posible, restringiendo el método más idó neo para abordar los objetivos marcados, ya sea en lo que se refiere a las imágenes disponibles para el análisis, ya a los m edios para su interpretación. Antes de revisar la relación entre objetivos y medios, vamos a com entar algunos aspectos prelimina res que pueden ayudar a m ejorar el uso de las imágenes en un entorno de planifica ción am biental, destocando algunos problem as que limitan esa utilización.




B A SES PARA LA INTERPRETACIÓN D E IM Á G EN ES DE TELEDETECCIÓ N

16 5

tadas a una determ inada com unidad de s. Siguiendo con el mismo ám bito de incendios forestales, si pretende utilizarse operativam ente la teledetección espacial en la detección de incendios se requeriría una frecuencia de adquisición de imáge nes que sólo proporcionan actualm ente los satélites m eteorológicos, si bien a un ni vel de detalle excesivamente grosero para aquellos países que necesitan un sistema de alerta temprana. Por tanto, si se plantea em plear esta técnica como alternativa re alista a la vigilancia terrestre, necesitamos contar con un sistem a espacial diseñado a d hoc para esta finalidad, que satisfaga las necesidades reales de esta comunidad de s. Ahora bien, ese tipo de misiones son muy costosas, y tal vez no sea abordable financieramente si esa com unidad de s es pequeña, por lo que en teledetección han primado las misiones generalistas (muchos s), sobre las particulares, lim itando a la postre las aplicaciones operativas de la teledetección. Tal vez la excepción más notoria a esta regla son los satélites m eteorológicos, que cuen tan con un gm po de s muy sólido, aglutinados en tom o a la agencia EUMETSAT, que permite diseñar misiones operativas ajustadas a sus necesidades y con su ficiente continuidad en el tiempo (satélites METEOSAT y METOP). En cuanto a m ejorar el diálogo con los s, se está enfatizando en los úl timos años la importancia de implicarlos en cualquier proyecto de investigación y desarrollo, pues facilitan una orientación de gran interés para poner esas tareas en un contexto más realista.

2.

V ariables y tipos de in te rp retació n

Sintetizando mucho las cosas, puede afirm arse que las imágenes de satélite nos facilitan dos tipos de variables (Jensen. 2000): — Primarias, aquellas que se relacionan directamente con los datos obtenidos por el sensor; esto es, que influyen primariamente en la señal registrada en la imagen. — Secundarias (Jensen las denom ina hibridas). que se derivan de las primeras mediante algún tipo de conceptualización. Las variables prim arias son exclusivam ente cuantitativas, ya que la señal reco gida por el sensor corresponde a una variable numérica (radiancia espectral, altura), que está, a su vez, influida por esas variables biofísicas. Por ejem plo, la tem peratu ra modifica la radiancia em itida en el IRT. por lo que la señal que el sensor recoge en esa banda del espectro será una función de la temperatura y, en definitiva, ésta será extraible de aquélla (como veremos en 6.6.2.4). Lo m ismo podem os decir de otras variables que explican directamente la reflectividad o la em isividad de una cu bierta (clorofila, contenido de agua, evapotranspiración, com posición mineralógica, humedad, etc.). Cuando el sistema de teledetección utiliza otras tecnologías, pueden detectarse también variables de posición y altura (a partir de estereo-restitución. de interferometría para radar o análisis de distancias, para lídar). Por su parte, las variables secundarias corresponden a un segundo nivel de abs tracción, realizado habitualmente m ediante una elaboración de varias de las anterio res. Por ejemplo, podem os deducir el grado de estrés hídrico de las plantas a partir

Copynghtcd mol




B A SE S PARA LA INTERPRETACIÓN D t IM Á G EN ES DE TELLD ETEC C IÓ N

Fio. 4.3.

169

La interpretación Je imágenes en teleJetección implica tomar una serie Je Jecisiones que optimicen los objetivos perseguíJos en función Je los medios disponibles.

listas, que no contem plaban las limitaciones inherentes a la técnica o a los sensores específicos que había disponibles en esos momentos. Com o antes hem os com enta do. algunos s, llevados de un cierto desconocim iento o de un interés com er cial poco prudente, han podido vender falsas expectativas respecto a la calidad de la información que ofrecen los sensores remotos, lo que implica una rém ora para el desarrollo futuro de esta técnica. Cuando se plantea un proyecto de investigación, su nombre ya lo indica, intentamos validar nuevos m étodos, datos o aplicaciones, con una cierta posibilidad de que no conduzcan a avances significativos: a veces se ol vida que negar la hipótesis de partida es tan científico com o ratificarla, siempre que los métodos y la validación de resultados sean rigurosos. En consecuencia, en estos casos, puede aceptarse un margen de incenidum bre y fracaso, pero no sería pruden te ofrecer un proyecto de investigación como si se tratara de una aplicación ya con solidada. obviando los aspectos no resueltos, que van a condicionar notablem ente los resultados. La confusión entre aplicaciones operativas y experim entales puede m arginar el em pleo de la teledetección en instituciones que de otro m odo estarían abiertas a em plear esta técnica. En consecuencia, nos parece muy importante que se planteen

Copyrigblcd mol




BASES PARA I.A IN TERPRETA CIÓ N DE IM Á G EN ES DE 1ELED ETECC IÓ N

173

para el establecim iento de la leyenda (Chuvieco, 1985a). Las clases más repetidas eran agua — la más fácil de discrim inar a partir de sensores espaciales— , área urba nizada, cultivada y forestal, aunque en estas últimas se realizaban múltiples divisio nes. según los objetivos específicos del inventario. Esta falta de criterios comunes dificulta la generalización de resultados a otros espacios, e invalida cualquier inten to de cartografía sistem ática del territorio. En caso de que la leyenda no sea un requisito previo al trabajo (esto es, que no estén fijadas a p rio ri por el cliente las categorías que quieren discrim inarse), el intérprete debería cuidar mucho este aspecto, de tal forma que las clases estableci das tengan coherencia entre sí, y con las herram ientas que vam os a utilizar en el análisis. En este sentido es especialm ente im portante que la leyenda no incluya cla ses que puedan solaparse entre si, y que recoja toda la variación posible que haya en el área de estudio. En definitiva, que las clases sean m utuam ente excluyentes y exhaustivas, propiedades obvias, pero no por ello universalm ente respetadas, de cualquier tipología de clasificación. Es frecuente observar que se m ezclan criterios a la hora de definir las clases de una deienninada leyenda, lo que im plicará un cier to margen de aleatoriedad en el proceso. Por ejem plo, la clase matorral en ladera, im plica m ezclar dos tem as distintos: cobertura y em plazam iento, y no resulta una categorización exhaustiva, ya que no podríam os asignar el m atorral que se presen te en otros ám bitos geom orfológicos. Las clases pinar de repoblación y pinar sobre calizas no son excluyentes, pues puede haber lógicam ente pinar de repoblación si tuado sobre calizas. De cara a establecer leyendas más robustas, se han planteado diversas propues tas de clasificación, que incorporan un carácter jerárquico, eso perm ite adaptar dis tintos niveles de detalle (desagregación de clases) en función de la calidad de los da tos disponibles. Un ejemplo de este tipo de leyendas es la diseñada por el U.S. Ceological Survey en 1976, específicamente concebida para el empleo de sensores remotos (Anderson el al., 1976). Se trataba de una leyenda de uso y ocupación del suelo, organiza da en cuatro niveles jerárquicos, cada uno de los cuales se pretendía obtener a partir de diversos medios de telcdctección: imágenes de satélite para el nivel más general, y fotografía aérea de gran escala, en combinación con el trabajo de campo, para las clases más detalladas. Esta clasificación resultaba flexible, podía aplicarse a espacios muy contrastados, y garantizaba la integración entre campos afines de inventario m e dioambiental. El principal problema que presentaba, a nuestro juicio, era la inclusión en el misino esquema de clases de uso y de ocupación del suelo,1 lo que origina am bigüedad en el proceso de clasificación. Por ejemplo, un mismo objeto o grupo de ellos podrían asignarse a varias categorías de acuerdo a su consideración como uso u ocupación: canteras (uso) y roquedo desnudo (ocupación), o dehesa (uso) y pastizal arbolado (ocupación). Com o es lógico, los sistemas de teledetección sólo permiten realizar cartografía de la ocupación del suelo, ya que la señal detectada por el sensor

t. Siguiendo la term inología anglosajona, distinguim os cnlrc uso y ocupación del suelo {¡and use y ¡and cover, respectivamente), según nos refiramos a la actividad humana sobre el territorio o a las cu* bicnas que aparecen sobre él (E. Chuvicco [tOSSuj: «Aportaciones de la tclcdctccctón espacial a la car tografía de ocupación del suelo». Anales de Geografía de la Universidad Complutense, 5: 29-48).




BASES PARA LA INTERPRETACIÓN DE IM Á G EN ES D E TELED E TEC C IÓ N

177

son más altos, lógicamente, pero esto garantiza cum plir unos determ inados plazos. La alternativa seria la teledetección acroportada. con la que resulta más sencillo pla nificar la adquisición para días determinados. Cuando en estos trabajos de cartografía de la cubierta vegetal se disponga de un presupuesto escaso, puede ser preciso seleccionar una sola fecha que maximice la separación entre todas las cubiertas. En ese caso, la elección más conveniente será una imagen adquirida en el verano, pues en ese m omento es máxim a la radiancia m edia percibida por el sensor, com o consecuencia del mayor ángulo de elevación solar. Adem ás, en el caso del clima mediterráneo, la estación estival coincide con la época de menor nubosidad y precipitación, lo que facilita la selección de imágenes de este período. 3.3.3.

Soporte de las imágenes

El soporte sobre el que puede realizarse la interpretación depende del tipo de tratam iento que se aplique. En caso de que se opte por el análisis visual, se requie re resolver tres aspectos: (1) soporte material de la imagen, (2) escala, y (3) núme ro de bandas y com binación de bandas seleccionadas. En lo que se refiere al prim er aspecto, hasta hace muy pocos años las entida des distribuidoras de imágenes ofrecían tres opciones. Las imágenes podían pedirse en película negativo, en película positivo o en papel. Todavía estos formatos pueden encontrarse para imágenes históricas o para m isiones fotográficas, como algunas del Space Shuttle. Actualmente, casi todas las em presas que com ercializan imágenes de satélite lo hacen exclusivam ente en formato digital: queda, por tanto, al la labor de convertir esos valores num éricos en tonos de gris o color si lo que preten de es realizar una interpretación visual de la imagen. Para los docum entos más antiguos, baste indicar que los negativos permiten am pliaciones muy versátiles, ajustándose a la escala deseada, pero la calidad de la copia que se obtenga luego en papel es inferior a la adquirida directam ente en este soporte. El film positivo es muy útil para reproducción fotográfica e impresión de la imagen, especialm ente cuando se trata de com posiciones coloreadas de 3 bandas. Por último, los productos que facilitaban las agencias distribuidoras en papel garan tizaban una interpretación directa de alta calidad, pero resultaba rígida la escala y no itía copias sucesivas. Cuando se trata de com posiciones en color, a partir de los negativos de cada banda podían obtenerse tantas com binaciones com o requiere el intérprete, mientras el film positivo o papel debía solicitarse ya con una determ ina da com binación de bandas. Naturalmente, ahora pueden generarse productos en pa pel a partir de la información digital, mucho m ejor adaptados a las necesidades del intérprete, gracias a la creciente disponibilidad de trazadores gráficos en color de am plio formato. Actualmente, cada vez es más frecuente realizar la interpretación visual sobre el propio monitor de visualización, digítizando directam ente los polígo nos identificados por el interprete. En ese caso, el soporte de la imagen será la con sola, la escala será variable, en función del nivel de m agnificación em pleado, y la com binación de bandas puede modificarse fácilmente por el intérprete. En cuanto al soporte de la información digital, hace algunos años lo más co mún eran las cintas com patibles con ordenador (CCT), que eran el único medio via-




B A SES PARA LA IN TERPRETA CIÓ N D E IM ÁG ENES DE TELED ETECC IÓ N

181

rreferenciando la imagen, mejorando su aspecto visual, digitizando información en pantalla, etc.). En definitiva, podemos actualmente hablar de una fotointerpretación asistida por ordenador, que elimina diversas fases de la interpretación visual clásica (restitución, inventario). A la vez, esa interacción visual con el intérprete permitirá re solver algunos problemas del tratamiento digital, que encuentra notables dificultades para autom atizar la interpretación de ciertos rasgos de la imagen (algunas nubes, áreas urbanas...), que son bastante obvios al análisis visual.

4.

F ases en la in terp retació n

Las aplicaciones de la teledetección espacial son muy numerosas, por lo que re sulta com plejo establecer un marco general, que pueda ser válido para todas ellas. No obstante, y aun a nesgo de caer en la sim plicidad, puede ser conveniente intro ducir algunas ideas sobre el proceso de trabajo con este tipo de imágenes. No será difícil que cada pueda ajustar este esquem a a sus propios intereses. El proceso propuesto contem pla las siguientes fases (fíg. 4.7): 1. Definición expresa y concreta de objetivos, señalando las limitaciones que se presentan, ya sean derivadas del área de estudio (com plejidad), ya de los requisi tos del trabajo (duración del proyecto, coste máximo, categorías temáticas a discri minar, etc.) o de los m edios disponibles. 2. Revisión bibliográfica y propuesta de método. En función de la literatura consultada sobre el tema, podrán plantearse las alternativas m etodológicas más ra zonables. Un estudio bibliográfico resulta vital para orientar el proceso de análisis, optim izando las decisiones futuras. 3. Trabajos de campo preparatorios y acopio de información auxiliar. En este prim er o, los trabajos de campo perm iten familiarizar aJ intérprete con la zona objeto de estudio, estudiar sus rasgos m edioam bientales y humanos. Si se tra ta de una aplicación relacionada con la cubierta vegetal, resulta conveniente elabo rar un calendario fenológico de las especies de interés con objeto de seleccionar la fecha o fechas m ás apropiadas para adquirir la imagen. En esta fase pueden incluir se las m edidas a realizar con radióm etros de cam po — que permiten caracterizar cspectralmente la cubierta y seleccionar el sensor y las bandas más apropiadas para discriminarla— . así com o el acopio del material auxiliar necesario para la posterior interpretación de la imagen (fíg. 4.8). Las cam pañas de medición en terreno resul tan claves para poder establecer posteriorm ente relaciones cuantitativas con los da tos de la imagen. 4. Selección de la información de partida: sensor y fecha (o fechas) más con veniente, número de imágenes, soporte, etc. 5. En caso de que la leyenda no sea un requisito del proyecto (esto es. que ya estén marcadas las categorías que necesitan discrim inarse), el deberá plan tear una leyenda adecuada de trabajo, basada sobre las características de la zona y las posibilidades que brinda el sensor seleccionado. 6. Trabajos de campo de calibración. Una vez adquiridas las imágenes, esta segunda fase de campo sirve para fam iliarizar al intérprete con la imagen, caracte-

Copyrigblcd m ol




186


« ’O * : a ¿ 3 W » ■ •» « * » • ♦ O J P Í f i *

* m *U i

i l

j

,

+ F»g. 5.1.

« ro n

f* m m m • w» iflf W r u

—M

MI t

> • m flW ’í I t o 'fflM f»-.- »»•«. « i» ^ 1 ! »

•»«>«

__■_#».•?J » ___

i

■ ■ ■ ■ liC S L O ^ r-r ■ II

Imagen Landsat de la cosía portuguesa en elformato original de NASA (cortesía R. Núñez).

En caso de que las imágenes se adquieran en formato digital, esta información auxiliar está incluida en archivos auxiliares o en la cabecera de los archivos de ima gen. Actualmente, la mayor parte del análisis visual se hace sobre imágenes digita les, a partir de la interpretación en pantalla o imprimiéndolas previam ente en cual quier periférico gráfico de suficiente calidad. Sin embargo, hasta hace unos años, lo habitual en la interpretación visual de imágenes era partir de los productos fotográ ficos que ofrecían las distintas agencias de distribución de imágenes, por lo que, a efectos históricos, nos parece conveniente citar las anotaciones que incluían los pro ductos fotográficos estándar. Para las prim eras imágenes procesadas por la NASA, y distribuidas por el E R O S Data Center (U.S. G eological Survey), las imágenes ve nían acom pañadas de la siguiente información auxiliar (fig. 5.1): — Fecha de adquisición (2 de febrero de 1975). — Coordenadas del centro de la imagen (37° 21' Norte y 8o 26' Oeste). — Coordenadas del punto nadir (punto de intersección entre la superficie te rrestre y una perpendicular desde el centro de adquisición). — Sensor y banda em pleada (M SS, banda 7). — Á ngulo de elevación solar, medido entre la horizontal y la dirección de los rayos solares (27°).




190

F ig. 5.4.


Organización jerárquica de los criterios de interpretación visual (adaptado de European C o m m isio n , 1 9 9 3 /

con cierta precaución en imágenes de satélite, por cuanto las escalas de trabajo y la geom etría de adquisición son distintas a las em pleadas en fotografía aérea. Según vayan disponiéndose de imágenes de m ayor resolución espacial, estas diferencias se irán atenuando, hasta convertirse prácticam ente en inexistentes. Conviene tener en cuenta que esos criterios se utilizan de m odo integrado, en claves visuales complejas. Varios autores han sugerido clasificar esos criterios en una escala jerárquica, en función de su grado de com plejidad y de las variables que se consideran (fig. 5.4) (European Com m ision, 1993). El brillo y color serian los crite rios más elem entales, pues caracterizan espectralm ente a una cubierta, y eslán direc tam ente relacionados con la forma en que reflejan la radiancia incidente en distintas bandas del espectro. La forma, tamaño, y textura tienen que ver con las propiedades espaciales de los objetos, en si mismo considerados, mientras la som bra y el contex to (emplazam iento) tam bién expresan aspectos espaciales, pero en este caso en rela ción a los objetos circundantes. Finalmente, la dimensión temporal hace referencia a cómo se modifican las cubiertas a lo largo del año (estacionalidad). A continua ción revisaremos con detalle los criterios de interpretación visual más utilizados, e intentaremos engarzarlos en un esquem a más am plio para entender correctam ente su uso en el análisis de imágenes.




194

FlG. 5.6.

TELED E TEC C IÓ N AM BIENTAL

Procesos de formación del color: a> aditivo (colores primarios): b ; sustractivo (colores complementarios).

en color puede conseguirse de acuerdo a dos procesos, denominados aditivo y sus tractivo. En el proceso aditivo, cualquier color se obtiene por suma de los tres co lores elementales: azul, verde y rojo. La sum a de dos colores primarios permite lo grar un color com plem entario: azul + verde = cian; azul rojo = magenta, y verde - rojo = am arillo, m ientras los tres sum an el blanco (fig. 5.6a). Por el contrario, el proceso sustractivo se baso en la absorción de la luz que ejercen los colores com ple mentarios: el cian absorbe la luz roja, el magenta absorbe el verde y el am arillo el azul. Los tres en com binación suponen, por tanto, el negro (fig. 5.6b). El proceso aditivo es el utilizado en los sistem as electrónicos de visualización, cuando la im agen se representa sobre un monitor. Éste es el proceso habitual en un equipo de tratam iento digital de imágenes. P or su parte, el proceso sustractivo se em plea en la reproducción m ecánica dei color, típica de las artes gráficas. Por tan to, cuando se pretenda im prim ir una imagen resulta preciso aplicar a cada banda uno de los colores com plem entarios. Por ejemplo, para obtener una com posición en fal so color, debe aplicarse a las bandas del espectro IRC, R, V los colores com plem en tarios am arillo, m agenta y cian. respectivamente. Si, por el contrario, se requiere vi sualizar esa imagen sobre un monitor, el orden será rojo, verde y azul, para las m is mas bandas. Entre las múltiples com binaciones de color que se han em pleado en análisis vi sual, la más destacada sin duda es la denom inada infrarrojo color. Se obtiene des plazando hacia longitudes más largas las bandas del espectro visible, sustituyendo la com posición de bandas R, V y A, por la correspondiente al IRC, R y V (fig. 11*). Su profuso empleo se relaciona con la resolución espectral de la m ayor parte de los sensores espaciales. D esde el inicio de la serie Landsat, se han venido distribuyen do imágenes con esta com posición en color, ya que el sensor M SS sólo incluía infor m ación de estas bandas del espectro, asi com o otros sensores posteriores, com o el SPOT-IIRV, el IRS-LISS, o el DM C, por lo que sigue siendo una com posición multibanda bastante común. De cara a facilitar su interpretación puede ser conveniente incluir una simple

Copyrightcd




198


FlG. 5.7.

Fragmento de una imagen Ikonos pancromàtico sobre el campus de la Universidad de A ¡cala.

FlG. 5.8.

Sector del centro urbano de Alcalá sobre una imagen pancromàtica ETM+ (Alcalá99).




202


m

F io . 5 .1 2 .

u

Esquema para el cálculo Je altura Je edificios a partir Je las sombras.

nación que recibe un determ inado objeto resulta, en m uchas ocasiones, un criterio clave para detectarlo o identificarlo, ya que nos proporciona una idea de su altura y profundidad. Además, perm ite realzar la interpretación de los rasgos geom orfológicos y de la textura de la imagen, especialm ente en zonas forestales. Asimismo, nos perm ite calcular la altura de edificios, siempre que conozcamos los ángulos solares en el m omento de adquirir la imagen. Basta para ello aplicar una sencilla relación trigonom étrica (fíg. 5.12):

/» =

Is tanG

{5.1}

donde h es la altura del edificio, Is la longitud de la som bra y 0 el ángulo cenital so lar (alternativam ente, puede multiplicarse Is por la tangente del ángulo de eleva ción). El método será más apropiado para edificios exentos, ya que en zonas urba nas densas, puede resultar com plicado delim itar la sombra de un edificio singular de la procedente de otros inmuebles. La figura 5.13 recoge un ejem plo de la aplicación de este criterio, para algunos barrios periféricos de Alcalá de Henares. La imagen corresponde a una adquisición de la cám ara rusa KVR-1000. Su magnífica resolución perm ite calcular con bastan te nitidez la longitud de las sombras, estimándose las alturas para las distintas tipo logías de edificios en A ~ 35 m; B = 25 m; C ~ 6 m, y D ~ 8 m.




206

3.1.


C

a r a c t e r ís t ic a s g e o m é t r i c a s d e u n a im a g e n e s p a c ia l

Aunque una imagen adquirida desde el espacio presenta m enos errores geom é tricos que una fotografía aérea, como consecuencia de la m ayor estabilidad y altura de vuelo de la plataform a, esto no quiere decir que esté libre de distorsiones, por lo que no puede superponerse directam ente sobre la cartografía básica. M ás adelante trataremos de los procesos que se aplican a la corrección de estos errores geom étri cos (6.6.3). Basta aquí apuntar que ese desajuste está originado por tres factores: 1) por errores, propiam ente dichos, en la adquisición de la imagen; 2) por la diferencia entre las proyecciones de la imagen y el m apa (la prim era cónica, y la segunda nor m alm ente cilindrica), y 3) por la propia deformación que cualquier m apa implica de la superficie terrestre. U na vez resueltos estos problem as, la imagen de satélite puede servir para ac tualizar aspectos planim étricos de la cartografía, sobre todo a escalas pequeñas y medias, dependiendo de la resolución espacial del sensor que se utilice. Existen abundantes experiencias en este sentido (M artínez Vega. 1996). no sólo en áreas de difícil con métodos convencionales (Arbiol et al., 1994). sino tam bién en países con buena cobertura cartográfica (Arozarena et a i , 1989).

3.2.

E fecto

d e l a r e s o l u c ió n e s p a c ia l e n e l a n á l i s is v is u a l

A ntes se indicó que la resolución espacial hace referencia al tam año de la m í nim a unidad discrim inable sobre la imagen. Este concepto, en análisis visual, se re laciona tanto con el tam año del píxel, como con la escala a la cual se representa la imagen. La resolución espacial tiene una repercusión importante sobre la interpretabilidad de la escena. De entrada, como hem os visto, aquellos elementos por debajo del tam año del píxel no serán idcntificables en la imagen, lo que supone un elemento fundam ental en la selección del sensor m ás conveniente para cada objetivo. Además, cuanto m ayor sea la resolución, m ejor podrá definirse un píxel. ya que será m ás sus ceptible de albergar una sola cubierta. Por el contrario, si el tam año del píxel es grande, la señal detectada resulta frecuentemente de varios tipos de cubierta, hacien do mucho más com pleja su interpretación. El efecto de la resolución espacial sobre la calidad final de la imagen se pone de m anifiesto en el análisis de la figura 5.16. Incluye tres imágenes adquiridas por los sensores Landsat ETM + (multiespectral y pancrom ático) y SPOT-HRG sobre el recinto ferial de M adrid. Se observa cóm o en la banda R de la imagen m ultiespec tral. con 30 m de resolución, apenas se distinguen los pabellones del recinto, y de forma grosera el trazado del pequeño canal que cruza el Parque Juan Carlos I. A m bos rasgos se observan mucho más nítidam ente en la imagen del canal pancrom áti co, con 15 m de resolución, donde se aprecian además varias infraestructuras y al gunos sectores urbanos colindantes. Finalm ente, en la imagen pancrom ática SPOTHRG (2,5 m), se aprecian nítidam ente los detalles del área, la urbanización del par que y diversas infraestructuras vecinas. La figura 5.17 ofrece otro ejem plo de este efecto de la resolución espacial, en




210


Fig. 5.1 9 a-b.

Efecto de la resolución espectral en la interpretación de imágenes: 3.) Banda I y b) Banda 2; c) banda 3: dj banda 4: e> banda 5 y f) banda 7 de ¡a imagen Torre100.








218


FlG. 5.22.

Imagen AÍSS de la región central española adquirida en enerv de ¡981 (banda IRC).

F io .’5.23.

Croquis de lincamientos realizado a partir de la interpretación visual de la fig. 5.22.







TELF.DETECCIÓN AM BIEN TA L

226

do de las colum nas (column) indica la disposición Oeste-Este de la imagen. En esta m atriz, el origen de coordenadas se sitúa en la esquina superior-izquierda (linea 1, colum na 1), en lugar del borde inferior-izquierdo, como ocurre en cualquier eje car tesiano. Esto es debido a la secuencia de adquisición de imágenes, de norte a sur, de acuerdo a la traza del satélite. La tercera dim ensión corresponde a las bandas espec trales del sensor: 36 para el M O D IS, 7 para el ETM +, o 5 para el AVHRR. Considerando ese carácter m atricial de cualquier imagen son m ás fácilmente com prensibles las posteriores transform aciones aplicadas sobre ella. Éstas son. en m uchos casos, operaciones estadísticas com unes a otras matrices numéricas, m ien tras en otros los son más específicas de la interpretación de datos de satélite. Por ejem plo, en una im agen digital podem os calcular m edidas de tendencia central y dispersión (m edia y desviación típica en cada una de las bandas), cam biar su orien tación geom étrica (rotación de la matriz), realizar com binaciones aritm éticas entre bandas (p. ej., cocientes), sintetizar varias bandas reduciendo la información redun dante (com ponentes principales), o discrim inar grupos de ND hom ogéneos dentro de la m atriz (clasificación). Como es lógico, el análisis digital de imágenes (ADI) se apoya en equipos in form áticos adaptados a esta aplicación. Por ello, se inicia este capitulo con un repa so de las características y com ponentes de este tipo de equipos, que van a m arcar el rango de posibilidades que se abra, en última instancia, al . Además, se ha introducido un epígrafe previo, dedicado a la estructura de alm acenam iento de da tos en estas im ágenes, con objeto de introducir al lector en el trabajo con este tipo de inform ación numérica.

2.

Sop orte y organización de la im agen

Cualquier tratam iento digital aplicado a las imágenes, requiere que previam en te éstas sean introducidas en un sistema inform ático; dicho de otro m odo, que las imágenes sean accesibles al ordenador. Esto depende de los soportes y form atos en los que se ofrecen los ND que definen los píxeles de la imagen.

2.1.

S o porte

f ís ic o d e u n a im a g e n

H asta los años ochenta, las imágenes de satélite se distribuían de m odo casi ex clusivo en cintas m agnéticas com patibles (CCT). Se trataba del soporte más están dar para alm acenar un volumen considerable de información. Habitualm ente, las cintas tenían 9 pistas (iracks), con una longitud de 2.400 a 3.600 pies. Los principa les problem as que planteaba una CCT eran su sccuencial, que ralentizaba la lectura de los datos, el alto coste de los equipos lectores y su escasa densidad de al m acenam iento frente a las tecnologías actualm ente disponibles, por lo que hoy sólo se utilizan para los archivos históricos. Actualm ente las imágenes se distribuyen principalmente en soporte óptico (CD o DVD), aunque cada vez es más común hacerlo a través de internet, utilizando los protocolos estándar de transferencia de archivos (FTP).

Copyrighted rriaicrial




230


F ie. 6.5.

Componentes de un equipo de tratamiento digital de imágenes.

res TFT de 19 pulgadas. Entre los periféricos de salida, conviene citar las im preso ras de inyección de tinta, que en este m om ento siguen siendo el estándar en im pre sión a color, aunque las láser y de sublim ación térmica han descendido mucho de precios y tienen buena relación entre calidad y coste de los consumibles. En lo que se refiere a los com ponentes lógicos (software), suelen distinguirse dos categorías básicas: sistema operativo y programas de aplicación. Com o antes com entam os, existe una clara convergencia en lo que se refiere a sistem as operati vos. Actualm ente podem os dar por desaparecidos algunos (como el VM S, muy uti lizado en ordenadores de cierta potencia en los años setenta y ochenta, o el M SDOS, el prim er sistema que instaló IBM en sus ordenadores personales), dom inan do el mercado los basados en el entorno W indows (principalmente la versión X P y Vista) y las diversas versiones de UNIX (principalmente las basadas en entornos de ventanas, Xwindows, y Linux, para procesadores Intel). En los últimos años también se están desarrollando tecnologías para ejecutar program as en servidores remotos, que permiten acceder a recursos que no están disponibles en nuestro propio equipo. Los program as de aplicación utilizan los recursos del sistem a operativo para com unicarse con el ordenador. Com o es bien sabido, el ordenador sólo es capaz de procesar caracteres binarios, por lo que toda instrucción que el pretenda eje cutar ha de ser convertida a este código. Esta tediosa labor la ejecutan los com pila dores, program as que convierten una serie de instrucciones más o menos cercanas al lenguaje hum ano en un código que entienda la máquina. Existen distintos com pi ladores para cada uno de los lenguajes de program ación, y para los sistemas opera-








238


T a b l a 6.1.

B an d a B an d a B an d a B an d a B anda B an d a

1 2 3 4 5 7

1.

Estadísticas elementales de la imagen de Torre100

Máximo

Mínimo

Media

Desv. lipica

100 90 120 160 170 135

48 27 22 10

69.26 55.63 48.50 91,13 91.86 62.21

8.87 10.80 1525 22.87 23.46 19.84

8 5

Los números refieren a ND. No se hj incluido Id banda térmica.

próxim os a 0 y 255, respectivamente. La banda 5 acoge también la m ayor heteroge neidad, aunque no m uy distinta de la banda 4. Por su parte, la banda 1 ofrece la m e nor dispersión. Lógicamente, estos valores num éricos se relacionan con los parám e tros de calibración del sensor y con las regiones del espectro que abarca. Com o re sulta evidente, la banda 5 es la más sensible a alteraciones de radiancia, m ientras la 1 ofrece el peor contraste en la escena. Además de estos valores medios, también resulta de gran interés contar con el histogram a de frecuencias de cada banda (núm ero de píxeles que cuentan con un de term inado N D ), que nos inform a sobre cómo se distribuyen los N D en una determ i nada imagen. Con objeto de facilitar la representación del histogram a. las frecuen cias absolutas suelen convertirse a relativas, de acuerdo a las siguiente fórmula:

Ftt( N D ) = ^

F(/V'A>-----

. 3

Esto es, la frecuencia relativa (FR) de un determ inado ND (p. ej.. el valor 120) se calcula com o el cociente entre el núm ero de píxeles que presentan ese valor ( F (ND,)) y el total de píxeles de la imagen. Esa proporción sirve para escalar el histogram a, a partir de la frecuencia relativa mayor. Varios autores han puesto de relieve el interés del histograma para realizar una prim era valoración de la imagen (Castlem an, 1978; Jenscn, 1996). Su localización nos perm ite deducir la tonalidad dom inante de cada banda; su anchura está relacio nada con el contraste, mientras la presencia de picos relativos puede ser testigo de determ inadas clases de cobertura. Por ejem plo, para el caso de la imagen de nues tro ejemplo, los histogramas de los N D (fig. 6.10) nos perm iten realizar algunos co m entarios interesantes. Por un lado, todos ellos ocupan sólo un pequeño margen del rango de variación ofrecido por el equipo de visualización (0 a 255). Esto implica la conveniencia de ajustar, de alguna forma, la variación inicial a la máxim a perm i tida, lo que supondrá una m ejora del contraste (ver 6.5.1). Entre las bandas aqui incluidas, la 4 y la 5 se confirm an como las que ofrecen mayor dispersión. Recuér dese que poseen la desviación típica m ás alta, mientras la 1 y la 2 presentan el his togram a m ás estrecho. En cuanto al significado de los distintos picos de frecuencia, resulta muy com plicado identificar las cubiertas que los originan. Puede resultar





242

TELED ETECC1Ó N AM BIEN TA L

sual, de tal forma que sean más evidentes los rasgos de ínteres que presenta la im a gen. Se incluyen en este apartado los procesos de m ejora del contraste, com posiciones coloreadas, cam bios de escala, y filtrajes.

5.1.

A ju s t e

del con tra ste

Los procesos de ajuste del contraste tienden a adaptar la resolución radiom étrica de la imagen a la capacidad del m onitor de visualización. Como ya vim os ante riorm ente, cada sensor codifica la radiancia recibida en un núm ero determ inado de ND, de acuerdo a las características de su diseño. Ese rango digital puede no cor responder con el número de niveles visuales (NV) que facilita la m em oria gráfica, por lo que resulta preciso ajustar, por algún procedimiento, ambos parám etros. En este sentido, caben dos situaciones obvias: 1) que el rango de ND de la imagen sea m enor que el de NV facilitado por el sistem a de visualización, y 2) que la imagen presente un m ayor núm ero de ND que posibles NV. En el prim er caso, se deberá aplicar una expansión del contraste original, mientras en el segundo una reducción del mismo. L a idea de contraste digital puede ilustrarse con un símil fotográfico. Una fo tografía aparece con poco contraste, desvaída, cuando no existe una gran diferencia entre sus tonos más claros y m ás oscuros. De la misma forma, podemos definir di gitalmente el contraste por relación a los ND m áxim o y mínimo de una imagen. Tal definición puede apoyarse en cualquiera de las m edidas de dispersión comúnmente utilizadas en estadística (Schowengerdt, 1983): C, = N D reAX/N D miE

{6.5}

C2 - N D u - N I * »

{6 .6 }

Cj - Sno

{6.7}

Aquí aparecen tres definiciones digitales del contraste: el cociente entre el va lor m áxim o y el mínimo, el rango, y la desviación típica de los N D de la imagen. A partir de estas medidas, puede juzgarse la necesidad de expandir o com prim ir el con traste, en función de las capacidades de visualización ofrecidas por el sistema. H as ta el m om ento, el prim er proceso ha sido em pleado rutinariamente en la m ayor par te de las aplicaciones. En cuanto a la com presión del contraste, resulta una m ateria de creciente interés con objeto de reducir el volum en de alm acenam iento de las imá genes y facilitar su transm isión por internet. A continuación se presentan con mayor detalle ambos procesos. Se inicia ese com entario con el análisis de la técnica que perm ite aplicarlos operativamente: el diseño y em pleo de las tablas de color. 5.1.1.

Tablas de referencia del color

Up Table

Una tabla de referencia del color (C olor Look , CLUT). o sim plem en te tabla de color, es una m atriz numérica que indica el nivel visual (NV) con el que





246

TE L E D E T E C C IÓ N AM BIENTAL

Diversos realces del contraste sobre la banda I de ¡a imagen Torre100: (a) sin real ce; (b) realce lineal; (c) realce frecuencial; (d) realce especial sobre áreas de baja radiancia.

F io. 6.15.

Com o ya vim os al analizar el histogram a, esla banda presenta un rango de ND que ocupa sólo un pequeño sector de los 256 ND posibles, lo que confirm a su reduci do contraste. De acuerdo a las ideas antes comentadas, es posible realzar ese contraste, dise ñando una CLUT que haga corresponder el rango de ND presente en la imagen con el total de los N V posibles. Varios procedim ientos pueden conseguir este objetivo: 1) distribuir los NV linealmente, entre el máximo y mínimo ND de la imagen (fig. 6.156), 2) distribuir los N V a partir del histogram a de los N D originales (fig. 6.15r), y 3) distribuir los NV en un determ inado rango de ND de interés (fig. 6.15
Expansión lineal

Es la form a más elemental de ajustar el contraste de la imagen al perm itido por el equipo de visualización. Basta diseñar una CLUT en la que el ND m ínim o y m á ximo de la imagen tengan asociados un N V de 0 y 255, respectivamente, distribu yendo linealmente el resto entre am bos márgenes. En la figura 6.15/> aparece la ima gen anteriorm ente presentada tras aplicarle una expansión lineal del contraste. Como puede observarse, la imagen aparece ahora más nítida, m ejor contrastada. Su histo-







ANÁLISIS DIGITAL DE IM ÁGENES! CO R REC C IO N ES Y REALCES

T abla 6.4.

SD 0 1 2 3 4 5 6 7 8

SV Rojo 0 255 0 0 0 255 255 127 255

253

Ejemplo Je CLUT¡wra una ¡mugen clasificada SV 1erdtf 0 0 255 0 255 255 127 127 0

SVAzuí 0 0 0 255 255 0 0 127 127

Color n.uiUatut A m arillo Rojo V erde Azul C ian A m arillo O cre G ris Rosa

del color puede ayudar a la interpretación de una imagen, incluso si sólo dispone mos de una banda. En estos casos, no podem os hablar propiamente de color, pues se requerirían tres bandas, sino m ás bien de seudo-color. Para una mezcla de tres bandas utilizamos distintos NV en cada cañón de color (R, V, A), siendo iguales cuando se visualiza una sola banda (en blanco y negro). Sin em bargo, podem os di señar también una CLUT en donde se varíen los NV para los tres colores, aunque sólo haya una banda de ND de entrada. En otras palabras, el seudo-color implica crear una CLUT que asocie el N D de una sola banda a distintos com ponentes de rojo, verde y azul. Esto puede tener sentido en dos casos: 1) cuando se pretenda ob tener una clave de color en una imagen clasificada, y 2) cuando se intente realzar el análisis de una determ inada banda de la imagen, sustituyendo los niveles de gris por tonos de color. También se utiliza el seudo-color cuando se com prim e una imagen en color de 24 a 8 bits, generándose una paleta de color que se asim ile a la varie dad crom ática original contenida en la com posición de las tres bandas de entrada. A m odo de ejemplo, aparece en la tabla 6.4 una CLUT diseñada para represen tar visualmente una imagen clasificada. En ella, cada ND indica una clase temática distinta (por ejemplo, una categoría de ocupación del suelo), que será visualizada en pantalla con distintos tonos de color. El ND 1 (supongam os que indique zonas ur banas) se visualizará en color rojo, ya que aplicam os la intensidad máxima de rojo (recordem os que la escala com prende de 0 a 255) y una m ínim a de verde y azul. De la misma forma, el ND 2, que podría representar cubierta vegetal, se visualizaría en verde, dando un valor máximo a este cañón de color y m ínim o a los otros dos. Ló gicamente. se pueden plantear colores por m ezcla de distinta* intensidades de R. V, A. Por ejemplo, el ocre indica una máxim a intensidad de rojo y m edia de verde, sin azul. La paleta de color disponible perm ite visualizar, por tanto, com binaciones de 256 niveles RVA. o lo que es lo m ismo unas 16,8 millones de tonalidades (2563). Lógicamente, no todos estos colores pueden distinguirse en la práctica, por lo que bastará con seleccionar unos cuantos (entre 10 y 20 suele ser necesario) para cons truir una clave de color apropiada a cualquier clasificación temática. También puede emplearse el seudo-color para visualizar en color alguna de las bandas originales, realzando el análisis de esa banda. El seudo-color puede aplicar se al conjunto de los ND de la escena, diseñando una CLUT formada, por ejemplo, por números aleatorios entre 0 y 255. para cada uno de los tres colores. Ahora bien.

C o p y rig h te d m<3lcr¡Ql




257

ANÁLISIS DIGITAL DE IM Á G EN ES: C O R R EC C IO N ES Y REALCES

12

14

17

24

32

34

0

0

0

0

0

0

10

18

2t

35

38

40

o

17

21

29

35

0

25

15

17

27

40

18

16

18

24

29

14

16

20

20

27

1

1

t

1

2

1

1

1

1

1 0

17

21

28

35

0

39

0

18

19

25

31

0

36

0

0

0

0

0

0

43

Imagen original

Imagen filtrad« F ig . 6 .19.

Ejemplo de filtraje digital.

En suma, el procedim iento m atem ático del filtraje consiste en relacionar cada pixel con sus vecinos, de acuerdo a unos coeficientes determinados por el . En el caso de una matriz de 3 x 3 CF, la fórmula para obtener el N D filtrado seria (M ather, 1998):

i.i

N D -

—

ND <*■/»■/♦?CF.f

T — p+-\. i y —

~. C*
{6.13}

donde N D ,, indica el N D original del píxel N D \ f%el N D de salida para ese m is mo pixel; CF, el coeficiente de filtraje correspondiente, y / y c la fila y colum na cen tral de la m atriz de filtraje. El resultado de esta fórmula se aproxim a al entero más cercano. También se ha propuesto dividir el num erador por el núm ero de pixeles de la ventana de filtrado (9 si se trata de 3 x 3), independientem ente de los CF que se señalen. El proceso abordado en un filtraje puede ilustrarse con un sencillo ejemplo. Se pretende aplicar un filtro de paso bajo a una pequeña imagen de 5 x 6 pixeles, em pleando la fórmula anterior sobre un ejem plo de matriz de filtraje de 3 x 3 pixeles (fig. 6.19). La observación del resultado perm ite extraer algunas consideraciones de interés. En prim er lugar, se constata que el área filtrada se lim ita a los pixeles cen trales. Los pixeles de borde no se afectan por el proceso, puesto que no tienen los 8 vecinos necesarios para realizar el cálculo. Esta característica es com ún a cualquier filtraje, ya sea de paso alto o bajo. Obviam ente, en el caso de una imagen de mayor tamaño ( 5 1 2 x 5 1 2 pixeles. por ejem plo), la pérdida de esos pixeles de borde no su pone una grave inconveniencia. En una m atriz de filtraje de 3 x 3 se pierden la pri m era y últim a fila y columna. Si em pleam os matrices de m ayor tam año, la merma será más significativa: con 5 x 5, se perderían las dos prim eras y últimas; con 7 x 7 las tres, etc. Otros autores prefieren aplicar algún promedio especial a estos pixeles, en lugar de igualarlos a cero. Volviendo a nuestro ejem plo, el nuevo ND del pixel central se calcula por un promedio de los 8 vecinos, con una pequeña ponderación del valor central. Esos coeficientes se han aplicado a todos los pixeles centrales de la imagen. Por ejemplo.

Copyrightcd male





















278

TF.LEDETECCIÓN AM BIENTAL

res. También se precisa introducir el ángulo cenital solar. El programa incluye opcio nalmente una estimación del efecto de adyacencia que es causada por la dispersión procedente de cubiertas vecinas, a partir de considerar las diferencias entre la reflectividad del pixel y la correspondiente a los alrededores (en este caso, se considera un área de 1 x 1 km). El autor del modelo advierte que este modelo sólo funciona ade cuadamente para sensores de observación cuasi vertical (se acepta una tolerancia de ±8°). en zonas por debajo de 1.500 m de altitud y con pendientes moderadas. Naturalm ente, lo ideal sería poder derivar la corrección atm osférica de los d a tos de la propia imagen, si consiguiéram os encontrar alguna función que extrajera de la señal detectada por el sensor la parte correspondiente a las condiciones atm os féricas. Las alternativas para llevar a cabo esta tarea se pueden resum ir en cuatro p o sibilidades: estim ar la contribución de la atm ósfera a partir de cubiertas que debe rían presentar una reflectividad nula (métodos basados en el «objeto oscuro»); estimar el efecto atm osférico a partir de las diferencias de absorción y dispersión en distin tas bandas del espectro para la misma imagen; realizar una hom ogeneización multitemporal entre imágenes y observar la m ism a zona con distintos ángulos. Esta últi m a vía, que ya hem os com entado en anteriores capítulos, sólo ha estado disponible en los últim os años, gracias a disponer de sensores con capacidad multiangular. El análisis multitem poral lo tratarem os más adelante (7.3). La estimación de las con diciones de la atm ósfera a partir de la observación m ultibanda se ha desarrollado am pliam ente en la corrección de imágenes térmicas, com o luego comentaremos (6.6.2.4). En consecuencia, nos detendrem os aquí únicamente en la primera opción, que resulta una de las m ás sencillas. La propuesta inicial de los métodos basados en el objeto oscuro (dark object) fue realizada por Chavez en 1975, con sucesivas m ejoras en 1988 y 1996 (Chavez, 1975; Chavez, 1996; Chavez, 1988). El punto de partida del método consiste en asum ir que las áreas cubiertas con m ateriales de fuerte absortividad (agua, zonas en som bra), deberían presentar una radiancia espectral muy próxim a a cero. En la prác tica, el histogram a de los ND de la imagen siempre presenta un mínimo superior a ese valor, que se atribuye al efecto de dispersión atmosférica. Asimismo, se observa que ese valor m ínim o es m ayor en las bandas más cortas, dism inuyendo hacia el IRC y SWIR. Com o ya vimos, la dispersión Rayleigh — la m ás com ún— afecta principalm ente a las longitudes de onda más cortas, lo que confirma que ese valor m ínim o puede corresponder más al efecto de la atm ósfera que a la radiancia espec tral proveniente de la superficie terrestre. En suma, una sencilla aproximación a la corrección atm osférica consiste en asum ir que la radiancia atm osférica (L a k) corres ponde al valor mínimo del histograma. La asunción puede ser bastante correcta siem pre que tengam os en la imagen zonas en som bra o con agua profunda. Incluso se puede plantear establecer una red de superficies oscuras en la imagen y realizar luego una interpolación para tener m ejor en cuenta la variedad espacial del espesor atm osférico (Ouaidrari y Vermote, 1999). El método del objeto oscuro resulta m uy sencillo, y es válido para estim ar el espesor atm osférico de aerosoles, pero los errores pueden ser notables para valores de reflectividad altos (por encim a del 15 % ), al no considerar las transm isividades del flujo incidente y reflejado. Para evitar este problema, se ha sugerido com plem en tarlo con estim aciones en el terreno de la transm isivídad o con parám etros climáti-








Fiü. 6.35.

285

Efecto de la corrección del sombreado sobre el sector de la figura anterior: (a) ban da 4 original: (b) banda 4 corregida.

minación, utilizando el método de Civco que, para esta fecha, da buenos resultados. Las flechas indican los sectores donde el efecto de corrección resulta más evidente. Una manera de verificar el efecto de la corrección es calcular la correlación entre la imagen de iluminación y las bandas de la imagen, antes y después de corregir. Para nuestra zona de estudio, la correlación dism inuye tras la corrección de 0,18 a 0,13 en la banda 4 y de 0,25 a 0.14 en la 5, indicando que se ha eliminado pane del efecto topográfico sobre la señal. Otra verificación nos llevaría a medir las diferencias de reflectividad en una serie de cubiertas situadas a distintas vertientes. Si la corrección es certera deberían homogeneizarse los valores, eliminando sus diferencias debidas a la insolación. Esta hipótesis se comprobó por Riaño (2003) en su estudio sobre car tografía de combustibles forestales en el Parque Nacional de Cabañeros (Riaño et a i, 2002). Las correcciones topográficas redujeron la desviación típica de la mayor par te de las especies vegetales, con especial intensidad en las bandas TM 4 y 5. La fi gura 6.36 nos muestra el efecto de la corrección del sombreado topográfico sobre esta zona, em pleando imágenes TM adquiridas en julio de 1997. De nuevo, las flechas nos indican los sectores más claramente modificados por la corrección. 6.2.3.4.

Corrección del efecto bidireccional (BRDF)

El último aspecto que vamos a considerar en el cálculo de la reflectividad hace referencia al efecto que los ángulos de observación y de ilum inación tienen sobre la reflectividad detectada por el sensor. Com o ya hemos comentado a lo largo de las páginas precedentes es frecuente asum ir en los modelos para el cálculo de reflecti vidad que una cubierta presenta un com portam iento lambertiano, lo que implica considerar que la radiancia reflejada por esa cubierta sea igual en todas las direccio nes. Esta asunción es razonable com o primera aproximación al cálculo de la reflec tividad. pero dista bastante de ser correcta. Todos tenemos la experiencia directa de cóm o cam bia la visión de un objeto según se sitúe el observador en relación con la luz incidente (fig. 6.37), por lo que parece razonable tener en cuenta este factor en los cálculos más detallados de la reflectividad.






291

ANÁLISIS DIGITAL DF. IMÁGENES*. C O R R EC C IO N ES Y REALCES

80

0.25

-70

-10

0.00 01

03 0 5

07

10

11

12

13

18 20

21

22

23

25

28

27

29

31

0

Serie temporal Je valores de rejlectiviJaJ extraíJos a partir Je los canales l y 2 Jel AVHRR en julio Je 2001. Se incluyen los ángulos acimutal y cenital solar para obsenar el efec to que tienen sobre la señal JctectaJa por el sensor. Fio. 6.40.

6.2.4.

Cálculo de temperaturas

E£l cálculo de la temperatura de superficie es un proceso rutinario en aplicacio nes oceanógraficas, en donde este parám etro es clave para estudiar aspectos clim á ticos. así como en aplicaciones pesqueras. En lo que se refiere a tem peraturas terres tres la investigación ha sido muy intensa en los últimos años ya que. pese a la difi cultad de la estimación, se considera un elem ento clave en los estudios de cambio clim ático global. De modo esquem ático (fig. 6.41), el proceso para el cálculo de tem peratura se inicia con los N D detectados por el sensor. Al igual que en el espectro óptico, esos valores codifican un valor de radiancia, en este caso correspondiente al infrarrojo térmico. Aquí el objetivo no es encontrar la relación entre el flujo incidente en el suelo y el reflejado al sensor, sino entre el flujo em itido desde el suelo (LÍU) y el re cibido por el sensor ( i^ ,) . Entre am bas m agnitudes vuelven a interponerse los com ponentes de la atmósfera, que absorben y em iten su propia energía, distorsionando la radiancia recibida por el sensor. Supuesto que elimináramos las influencias atmosféricas, bastaría conocer el flujo em itido en el suelo para saber su temperatura, ya que, como vimos, la radia ción que em ite un objeto es una función de su tem peratura, de acuerdo a la ley de Planck {2.4}. Ahora bien, esta ley está definida para cuerpos negros. En consecuen cia, el segundo problem a en el cálculo de la tem peratura radiativa, y adem ás el más espinoso, es estim ar la relación entre la em itancia de una superficie determ inada y la que se produce en un cuerpo negro a la misma temperatura; en definitiva, es pre ciso conocer la em isividad de la cubierta para calcular su temperatura. Tras este com entario, podem os ofrecer un esquem a más cuantitativo para abor dar ese cálculo. Seguimos el método propuesto por Coll et al. (1994), refinado por

C opyrightcd





295

En la parte izquierda, temperatura de brillo (arriba) y corregida (abajo) de la imagen IbéricaOl. En la derecha, emisividad (arriba), y perfil de temperaturas lomado desde el Cantá brico. hasta la Meseta sur. FlG. 6.42.

los términos d z y





Imágenes Quickbird de Nueva Orleáns (USA) lomadas antes y poco después de ¡a inun dación provocada por el huracán Katrina en agosto de 2005 (ww w.digitalglohe.com).

F io. IV







I'ig. 10*.

Imagen de clorofila acuática y verdor terrestre obtenida a partir de datos Seawifs. (Fuente: http://visibleearth.nasa.gov/view_ree.php?id- ¡664).

FlG. 11*.

Proceso de formación de las composiciones coloreadas.




Fui. 19*.

Anomalías térmicas en el Artico entre ¡982 y 2002 (tonos rojos indican calentamiento y azules enfriamien to. blancos no cambio). Fuente: http://visiblcearth.nasu.fiov/




A N Á LISIS DIGITAL DE IM Á G E N E S: C O R R EC C IO N ES Y REALCES

ND* j

ND,/

¡..2Ï: • ■

• / •

(3)

•

• • é »

*

.*•................

9

Mí • •i

• •

Im a g e n o rig in a l

S •• i

•i

.........

• • 6

•

•

t1

307

Im a g e n c o rre g id a

•

/

....

■ i.. ♦

;

........

/:

............. .

•-•A.

...................

Fig. 6.50.

Fases de la corrección con puntos de control: l) selección: 2) ecuaciones de ajuste. 3) generación de la imagen corregida.

Para que el ajuste entre imagen y mapa sea correcto, se requiere atender a tres aspectos en la selección de los puntos de control: número, localización, y distribución. El núm ero idóneo de puntos de control depende del tamaño y la complejidad geom étrica de la imagen. Si se trata de zonas planas, adquiridas por un sensor de es trecho cam po de visión, la transformación im agen-m apa puede basarse en ecuacio nes lineales simples. Por el contrario, si se trata de un terreno rugoso o el sensor va ría notablem ente las condiciones de observación, será preciso aplicar funciones de transformación más com plejas, con polinom ios de segundo o tercer grado. Lógica mente, cuanto mayor sea el grado de la ecuación de ajuste, se precisará también un m ayor núm ero de puntos de control. M atem áticam ente sólo son necesarios 3 puntos







314


T a b l a 6 .7 .

Número

Columna

1 2 3 4 5 6 7 8 9 10 11

992 936 923 810 651 652 677 463 227 253 428

Residuales de la primera corrección (todos ellos en pixeles) Columna estimada

Residual columna

990.65 936.54 9 2 4.16 810,75 650,81 652.57

1,35 -0 ,5 4 - 1 .1 6 -0 ,7 5 0.19 0 .5 7

6 7 5,29 463,53 228,86 251.27 4 2 7.56

1.71 -0 .5 0 - 1 ,8 6 1,73 0.44

Fila

Ftla estimada

Residual fila

102 195 431 498 456 264 116

102,16 194,15 4 3 3,48 500,08 454,14 262.61 115,97

230 165 510 591

227.55 167,75 511,80 588,32

-0 ,1 6 0,85 -2 ,4 8 -2 ,0 8 1.86 1.39 0,03 2.45 -2 ,7 5 -1 ,8 0 2.68

EL 1.36 1,00 2,74 2.21 1,87 1.50 1.71 2.51 3.32 2,50 2,72

que ofrecieron un ajuste bastante adecuado, con un R M SE de 0,76. Esto supone un error estim ado en las distancias de 22.8 m , aceptable para nuestros propósitos. La tabla 6.8 recoge los residuales finales. 6.3.3.3.

Transferencia de los N D originales a la posición conegida

Las funciones antes analizadas perm iten traducir coordenadas del mapa a la imagen. A hora bien, si pretende crearse una imagen que se corresponda adecuada m ente con esas coordenadas, resulta necesario trasvasar, de alguna forma, los N D de la imagen original a esa nueva posición. Las funciones de ajuste permiten calcular la posición correcta de cada píxcl, pero no originan una nueva imagen, puesto que su ponen sólo un trasvase de coordenadas y no de ND. Dicho de otro m odo, con estas fruiciones de transform ación puede crearse una nueva matriz, correctam ente posicionada, pero vacía. El «llenado» de esta m atriz es, precisam ente, el objetivo de la úl tima fase de la corrección geométrica. T a b l a 6 .8 .

Número

Columna

1 2 3 4 5 6 7 8 10

992 936 923 810 651 653 677 464

11

253 428

Columna estimada 9 9 0.96 936.65 9 2 3,34 810,02 6 5 0,79 653.33 6 7 6,56 465.04 252.31 4 2 7.56

Residuales de la segunda corrección Residual columna 1,04 -0 .6 5 -0 .3 4 -0 .0 2 0,21 -0 .3 3 0,44 -1 .0 4 0,69 0.44

Fila 102 195 431 498 453 264 117 230 512 591

Fila estimada

Residual fila

102,60 194,05 431.33 497,90 453,16 263,31 117,85 2 2 9,50 512,30 588,32

-0 ,6 0 0.95 -0 .3 3 0.10 -0 ,1 6 0.69 -0 ,8 5 0.50 -0 .3 0 2.68

EL 1,20 1,15 0.47 0,10 0.27 0.76 0,95 1.16 0.75 2,72

Copyrightcd material




C a p ít u l o 7

ANÁLISIS DIGITAL DE IM ÁGENES: EXTRACCIÓN DE INFORM ACIÓN TEM ÁTICA «Profesor: que te ilusione hacer comprender a tus alumnos, en poco tiempo, lo que a li te ha costado horas de estudio lle gar a ver claro.»

S. JOSEMAKÍA ESCRIVÁ. SurVO

1.

G eneración d e variables continuas

Después de com entar los diversos tratam ientos que conducen a disponer los da tos de forma más idónea para extraer de ellos información tem ática de interés, de dicam os precisam ente este capítulo a com entar las diversas técnicas que permiten extraer esa información de las imágenes. Hemos dividido la exposición en cuatro apartados según que el objetivo principal del análisis sea la obtención de variables continuas (7.1), la categorización de la imagen en clases temáticas (7.2), el análisis de cam bios (7.3) o la medición de la estructura espacial del territorio (7.4). Este ca pítulo se com plem enta con los dos siguientes, dedicados, respectivamente, a verifi car los resultados (cap. 8) y a conectarlos con otras fuentes de información en el marco de los SIG (cap. 9).

1.1. 1.1.1.

T écnicas df. modelado f.n tf.ledktf.cción Tcledetección cualitativa y cuantitativa

Es obvio que el interés de la teledetección viene dado por su capacidad de pro porcionam os información temática, que cubra vacíos en nuestro conocim iento del territorio o, al menos, actualice lo que ya se había inventariado previamente. En muchas ocasiones, se restringe el contenido inform ativo de la tcledetección a la cartografía tem ática propiam ente dicha. En otras palabras. las imágenes de sa télite serian, bajo este punto de vista, sólo una herram ienta para clasificar el territo rio en categorías homogéneas, por ejem plo de cobertura del suelo, vegetación o cul-




A N Á LISIS DIGITAL DE IM Á G EN ES: EX TR A C C IÓ N D E IN FO R M A C IÓ N T EM Á TIC A

327

Fig. 7.2. Estimación del contenido de agua en las plantas a partir Je modelos empíricos (a) y de simulación (b). La simulación puede hacerse en mojo Jirecto (estimar la reflectiviJaJ. varianJo los parámetros Je entraJa Jel moJelo) o inverso (estimar el parámetro a partir Je la reflectiviJaJ meJiJa por el sensor). está bien fundamentado, la calibración en diversos lugares perm ite finalmente plan tear funciones más generalistas, que pueden llegar a considerarse de validez global. Por ejemplo, el índice de peligro de incendios utilizado por el Servicio Forestal Ca nadiense (Fire Weather Index) (Van Wagner, 1974) tiene un desarrollo fundam ental mente em pírico y está calibrado para las condiciones canadienses. Sin embargo, y hasta cierto punto sorprendentemente, funciona muy bien en otros entornos am bien tales m uy distintos al canadiense, por lo que se está em pleando operativamente en lugares tan diversos com o Indonesia y la cuenca mediterránea europea. Presentam os com o ejem plo de cóm o plantear este tipo de modelos em píricos la estimación del contenido de agua en las plantas (fig. 7.2a). Nuestro departamento ha dedicado un considerable esfuerzo en los últimos cinco años a esta tarea, intentan do entender m ejor las relaciones entre la reflectividad y tem peratura estim adas por teledetección y la dinám ica del contenido de agua en las principales formaciones ve getales del mundo m editerráneo (pastizales y matorral), de cara a m ejorar los siste mas actuales de prevención del peligro de incendio. Con este objetivo, hem os tom a do muestras sistemáticas en el terreno para la prim avera y el verano del período com prendido entre 1996 y 2006. Las m uestras se han tomado siguiendo un estricto




332


una serie de parám etros de entrada (propiedades ópticas de las hojas, arquitectura del dosel, ángulos de observación, etc.). Variando esos parám etros, pueden estim ar la reflectividad resultante, de tal forma que el pueda sim ular el im pacto que tienen esos parám etros en la reflectividad que medirá el sensor. En este sentido, el uso de los modelos se considera en m odo directo (fig. 7.2b), y resultan muy intere santes para entender m ejor el peso que tiene cada factor de entrada en la señal re sultado, de cara a plantear escenarios para la discrim inación o análisis de sensibili dad (B ow yer y Danson, 2004; Chuvieco el a i , 2006). Suponiendo que esa estim a ción de la reflectividad sea conrecta. el reto posterior seria invertir el modelo de si m ulación (fig. 7.26), de tal m anera que pudieran estim arse esos parám etros a partir de la reflectividad m edida por el sensor (Liang, 2004). En el ejemplo que venimos com entando, se trataría de estimar, en prim er lugar, el efecto del contenido de agua de la planta sobre la reflectividad del dosel vegetal, m ezclando su contribución con la de otros factores (como puede ser la clorofila o la cantidad de m ateria seca). En un segundo paso, se trataría de invertir el modelo, ais lando de la reflectividad disponible en la imagen el com ponente de contenido de agua. La operatividad de este método frente a los ajustes empíricos dependerá de tres factores: contar con un buen modelo, con un buen método de inversión y con reflectividades calibradas (Jacquem oud et a i , 2000). Por un buen modelo nos referimos a que sea preciso, a que no requiera parám etros de entrada de muy difícil obtención, y a que sea lo suficientemente sencillo como para que la inversión del m odelo pue da realizarse en un tiem po razonable. Entre los modelos que se han planteado en las últimas dos décadas, podemos ha cer una primera distinción entre los que se centran en el nivel de la hoja (le a f optical properties models) y los que estiman la reflectividad del conjunto del dosel vegetal (canopy reflectance models). Entre los primeros, uno de los que ha tenido mayor acep tación en la literatura ha sido el denominado PROSPECT (Jacquemoud, 1990), que describe la reflectividad de una hoja a partir de considerarla como un pila de N lámi nas compuestas de elementos absorbentes y dispersores. Permite simular la reflectivi dad y transmisividad de la hoja considerando una serie de variables de entrada, rela cionadas con su estructura y propiedades físico-químicas. Concretamente, en su últi ma versión (Barct y Fourty, 1997), se requiere únicamente introducir la concentración de clorofila a + b (en |ig cm-2), el espesor equivalente de agua (EYVT, Equivalent Wa ter Thickness, en g cm-2), el contenido de materia seca (en g c m '2), y el parámetro es tructural N, que se refiere a la estructura interna de la hoja. Este parámetro es el más difícil de medir. Los mismos autores del modelo proponen estimarlo a partir del área específica de la hoja SLA (Specific L e a f Area), calculada como el área por unidad de peso seco de la hoja, utilizando una relación empírica, como seria (Jacquemoud, 1990): ^ , 0 ,9 SL A -f 0,025 S L A -0 .1 El m odelo PROSPECT puede aplicarse a todo el espectro óptico (de 0,4 a 2,5 Jim), para anchos de banda muy pequeños, de tal forma que perm ite com parar los resul tados con espectrom etría de laboratorio y sensores hiperespectralcs.




A N Á LISIS DIG ITA L DF. IM Á G EN ES: EX TR A C C IÓ N DE IN FO R M A C IÓ N T EM Á TIC A

337

300i

Fig. 7.7. Comparación entre estimaciones de humedad de la vegetación basadas en modelos em píricos v de simulación, para pastizal (a) y matorral (b) ( Yebra ct al.. 20(18). teria seca, por lo que no tiene mucho sentido plantear variaciones aleatorias de los parám etros de entrada, pues dan lugar a escenarios de simulación irreales. Hsto es especialm ente problemático en los procesos de inversión, que podrían seleccionar reílectividades de referencia generadas a partir de com binaciones imposibles (Com bal et al., 2002).

1.2.

C ocientes f. índices de vegetación

Como su nombre indica, un cociente o ratio implica efectuar una división, píxel a pixel. entre los ND almacenados en dos o m ás bandas de la m ism a imagen. Se




A N Á LISIS DIGITAL DE IM Á G EN ES! EX TR A C C IÓ N D E IN FO R M A C IÓ N TEM ÁTICA

P « c + P*

343

+ 0’5

El GEiMI se ha em pleado con buenos resultados en cartografía de áreas quem a das (Barbosa et a l., 1999; Chuvieco et al., 2008; Riaño et al., 2007) y de cubiertas vegetales en espacios semi-áridos (Leprieur et al., 2000). Finalmente, conviene citar el índice de vegetación m ejorado (EVI, Enhanced Vegetation Index) definido por Huete et al. (2002) com o una alternativa más sólida a los índices tradicionales, por ser más robusto frente a la aportación del suelo y de las influencias atmosféricas. El EVI se define como:

EVI = C --------- --------------------P ikc + ^ * iP « " "

{7.11}

+ ^

donde p.4, p*, y p[RC son las refíectividades del azul, rojo e infrarrojo cercano, res pectivamente, L es la radiancia del fondo (la m ism a que en el SAVl), G es un fac tor de ganancia, y C | y C 2 son los coeficientes para corregir la influencia de aeroso les en la banda roja a partir de la azul. Para el cálculo global de este índice (fig. 13*), que se genera como un producto estándar del program a MODIS, se utilizan L = 1, C | = 6, C 2 = 7,5 y G = 2,5. Se ha com probado en estudios recientes que el EVI es más sensible que el NDVI a rangos contrastados de cubierta vegetal, ofreciendo trayectorias temporales más consistentes (Saleska et a l , 2007). La figura 7.9 presenta el NDVI calculado para la imagen Torre 100. Se obser van con nitidez las cubiertas de vegetación más vigorosa, como los pastizales pró ximos a Colmenar y Soto del Real, vigorosos en esta época del año. Los embalses ofrecen los valores m ás bajos de NDVI (A en la figura), así com o las zonas urbanas de densa edificación (ver el casco urbano de Soto, B, o de Colmenar, C). Por su par te, las áreas de urbanización ajardinada presentan unos valores de NDVI más altos (D), sobre un entramado regular m ás oscuro (viales). Todos los índices hasta aquí comentados se dirigen a realzar las cubiertas ve getales frente a otras superficies, a través del contraste que presenta la reflectividad de las plantas entre el IRC y el R. A hora bien, en caso de que nos interese analizar otras variables en la vegetación, u otro tipo de cubiertas no vegetales, estas bandas pueden no ser las más idóneas. En esos casos, convendrá acudir a un análisis de las variaciones espectrales que introduce la variable de interés para proponer índices al ternativos a los que hem os visto hasta el momento. Por ejemplo, si lo que se preten de es realzar la discrim inación de las áreas forestales quem adas frente a otras cu biertas no afectadas por el fuego, los IV presentados no resultan una buena alterna tiva ya que no están diseñados para los rangos espectrales correspondientes a la ve getación quem ada. En consecuencia, ofrecen rasgos de discrim inabilidad peores que otros índices diseñados específicam ente para esta finalidad (Chuvieco y M artín, 1999; Martín, 1998; Pereira, 1999; Trigg y Flasse, 2001). De igual m anera, cuando se pretenda analizar el contenido de agua en la vege tación, com o ya hem os visto previam ente, el espacio espectral más idóneo no está

Copyngtilcd material




352


a prio ri de ios com ponentes, ya que la transformación es puram ente estadística y. por tanto, m uy dependiente de las características num éricas de la imagen. Algunos autores sugieren que el prim er com ponente siempre indica el brillo general y el se gundo el verdor (lngebritsen y Lyon, 1985). No obstante, esta afirm ación asume que en la imagen existe una cantidad suficiente de cobertura vegetal. D e otra forma, el com ponente de vegetación puede ser el tercero o cuarto. En definitiva, no pueden aplicarse reglas generales para la interpretación de los .

i.4.

T ran sfo rm ació n «T a sse le d C a p » (TTC)

Al igual que el A, esta transformación se dirige a obtener unas nuevas ban das, por com binación lineal de las originales, con objeto de realzar algunos rasgos de interés en la escena. La diferencia frente al A estriba en que la TTC ofrece unos com ponentes de significado físico preciso, esto es. independientes del tipo de imagen que se esté analizando. La TTC fue ideada por Kauth y Thom as en el marco del proyecto LACIE (Larg e Arca Crop Inventory Expcrimcnt), desarrollado por la NASA y el Departamento de Agricultura estadounidense (USDA) en los años setenta, con objeto de m ejorar la predicción de cosechas. Dentro de este proyecto, se pretendió m odelar los com po nentes fundamentales de variación en una imagen M SS, describiendo sus caracterís ticas físicas desde el punto de vista del seguim iento de cultivos (Kauth y Thomas, 1976). A partir de una serie de imágenes de zonas agrícolas, se trató de sintetizar los ejes de variación espectral de los cultivos en una figura tri-dimensional, de aspecto parecido a un gorro con borlas (tasseled cap). Considerando las bandas roja e infra rroja, la base de ese gorro se define por la línea de suelos, en donde se sitúan los distintos tipos de suelo, de acuerdo a su brillo y color (fig. 7.13). Según el cultivo va ganando en vigor, tiende a separarse de la línea del suelo, aproxim ándose al eje de la banda infrarroja, y convergiendo en un punto cuando se produce la máxim a madurez. A partir de ahí el cultivo tiende a marchitarse, retom ando hacia la linea de suelos. La TTC tiende a poner más en evidencia el com portam iento espectral de la ve getación y el suelo, a partir de crear nuevos ejes m ejor ajustados a esc espacio físi co. En ese nuevo sistem a de coordenadas, se pretende que sea más nítida la separa ción entre am bas cubiertas. Para el caso de las imágenes M SS. sobre las que se de sarrolló esta transformación, los nuevos ejes se obtuvieron a partir de: uJ = R ' l xi + e

{7-17}

donde w, indicaba el vector correspondiente a la imagen transformada; x„ el vector de entrada; R'„ el vector de coeficientes de transform ación, y c una constante para evitar valores negativos. Los autores sugerían un valor c = 32. Sobre el conjunto de imágenes de su muestra, los autores del trabajo distin guían tres componentes: uno, denom inado brillo (brightness), sum a ponderada de las cuatro bandas originales; otro, denom inado verdor (greenness)%relacionado con la actividad vegetativa; un tercero conocido com o m architez (yellowness), que pre-








ANÁLISIS DIGITAL DE IMÁGENES: EXTRACCIÓN DE INFORMACIÓN TEMÁTICA

365

El algoritm o determ ina la sim ilitud entre dos espectros calculando el ángulo es pectral que les separa (0):

siendo ND, * el valor del píxel i (el espectro objetivo) en una determ inada banda k de la imagen, ND, * el del espectro de referencia j en la m ism a banda, y m el núm e ro de bandas. El criterio puede utilizarse para com parar pares de espectros determ i nados. por ejemplo, muestras de suelos con distintos contenidos de m ateria orgáni ca, o para asignar un pixel desconocido a una clase de referencia en una clasifica ción temática. En este caso, el pixel i se asignará a la clase de referencia j con el va lor 0 más pequeño. Lógicamente, también pueden com pararse los cosenos entre vec tores, eliminando en la fórmula anterior la necesidad de calcular el arcoseno. Lo ha bitual para imágenes hiperespectrales es trabajar con valores de reflectividad, pero hem os indicado en su lugar N D ya que éstos pueden estar escalados de la forma que estim e oportuno el intérprete, siempre que, com o es lógico, tengan la misma m étri ca los de referencia y los que se pretenden clasificar. La figura 7.22 presenta un esquem a del clasificador angular, para un caso sen cillo de tres bandas. Aunque se ha desarrollado en el marco del análisis hiperespectral, esta técnica también puede aplicarse a un menor número de bandas, siendo una alternativa a los clasificadores convencionales, que luego com entarem os. También el SAM puede utilizarse como técnica de inversión para calcular el espectro más si m ilar al observado entre una serie de espectros sim ulados con modelos RTM. Con este enfoque se han observado resultados muy interesantes en el ám bito de la esti-

Banda 1

FlG. 7 .2 2 .

Esquema del clasificador angular.

Copynghtcd rnol












386

TELF.DETECCJÓN AMBIENTAL

de cubiertas vegetales. Finalm ente, puede ocurrir que ninguna de estas tres dimensiones sea suficiente para separar ciertas cubiertas, y sea preciso acudir a inform a ción auxiliar (topografía, suelos, etc.). A lo largo de este apartado veremos algunos procedim ientos para abordar estos enfoques alternativos, si bien nos centrarem os principalmente en la interpretación de los datos espectrales. Simplificando las cosas, la clasificación digital de imágenes sigue cauces aná logos a los que se emplean en foto-interpretación. En esta técnica, en prim er lugar el intérprete identifica el patrón visual asociado a cada cubierta, de acuerdo a una serie de criterios: tono, textura, forma, contexto, disposición, etc., tal y como apare cen en unos fotogramas tipo. Posteriorm ente, delim ita sobre el resto de las fotogra fías las zonas que se corresponden con ese m odelo previam ente definido. En otras palabras, asigna a cada categoría unas determ inadas superficies, en función de la se m ejanza de éstas con el patrón-tipo identificado previamente. Por último, verifica sobre el terreno la interpretación realizada. Éste es también el esquem a de la clasificación digital. Basta traducir los crite rios analógicos por digitales, por cuanto se realiza sobre los ND presentes en la ima gen. De esta forma, pueden distinguirse las siguientes fases: 1) definición digital de las categorías (fase de entrenamiento), 2) agrupación de los pixeles de la imagen en una de esas categorías (fase de asignación), y 3) com probación y verificación de re sultados. Tratarem os aquí de las dos primeras, reservando la tercera para un capítu lo independiente, puesto que las técnicas de verificación son aplicables tanto a la in terpretación digital como a la visual.

2.2. 2.2.1.

Fase de entrenamiento Conceptos básicos

Para que una fotografía aérea pueda ser interpretada en detalle es preciso que exista una experiencia previa, que nos perm ita identificar cada una de las categorías de interés por una serie de rasgos, como son tono, textura, situación o tamaño. Es posible distinguir entre matorral y arbolado, gracias a que éste tiene una textura más rugosa; mientras la separación entre agua y suelos descubiertos se realiza sobre la diferencia de tonalidad. De la misma forma, la clasificación digital se inicia carac terizando los patrones que definen en la imagen las distintas categorías objetivo. Por cuanto se trata de una clasificación basada en los valores num éricos de los pixeles. esta caracterización tam bién debe ser numérica; esto es, se trata de obtener el ND. o m ejor aún el rango de ND, que identifica a cada categoría, para todas las bandas que intervienen en la clasificación. Como ya hem os visto a lo largo de esta obra, diversos factores introducen una cierta dispersión en tom o al com portam iento espectral medio de cada cubierta. Esto im plica que las distintas categorías no se definen por un sólo ND. sino por un con junto de ND, más o m enos próxim os entre si. En térm inos de su clasificación digi tal, esto supone que existe una cierta dispersión en tom o al ND medio de cada categoría, más o m enos significativa según las clases que se consideren y la propia com plejidad del paisaje donde éstas se asienten. Por ello, la fase de entrenamiento

;od m a te ria l

































438

3.2.2.

TELEDETECCIÓN AMBIENTAL

H om ogeneización radiométrica

Otro im portante problem a en la detección de cam bios es el producido por las variaciones que introducen las condiciones de observación, situaciones atmosféricas o la calibración del sensor. Estos efectos modifican la signatura espectral de un píxe!, aunque se mantenga constante la cubierta. En consecuencia, es preciso hom ogeneizar los N D de las imágenes que intervienen en el análisis. Para ello, puede op tarse por un doble enfoque: 1. Calibrar los ND de m odo absoluto, conviniéndolos a m edidas de reflectividad o tem peratura del suelo. 2. Equiparar los N D entre imágenes. En el prim er caso, es preciso acudir a los modelos de conversión a parámetros físicos vistos previam ente, incorporando los parám etros de corrección atm osférica y de ilum inación más propios para cada fecha. En el segundo enfoque basta una co rrección relativa entre fechas, ya que sólo se trata de facilitar las com paraciones en tre ellas. Con esta óptica, los m étodos de corrección propuestos se basan en situar una serie de píxeles de radiancia constante entre fechas, preferiblem ente que reco ja n áreas de baja reflectividad (sombras, aguas claras y profundas) y alta reflectividad (suelos descubiertos, estacionam ientos, pistas de aterrizaje). A partir de los ND de esos píxeles, pueden estim arse unos coeficientes de sesgo y ganancia, para cada banda, que permitan corresponder los N D entre fechas distintas. El método se ensa yó con buenos resultados en un estudio multitem poral sobre la Albufera de Valencia (Caselles y López, 1989), com parándolo con modelos atm osféricos estándar (Tanre et al. f 1986). La viabilidad de estas correcciones para hom ogeneizar las condiciones atm osféricas entre imágenes también se ha dem ostrado en el marco de la estimación de cosechas (Hill y Sturm, 1991) y en el inventario forestal, facilitando ajustes con una correlación superior a 0,98 (Coppin y Bauer, 1994). Puesto que la variación temporal entre píxeles puede alterar esos coeficientes de regresión, otros autores han propuesto utilizar los ND más oscuros y m ás claros entre fechas, obtenidos a partir de los com ponentes de brillo y verdor de la transfor mación (tasseled cap) (7.1.3): NDr k = s k ND* + g t

{7.48}

esto es el N D corregido en la banda k se estim aría a partir de unos coeficientes de sesgo y ganancia para esa banda, que se obtienen a partir de: sA= (N D * < * - ND*, rk) / (N D *

* - N D * , *)

gt - (N D o,, * N D * , , - N D ^ , * N D * , k) ! (N D * f. * - N D ,, Ki)

{7.49}

{7.50}

donde N D W>^ k y N D * * * indican el ND medio de los píxeles más oscuros y más cla ros, respectivamente, de la imagen de referencia, y NDOI





442

donde P T t indica la pendiente del período i, y t¡ el período de tiem po considerado. Este índice parece bastante relacionado con las variaciones del vigor vegetal desde la prim avera hasta el verano, identificando situaciones de deterioro en la vegetación (López et a l , 1991). Otro índice de interés es el análisis de anom alías temporales, esto es la deter minación de las desviaciones entre el ND de un píxel para un determ inado período y el prom edio de la serie histórica para ese m ismo píxel:

N D W ) A/ = -------- -¿ - -1 0 0 ' NDV1(7)

j'T«, í 7-5 3 )

donde NDVT (i) indicaría el valor del índice correspondiente a un determ inado pe ríodo i y N D VI (7) el valor m edio para ese período, para un conjunto de años su ficientem ente largo. Esto perm itiría ver si las tendencias de un m omento determ i nado son las esperables o se registran valores anóm alos (ya sean superiores o infe riores a la tendencia promedio). Esta técnica es la base para el seguim iento de las condiciones de sequía en los cultivos que se realiza operativam ente en varios países (González-Alonso et a l , 2004), en algunos de ellos auspiciado por la FAO. Cualquiera de los índices arriba indicados tam bién puede em plearse para las variaciones de tem peratura o de cualquier otro índice espectral. En el ámbito del es tudio del calentam iento global del planeta, este tipo de datos resulta también muy significativo (fig. 19*). Otra técnica utilizada para series temporales de imágenes es el A. En este caso, se aplica la técnica sobre la serie temporal completa, considerando cada fecha como una banda. Los primeros componentes de una serie nonnalmente indican una situación promedio, la tendencia estable, mientras los componentes secundarios informan sobre aspectos del cambio que se observe en el periodo. A partir de componentes principales estandarizados, se abordó un interesante análisis de las tendencias de la vegetación en África, sobre una serie temporal de 36 imágenes que cubrían todo el continente. Se ob servó que los primeros componentes recogían la tendencia promedio, mientras los res tantes marcaban algunos rasgos de interés en la fenología de la vegetación, detectando eventos anómalos de sequía, c incluso algunos errores en la adquisición de las imáge nes, difícilmente detcctables sobre los valores originales (Eastman y Fulk, 1993).

3.4.

T

é c n ic a s p a r a l a d e t e c c ió n d e c a m b io s

Los estudios de detección de cam bios pueden aplicarse a una gran variedad de disciplinas (M ouat et a l , 1993). Tienen por objeto analizar qué rasgos presentes en un determ inado territorio se han modificado entre dos o más fechas, de cara a eva luar los impactos de un determ inado fenóm eno, ya sea continuo o esporádico (O b servatorio de la Sostenibilidad, 2006). Un buen ejemplo del interés de este enfoque temporal es el Atlas o f O ur Changing Environment editado por el program a de medioambiente de Naciones Unidas (UNEP: http://na.un.netO nlanetM anyPeople/index.php, últim o mayo de 2008).

j p y r i g h t e d m a lc rié




450


vegetación a suelo construido. El tercer com ponente m uestra los sectores de vegeta ción más vigorosa entre fechas, que corresponden generalmente a pastizales. Final mente, el cuarto nos inform a de cambios que se han producido en el vigor vegetal, de áreas de vegetación seca a vigorosa. Esta dim ensión nos perm ite caracterizar con claridad algunas zonas residenciales ya consolidadas, que han pasado de vegetación arbórea-arbustiva a especies ornamentales, con m ayor vigor, no obstante la interpre tación de este com ponente, com o hem os visto, resulta un tanto confusa. 3.4.5.

Regresión

Com o es bien sabido, las técnicas de regresión se emplean para estim ar valo res de una variable de interés a partir de otra que está fuertemente asociada con ella. Esa asociación se m ide a partir de unas observaciones comunes a ambas variables, a partir de las cuales se ajusta una función que las relaciona numéricamente. En el marco de la corrección geom étrica de imágenes, ya tuvim os ocasión de com entar esta técnica, por lo que aqui sólo nos detendremos en su aplicación al análisis de cambios.

F ie. 7.64.

Esquema de la regresión multiiemporal.











































510


Landsat Q

N -Q

V)

Q

A

B

^

N -Q

C

D

Q: Quemado NQ: No quemado Comisión Q: 1 • (A/(A ♦ B)) - B/(A ♦ B) Omisión Q: 1 - (A/(A ♦ C)) = C/(A + C)

F ig . 8 .1 1.

■ ■

l

Validación para una clasificación dicotómica: área quemada con imágenes de baja y alia resolución.

Commisslon Bumod area

I Unbum®d area

■ Omisslon

■ Commisslon ■ j Bumedaroa . Unbumad area ■

Omisa Ion

•~ r i» FlG. 8 .1 2 .

Validación cruzada y diagrama de dispersión entre proporciones de área quemada para dos escenas Landsat en el este de Colombia (a) y este de Bolivia (b).




■ Idóneo ■ M o d e rad o □ N u lo o m

Variable« de entrad«

Fig. 9.1 .

Flujo de información en un Sistema de Información Geográfica.

b




520


un determ inado SIG (litología, relieve, suelos, datos climáticos, vegetación, culti vos, datos censales, etc.), tengan la resolución y el nivel de fiabilidad adecuado, y estén debidam ente actualizadas. Puesto que esas variables son com únm ente genera das por distintas agencias, que, a su vez, pueden haber contratado el trabajo a m úl tiples intérpretes, la integración de esas variables en el SIG puede ser muy com ple ja . tanto desde el punto de vista tem ático como geom étrico (Mounsey, 1991). En consecuencia, no sólo es necesario que exista una buena información geográfica, sino también que pueda integrarse en una base de datos coherente (M artínez ct al.% 2008). Esto implica coordinación, tanto entre los diversos grupos que han generado cada variable (en el seno de una institución), com o también entre las distintas insti tuciones con responsabilidades cartográficas. Con mucha frecuencia, am bos aspectos no se garantizan adecuadam ente, lo que dificulta considerablem ente la operatividad de un SIG. Por un lado, pueden faltar determ inados inventarios cartográficos, tan vitales para la planificación física, como son la cartografía de suelos o gcom orfológica. Por otro, pueden presentarse desco nexiones entre los organism os que generan la información. Esto implica, en m uchas ocasiones, duplicar esfuerzos y presupuestos, ya sea porque la inform ación genera da por estos organism os no resulte intercambiable, porque no se han arbitrado cana les apropiados para la distribución pública de esa información, o, sim plem ente, por que no se conoce. La teledetección espacial, por si sola, no puede resolver estos problemas, pero puede contribuir a paliarlos al facilitar datos de libre adquisición, en formatos están dar, y plenam ente actualizados. Com prendiendo el alto coste de generar información geográfica de calidad, la inversión en imágenes de satélite puede justificarse plena mente, sin olvidar que en m uchas ocasiones lo verdaderam ente caro es no disponer de la información necesaria para tom ar decisiones cuando resulta im prescindible ha cerlo (en situaciones de em ergencia, por ejemplo: Cam arasa el a i , 2001). Existen diversos m edios para generar información geográfica, desde el tradicio nal trabajo de campo (insustituible todavía en m uchas ocasiones), hasta los sensores terrestres (medidores de tem peratura, hum edad o polución atmosférica, estaciones de aforo, etc.), sistem as de posicionam iento global (GPS) y teledetección aérea o es pacial. Todos ellos son m edios necesarios, que convendrá seleccionar en función de la variable que quiera obtenerse y de los propios requisitos del trabajo (presupues to. tiempo de obtención, fiabilidad requerida, etc.). Sintetizando las cosas, las ven tajas de la teledetección com o fuente de datos para un SIG se centran principalm en te en la obtención de algunas variables de interés (fase de inventario cartográfico), y en la actualización de información ya generada. A continuación analizamos con más detalle am bos aspectos.

5 .2 .

F a s e d e i n v e n t a r io

La teledetección, como hem os visto en capítulos precedentes, puede resultar una herram ienta idónea para cartografiar determ inadas variables: temperatura del agua del mar, contenido en clorofila, cobertura de nieve, rendim ientos del cultivo, ocupación del suelo, etc., y la lista se está continuamente am pliando ante la dispo-





526

Im agen original

Imagen corregid«

435.000

Ajuste d e la resolución

FlG. 9 .7 .

Aspectos geométricos en la integración de imágenes a un S/G.

puesto que la mayor parte de estos programas sólo pueden poner en relación ficheros que tengan el m ismo núm ero de filas y columnas. En caso de que la imagen ya esté georreferenciada, pero no a la base cartográ fica del SIG (no coinciden proyección y/o elipsoide de referencia y/o datum ), debe rá realizarse una nueva corrección geom étrica de la imagen, aunque en este caso sólo en su tercera fase (interpolación), ya que la transformación de un sistem a de coordenadas a otro puede m odelarse a priori (no necesitam os puntos de control para estim ar la transform ación, por tanto). La m ayor parte de los program as de ADI cuentan con una am plia lista de proyecciones cartográficas definidas, por lo que pa sar de una a otra, resultará un proceso bastante automático, consistente en un rem uestreo (por cualquiera de los procesos de trasvase de N D comentados en 6.6.3). de la proyección inicial a la deseada. El m ismo hecho se daría cuando la imagen coincidiera cartográficam ente con el SIG, pero el tamaño del pixel fuera distinto. También sería preciso, entonces, rem uestrear la imagen, aunque lógicam ente en ese caso no se modificaría la geom etría de partida. Finalm ente, puede ocurrir que coincidan la proyección, elipsoide y tam año de píxel entre la imagen y el SIG. pero no las coordenadas límite del marco geográfi co que abarcan (esto es, las coordenadas de las esquinas). En ese caso, también es preciso realizar una transform ación, aunque se limite a recortar o am pliar el marco de la imagen, para que el archivo de salida tenga el mismo núm ero de filas y de co lumnas que el resto de las variables almacenadas en el SIG .1 I . Para que esto sea posible, es necesario que las coordenadas del área de referencia del SIG coincidan, en algún lugar de la m alla, con las de la imagen. D e lo contrario, será necesario optar por la opción anterior (rem uestrear la imagen), ya que sólo pueden recortarse en la imagen píxclcs enteros. Este sería el caso si el origen del SIG fuera, por ejem plo, de 435000 y 4467000, m ientras la im agen contara








ANEXOS MDH

( M o d e lo D ig ita l d e E le v a c ió n )

M E R IS

M SS M SU

(M edium Resolution Im aging Spectrom eter) (M ulti-A ngle Im aging Spectroradiom eter) (M inim um N oise Fraction) (M oderate-Resolution Im aging Spectroradiom eter) (M easurem ents o f Pollution In The Troposphere) (M arine O bservation Satellite) (M eteoxat Second G eneration) (M uhispectral Scanner) (M icrowave Sounding Unit)

MUC

( M in im a U n id a d C a r to g r a f ia b le )

NA SA NA SD A

(N ational Aeronautics a n d Space inistration) (N ational Space D e w h p m e n t Agency, J a p ó n )

ND

( N iv e l D ig ita l, d e c a d a p ix e l)

N D II

(N orm alized D ifference Infrared Index) (N orm alized D ifference Vegetation Index) (N ational G eophysical D ata Center, U S A ) (N ational O ceanic a n d Atm ospheric inistration Satellite) (N ational Polar-orbiting O perational Environm ental Satellite System ) (N ational Rem ote Sensing AgeJicy. In d ia )

M 1SR MNF M O D 1S M O P1TT MOS M SG

NDVI NGDC NOAA NPOESS NRSA NV OLS OPS PDUS PN G PO AM PO LDER PPI PPU RBV RM SE RNA RVA S A IL SA M SA R SAVl S B U V /2

( N iv e le s V is u a le s )

(O perational Linescan System) (O ptical Sensor) (Prim ary D ata U ser Stations) (Portable N etw ork Graphics) (P olar O zone a n d A erosol M easurem ent) (Polarization and D irectionality o f the E a rth s Reflectance) (P ixel Purity' Index) (Patch p e r Unit) (Return Beam Vidicon) (Root M ean Squared Error) ( R e d e s N e u r o n a le s A r tif ic ia le s ) ( R o jo . V e rd e . A z u l)

(Scattered b y A rbitraily Inclined Leaves) (Spectral A ngle M apper) (Synthetic Aperture Radar) (Soil A djusted Vegetation Index) (Solar B ackscatter Ultra Violet Spectral Radiom eter)

SELPER S E V IR I

( S o c ie d a d d e E x p e r to s L a tin o a m e r ic a n o s e n P e r c e p c ió n R e m o ta )

S IG

( S is te m a s d e I n fo r m a c ió n G e o g r á f ic a )

S IR

(Shuttle Im aging Radar) (Specific L e a f Area) (Side Looking A irborne Radar) (Satellite P our I 'Observation de la Terre) (Shuttle R adar Topography M ission) (Solar B ackscatter Ultra Violet S[>ectral Radiometer). (Special Sensor M icro w ave Im ager) (Scanning M ultichannel M icrowave Radiometer) (Stratospheric Sounding Unit)

SLA SLA R SPO T SRTM S B U V /2 S S M /I SSM R SSU

(Spinning E nhanced \risible a n d Infrared Im ager)


C a d a d ía n o s r e s u lta n m á s c e r c a n o s los p r o b l e m a s a m b ie n ta le s d el p l a n e t a y c re ce n u e s t r o in te ré s p o r c o n o c e r lo s c o n m á s p r o f u n d i d a d y t o m a r las m e d id a s o p o r t u n a s p a r a r e m e d ia r lo s . Se b u s c a u n m o d e l o d e d e s a r r o l l o m á s a r m ó n i c o , d o n d e la N a t u r a l e z a n o s ó lo sea f u e n te d e r e c u r s o s , s in o t a m b i é n lu g a r de c o n te m p la c ió n , d o n d e a p re n d a m o s a c o n o c e r y a c o n o cern o s, a v a l o r a r la b e lle z a y el v a lo r d e la v id a . La o b s e r v a c ió n d e n u e s t r o p l a n e t a q u e r e a liz a n los s a té lite s de te le d e te c c ió n p e r m ite e n r i q u e c e r n o t a b l e m e n t e la in f o r m a c ió n d is p o n ib le s o b r e a lg u n o s d e eso s p r o b le m a s a m b ie n ta le s , d e s d e los im p a c to s del c a l e n ta m i e n t o c lim á tic o , h a s t a las d in á m ic a s d e la v e g e ta c ió n o d e los c u ltiv o s , los m o v i m i e n t o s d e las c o r r ie n te s o c e á n ic a s , el c r e c im ie n to u r b a n o o las f lu c tu a c io n e s d e la c a p a de o zo n o .

TELEDETECCION AMBIENTAL p r e t e n d e p r e s e n t a r los f u n d a m e n t o s d e la tc lc d e tc c c ió n , d e s d e la a d q u is ic ió n d e im á g e n e s h a s t a su c o r r e c c ió n e in te r p r e t a c ió n . Si b ie n el t e x to p u e d e se r útil a d iv e r s o s p r o f e s io n a le s , se h a p r e t e n d i d o d a r le u n e n f o q u e d e a p lic a c ió n a m b i e n t a l , d e a h í el n o m b r e d e la o b r a . S e h a i n t e n t a d o q u e la r e d a c c ió n te n g a u n e n f o q u e d id á c tic o , p a r a lo q u e se a p o y a e n n u m e r o s a s fig u ra s y ta b l a s . El t e x t o se c o m p le ta c o n los m a te r ia le s d is p o n ib le s en la w e b d e A riel d o n d e se r e c o g e n fu e n te s a d ic io n a le s d e i n f o r m a c i ó n , im á g e n e s d e e je m p lo , a s í c o m o u n a c o le c c ió n d e p r e s e n ta c io n e s q u e p u e d e n s e rv ir c o m o r e c u r s o p a r a los d o c e n te s d e e s ta m a te r ia .

Ariel c ie n c ia

Teledeteccionambientallisto-120517104904-phpapp02 59d19

Overview 3e4r5l

More details w3441

More Documents from "Imaggin Seiscuatro" i5c51

Teledeteccionambientallisto-120517104904-phpapp02 59d19

Miyazaki-moebius Exhibition Catalogue 4w5w1j