chuvieco_fundamentos de teledeteccion.pdf

CAPTULO 4

BASES PARA LA INTERPRETACIN DE IMGENES DE TELEDETECCIN

ste es un infeliz que viene perdido y es necesario socorrer-le, pues todos los forasteros y pobres son de Zeus y un exiguo don que se les haga le es grato.

HOMERO, Odisea

Como ya sealbamos en la introduccin, el objeto de esta obra es facilitar el acceso a una tcnica que puede ser muy fructfera en la mejor comprensin de diver-sos fenmenos ambientales. Por tanto, se ha puesto ms el nfasis en la interpreta-cin que en las tcnicas para la obtencin de las imgenes. Los captulos previos se dirigen precisamente a facilitar esa interpretacin, de tal forma que cada uno pueda extraer informacin relevante de las imgenes espaciales en su propio mbito de in-ters. En este captulo se presentan algunas ideas introductorias, que pueden ser ti-les en el momento de proyectar una aplicacin temtica a partir de los datos suminis-trados por sensores espaciales. Parece lgico que antes de abordar la interpretacin propiamente dicha se consideren una serie de cuestiones de cara a mejorar la organi-zacin de un proyecto que requiera de esta tcnica. Los aspectos ms destacados ha-cen referencia al tipo de sensor o de tratamiento ms conveniente para la aplicacin que se persigue.

En la organizacin de un proyecto las decisiones se basarn principalmente en 6 aspectos: 1) los objetivos del proyecto, y 2) los medios disponibles para su reali-

zacin. Lgicamente, los objetivos del trabajo orientan la mayor parte de las decisio-" consiguientes, cmo son las relativas al tipo de informacin necesaria, a su exac-

titud de escala y nivel de desagregacin. Por su parte, los medios disponibles implican equilibrio lo deseable y lo posible, restringiendo el mtodo ms idneo para abordar objetivos marcados, ya sea en lo que se refiere a las imgenes disponi-

bles Para el anlisis, ya a los medios para su interpretacin (fig. 4.1).

BASES PARA LA INTERPRETACIN DE IMGENES DE TELEDETECCIN 157

do la validez de una determinada metodologa. A este respecto, existe ya un buen grupo de estudios en donde la teledeteccin espacial est reconocida como una fuente primaria de informacin, como son la cartografa de la cobertura del suelo, estadstica agraria, ex-ploracin minera, temperatura y componentes del agua, determinacin de recursos pes-queros, evaluacin de ciertos impactos ambientales y prediccin meteorolgica, entre otros. Otra serie de aplicaciones se encuentran an en fase de experimentacin, como es el caso de la estimacin de biomasa en cultivos, el inventario del volumen de nieve, la deteccin de contaminantes o los clculos demogrficos. Por ltimo, otros proyectos son an inviables con los sensores actuales, ya sea por el nivel de precisin que exigen (inventario ganadero o de animales silvestres), ya por falta de la resolucin espacial, temporal o espectral necesaria (deteccin operativa de incendios, deteccin de aeroso-les). En cualquier caso, una inspeccin a la amplia bibliografa disponible evitar conce-bir esperanzas irreales y realizar gastos innecesarios.

1.2. EL COSTE DE LA INFORMACIN GEOGRFICA

Otro aspecto que dificulta el dilogo entre usuarios o potenciales clientes de la teledeteccin es la frecuente percepcin en estos ltimos de que se trata de una tc-nica cara, que requiere inversiones elevadas, o implica procedimientos de trabajo que se apartan de los mecanismos de produccin ya establecidos. Adquirir una ima-gen IKONOS, por ejemplo, resulta una fuerte inversin si lo comparamos con adqui-rir fotografas areas de similar escala. Ahora bien, adems de que los costes de estas imgenes de alta resolucin bajarn en un inmediato futuro con la llegada de otros sensores de similares prestaciones, cuando se comparan costes con la fotografa area no se consideran los propios de la planificacin y ejecucin del vuelo, ni lo que supone la oportunidad de tener los datos en un momento determinado y con un formato especfico. Algunos autores han planteado comparaciones entre las dos fuentes de informacin, siendo claramente ventajosa la teledeteccin cuando nos referimos a espacios suficientemente grandes (Martnez Vega, 1996; O'Connell y Lachman, 2001).

En cualquier caso, aunque la inversin sea objetivamente costosa, no hemos de perder de vista que no disponer de ella puede resultar, a la larga, mucho ms caro, pues la falta de informacin implica decisiones que pueden ser poco adecua das, mientras una planificacin acertada del territorio supone a la larga grandes beneficios, tambin econmicos. Adems, y en el caso de la gestin de desastres na turales, la falta de datos puede acentuar las consecuencias catastrficas de estos eventos, anular o hacer ineficaces las medidas de mitigacin, y dificultar la recupe racin de esos espacios (Baker, 2001). '

1.3. EL DILOGO CON LOS USUARIOS

Si la teledeteccin no ha penetrado con mayor fuerza en muchos mbitos de la gestin territorial, tambin puede deberse a que los interesados por esta tcnica no he-mos sabido resolver satisfactoriamente las necesidades reales de los destinatarios,

156 TELEDETECCIN AMBIENTAL

Costes Equipos

Nivel de exactitud

Nmero de imgenes

Escala

Mtodo de interpretacin

Nivel de desagregacin

Duracin Sensor

FlG. 4.1. La interpretacin de imgenes en teledeteccin implica tomar una serie de decisiones que optimicen los objetivos perseguidos en funcin de los medios disponibles.

1. Limitaciones para el empleo de la teledeteccin

1.1. INFORMACIN QUE BRINDAN LAS IMGENES

Cualquier usuario novicio de la teledeteccin debera tener presente que es una tcnica con limitaciones, vlida para resolver un determinado nmero de problemas. No es, como se ha concebido en algunos ambientes, una panacea que solucione todas las necesidades de informacin sobre el medio ambiente que se requieren actualmente. Falsas expectativas pueden conducir a falsas conclusiones, arribando al polo opuesto; esto es, a concebir la teledeteccin espacial como una tcnica ms vistosa que eficaz. Para evitar uno y otro extremo, cualquier proyecto de aplicacin debera comenzar cuestionndose si esta tcnica puede solventar el objetivo marcado, y si la informacin que sta ofrece no es obtenible por otros medios ms rpidos o econmicos.

La respuesta no siempre es sencilla. El rango de aplicaciones de la teledeteccin est en constante crecimiento, gracias a las innovaciones en los equipos sensores y en los mtodos de tratamiento. Sin embargo, parece lgico que un trabajo de aplicacin se base sobre un soporte previo, en donde diversos proyectos de investigacin hayan demostra-


do la validez de una determinada metodologa. A este respecto, existe ya un buen grupo de estudios en donde la teledeteccin espacial est reconocida como una fuente primaria de informacin, como son la cartografa de la cobertura del suelo, estadstica agraria, ex-ploracin minera, temperatura y componentes del agua, determinacin de recursos pes-queros, evaluacin de ciertos impactos ambientales y prediccin meteorolgica, entre otros. Otra serie de aplicaciones se encuentran an en fase de experimentacin, como es el caso de la estimacin de biomasa en cultivos, el inventario del volumen de nieve, la deteccin de contaminantes o los clculos demogrficos. Por ltimo, otros proyectos son an inviables con los sensores actuales, ya sea por el nivel de precisin que exigen (inventario ganadero o de animales silvestres), ya por falta de la resolucin espacial, temporal o espectral necesaria (deteccin operativa de incendios, deteccin de aeroso-les). En cualquier caso, una inspeccin a la amplia bibliografa disponible evitar conce-bir esperanzas irreales y realizar gastos innecesarios.

1.2. EL COSTE DE LA INFORMACIN GEOGRFICA

Otro aspecto que dificulta el dilogo entre usuarios o potenciales clientes de la teledeteccin es la frecuente percepcin en estos ltimos de que se trata de una tc-nica cara, que requiere inversiones elevadas, o implica procedimientos de trabajo que se apartan de los mecanismos de produccin ya establecidos. Adquirir una ima-gen IKONOS, por ejemplo, resulta una fuerte inversin si lo comparamos con adqui-rir fotografas areas de similar escala. Ahora bien, adems de que los costes de estas imgenes de alta resolucin bajarn en un inmediato futuro con la llegad^ de otros sensores de similares prestaciones, cuando se comparan costes con la fotografa area no se consideran los propios de la planificacin y ejecucin del vuelo, ni lo que supone la oportunidad de tener los datos en un momento determinado y con un formato especfico. Algunos autores han planteado comparaciones entre las dos fuentes de informacin, siendo claramente ventajosa la teledeteccin cuando nos referimos a espacios suficientemente grandes (Martnez Vega, 1996; O'Connell y Lachman, 2001).

En cualquier caso, aunque la inversin sea objetivamente costosa, no hemos de perder de vista que no disponer de ella puede resultar, a la larga, mucho ms caro, pues la falta de informacin implica decisiones que pueden ser poco adecua das, mientras una planificacin acertada del territorio supone a la larga grandes beneficios, tambin econmicos. Adems, y en el caso de la gestin de desastres na turales, la falta de datos puede acentuar las consecuencias catastrficas de estos eventos, anular o hacer ineficaces las medidas de mitigacin, y dificultar la recupe racin de esos espacios (Baker, 2001). '

1.3. EL DILOGO CON LOS USUARIOS

Si la teledeteccin no ha penetrado con mayor fuerza en muchos mbitos de la gestin territorial, tambin puede deberse a que los interesados por esta tcnica no he-mos sabido resolver satisfactoriamente las necesidades reales de los destinatarios,


bien por falta de capacidad en los sistemas sensores disponibles, bien por no compren-der adecuadamente esas necesidades. En el primer caso, estaran aquellas aplicaciones de la teledeteccin que todava requieren una mejora en la resolucin espacial, espec-tral o temporal de los sensores para cumplir los requisitos operativos de los gestores. Por ejemplo, para utilizar operativamente la teledeteccin espacial en las tareas de de-teccin de incendios se requerira una frecuencia de adquisicin de imgenes que slc proporcionan actualmente los satlites meteorolgicos, pero a un nivel de detalle ex-cesivamente grosero. Por tanto, si se plantea emplear esta tcnica como alternativa realista a la vigilancia terrestre necesitamos contar con un sistema espacial diseadc ad hoc para esta finalidad, que satisfaga las necesidades reales de esta comunidad de usuarios. se es el planteamiento del sistema Fuego, que desarrolla la empresa espa-ola Insa (www.insa.es/fuego.html), y constituye uno de los pocos ejemplos de siste-mas de teledeteccin diseados para una aplicacin concreta. Otro, bastante obvio, se-ra la prediccin del tiempo, que cuenta desde los aos sesenta con satlites especfi-cos. En el futuro, con la reduccin de precios de los sistemas sensores y de las platafor-mas espaciales, pensamos que el diseo de misiones especficas puede hacer de la tele deteccin una herramienta plenamente operativa en mltiples aplicaciones.

En cuanto a posibles problemas de comunicacin con las comunidades de usuarios se est enfatizando en los ltimos aos la importancia de implicarlos en cualquier pro yecto de investigacin y desarrollo, pues facilitan una orientacin de gran inters pan poner esas tareas en un contexto ms realista. No cabe duda de que en muchas ocasione; la falta de inters de los posibles destinatarios por la teledeteccin puede venir dada po nuestra incapacidad para entender bien sus necesidades, y la consecuente insistencia ei ofrecerles productos que no resuelven adecuadamente sus problema* operativos. Po ejemplo, y siguiendo con el ejemplo anterior, los gestores de la prevencin y el combat de incendios forestales difcilmente entendern que les ofrezcamos una cartografa de peligro de incendio exclusivamente a partir de teledeteccin, cuando nos estamos refi riendo, en el mejor de los casos, a una sola variable relacionada con el peligro (el estad hdrico de la vegetacin), dejando a un lado otras variables crticas en el inicio y desarro lio de un incendio, como pueden ser el viento o la humedad relativa del aire que son, hoy por hoy, difcilmente generables a partir de teledeteccin. Probablemente, sera ms f cil que estos usuarios potenciales aceptaran el inters de la tcnica si les ofrecemos ni camente lo que podamos generar a partir de las imgenes, subrayando el inters de inte grar esa informacin con la procedente de otras fuentes.

2. Variables y tipos de interpretacin

Sintetizando mucho las cosas, puede afirmarse que las imgenes de satlite no facilitan dos tipos de variables (Jensen, 2000):

Primarias, aquellas que se relacionan directamente con los datos obtenido por el sensor; esto es, que influyen primariamente en la seal registrada en la imagen

Secundarias (Jensen las denomina hbridas), que se derivan de las primera mediante algn tipo de conceptualizacin.


Las variables primarias son exclusivamente cuantitativas, ya que la seal recogi-da por el sensor corresponde a una variable numrica (radiancia espectral, altura), que est, a su vez, influida por esas variables biofsicas. Por ejemplo, la temperatura modifica la radiancia emitida en el IRT, por lo que la seal que el sensor recoge en esa banda del espectro ser una funcin de la temperatura y, en definitiva, sta ser extrable de aqulla (como veremos en cap. 6, apdo. 6.2.4). Lo mismo podemos decir de otras variables que explican directamente la reflectividad o la emitancia de una cubierta (clorofila, contenido de agua, evapotranspiracin, composicin mineralgica, humedad, etc.). Cuando el sistema de teledeteccin utiliza otras tecnologas pueden detectarse tambin variables de posicin y altura (a partir de estreo-restitucin, de interfe-rometra o de sensores lidar, por ejemplo).

Por su parte, las variables secundarias corresponden a un segundo nivel de abs-traccin, realizado habitualmente mediante una elaboracin de varias de las anterio-res. Por ejemplo, podemos deducir el grado de estrs hdrico de las plantas a partir de medir su contenido de agua, de clorofila o temperatura, pero el estrs en s no se mide directamente. De igual forma, la identificacin de una determinada cobertura del suelo viene dada por medir su reflectividad en distintas bandas del espectro, junto a sus pro-piedades texturales y espaciales (forma, tamao, etc.).

Esta discusin nos lleva a plantear los distintos tipos de interpretacin que pue-den aplicarse a una imagen adquirida por teledeteccin, segn el tipo de documento que quiere obtenerse. A nuestro juicio, a partir de una imagen se pueden generar cuatro tipos de productos (fig. 4.2):

1. Cartografa temtica. Se tratara, en este caso, de asignar cada elemento de la imagen en una categora homognea, ya sea mediante interpretacin visual o digital. En pocas palabras, este enfoque tiene por objetivo etiquetar cada pxel en la clase temti ca ms apropiada. sta ha sido la aplicacin ms comn del anlisis de imgenes, en cla ra herencia de la foto-interpretacin clsica. Ya desde los primeros aos de vida del sen sor Landsat-MSS, las aplicaciones ms comunes de estas imgenes se dirigan a obtener el inventario y cartografa de un determinado fenmeno: cobertura del suelo, litologas, tipos de nieve, etc. Suponiendo que la asignacin de pxeles a categoras sea correcta, este enfoque presupone que cada pxel es homogneo ya que se etiqueta con un slo valor y, por tanto, se asume de alguna manera que existen transiciones bruscas en el espacio. Supongamos que un pxel se cataloga como arbolado y el vecino como mato rral; lo habitual ser que en el terreno ambos cuenten con las dos cubiertas, en mayor o menor proporcin, pues los cambios de vegetacin son graduales. Aunque los mtodos ms recientes de clasificacin permiten asignaciones mltiples (cap. 7, apdos. 1.6.3 y 2.3.7), es obvio que cualquier intento de agrupacin implica una particin ms o menos rgida del espacio, con el riesgo que eso lleva consigo en variables* muy continuas en el terreno.

2. Un segundo enfoque considera a las imgenes de satlite como una matriz de medidas numricas de'una variable de inters, por lo que podran utilizarse para obtener una representacin espacial de dicha variable (las que hemos denominado primarias), o de alguna relacionada con ella (variables secundarias). Bajo esta ptica, la exploracin que realizan los equipos sensores se concibe como un procedimiento para muestrear sis temticamente una determinada variable de inters ambiental. La densidad del muestreo


Clasificacin

Categorizacin-Fronteras

Modelos

Variable continua

Deteccin de cambios

Intensidad y sentido

4 4 4 4

V 4 4 4 4

4 4 4

4 4

4 4 4 4

te Posicin

Densidad

Conexin

Estructura-Mediciones

FiG. 4.2. Tipos de anlisis que pueden abordarse en una imagen de satlite.

vendra marcada por la resolucin espacial del sensor (cada cuntos metros tenemos un dato). Aun en el caso de los satlites meteorolgicos de peor resolucin espacial, ese muestreo es mucho ms denso que el que puede realizarse desde sensores terrestres. El caso ms evidente es el estudio de la temperatura de la superficie marina. Previamente a la actividad de los satlites oceangraficos slo se realizaban mediciones en puntos muy distantes (boyas, perfiles a partir de buques), interpolndole esos valores al resto de la superficie marina. Con la observacin espacial pueden obtenerse mediciones de la tem-peratura, la salinidad o la clorofila del agua a intervalos regulares y relativamente cerca-nos (aproximadamente 1 km en el caso del AVHRR o del Seawifs: fig. 10*), ofreciendo una imagen mucho ms certera de la realidad. En este enfoque de interpretacin, la tele-deteccin se orienta a generar variables biofsicas, mediante algn modelo que relacione las medidas del sensor (reflectividad, emitancia) con dichas variables (cap. 7, apdo. 1). Obviamente, este enfoque slo est disponible cuando tenemos informacin digital y calibrada, esto es cuando hay una relacin consistente entre los datos de la imagen y una


variable fsica determinada (radiancia espectral, ordinariamente). No est disponible, por tanto, con sensores fotogrficos, en donde el tono slo refleja de modo cualitativo la energa detectada originalmente por el sensor.

3. Determinacin de cambios. Como ya hemos indicado, una de las principa les ventajas de la teledeteccin espacial es su capacidad para seguir fenmenos din micos, gracias a la cobertura cclica que proporcionan. Esta capacidad resulta de gran inters para inventariar ciertos procesos ambientales: crecimiento urbano, desecacin de humedales, efectos de incendios o plagas, etc. Bajo esta ptica, el fin del anlisis no es tanto establecer fronteras entre categoras, como sealar aquellas zonas de la ima gen que han modificado sensiblemente sus rasgos espectrales entre dos o ms fechas. Esa deteccin de cambios poda hacerse sobre imgenes previamente clasificadas o, de modo ms habitual, sobre transformaciones de las bandas originales. En este segun do caso, el cambio puede medirse en una escala continua, ya que las imgenes de par tida son cuantitativas y por tanto las tcnicas aplicadas pueden tambin serlo (dife rencias o cocientes entre fechas, regresin, componentes principales: cap. 7, apdo. 3).

4. Finalmente, las imgenes de satlite pueden tambin considerarse como una representacin del mosaico espacial de un determinado territorio, por lo que serviran asimismo para medir las relaciones geogrficas entre las manchas que lo forman. Bajo este punto de vista, la imagen nos permitira mediar la textura o diversidad espacial de la ocupacin del suelo, la forma de las parcelas, sus conexiones espaciales, etc., apro vechando el carcter digital de la imagen (cap. 7, apdo. 4).

3. Organizacin de un proyecto de teledeteccin *

Supuesto que el objetivo de nuestro trabajo sea abordable a partir de sensores es-paciales, deben definirse una serie de aspectos para explicitar el tipo de informacin y de tratamiento que se aplicar en el proyecto. En este sentido conviene considerar, en-tre otros aspectos, qu sensor resulta ms adecuado para los requisitos solicitados, cuntas imgenes se requieren, de qu fechas, qu mtodos de anlisis se aplicarn, y qu papel tendrn los trabajos de campo.

3.1. DEFINICIN DE OBJETIVOS

La definicin de objetivos resulta crucial a la hora de plantear un proyecto de te-ledeteccin, ya que los requisitos marcan notablemente las decisiones que habr que tomar sobre el material ms idneo para conseguirlos (sensor, nmero de imgenes, fechas, etc.) y la metodologa de trabajo.

Resulta frecuente, especialmente en el entorno de la actividad empresarial, que el usuario de la teledeteccin se vea obligado a organizar un proyecto de trabajo en fun-cin de unos objetivos que le vienen dados. Dicho en otras palabras, el intrprete de las imgenes tiene que tomar una serie de decisiones para cumplir unos requisitos emana-dos de la institucin a la que debe presentar ese trabajo, la Administracin en sentido amplio u otra empresa, habitualmente en forma de pliego de condiciones del proyecto. En esos casos, este epgrafe resultar superfluo, y el lector puede moverse di-


rectamente a los siguientes, ya que poco podr decidir sobre los objetivos del proyec-to. En cambio, si se trata de un proyecto de investigacin, en donde comnmente es el propio intrprete el que plantea las metas a alcanzar, la lectura de estos prrafos puede ayudar a plantear esos objetivos con mayor eficacia. Como criterio general, conviene subrayar la importancia de que los objetivos de un proyecto se adapten a las posibilida-des de los datos que se van a emplear en su desarrollo. El comentario puede parecer obvio, pero en la prctica no lo es tanto, ya que en muchas ocasiones se han planteado proyectos de teledeteccin poco realistas, que no contemplaban las limitaciones inhe-rentes a la tcnica o a los sensores especficos que haba disponibles en esos momen-tos. Como antes hemos comentado, algunos usuarios, llevados de un cierto desconoci-miento o de un inters comercial poco prudente, han podido vender falsas expectativas respecto a la calidad de la informacin que ofrecen los sensores remotos, lo que impli-ca una remora para el desarrollo futuro de esta tcnica. Cuando se plantea un proyecto de investigacin, su nombre ya lo indica, intentamos validar nuevos mtodos, datos o aplicaciones, con una cierta posibilidad de que no conduzcan a avances significativos: a veces se olvida que comprobar que la hiptesis de partida no funciona es tan cientfi-co como verificarla. En consecuencia, en estos casos puede aceptarse un margen de in-certidumbre y fracaso, pero no sera prudente plantear un proyecto de investigacin como una aplicacin ya consolidada, obviando los aspectos no resueltos, que van a condicionar notablemente los resultados.

La confusin entre aplicaciones operativas y experimentales puede marginar el empleo de la teledeteccin en instituciones que de otro modo estaran abiertas a emplear esta tcnica. En consecuencia, nos parece muy importante que se planteen unos objeti-vos realistas, bien fundados sobre bibliografa de referencia, y adaptados a la resolucin espacial, espectral y temporal de los sensores que tendremos disponibles. La definicin de objetivos hace referencia no slo al propsito genrico del trabajo (p. ej., realizar un inventario de cultivos), sino tambin a sus especificaciones: a qu escala, con qu nivel de desagregacin, con qu exactitud, en cunto tiempo, a qu coste..., etc.

3.2. ESCALA Y LEYENDA DE TRABAJO

La escala y el nivel de desagregacin estn ntimamente relacionados. Como es lgico, las escalas grandes requerirn leyendas mucho ms detalladas que las escalas pequeas, donde no tendr sentido intentar distinguir un nmero elevado de clases: la necesaria generalizacin de lneas en mapas de pequea escala exige tambin una ge-neralizacin de las categoras cartografiadas.

La escala del trabajo condiciona tambin la unidad ms pequea de informacin que se debe incluir en un mapa temtico, que suele denominarse mnima unidad carto-grafiable (MUC). Varios autores recomiendan que la MUC no sea inferior a 4 mm2, medidos a escala del mapa (Anderson et al, 1976; Campbell, 1996). De ah que la es-cala de trabajo est directamente relacionada con el tipo de sensor ms idneo para abordar el mismo (Robin, 1998: fig. 4.3). No tendra sentido realizar una cartografa a escala 1:50.000 utilizando el sensor AVHRR del NO A A, pues la MUC sera de, apro-ximadamente, 2 x 2 cm (1 km2 a esa escala). De igual forma, no sera muy razonable abordar un estudio de pequea escala (p. ej., 1:1.000.000) a partir del sensor Land-

BASES PARA LA INTERPRETACIN DE IMGENES DE TELEDETECCION 163

Tamao del pxel

80- Tamao de la MUC

(4 mm2)

50-

30-

20-

10 Escala de anlisis

100 500 1.000 5.000 10.000 50.000 100.000

FlG. 4.3. Relaciones entre resolucin y tamao de la MUC. (Adaptado de Robin, 1998.)

sat-TM, pues habran de generalizarse luego los resultados, lo que no justificara la in-versin inicial. De acuerdo con la Asociacin Cartogrfica Internacional, las escalas lmite ms idneas para algunos sensores son (ampliado de Lpez Vizoso, 1989/?):

NOAA-AVHRR Landsat - MSS Landsat - TM Spot - HRV (Pan) IRS-1C (Pan) Ikonos (XS) Ikonos(P)

1:2.000.000 1:200.000 1:100.000 1:50.000 1:25.000 1:25.000 1:10.000

No conviene confundir la MUC con el tamao del mnimo objeto que puede ob-servarse en la imagen. Obviamente, aqulla tiene que ser mucho ms grande que ste, de lo contrario el riesgo de error aumenta considerablemente. En este sentido conviene distinguir entre los conceptos de identificacin y deteccin, bastante empleados en anlisis visual de imgenes (entre otros, puede verse Robin, 1998). La identificacin hace referencia al reconocimiento de las caractersticas de un determinado objeto, que nos permite caracterizarlo en sus formas y superficies reales, mientras la deteccin slo implica determinar su existencia. Lgicamente, la primera tarea requiere mucho ms resolucin espacial que la segunda, pues slo ser reconocible algo con un tamao muy superior al del pxel (al menos 5 veces superior, segn la mayor parte de los auto-res), mientras puede ser incluso inferior al tamao del pxel para ser detectado. Por ejemplo, puede determinarse la presencia de un ro en una imagen, incluso si es de an-chura inferior a la resolucin espacial, gracias al fuerte contraste en la absorcin del


FIG. 4.4. Dos imgenes del ro Henares, en las proximidades de Alcal, a 15 m de resolucin

en la parte superior, y a 180 m en la inferior. En la primera puede identificarse el ro, en la segunda slo detectarse.

agua, que har bajahla reflectividad de los pxeles por los que discurre. Sabremos que est all, pero no podremos medir su anchura o forma, que slo ser perceptible a partir de imgenes ms precisas (fig. 4.4). En consecuencia, si lo que se pretende es interpre-tar rasgos especficos de la imagen, su tamao medio marcar el nivel mnimo de reso-lucin que puede admitirse en una imagen. Por ejemplo, no parece adecuado adquirir


imgenes de un sensor de resolucin media para anlisis urbano, donde ser inevitable contar con alta resolucin espacial.

Con la generalizacin del empleo de imgenes de satlite en distintas aplicaciones cartogrficas, va siendo cada vez ms frecuente que distintos proyectos temticos se ba-sen en esta informacin. Esto nos permite encontrar diversos ejemplos de proyectos cartogrficos a distintas escalas realizados a partir de teledeteccin. Entre ellos, pode-mos citar desde escalas globales, que cubren todo el planeta, normalmente con resolu-ciones entre 1 x 1 km y 0,5 x 0,5 grados, y se basan en imgenes NOAA-AVHRR, SPOT-Vegetation o Terra-Modis (Ahern et al, 2001; DeFries y Townshend, 1994), hasta inventarios regionales, con escalas prximas a 1:100.000, que cubren pases o con-tinentes, basados en imgenes Landsat-TM o SPOT-HRV (European Commission, 1993). El trabajo de Martnez (1996) analiza diversos proyectos cartogrficos a escala global, nacional y regional llevados a cabo con imgenes de satlite en distintos mbitos geogrficos.

En lo que se refiere a la leyenda de la cartografa temtica, conviene indicar que no slo est en funcin de la escala, sino tambin de la complejidad del territorio. Como consecuencia, ha sido prctica habitual en algunos inventarios (como, por ejemplo, en la cartografa de ocupacin del suelo) emplear una leyenda particular para cada zona de estudio, bien adaptada a las necesidades locales, pero con escasa validez para otros mbitos. Por ejemplo, hace algunos aos tuvimos ocasin de analizar una muestra de 28 trabajos relacionados con la cartografa de ocupacin del suelo a partir de teledeteccin, notando que ninguno presentaba criterios comunes para el estableci-miento de la leyenda (Chuvieco, 1985>). Las clases ms repetidas eran agua la ms fcil de discriminar a partir de sensores espaciales, rea urbanizada, cultivada y fo-restal, aunque en estas ltimas se realizaban mltiples divisiones, segn los objetivos especficos del inventario Esta falta de criterios comunes dificulta la generalizacin de resultados a otros espacios, e invalida cualquier intento de cartografa sistemtica del territorio.

En caso de que la leyenda no sea un requisito previo al trabajo (esto es, que no es-tn fijadas apriori las categoras que quieren discriminarse), el intrprete debera cui-dar mucho este aspecto, de tal forma que las clases establecidas tengan coherencia en-tre s, y con las herramientas que vamos a utilizar en el anlisis. En este sentido es es-pecialmente importante que la leyenda no incluya clases que puedan solaparse entre s, y que recoja toda la variacin posible que haya en el rea de estudio. En definitiva, que las clases sean mutuamente excluyentes y exhaustivas, propiedades obvias, pero no por ello umversalmente respetadas, de cualquier tipologa de clasificacin. Es fre-cuente observar que se mezclan criterios a la hora de definir las clases de una determi-nada leyenda, lo que implicar un cierto margen de aleatoriedad en el proceso. Por ejemplo, la clase matorral en ladera implica mezclar dos temas distintos: cobertura y emplazamiento, y no resulta una categorizacin exhaustiva, ya que no podramos asig-nar el matorral que se presente en otros mbitos geomorfolgicos. Las clases pinar de repoblacin y pinar sobre calizas no son excluyentes, pues puede haber lgicamente pinar de repoblacin situado sobre calizas.

De cara a establecer leyendas ms robustas se han planteado diversas propuestas de clasificacin, que incorporan un carcter jerrquico, eso permite adaptar distintos nive-les de detalle (desagregacin de clases) en funcin de la calidad de los datos disponibles.


Un ejemplo de este tipo de leyendas es la diseada por el U.S. Geological Sur-vey en 1976, especficamente concebida para el empleo de sensores remotos (Ander-son et al, 1976). Se trataba de una leyenda de uso y ocupacin del suelo, organizada en cuatro niveles jerrquicos, cada uno de los cuales se pretenda obtener a partir de diversos medios de teledeteccin: imgenes de satlite para el nivel ms general, y fotografa area de gran escala, en combinacin con el trabajo de campo, para las clases ms detalladas. Esta clasificacin resultaba flexible, poda aplicarse a espa-cios muy contrastados, y garantizaba la integracin entre campos afines de inventa-rio medioambiental. El principal problema que presentaba, a nuestro juicio, era la inclusin en el mismo esquema de clases de uso y de ocupacin del suelo,1 lo que ori-gina ambigedad en el proceso de clasificacin. Por ejemplo, un mismo objeto o grupo de ellos podran asignarse a varias categoras de acuerdo a su consideracin como uso u ocupacin: canteras (uso) y roquedo desnudo (ocupacin), o dehesa (uso) y pastizal arbolado (ocupacin). Como es lgico, los sistemas de teledeteccin slo permiten realizar cartografa de la ocupacin del suelo, ya que la seal detectada por el sensor corresponde a los objetos que aparecen en la superficie terrestre, y no nece-sariamente al uso al que se destinan. El uso podra ser deducido por el intrprete en algunos casos (por ejemplo, a partir de una cubierta de cultivos se infiere fcilmente un uso agrcola), pero no en otros (a partir de una cubierta de matorral no puede de-ducirse si el uso es ganadero o cinegtico).

Pese a este problema, el trabajo de Anderson y colaboradores ha sido enorme-mente fructfero, y base para otros intentos similares. ste es el caso de la leyenda di-seada para el programa CORINE-Land Cover (tabla 4.1), realizada especficamente para trabajar con imgenes de satlite. Este proyecto forma parte de las bases de datas que se han generado para la Agencia Europea de Medio ambiente, y pretenda inventa-riar la ocupacin del suelo de los pases miembros a escala 1:100.000 a partir de inter-pretacin visual (auxiliada con anlisis digital) de imgenes de satlite. El proyecto, al que ms tarde se unieron los pases de la antigua Europea oriental y algunos del norte de frica, puede calificarse como una de las primeras aplicaciones operativas de la te-ledeteccin espacial (descontando, naturalmente, las meteorolgicas), ya que est concebido para generar un inventario sistemtico de la cobertura del suelo de un am-plio territorio (European Commission, 1993; Lpez Vizoso, 1989a; Moreira y Fernn-dez-Palacios, 1995; Mounsey, 1991). La leyenda incluye tambin un enfoque jerr-quico, de tal manera que cada pas pueda enriquecer un esquema comn de partida en funcin de sus propias necesidades, a la vez que se mantiene una coherencia entre pa-ses para asegurar que los resultados sean comparables. En estos momentos se est ini-ciando la actualizacin del proyecto Land Cover, con datos del ao 2000 para Espaa. Frente a la exclusiva interpretacin visual de la primera cartografa, en este segundo inventario se estn empleando algunas herramientas de interpretacin digital (Smits y Annoni, 1999).

Otros intentos similares a los del programa Corine-Land Cover se han planteado en otros pases, aunque tal vez no con la trascendencia internacional de este proyecto.

1. Siguiendo la terminologa anglosajona, distinguimos entre uso y ocupacin del suelo (land use y land cover, respectivamente), segn nos refiramos a la actividad humana sobre el territorio o a las cu-biertas que aparecen sobre l (Chuvieco, 1985>).


TABLA 4.1. Clasificacin propuesta para el proyecto de Ocupacin del suelo de Espaa (CORINE-Land Cover)*

1. Superficies edificadas e infraestructuras: 1.1. Zonas urbanas. 1.2. Zonas industriales, comerciales y de transporte. 1.3. Zonas de extraccin minera, vertederos y de construccin. 1.4. Zonas verdes y espacios de recreo.

2. Zonas agrcolas: 2.1. Tierras de labor anual. 2.2. Cultivos permanentes. 2.3. Praderas. 2.4. Zonas agrcolas heterogneas.

3. Zonas forestales, con vegetacin natural y espacios abiertos: 3.1. Bosques. 3.2. Espacios de vegetacin arbustiva y/o herbcea. 3.3. Espacios abiertos con poca o nula vegetacin.

4. Zonas hmedas: 4.1. Humedales continentales. 4.2. Humedales martimos.

5. Superficies de agua: 5.1. Aguas continentales. 5.2. Aguas marinas.

* Slo se recogen los dos primeros niveles de la clasificacin. En la adaptacin espaola de la leyenda comunitariase llega, en algunas cubiertas, hasta los cinco niveles.

Por el carcter global, basta finalmente con citar el mapa de cobertura def suelo de todo el planeta realizado por uno de los grupos de trabajo del programa IGBP (Interna-tional Geosphere Biosphere Program) a partir de imgenes NOAA-AVHRR (DeFries y Townshend, 1994). Actualmente se est actualizando esta cartografa a partir de imgenes MODIS y vegetacin.

Sea una u otra la lista de categoras finalmente empleada, conviene recordar que el nivel de detalle que ofrece la leyenda se relaciona estrechamente con el riesgo de error, por cuanto es altamente probable que cualquier subdivisin implique separar ca-tegoras muy similares espectralmente. Caso de que esa ulterior divisin no sea abor-dable a partir de las imgenes o del mtodo de interpretacin propuesto, deber el usuario ajustar alguno de los dos parmetros: bien hacia una leyenda ms generalista, bien hacia imgenes o mtodos de tratamiento ms refinados.

3.3. SELECCIN DE LOS MATERIALES +

Una vez establecida leyenda y escala de trabajo puede abordarse la eleccin del material qu&vconstituir la base del estudio. A este respecto conviene considerar varios elementos: tipo de sensor, fecha de adquisicin, soporte de las imgenes y material auxiliar.


3.3.1. Tipo de sensor

Como ya se ha indicado, el tipo de sensor ms conveniente depende de los objeti-vos y el nivel de precisin requerido en el proyecto. Lgicamente, los inventarios glo-bales habrn de partir de sensores de baja resolucin espacial (tipo NOAA-AVHRR c Meteosat), mientras los de mayor escala se basarn en sensores que ofrecen una reso-lucin espacial ms detallada (IRS o IKONOS).

No obstante, en otros casos la resolucin espacial resulta secundaria frente a la temporal o espectral. Por ejemplo, si el fenmeno estudiado es muy dinmico en el tiempo, como sera el caso de la deteccin de incendios forestales o la prediccin de cosechas, convendr acudir a sensores de alta resolucin temporal (como el AVHRR). aun sacrificando fiabilidad espacial. En otras ocasiones, la dimensin espectral ser dominante, por lo que convendr acudir a sensores que ofrezcan informacin en aque-llas bandas del espectro donde se manifieste con mayor claridad el fenmeno de inte-rs. Un buen ejemplo de esta idea sera la exploracin minera a partir de sensores hipe-respectrales (Kruse etal, 1993a). En definitiva, la resolucin espacial es un elemento muy destacado para seleccionar el sensor ms conveniente en cada caso, pero no debe ser el nico a considerar (cap. 3, apdo. 2).

3.3.2. Fecha de adquisicin

La fecha ms conveniente para seleccionar la imagen est en estrecha relacin con el tipo de fenmeno a estudiar. Lgicamente, el momento ms idneo de adqui-sicin ser aquel en que mejor se discrimine dicho fenmeno, frente a otros de simi-lar comportamiento espectral. Un anlisis geomorfolgico probablemente requiera una fecha invernal, al ser mayor el efecto de sombras y, por tanto, ms clara la detec-cin de rasgos del relieve. Por el contrario, el inventario de algunos cultivos de rega-dos slo puede realizarse en los meses de verano, julio y agosto en nuestras latitu-des, cuando se encuentran en el suelo (naturalmente, otros cultivos de regado, con otros calendarios fenolgicos, requerirn otras fechas ms apropiadas, caso del vie-do, que convendr mejor observarlo a fines de septiembre). En ocasiones resultar necesario acudir a varias fechas para abordar el estudio: por ejemplo, para seguir el ritmo de crecimiento de un determinado cultivo, o para estudiar los cambios entre dos momentos crticos. En estas situaciones conviene construir un calendario feno-lgico de esa cubierta y de las que ofrezcan un parecido comportamiento espec-tral, con objeto de seleccionar las fechas en donde su comportamiento sea ms es-pecfico del resto.

Cuando en estos trabajos de cartografa de la cubierta vegetal se disponga de un presupuesto escaso puede ser preciso seleccionar una sola fecha, que maximice la se-paracin entre todas las cubiertas. En ese caso, la eleccin ms conveniente ser una imagen adquirida erf-el verano, pues en ese momento es mxima la radiancia media percibida por el sensor, como consecuencia del mayor ngulo de elevacin solar. Ade-ms, en el caso de nuestro clima mediterrneo, la estacin estival coincide con la po-ca de menor nubosidad y precipitacin, lo que facilita la seleccin de imgenes de este perodo.


Negativo

Convertidor digital-analgico

Papel positivo

FIG. 4.5. Soportes ms habituales de los productos fotogrficos.

3.3.3. Soporte de las imgenes .

El soporte sobre el que puede realizarse la interpretacin depende del tipo de tra-tamiento que se aplique. En caso de que se opte por el anlisis visual se requiere resol-ver tres aspectos: 1) soporte material de la imagen, 2) escala, y 3) nmero de bandas y combinacin de bandas seleccionada.2

En lo que se refiere al primer aspecto, hasta hace muy pocos aos las entidades distribuidoras de imgenes ofrecan tres opciones. Las imgenes podan pedirse en pe-lcula negativo, en pelcula positivo o en papel (fig. 4.5). Todava estos formatos pue-den encontrarse para imgenes histricas o para misiones fotogrficas, como algunas del Space Shuttle. Actualmente, casi todas las empresas que comercializan imgenes de satlite lo hacen exclusivamente en formato digital: queda, por tanto, al usuario la labor de convertir esos valores numricos en tonos de gris o color si lo que pretende es realizar una interpretacin visual de la imagen.

Para los documentos ms antiguos, baste indicar que los negativos permiten am-pliaciones muy verstiles, ajustndose a la escala deseada, pero la calidad de la copia que se obtenga luego en papel es inferior a la adquirida directamente en este soporte. El film positivo es muy til para reproduccin fotogrfica e impresin de la imagen, especialmente cuando se trata de composiciones coloreadas de 3 bandas. Por ltimo,

2. Actualmente, cada vez es ms frecuente realizar la interpretacin visual sobre el propio moni-tor de visualizacion, digitizando directamente los polgonos identificados por el intrprete. En ese caso, el soporte de la imagen ser la consola, la escala ser variable, en funcin del nivel de magnificacin em-pleado, y la combinacin de bandas puede modificarse fcilmente por el intrprete.

Film positivo


los productos que facilitaban las agencias distribuidoras en papel garantizaban una in-terpretacin directa de alta calidad, pero resultaba rgida la escala y no admita copias sucesivas. Cuando se trata de composiciones en color, a partir de los negativos de cada banda pueden obtenerse tantas combinaciones como requiere el intrprete, mientras el film positivo o papel deba solicitarse ya con una determinada combinacin de bandas. Naturalmente, ahora pueden generarse productos en papel a partir de la informacin digital, mucho mejor adaptados a las necesidades del intrprete, gracias a la creciente disponibilidad de trazadores grficos en color de amplio formato.

En cuanto al soporte de la informacin digital, hace algunos aos lo ms comn eran las cintas compatibles con ordenador (CCT), que eran el nico medio viable de almacenar un volumen importante de datos. Actualmente las tecnologas magnticas han dejado paso a las pticas y, aunque se siguen utilizando cintas de cartucho (pre-dominantemente las Exabyte) para copias de seguridad, cada vez resulta ms exten-dido el empleo del CD-ROM, que resulta ms compacto, fiable y econmico, ade-ms de disponerse de lectores y grabadores de consumo generalizado. Recientemente se han introducido los grabadores de DVD (Digital Video Disk), que puede ser un soporte alternativo para la distribucin masiva de datos, si bien las imgenes comer-ciales actualmente disponibles no requieren un almacenamiento superior a la capaci-dad de un CD-ROM. Tambin ser cada vez ms frecuente la distribucin de imge-nes a travs de Internet, facilitando una reduccin en los costes y mayor rapidez en el envo.

3.4. DECISIN SOBRE EL MTODO DE ANLISIS: TRATAMIENTO VISUAL O DIGITAL?

Como ya se coment ms arriba, las imgenes son adquiridas en formato numri-co, gracias a una conversin analgico-digital realizada a bordo del satlite. Por tanto, el tratamiento digital resulta la opcin de anlisis ms inmediata. Ahora bien, esos va-lores digitales tambin pueden convertirse a intensidades de brillo o color, con lo que pueden generarse productos cuasi-fotogrficos, susceptibles de interpretacin visual.

En consecuencia, las imgenes pueden interpretarse digital o visualmente. Cabe preguntarse cul de los dos resulta ms idneo para explotar adecuadamente el flujo de datos que la teledeteccin espacial ofrece. La respuesta no resulta sencilla. Simplifi-cando un poco las cosas, pueden sealarse varios aspectos que conviene tener en cuen-ta antes de tomar una decisin en uno u otro sentido: 1) medios econmicos y humanos disponibles, 2) rapidez y exactitud exigida, 3) tipo y continuidad de las tareas, 4) ho-mogeneidad de la superficie analizada (fig. 4.6).

La disponibilidad de medios marca el primer criterio de decisin. En muchas oca-siones se asume que cualquier trabajo en teledeteccin espacial exige una considera-ble inversin de partida, por lo que se obvia una tcnica que podra ser muy til aun en situaciones de modesto presupuesto. En definitiva, apenas se considera que el anlisis visual no requiere inversiones econmicas importantes y puede garantizar un nivel de precisin suficiente para una determinada aplicacin. Por ejemplo, el coste por unidad de superficie de una imagen en falso color es considerablemente inferior al de la foto-grafa area, y puede ofrecer una exactitud adecuada (superior al 80 %) para un pro-yecto de escalas medias o de semi-detalle (menores a 1:50.000). Si se pretende realizar

BASES PARA LA INTERPRETACIN DE IMGENES DE TELEDETECCION 171

Inversin inicial escasa Costes lineales Requiere conversin digital analgica No precisa alta especializacin Buena precisin en clases heterogneas Restitucin compleja Inventario tedioso e inexacto Requiere digitalizacin para conectarse a

un SIG

Inversin elevada Costes se reducen con la superficie Permite trabajo con informacin original Precisa de especializacin Baja precisin en clases heterogneas Correccin geomtrica sencilla y rpida Inventario inmediato Conexin directa (formato rster) o vectori-

zacin (formato vectorial)

Fie 4.6. Ventajas e inconvenientes del anlisis visual frente al digital en la interpretacin de imgenes.

una cartografa de la ocupacin del suelo a esta escala, la imagen de satlite puede sali-var costes y reducir notablemente el tiempo de tratamiento frente a la fotografa area, que ofrece un detalle tal vez excesivo para la escala final del mapa (Chuvieco y Mart-nez Vega, 1990). Adems, conviene considerar que varios organismos han publicado estos ltimos aos coberturas de imgenes de distintas zonas del pas (Martnez Vega, 1997). Por ejemplo, el Instituto Geogrfico Nacional distribuye orto-imgenes en pa-pel de toda Espaa a diversas escalas, y a una fraccin del coste que tienen original-mente. Si la fecha de la adquisicin es adecuada para nuestro trabajo, se ser un punto de partida muy conveniente.

En situaciones de presupuesto ms desahogado puede abordarse el tratamiento di-gital de imgenes. El apoyo del ordenador, en principio, garantiza un tratamiento ms rpido, econmico y, en principio, ms certero, pero requiere una mayor inversin ini-cial, pese a que los equipos y programas informtiaos que permiten el tratamiento de las imgenes han reducido en los ltimos aos sensiblemente sus costes.

Esta inversin inicial hace referencia tambin al entrenamiento previo del intr-prete. El anlisis visual emplea claves de identificacin similares a la foto-interpre-tacin clsica (tono, textura, tamao, localizacin, forma, etc.), por lo que no requiere un entrenamiento previo muy especializado, si bien, como es lgico, precisa una nota-ble agudeza visual y mental, as como la debida experiencia, para obtener resultados brillantes. El tratamiento digital, por su parte, requiere una buena base estadstica, co-


nocimiento de sistemas informticos y lenguajes de programacin. Estos componen-tes no suelen formar parte de los curricula vigentes en las ciencias de la Tierra, por lo que puede resultar complejo el acceso al tratamiento digital para personas provenien-tes de esos campos de aplicacin, aunque conviene considerar que esa base estadstica e informtica es slo un medio para mejorar la interpretacin, y no un fin en s mismo.

En pocas palabras, el tratamiento digital requiere mayor inversin econmica y entrenamiento que el anlisis visual. Como contrapartida, proporciona mayor versa-tilidad, rapidez y exactitud. No obstante, tales ventajas no son absolutas, sino muy dependientes de la configuracin del equipo disponible, del entrenamiento del intr-prete y de la complejidad del rea de estudio. Por ejemplo, la velocidad de proceso est en funcin del equipo disponible, por lo que no puede afirmarse que todo trata-miento digital sea ms rpido que el visual. El tratamiento digital basado exclusiva-mente sobre un ordenador personal, sobre imgenes de alta resolucin y aplicado a zonas muy amplias, puede resultar bastante lento, por el importante volumen de da-tos a procesar. La misma zona puede ser interpretada visualmente en menos tiempo, siempre que la escala sea pequea y no se requiera una leyenda excesivamente por-menorizada.

En cuanto a la exactitud, tambin ha de matizarse la superioridad del tratamiento digital. Varios autores han comprobado la complejidad de clasificar digitalmente cu-biertas que ofrecen una gran heterogeneidad espacial. El caso de las reas urbanas es el ms claro a este respecto (Atkinson et al, 1985; Toll, 1984). Se trata de zonas en don-de se mezclan tejados, aceras, asfalto, jardines y espacios abiertos o deportivos. Esta complejidad puede identificarse visualmente gracias a criterios muy difcilmente tra-ducibles a la clasificacin digital: localizacin, textura, tamao, formas, etc., por lo que la interpretacin visual ofrecer, en este caso, mayor exactitud que la digital. En otras categoras, la relacin resulta contraria, ya que el ojo humano no es capaz de de-tectar variaciones tonales que s son diferenciables numricamente (humedales, tran-siciones de vegetacin, distintos cultivos...).

Otro elemento a tener en cuenta para elegir la intepretacin visual o digital se re-fiere al tipo y continuidad de las tareas requeridas en el proyecto. Si el estudio slo pre-cisa un croquis de interpretacin y no una plasmacin cartogrfica, la interpretacin visual no ofrece inconvenientes. Ahora bien, si se pretende obtener un mapa deben transferirse todas las lneas que definen las distintas cubiertas a la cartografa base, lo cual resulta muy tedioso y poco preciso, si no se utilizan restituidores de cierta fiabili-dad. El tratamiento digital, por el contrario, permite realizar este proceso con gran ra-pidez y salvo terrenos muy accidentados elevada precisin, gracias a las tcnicas de correccin geomtrica de la imagen (cap. 6, apdo. 6.3). Lgicamente, estas correc-ciones digitales pueden aplicarse como paso previo a la interpretacin visual, y de he-cho la mayor parte de los organismos distribuidores de imgenes incluyen la opcin de solicitar las imgenes ya georreferenciadas, si bien son ms costosas que las originales y, en ocasiones, no ofrecen elevada exactitud (depender si esa correccin se basa slo en modelos orbitales o se enriquece con puntos de control). Asimismo ya estn co-rregidas geomtricamente las imgenes que se distribuyen como series cartogrficas (a veces se utiliza el trmino espacio-mapas o carto-imgenes).

Otras operaciones que resultan muy beneficiadas con el tratamiento digital son el inventario de resultados y su integracin con otras variables geogrficas. El inventario


resulta muy tedioso en interpretacin visual, pues es necesario planimetrar todas las superficies incluidas en cada tipo de cubierta. En el caso del tratamiento digital basta realizar un clculo de frecuencias esto es, del nmero de pxeles incluidos en cada clase, para conocer la superficie ocupada por cada una de ellas, por cuanto sabemos la equivalencia superficial de cada pxel. Naturalmente, en caso de que se opte por la interpretacin visual y digitizacin simultnea en pantalla, las imgenes ya estarn georreferenciadas, por lo que el inventario se obtiene tambin casi de modo inmediato.

Respecto a la posibilidad de combinar los resultados del anlisis con otro tipo de variables territoriales: suelos, hidrografa o pendientes, la integracin manual conven-cional resultaba muy compleja (tcnica de superponibles), mientras la asistida por or-denador supone un proceso relativamente sencillo, en el marco de los denominados SIG (cap. 9). La entrada de informacin en estos sistemas requiere una previa digitiza-cin para el caso del anlisis visual, mientras resulta un proceso bastante inmediato en tratamiento digital especialmente si el SIG almacena la informacin en formato rs-ter, puesto que las imgenes ya se encuentran en soporte numrico. Como antes in-dicamos, si la interpretacin visual se realiza sobre pantalla, la digitizacin es inme-diata y, por tanto, su integracin en un SIG, y el acceso a las funciones de anlisis que estos sistemas proporcionan.

En resumen, y siguiendo nuestra opinin particular, ambos mtodos de trabajo se complementan, y pueden emplearse integradamente. El tratamiento digital permite realizar operaciones complejas, muy costosas o inaccesibles al anlisis visual. Garan-tiza una clasificacin ms rpida de la zona de estudio, manteniendo una coherencia en la asignacin de reas vecinas a dos categoras, a la vez que permite generar la distri-bucin espacial de variables biofsicas (temperatura, clorofila en el agua, etc.), y sim-plifica la determinacin de cambios temporales. Por su parte, el anlisis visual es una buena alternativa para actualizar cartografa existente, identificar clases heterogneas o realizar inventarios a escalas medias o de semi-detalle. Auxilia a la clasificacin di-gital, aislando sectores de potencial confusin sobre la imagen, o estratificando algu-nos sectores de la imagen para aplicarles tratamientos especficos. El tratamiento digi-tal supone una fuerte inversin de entrada, pero los costes van disminuyendo al au-mentar la superficie analizada. Por el contrario, los costes del anlisis visual son linea-les, suponiendo una pequea inversin de partida (Chuvieco y Martnez Vega, 1990). Con estos planteamientos, la inversin en equipos informticos parece imprescindible en tres casos: 1) cuando el objeto de estudio no sea abordable mediante anlisis visual, 2) cuando se pretendan obtener modelos biofsicos, deteccin de cambios o medicin numrica de la estructura del territorio, y 3) cuando se pretenda introducir los resulta-dos en un SIG.

Asumiendo que los equipos de tratamiento digital estn disponibles, la interpre-tacin de la imagen puede realizarse con criterios visuales y digitales. En te marco, podramos aprovechar la potencia de anlisis de la interpretacin visual (incluyendo criterios de contexto, textura, formas complejos que puede emplear un intrprete hu-mano), as como la flexibilidad y potencia del tratamiento digital (georreferenciando la imagen, mejorando su aspecto visual, digitizando informacin en pantalla, etc.). En definitiva, podemos actualmente hablar de una fotointerpretacin asistida por ordena-dor, que elimina diversas fases de la interpretacin visual clsica (restitucin, inventa-rio). A la vez, esa interaccin visual con el intrprete permitir resolver algunos pro-

174 TELEDETECCION AMBIENTAL

blemas del tratamiento digital, que encuentra notables dificultades para automatizar la interpretacin de ciertos rasgos de la imagen (algunas nubes, reas urbanas...), que son bastante obvios al anlisis visual.

4. Fases en la interpretacin

Las aplicaciones de la teledeteccin espacial son muy numerosas, por lo que re-sulta complejo establecer un marco general, que pueda ser vlido para todas ellas. No obstante, y aun a riesgo de caer en la simplicidad, puede ser conveniente introducir al-gunas ideas sobre el proceso de trabajo con este tipo de imgenes. No ser difcil que cada usuario pueda ajustar este esquema a sus propios intereses.

El proceso propuesto contempla las siguientes fases (fig. 4.7):

1. Definicin expresa y concreta de objetivos, sealando las limitaciones que se presentan, ya sean derivadas del rea de estudio (complejidad), ya de los requisitos del

Definicin de objetivos

r

Revisin bibliogrfica

Reconocimiento

f

Trabajos de campo Adquisicin de datos Calibracin \

Verificacin

r

Interpretacin 4----- --- Definicin de la leyenda

Anlisis de la exactitud

r Georreferenciacin/lnventario

Integracin a un SIG

Interpretacin de resultados

FIG. 4.7. Fases que incluye un proyecto de clasificacin de imgenes.


trabajo (duracin del proyecto, coste mximo, categoras temticas a discriminar, etc.) o ya de los medios disponibles.

2. Revisin bibliogrfica y propuesta de mtodo. En funcin de la literatura consultada sobre el tema, podrn plantearse las alternativas metodolgicas ms razo nables. Un estudio bibliogrfico resulta vital para orientar el proceso de anlisis, opti mizando las decisiones futuras.

3. Trabajos de campo preparatorios y acopio de informacin auxiliar. En este primer contacto, los trabajos de campo permiten familiarizar al intrprete con la zona objeto de estudio, estudiar sus rasgos medioambientales y humanos. Si se trata de una aplicacin relacionada con la cubierta vegetal, resulta conveniente elaborar un calen dario fenolgico de las especies de inters con objeto de seleccionar la fecha o fechas ms apropiadas para adquirir la imagen. En esta fase pueden incluirse las medidas a realizar con radimetros de campo que permiten caracterizar espectralmente la cu bierta y seleccionar el sensor y las bandas ms apropiadas para discriminarla, as como el acopio del material auxiliar necesario para la posterior interpretacin de la imagen.

4. Seleccin de la informacin de partida: sensor y fecha (o fechas) ms conve niente, nmero de imgenes, soporte, etc.

5. En caso de que la leyenda no sea un requisito del proyecto (esto es, que ya es tn marcadas las categoras que necesitan discriminarse), el usuario deber plantear una leyenda adecuada de trabajo, basada sobre las caractersticas de la zona y las posi bilidades que brinda el sensor seleccionado.

6. Trabajos de campo de calibracin. Una vez adquiridas las imgenes, esta segunda fase de campo sirve para familiarizar al intrprete con la imagen, caracterizando sobre ella la variacin de las distintas clases sealadas en la fase anterior. Esta fase de bera realizarse simultneamente a la adquisicin de la imagen, con objeto de evitar cualquier ruido posterior en el anlisis que pueda deberse a variacin de las condicio nes entre terreno e imagen. Caso de que el trabajo pretenda generar una variable cuan titativa, aqu deberamos realizar las medidas de campo de esa variable para calibrar y luego validar el modelo (caso de que sea emprico), o validarlo slo (caso de que sea terico). Las campaas de medicin en terreno (fig. 4.8) resultan claves para poder es tablecer posteriormente relaciones cuantitativas con los datos de la imagen.

7. Interpretacin de estas cubiertas, ya sea a travs del anlisis visual, ya del tra tamiento digital, extendiendo al resto de la imagen la experiencia acumulada en el muestreo de campo realizado previamente.

8. Revisin de campo, para la verificacin de resultados, de acuerdo al porcen taje de fiabilidad requerido y a la tasa de error tolerable en el muestreo. Esta fase puede tambin simultanearse con la (6) siempre que no se empleen las mismas reas para cla sificar/calibrar y para verificar/validar la imagen (ver cap. 8).

9. Restitucin. Una vez obtenidos unos resultados suficientemente fiables, se trata de otorgar validez cartogrfica a los resultados; esto es, que el documento obteni do pueda superponerse sobre la cartografa base. Esta restitucin puede ser digital o analgica, en funcin del mtodo seguido en el anlisis, si bien, como hemos indicado, tambin puede realizarse interpretacin visual a partir de imgenes ya corregidas car togrficamente.

10. Obtencin de resultados e integracin en un SIG. Esto supone la digitiza-


FlG. 4.8. La obtencin de datos sobre el terreno resulta clave para calibrar modelos de interpretacin de imgenes.

cin de la interpretacin visual o, en caso de tratamiento digital, las modificaciones precisas para que se ajuste perfectamente a la cartografa convencional disponible (cambios de proyeccin y/o resolucin).

11. Inventario. Aqu se trata de cuantificar la extensin superficial de cada una de las categoras, una vez se hallen representadas sobre un mapa de escala conocida. Al igual que en la fase anterior, el procedimiento variar de acuerdo al mtodo de an lisis: conteo de frecuencias (digital), o planimetra (visual), si bien, en caso de que se hayan digitizado previamente los polgonos identificados visualmente, el inventario tambin se obtiene automticamente.

12. Interpretacin de la cartografa resultante, ponindola en relacin con las variables humanas y del medio fsico que afectan al rea de estudio.

Como puede observarse, este esquema est bastante centrado en aquellas aplica-ciones que persigan elaborar una cartografa temtica a partir de la teledeteccin, pero podra tambin adaptarse a la generacin de variables continuas, la deteccin de cam-bios o el anlisis del patrn espacial a partir de las imgenes.

CAPTULO 5

INTERPRETACIN VISUAL DE IMGENES

El fantico comienza por no pedir razones y acaba por no tolerarlas.

IZRAIL METTER, La quinta esquina

Ya en el captulo anterior se comentaron los rasgos principales de esta labor inter-pretativa. All se presentaban las dos alternativas para analizar los datos adquiridos por el sensor: 1) abordar una interpretacin visual, y 2) optar por el tratamiento digital de la imagen. En el presente apartado se estudia con ms profundidad la interpretacin visual de imgenes, para pasar, en los dos prximos, a exponer los principios del trata-miento digital. La mayor parte de los comentarios incluidos en este captulo se refieren a imgenes adquiridas por diversos sensores de la familia Landsat. El amplio rango de aplicaciones que ofrecen y la extensin de su empleo justifican esta eleccin. No obs-tante, la mayor parte de las ideas aqu expresadas pueden fcilmente aplicarse a imge-nes adquiridas por otros sensores, especialmente a aquellos comprendidos en el domi-nio ptico, y de similar resolucin a los incluidos en el programa Landsat (SPOT-HRV, MOS-MESSR, IRS-LISS, etc.)

1. Familiarizacin con imgenes analgicas

1.1. INFORMACIN INCLUIDA EN LOS PRODUCTOS FOTOGRFICOS t

Una interpretacin detallada de imgenes requiere tener en cuenta los principales rasgos de su adquisicin, as como de los tratamientos que puedan haber abordado las antenas receptoras. Hasta hace unos aos, lo habitual en la interpretacin visual de imgenes era partir de los productos fotogrficos que ofrecan las distintas agencias de distribucin de imgenes. Actualmente, muy pocas disponen de esta opcin, centrn-dose el anlisis visual en la interpretacin sobre pantalla o sobre imgenes impresas. En ambos casos, la informacin auxiliar vendr dada en el archivo digital de cabecera.

No obstante, a efectos histricos, nos parece conveniente seguir citando las ano-


FlG. 5.1. Imagen Landsat de la costa portuguesa en el formato original de NASA. (Cortesa: R. Nez.)

taciones que incluan los productos fotogrficos. Para las primeras imgenes procesa-das por la NASA, y distribuidas por el EROS Data Center(U.S. Geological Survey), se inclua la siguiente informacin auxiliar (fig. 5.1):

Fecha de adquisicin (2 de febrero de 1975). Coordenadas del centro de la imagen (37 21' Norte y 8o 26' Este). Coordenadas del punto nadir (punto de interseccin entre la superficie terres

tre y una perpendicular desde el centro de adquisicin). Sensor y banda empleada (MSS, banda 7). ngulo de elevacin solar, medido entre la horizontal y la direccin de los ra

yos solares (26) ngulo acimutal, medido desde el norte geogrfico y en el sentido de las agu

jas del reloj (143). ^ Datos del procesado (correcciones aplicadas, escala, proyeccin, compresin

o no de los datos, etc.). Agencia y proyecto (NASA ERTS). Cdigo de identificacin de la escena (nmero de satlite, das transcurridos des

de el lanzamiento, hora, minutos y segundos de la adquisicin: E - 2011 - 10331 - 7 01).

+ -Mfico+

INTERPRETACIN VISUAL DE IMGENES 179

Marcas fiduciarias en las esquinas para localizar el nadir, cruzndolas de dos a dos en diagonal.

Debajo de estos datos se situaba una escala de grises, con objeto de comprobar la calidad de la reproduccin.

En los aos ochenta, otras agencias espaciales comenzaron a encargarse de la dis-tribucin de imgenes. Para toda Europa, la Agencia Espacial Europea (ESA) se res-ponsabiliz de la recepcin de los datos, gracias a sus estaciones de Fucino, Troms0 y Maspalomas, mientras el programa EARTHNET se haca cargo de la red distribuido-ra. Como consecuencia de esto se modifican las anotaciones en los productos fotogr-ficos del satlite Landsat, ajustndose al siguiente esquema (fig. 5.2):

Escala de grises en el borde inferior de la imagen. Por debajo de ella se inclua informacin sobre la fecha de adquisicin, nmero

de satlite, cdigo de identificacin de la escena y banda. En el caso de la figura 5.2, la imagen se adquiri el 29 de enero de 1982 por el satlite Landsat-2, la escena se recono ce por los nmeros 217 (rbita) y 032 (fila), y corresponde a la banda 5. En el margen de recho se sita el centro y fecha de tratamiento (Telespazio, 26 de mayo de 1982).

Marcas fiduciarias.

ROCESSED BY TELESPftZIO FOR ESR-

29JN32 2-217-32 01 1143-1800 R 26MflY8

F . 5.2. Imagen Landsat en el formato original de la ESA. IG


+ 82 fiUG 1984 LflNDSflT 5 TM


1.2. IDENTIFICACIN DE ALGUNOS RASGOS GEOGRFICOS SOBRE LA IMAGEN

Una primera forma de familiarizarse con las imgenes es compararlas con una fuente cartogrfica convencional. Este ejercicio puede abordarse en varias fases. En la primera, apoyndose en un mapa de similar escala, pueden situarse los embalses y cur-sos de agua ms importantes de la zona. A partir de ellos, una segunda inspeccin de la imagen permite identificar aspectos humanos del territorio, como son las ciudades ms importantes y las principales vas de comunicacin. Los accidentes montaosos se iden-tificarn en una tercera fase, puesto que se trata de aspectos representados ms abstrac-tamente en el mapa y, por tanto, de difcil delimitacin. Masas de vegetacin o rasgos efmeros relacionados con la imagen (como^por ejemplo, incendios o agentes contami-nantes) podrn interpretarse en una ltima fase, puesto que rara vez vendrn recogidos en el mapa. Este ejercicio puede realizarse a partir de las carto-imgenes que producen distintos centros cartogrficos (Instituto Geogrfico Nacional, por ejemplo).

Esta primera familiarizacin sirve de prembulo para considerar los principales criterios que se utilizan para interpretar visualmente una imagen. Muchos de ellos son comunes a la fotointerpretacin clsica de fotogramas areos.

2. Criterios para la interpretacin visual

Como ya indicamos, una de las principales ventajas del anlisis visual sobre el di-gital es su capacidad para incorporar a la interpretacin de la imagen criterios comple-jos. Mientras el tratamiento digital se basa, casi exclusivamente, sobre te intensidad ra-diomtrica de cada pxel en las distintas bandas utilizadas para la interpretacin, el anlisis visual puede utilizar otros elementos, como son la textura, estructura, emplaza-, miento o disposicin, muy difciles de definir en trminos digitales, aunque se est tra-bajando intensamente en esta lnea, como luego tendremos ocasin de analizar.

Estos criterios nos permiten discriminar categoras con un comportamiento es-pectral parejo, aunque con un significado temtico bien distinto. Por ejemplo, algunos cultivos en regado suelen ofrecer una respuesta espectral muy parecida a los parques" urbanos, ya que ambas cubiertas estn formadas por las mismas o similares especies vegetales. Sin embargo, su significado temtico es claramente distinto, y as debe in-cluirse en la cartografa final. Digitalmente la distincin es compleja, pues los valores numricos de ambas cubiertas son muy similares. Ahora bien, basta incorporar un cri-terio visual sencillo, como es el contexto geogrfico, para separarlas.

Entre las pautas visuales manejadas en teledeteccin espacial, algunas son comu-nes con la fotografa area tono, textura, estructura, sombras, contexto, etc., otras son ms propias de las imgenes espaciales, principalmente en lo que atae a la dimen-sin multi-espectral y multi-temporal de las observaciones, severamente limitada en fotografa area. Un ltimo grupo corresponde a criterios tradicionales en foto-interpretacin que rara vez resultan accesibles en imgenes espaciales, como es el caso de la cobertura estereoscpica, tan vital para estudios del relieve. En cualquier caso, ya sean nuevos o tradicionales, los criterios visuales deben manejarse con cierta precaucin en imgenes de satlite, por cuanto las escalas de trabajo y la geometra de adquisicin son distintas a las empleadas en fotografa area. Segn vayan disponin-


Criterio espacial complejo

Sombras - Contexto - Asociacin

Criterio temporal

Fenologa: Condiciones estacionales

FIG. 5.4. Organizacin jerrquica de los criterios de interpretacin visual. (Adaptado de European Commission, 1993.)

dose de imgenes de mayor resolucin, estas diferencias se irn atenuando, hasta con-vertirse prcticamente en inexistentes.

Conviene tener en cuenta que esos criterios se utilizan de modo integrado, en cla-ves visuales complejas. Varios autores han sugerido clasificar esos criterios en una es-cala jerrquica, en funcin de su grado de complejidad y de las variables que se consi-deran (fig. 5.4: European Commission, 1993). El brillo y color seran los criterios ms elementales, pues caracterizan espectralmente a una cubierta. La forma, tamao, y textura tienen que ver con las propiedades espaciales de los objetos. La sombra y em-plazamiento, con su relacin a los objetos circundantes. Finalmente, la dimensin temporal hace referencia a la evolucin estacional de las cubiertas. A continuacin re-visaremos con detalle los criterios de interpretacin visual ms utilizados.

2.1. BRILLO <

El brillo hace referencia a la intensidad de energa recibida por el sensor para una determinada banda del espectro. En un producto fotogrfico, los pxeles con tonos os-curos indican aquellas reas sobre las que el sensor detect una dbil radiancia, mien-tras las zonas claras son producto de una mayor intensidad. En otras palabras, el brillo se relaciona estrechamente con el comportamiento espectral de las distintas cubiertas, para la banda particular del espectro sobre la que se trabaje.

Puesto que la energa reflejada desde una cubierta vara en distintas longitudes de


onda, su brillo caracterstico tambin variar en imgenes adquiridas para diversas bandas del espectro. Como ya vimos en el captulo 2, una superficie ocupada por vege-tacin vigorosa presentar una alta absortividad en las bandas visibles del espectro, es-pecialmente en el azul y rojo, como consecuencia de la accin de los pigmentos de la hoja en esas longitudes de onda. En consecuencia, en las imgenes adquiridas sobre esas bandas aparecer en gris oscuro. Por el contrario, se mostrar en grises claros si la imagen corresponde al infrarrojo cercano, por cuanto, en esa regin del espectro, la hoja sana ofrece una elevada reflectividad. En consecuencia, para interpretar los bri-llos que ofrece la imagen se ha de tener presente el comportamiento espectral de las distintas cubiertas de inters. De otra forma, el intrprete puede entrenarse a reconocer mecnicamente algunas categoras, pero no alcanzar a comprender plenamente las razones de las diferencias tonales que observa.

Un intrprete avezado podr reconocer mltiples categoras por el contraste de brillo en distintas bandas del espectro. Como hemos visto, la vegetacin tiende a ofre-cer tonos oscuros en las bandas visibles y muy claros en el infrarrojo cercano, mientras el agua presenta tonos oscuros en ambas, los suelos descubiertos ofrecen tonos blan-cos en las dos, y las reas urbanas grises medios en ambas (fig. 5.5). Al tratarse de una imagen de primavera (Madrid 00), adems de los jardines urbanos, aparecen como manchas de vegetacin sana sectores de pastizales o en expectativa de construccin. Una mayor experiencia permite seleccionar las bandas ms idneas para reconocer de-terminados rasgos de inters: modelos de drenaje y morfologa (infrarrojo cercano), trazado urbano (verde-rojo), turbidez en el agua (azul), delimitacin tierra/agua (infra-rrojo cercano), vegetacin (rojo e infrarrojo cercano).

El brillo es uno de los principales criterios de interpretacin visual. Ahora bien, el nmero de intensidades de gris que podemos distinguir sobre la imagen est limitado por nuestra propia percepcin visual y el soporte fsico utilizado para visualizar (papel o pelcula). En consecuencia, la representacin fotogrfica de una imagen siempre su-pone una prdida considerable de la sensibilidad radiomtrica del sensor. De los 256 niveles de brillo o, si se prefiere, de tonos de gris que habitualmente facilitan los sensores espaciales (8 bits por pxel), la representacin visual de esos datos slo nos permite discriminar un nmero de niveles de gris mucho menor (64 en el mejor de los casos). Atendiendo slo a este criterio, por tanto, el anlisis visual sera menos preciso que el digital, ya que parte de lo que el sensor distingue nosotros no podemos diferen-ciarlo. Habitualmente en fotointerpretacin convencional las diferencias de brillo se observan en una sola banda, ya que la mayor parte son pancromticas. En el caso de las imgenes de satlite, la observacin del brillo se realiza simultneamente en varias bandas, lo que nos facilitar un reconocimiento ms certero de algunas cubiertas.

2.2. COLOR

Varios autores han puesto de manifiesto que el ojo humano es ms sensible a las variaciones cromticas que a la intensidad luminosa (Barret y Curtis, 1999a). Si a esto aadimos el aumento de informacin que supone la mezcla de varias bandas del espec-tro, fcilmente se comprende que el color resulta un elemento bsico en la interpreta-cin visual de imgenes.

184 TELEDETECCION AMBIENTAL

FlG. 5.5. Variacin del brillo en dos bandas en la imagen MadridOO: (1) Suelos descubiertos; (2) Vegetacin sana; (3) Agua, (4) reas urbanas. La imagen superior corresponde a la banda

roja (ETM3) y la inferior al infrarrojo cercano (ETM4).


Como es bien sabido, el color que aprecian nuestros ojos es fruto de la reflectivi-dad selectiva de los objetos a distintas longitudes de onda. Aquellas superficies con alta reflectividad en el azul, y baja en el resto, aparecen con ese color, mientras ofrecen un tinte rojo si absorben las longitudes cortas y reflejan las largas. Nuestro ojo slo percibe las longitudes de onda comprendidas entre 0,4 y 0,7 /m, separando la energa recibida en tres componentes de acuerdo a la sensibilidad espectral de nuestras clulas sensoras. Esos tres componentes son los denominados colores primarios: rojo, verde y azul (RVA), a partir de los cuales puede reconstruirse cualquier otro color del arco iris.

Una impresin similar al color que nosotros percibimos puede obtenerse cuando combinamos las bandas espectrales RVA, aplicando a cada una de ellas los tres colo-res primarios, en ese mismo orden. Esa asignacin natural puede modificarse a vo-luntad del intrprete, asignado los colores primarios RVA a tres bandas espectrales cualquiera, en el orden que se estime ms oportuno (fig. 11 *). Obviamente, cuando no seleccione las bandas espectrales RVA, sino otras cualesquiera, el color resultante no ser con el que nosotros percibimos los objetos (lo que llamamos color natural), sino que los colores nos resultarn artificiales, de ah que suele denominarse a estas composiciones falso color. Esas composiciones coloreadas no se ajustan a los colo-res que aprecian nuestros sentidos, pero pueden ser como, de hecho, suele ocurrir ms interesantes desde el punto de vista de la interpretacin temtica de la imagen.

Independientemente de las bandas que se incluyan en la composicin, conviene considerar algunos aspectos sobre el proceso que permite obtener esas composiciones en color. La mezcla de tres bandas espectrales en una composicin en color puede con-seguirse de acuerdo a dos procesos, denominados aditivo y sustractivo. En el proceso aditivo, cualquier color se obtiene por suma de los tres colores elementales: azul, ver-de y rojo. La suma de dos colores primarios permite lograr un color complementario: azul + verde = cian; azul + rojo = magenta, y verde + rojo = amarillo, mientras los tres . suman el blanco (fig. 5.6a). Por el contrario, el proceso sustractivo se basa en la absor-cin de la luz que ejercen los colores complementarios: el cian absorbe la luz roja, el magenta absorbe el verde y el amarillo el azul. Los tres en combinacin suponen, por tanto, el negro (fig. 5.6b).

a) ^---------------- - " b)

Blanco

Magenta \/ Cian

FIG. 5.6. Procesos de formacin del color: a) aditivo, b) sustractivo.


El proceso aditivo es el utilizado en los sistemas electrnicos de visualizacin, cuando la imagen se representa sobre un monitor. ste es el proceso habitual en un equipo de tratamiento digital de imgenes. Por su parte, el proceso sustractivo se em-plea en la reproduccin mecnica del color, tpica de las artes grficas. Por tanto, cuan-do se pretenda imprimir una imagen resulta preciso aplicar a cada banda uno de los co-lores complementarios. Por ejemplo, para obtener una composicin en falso color debe aplicarse a las bandas del espectro IRC, R, V los colores complementarios amari-llo, magenta y cian, respectivamente. Si, por el contrario, se requiere visualizar esa imagen sobre un monitor, el orden ser rojo, verde y azul, para las mismas bandas.

Entre las mltiples combinaciones de color que se han empleado en anlisis vi-sual, la ms destacada sin duda es la denominada infrarrojo color. Se obtiene despla-zando hacia longitudes ms largas las bandas del espectro visible, sustituyendo la composicin de bandas R, V y A, por la correspondiente al IRC, R y V (fig. I2*a). Su profuso empleo se relaciona con la resolucin espectral de la mayor parte de los senso-res espaciales. Desde el inicio de la serie Landsat se han venido distribuyendo imge-nes con esta composicin en color, ya que el sensor MSS inclua informacin de estas bandas del espectro, as como otros sensores posteriores, como el SPOT-HRV o el IRS-LISS, exclusivamente hasta hace pocos aos, por lo que sigue siendo una compo-sicin multibanda bastante comn.

De cara a facilitar su interpretacin puede ser conveniente incluir una simple cla-ve de color, con objeto de familiarizar al intrprete con este tipo de representaciones. Las tonalidades ms habituales en ella se corresponden con las siguientes cubiertas (Tindal, 1978):

Rojo-magenta. Denota vegetacin vigorosa, como cultivos regados, prados de montaa o bosques de caducifolias en imgenes de verano, y cultivos herbceos de secano en imgenes de primavera. El estudio detallado de la intensidad y saturacin del rojo permite identificar diversas cubiertas vegetales, as como estimar su ciclo de crecimiento y vigor.

Rosa. Muestra reas vegetales menos densas y/o vegetacin en temprano estado de crecimiento. Las reas suburbanas en torno a las grandes ciudades, con sus pequeos jardines y rboles diseminados, aparecen a veces en ese color.

Blanco. reas de escasa o nula vegetacin pero de mxima reflectividad: nubes, arenas, depsitos salinos, canteras, suelos desnudos, nieve.

Azul oscuro a negro. Superficies cubiertas total o parcialmente por agua: ros, canales, lagos, embalses. En zonas volcnicas, los tonos negros pueden asimismo identificar flujos de lava.

Cr a azul metlico. Ciudades o reas pobladas, si bien puede asimismo tratarse de roquedo desnudo.

Marrn. Vegetacin arbustiva, muy variable en funcin de la densidad y del tono del sustrato. Los tona ms oscuros indican presencia de materiales paleozoi cos (pizarras), mientras los matorrales calccolas, menos densos normalmente, ofre cen una coloracin ms clara.

Beige-dorado. Identifica zonas de transicin: prados secos, frecuentemente asociados con el matorral ralo.


Cuando se comenzaron a adquirir imgenes del sensor TM se abri la posibilidad de disear nuevas composiciones, como la correspondiente al color natural (R, V, A), mientras sus nuevas bandas en el SWIR e IRT ampliaron notablemente las posibilida-des de obtener composiciones en color. Con motivo de ello, varios autores han intenta-do establecer algn indicador, ms o menos objetivo, que ayude a seleccionar las ban-das ms idneas para una composicin en color. Los criterios ms estudiados son los de tipo estadstico: anlisis de componentes principales, ndice ptimo de mxima va-riacin, y obtencin de los ejes del elipsoide de variacin (cap. 7, apdo. 5.2).

En el terreno del anlisis visual, tambin se han efectuado algunos ensayos para identificar la composicin de color que ofrece una mejor discriminacin de cubiertas. Se parte de seleccionar intrpretes con distintos grados de experiencia, para cuantifi-car el nmero de cubiertas que discriminan adecuadamente en distintas composicio-nes de color (Benson y Degloria, 1984; Trolier y Philipson, 1986). En estos tests, y para el caso del Landsat-TM (o ETM+), las combinaciones ms puntuadas incluyen una banda del espectro visible, otra del infrarrojo cercano y otra del medio. El orden habitual es aplicar el color rojo al IRC, el verde al SWIR o al R, y el azul al R o V (fig. 12*). Estos resultados son muy similares a los obtenidos por otros autores mediante tcnicas estadsticas (Hord, 1986). A tenor de este resultado, el proyecto de cartografa de ocupacin del suelo de Espaa (dentro del programa europeo CORINE-Land Co-ver) seleccion la composicin TM 4/5/3 (IRC, SWIR, R) como base para la interpre-tacin visual de imgenes. Para objetivos parciales puede ser interesante considerar otro tipo de combinaciones coloreadas. A partir de imgenes TM se ha comprobado la eficacia de la composicin formada por las bandas 7/4/1, para detectar zonas quema-das, de la integrada por las bandas 7/4/3 para discriminacin de cultivos en regado o zonas encharcadas, y de la constituida por las bandas 7/3/1 para aplicaciones ocean-graficas. Pese al inters de estas composiciones, sigue vigente el papel protagonista de la combinacin en infrarrojo color convencional (IRC, R, V).

En la fig. 12* aparecen diversas composiciones coloreadas sobre la imagen (to-rrelOO), que permiten analizar el inters de considerar distintas bandas para interpretar unos u otros rasgos de la imagen. En trminos generales puede afirmarse que el color natural ofrece un escaso contraste, presentando tonos verde-oscuros para la vegeta-cin y pardos para las zonas urbanas y suelos descubiertos. La discriminacin de la co-bertura vegetal es mucho ms evidente en el infrarrojo color convencional (IRC,R,V) y en el mejorado (IRC, SWIR, R). En ambos casos, la vegetacin ms vigorosa apare-ce en tonos de rojo, ya que a este can de color se asigna el IRC. En tonos marrn-ocre aparecen las reas cubiertas por perennifolios, dependiendo de la poca del ao en que est tomada la imagen. Asimismo, los pastizales pueden aparecer en tonos de rojo (en primavera) o en tonos verdosos, si se trata de imgenes de verano. En la combinacin IRC, SWIR, R, adems, resulta algo ms evidente el rea edificada, y contrasta mejor la vegetacin natural de la que acompaa a las reas residenciales.

Cuando se cambia el orden de la asignacin de colores, lgicamente la leyenda de color antes comentada deja de tener sentido, ya que las tonalidades resultantes sern diferentes. Por ejemplo, si modificamos el infrarrojo color mejorado (IRC, SWIR, R), asignando el can de color verde al IRC y el R al SWIR, la vegetacin ms vigorosa aparece en tonos de verde, en lugar de en tonos de rojo. Este criterio es el empleado por el Instituto Geogrfico Nacional para publicar su serie de imgenes de toda Espaa,


sobre la base de facilitar al intrprete poco experimentado acostumbrado a ver la ve-getacin en tonos de verde el anlisis de la imagen. En ocasiones se denomina esta composicin en color como seudo-color natural.

2.3. TEXTURA

Esa variable hace referencia a la heterogeneidad espacial de una determinada cu-bierta, en definitiva al contraste espacial entre los elementos que la componen. Visual-mente se manifiesta como la rugosidad o suavidad de los tonos de gris. Cuanto ms si-milares sean, la tonalidad ser ms homognea en el interior de la cubierta, y la textura ser ms lisa. Por el contrario, si existe una alta heterogeneidad en los niveles de gris de esa cubierta aparecer como muy rugosa, con textura grosera.

La textura de una cubierta procede de la relacin entre el tamao de los objetos que la forman y la resolucin del sensor. Cuando un objeto ocupa una superficie infe-rior a 1 mm2 (en la resolucin de la imagen) no puede identificarse individualmente, sino slo a travs de la variabilidad espacial que provoca. En funcin del tamao de los objetos que forman una cubierta suelen distinguirse tres tipos de textura:

1. Textura grosera, cuando los objetos estn comprendidos entre 0,25 y 1 mm2 a la escala de la imagen.

2. Textura media, objetos comprendidos entre 0,04 y 0,25 mm2. 3. Textura fina, objetos inferiores a 0,04 mm2.

En sentido estricto, adems del tamao de los objetos que forman una determina-da cubierta, la textura con la que aparece en la imagen puede variar en funcin de di-versos factores. Los ms importantes son el ngulo de observacin del sensor (una ob-servacin ms aguda incrementa la rugosidad), las condiciones de iluminacin (a n-gulos solares ms bajos el efecto de sombras es ms evidente), y la longitud de onda (una superficie lisa a longitudes largas puede aparecer como rugosa en cortas). Traba-jando en el espectro visible e IRC, la rugosidad se modifica principalmente en funcin de las condiciones de iluminacin solar. Un bosque natural, por ejemplo, puede ofre-cer una textura muy variada a lo largo del ao, dependiendo de la altura del sol sobre el horizonte y de su desarrollo estacional.

En cualquier caso, el criterio de textura es muy importante para discriminar deter-minadas cubiertas que pueden ofrecer un comportamiento espectral uniforme. Por ejem-plo, los frutales en regado y las caducifolias ofrecen una reflectividad muy similar, por cuanto, en muchas ocasiones, presentan grandes afinidades fisiolgicas. De esta forma, el criterio de textura puede ser el nico viable para distinguirlas. Los frutales ofrecen un marco de plantacin regular lo que implica menor variedad espacial en la cubierta, mientras los rboles de hoja caduca aparecen con un desarrollo mucho ms heterogneo. En consecuencia, los frutales presentan una textura ms fina, facilitando al intrprete la separacin frente a especies forestales naturales (Gordon y Philipson, 1986).

La figura 5.7 recoge un ejemplo de la aplicacin del criterio de textura. Incluye un fragmento de la imagen (Alcala87), adquirida por la cmara rusa KVR-1000, co-rrespondiente a los mrgenes del ro Henares. Tanto los cultivos de regado (A) como


FlG. 5.7. Fragmento de la imagen Alcal87 sobre los mrgenes del ro Henares.

los rboles de ribera (B) ofrecen los mismos tonos, lo que permite diferenciarlos clara-mente de los suelos agrcolas ya cosechados (C), que ofrecen una tonalidad mucho ms clara. Sin embargo, para distinguir entre A y B resulta preciso acu

Documents

chuvieco_fundamentos de teledeteccion.pdf