Embed Size (px)
DESCRIPTION
Analisis de datos estadisticos de Imagenes Satelitales
Citation preview
UNIVERSIDAD MAYOR DE SAN SIMÓN
FACULTAD DE CIENCIAS Y TECNOLOGIA
INGENIERIA CIVIL (NUEVO)
Materia: GEOMATICA
Docente: Ing. Msc. Ledezma Miranda Vito
Estudiante: Villca Quiñones Rubén Darío
Carrera: Ing. Civil (Nuevo)
Fecha: 24 de noviembre de 2013
Cbba – Bolivia
1. INTRODUCCION
Reconocimiento de Patrones en imágenes satelitales, hay varios como
reconocimiento de patrones espectrales, reconocimiento de patrones espaciales y
reconocimiento de patrones temporales.
En esta práctica veremos la clasificación digital; que es un procedimiento de asignar
a cada pixel a una clase o categoría de acuerdo a su comportamiento espectral.
2. OBJETIVOS
2.1 Objetivo General
Conocer el Reconocimeinto de patrones espectrales por medio de la
clasificación digital No Supervisada y Supervisada.
2.2 Objetivos Especificos
Realizar clasificsaciones digitales supervisadas y no supervisadas de un
área en alrededores del cerro san sebastian con el software ArcGis, y otra
por inmediaciones del lago Titicaca con el software Ilwis; con cinco clases
o coberturas.
3. MARCO TEORICO
Teledetección
Como parte introductoria viene de “remote sensing”; que es la captación de
datos del aire o espacio, para su posterior tratamiento delo s datos en el
satélite todo este proceso es una disciplina.
Se recolecta datos primarios sin contacto del ser humano
Funcionamiento de sensores
Se necesita disponer de una fuente de energía que ilumine o provea de
energía electromagnética al objeto de estudio.
El sistema de sensores (espacio) capta la la energía que tiene el objeto;
posterior a eso se tiene el sistema de recepción (tierra), después de esta
recepción pasa a un Tratamiento Visual donde se hace una ligera
observación de la muestra, posterior a esto la imagen pasa a un TDI
(Tratamiento Digital), por ultimo lo tiene el Usuario final.
Elementos Principales
EL SENSOR
EL FLUJO ENERGETICO
EL OBJETO OBSERVADO
El Sensor:
Sensor Pasivo: Energia Solar, solo con la luz solar; no esxite radiación solo
obtine datos de dia.
Sensor Activo: Tiene una propia fuente de Energia puede obtener datos en la
noche.
Tipos de sensores por su Orbita
Geoestacionaria: Fijada a la Tierra sincronizado con la rotación de la tierra a
300000 km desde la tierra.
De orbita Polar: está a un cierto ángulo del polo mas de 400 km.
Sistema Radar: es un sistema Activo, capta imágenes mediante microondas.
Su algoritmo es: el sensor toma imágenes del planeta, hace un
procedimiento de análisis externo de información finalmente los guarda en
una base de datos espaciales.
Tipos de Información
ESPACIAL: Indica la posición del elemento en el espacio.
ESPECTRAL: Denota la naturaleza de las superfieces terrestres.
TEMPORAL: Observa los cambios en el tiempo de una determinada zona.
Tipos de Resolucion
RESOLUCION ESPECTRAL: Bandas del espectro electromagnético a de
utilizar medidas espectrales indicativas visibles también infrarrojas que están
fuera del rango visible.
RESOLUCION ESPACIAL: Resolucion geométrica (tamaño del pixel con
unidades de terreno).
RESOLUCION RADIOMETRICA: valor de bit ( 1 – 8 )rango dinamico o
numero de posibles valores que puede tomar en cada toma de datos.
RESOLUCION TEMPORAL: Tiempo de pasada del sensor por el mismo
lugar.
Aplicaciones de la Teledeteccion
Meteriologia:
- Análisis de masas nubosas
- Modelación
Agricultura:
- Discriminar tipos de vegetación
- Determinación de humedad
- Clasificación de usos de suelo
Cartografia y Planeamiento Urbanistico
- Cartografia y actualización de mapas
- Planificación regional
- Cartografia de redes de transporte
- Limites de agua – tierra
Geologia
- Reconocimiento de tipos de roca
Recursos Hidricos:
- Determinación de limites, áreas volúmenes.
Medio Ambiente:
- Superficie minera
Flujo Energetico:
Esta relacionado con la interaccion de las ondas y la atmosfera, son 3 los
fenómenos que ocurren.
ABSORCION, DISPERSION LA EMISION.
Objeto:
Los mas representativos son:
SUELO VEGETACION AGUAS.
Composicion de color
3 niveles de composición de colores:
Verdadero Color
Falso Color:
Pseudo Color:
Correcciones Radiométricas:
Se utilizan los métodos o correcciones de:
Grado de refracción
Corrección por efecto de niebla
Corrección de contraste
Clasificacion:
Es el patrón de reconocimiento estadístico (PRE). Este es un proceso
computacional que consiste en reconocer las coberturas de forma automática en
base a su valor radiométrico se clasifica en:
No supervisada:
Es cuando se conoce el terreno.
Supervisadas:
Es cuando se conocen sus coberturas se ejecuta
en base a un muestreo, conociendo el terreno.
4. DESARROLLO PRACTICO
Procedimiento ArcGis
Iniciamos ArcMap del software arcgis
Introducimos la imagen del fotografía F15_137_C_Geo.jpg
Georeferenciar la imagen
Procedemos a clasificar la imagen en 5 clases
Del menú del arcgis activamos IMAGE CLASSIFICATION y obtendremos
la barra de herramientas para la clasificación.
En la barra del icono TRAINING SAMPLER MANAGER establecemos las
5 clases de coberturas como se muestra en la tabla de abajo.
Procedemos a guardar los cambios efectuados con el icono save del
Training simple manager.
Terminada la clasificación procedemos a guardarlo en un formato .gsg
En la misma ventana del training simple manager vamos a créate signa
ture files
Ahora clasificamos escogemos maximun likelihood classification del
menú clasification
En imput signature file elegimos el archivo anteriormente guardado en
formato .gsg
y en output classified raster le damos el nombre de salida y
seleccionamos ok.
Luego se generara un nuevo layer que contiene toda la clasificación de la
imagen
Procedemos a cortar la imagen solo el área de trabajo con un layer de
polígonos
Y tendremos la imagen solo del área de trabajo
Ahora para calcular las áreas de tipo de clasificación vamos a estar
edithing seleccionamos el layer que contiene la clasificación
Click derecho en el layer de la clasificación y abrimo open atribute table
Agregamos una columna para el nombre de cada clase
Y otra columna para el calculo del área de cada tipo de clasificación
La formula para área es totalmente conocida seleccionamos la columna
del área vamos calcúlate elegimos doublé y ponemos la formula = a la
columna count multiplicada por el área de cada pixel en unidades de
terreno de pixel que el valor es 0.2 como en una planilla Excel.
Procedimiento Ilwis.
Primeramente se debe tener las imágenes de las 4 bandas convertidas a un
formato (TIF).
Importamos cada una de las imágenes TIF para eso vamos a la barra de
menú principal al izq. De la pantalla (Import/export), import general raster en
la nueva ventana ubicamos el archivo donde esta nuestras cuatro imágenes
TIF.
Importamos cada una de las imágenes con el mismo procedimiento.
Una ves importadas las imágenes estarán en formato raster las cuales
georeferenciaremos con los puntos de control dados en la practica:
Para ello vamos a file créate georeferencing y georeferenciamos solo una imagen
de las cuatro.
5. PRESENTACION DE RESULTADOS
Presentacion de resultados ArcGis
Muestreo de Pixeles para cada clase
Resultado de la clasificación supervisada de la fotografía aerea
Calculo de las areas de cada una de las clases de la clasificacion supervisada
en ArcGis.
Presentación de resultados en Ilwis
Histograma Banda 1 no corregida
Histograma Banda 1 corregida
Histograma Banda 2 no corregida
Histograma Banda 2 corregida
Histograma Banda 3 no corregida
Histograma Banda 3 corregida
Histograma Banda 4 no corregida
Histograma Banda 4 corregida
Composición de colores para los tres casos de color
IMAGEN COMPUESTA EN VERDADERO COLOR
IMAGEN COMPUESTA PSEUDO COLOR
IMAGEN COMPUESTA FALSO COLOR
CLASIFICACION NO SUPERVISADA
CLASIFICACION SUPERVISADA PARA CADA METODO DE CLASIFICACION
METODO BOX
METODO MAXIMUN LIKE
METODO MINIMIN MAHALANOBIS
METODO MINIMUN DISTANCE
CALCULO DE AREAS PARA CADA CLASE PARA CADA CLASE EN ILWIS
AREA POR EL METODO BOX
AREA POR EL METODO MAXIMUN LIKE
AREA POR EL METODO MINIMUN MAHALANOBIS
AREA POR EL METODO MINIMUN DISTANCE
MATRIZ DE CONFUSION PARA CADA METODO DE CLASIFICACION
SUPERVISADA
MATRIZ DE CONFUSION METODO BOX
MATRIZ DE CONFUSION METODO MAXIMUN LIKE
MATRIZ DE CONFUSION METODO MINIMUN MAHALANOBIS
MATRIZ DE CONFUSION METODO MINIMUN DISTANCE
6. ANALISIS DE LOS RESULTADOS
Analisis de la composición de color de Bandas (verdadero color)
El sensor reconoce los colores (Rojo en la banda 3, verde en la banda 2 y
azul en la banda 1)
En la imagen predominan los colores azul verde y rojo la combinación de
cada una de sus tonalidas forma el terreno alrededordel lago Titicaca es casi
posible distinguir los diversos tipos de suelos que existen en el área.
(falso color)
El sensor en esta composición reconoce los siguientes colores (rojo en la
banda 4, verde en la banda 3 y azul en la banda 2)
En la imagen es casi predominante la resaltacion del color rojo brillante, ya
que usa la banda 4 del infrarrojo las rojizas representan a la mayoría de la
vegetación del área.
(pseudo color)
El sensor en esta composición de colores reconoce los siguientes colores
(rojo en la banda 4, verde en la banda 2 y azul en la banda 3)
La imagen es muy clara tiene un contraste muy alto pero se pueden
reconocer casi las diferentes tipos de suelo.
Respecto a la clasificación supervisada y no supervisada existe una gran
diferencia, des el hecho en el que la no Supervisada esta representada solo
por 3 colores es muy difícil hacer el reconocimiento de varios tipos de
terrreno.
Esto se debe a que en la no supervisada solo utiliza datos que están
presentes en la imagen digital.
Y en el caso de la supervisada además de la información de la imagen
agregamos información respecto a la imagen por parte nuestra.
7. CONCLUSIONES
Con la presente practica llegamos a comprender claramente el proceso de
clasificación de imágenes digitales por teledetección
La imagen digital clasificada sin supervisión tiene poca información sobre el
área de trabajo.
La imagen digital clasificada con supervisión contiene mucha información que
depende del operador en hacer el muestreo de pixeles.
Esta herramienta es muy valiosa en el ámbito de aplicación en la ingeniería
civil ya que tiene muchas aplicaciones haciendo un correcto uso del software
y teniendo claro los conceptos de teledetección.
En mi trabajo la parte del del desarrollo pratico del ilwis no esta concluida
debido al factor tiempo (debido a que en esta semana tuve unos problemas
familiares que son personales, rogaría su comprensión Ing.)
8. RECOMENDACIONES
Trabajar ordenadamente en el software Ilwis porque se genera una gran
cantidad de archivos al dar el nombre a los archivos de salida deben ser
fáciles de identificar a que es lo que estamos generando.
