Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
EVALUACION DE METODOS DE CLASIFICACIÓN Y COMBINACION DE
BANDAS PARA LA IDENTIFICACIÓN DE CULTIVOS
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
AgradecimientosAgradecimientos..................................................................................................3Índice Siglas (acrónimos)Índice Siglas (acrónimos)....................................................................................3Índice de Cuadros y FigurasÍndice de Cuadros y Figuras................................................................................3IntroducciónIntroducción.........................................................................................................3ProblemáticaProblemática........................................................................................................3JustificaciónJustificación.........................................................................................................4MotivosMotivos................................................................................................................6ObjetivosObjetivos..............................................................................................................8AntecedentesAntecedentes.......................................................................................................9
Métodos y MaterialesMétodos y Materiales..........................................................................................16Modelo de investigación.Modelo de investigación....................................................................................17MetodologíaMetodología.......................................................................................................17Material y EquipoMaterial y Equipo...............................................................................................21
Capitulo 1 GeneralidadesCapitulo 1 Generalidades...................................................................................24Área de estudio.Área de estudio.................................................................................................24Características espectrales de la vegetación (Vis, IRc IRm)Características espectrales de la vegetación (Vis, IRc IRm).............................25Imágenes SPOTImágenes SPOT................................................................................................30Taxonomía de cultivos existentes en la zonaTaxonomía de cultivos existentes en la zona....................................................34Transformaciones Índices, CP, TC, IHS, IRC/IRM, V/IRM o R/IRMTransformaciones Índices, CP, TC, IHS, IRC/IRM, V/IRM o R/IRM..................37
Capitulo 2 trabajo de campo..............................................................................43Tamaño de muestra..........................................................................................43Segmentos........................................................................................................44Digitalización.....................................................................................................45Programación de actividades............................................................................46Material y equipo de campo...............................................................................48Captura de la información..................................................................................50Reporte de Campo............................................................................................50Estimación de superficies..................................................................................52
Capitulo 3 Clasificadores...................................................................................55Capitulo 4 análisis de resultados......................................................................57concluciones.......................................................................................................58bibliografia...........................................................................................................58
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
AgradecimientosAgradecimientos
Índice Siglas (acrónimos)Índice Siglas (acrónimos)
Índice de Cuadros y FigurasÍndice de Cuadros y Figuras
IntroducciónIntroducción
ProblemáticaProblemáticaEl conocimiento por los recursos naturales existentes en la superficie terrestre es
una de las más importantes necesidades que el ser humano ha tenido a lo largo de
la historia; la existencia, cantidad, calidad, ubicación y condiciones para su uso son
fundamentales para el desarrollo de cada sociedad.
Los métodos para su estudio y cuantificación han evolucionado gracias al desarrollo
de la ciencia y tecnología, ofreciendo cada vez técnicas de mayor precisión y
alcance, incluso de aquella información de la que no somos capaces de percibir a
simple vista. Tal es el caso de las imágenes de satélite que ofrecen información de
la energía reflejada por la superficie terrestre y que es empleada para conocer y
diferenciar las diferentes coberturas presentes en ella.
La respuesta espectral de la superficie terrestre esta sujeta a una serie de
condiciones físicas, químicas y antrópicas propias de cada cobertura que
determinan el tipo, frecuencia y longitud de onda de la radiación registrada por los
sensores espaciales (satélites). De acuerdo a la naturaleza de cada cobertura
(vegetación, infraestructura, cuerpos de agua, etc.) es posible identificar ciertos
patrones particulares de comportamiento en distintas regiones del espectro
electromagnético (visible, infrarrojo, térmico y microondas), dicho comportamiento
es utilizado para identificar, clasificar y cuantificar el tipo de cobertura.
Sin embargo el análisis de los datos obtenidos y representados mediante imágenes
satelitales requiere de un entrenamiento particular del personal encargado de su
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
análisis, así como un tratamiento especial para obtener información veraz que
refleje las condiciones de la superficie representada. El procesamiento que se
aplique a los datos contenidos en la imagen estará en función del conocimiento
sobre el tema o la existencia de metodologías que permitan eliminar, o reducir en la
medida de lo posible, todas aquellas anomalías que la señal adquiere durante su
recorrido. Por otro lado, también es posible aumentar la capacidad discriminante de
la información contenida en la imagen. Algunos de estos procesos están
encaminados a modificar su distribución original, conocida como la nube de puntos
en el espacio euclídeo multidimensional (CP), otros utilizan el arreglo espacial de
los pixeles (erosión, dilatación, textura, Bordes) y también se aplican
transformaciones aritméticas a las bandas (suma, resta, división y multiplicación).
Como sea, es precisamente el conocimiento y dominio de estas técnicas, la que
determinará en buena medida la calidad de la identificación, clasificación y
cuantificación de las coberturas presentes en las imágenes de satélite.
JustificaciónJustificaciónLa cuantificación de la superficie sembrada en México, ya sea por métodos directos
o indirectos, estadísticos o geográficos (censos, encuestas, estimaciones o
inventarios), es una actividad que requiere la mayor precisión posible, con la
intensión de ofrecer información actualizada y verídica que pueda ser utilizada en el
diseño de otras actividades. la importancia que representa que la Sagarpa conozca
la calidad con la que esta generando su estadística básica, debido a que estos
indicadores impactan de manera directa en la formulación de políticas
gubernamentales en el sector agroalimentario, y adicionalmente se convierte en el
marco de referencia para atender contingencias meteorológicas, de que otro tipo?.
Roberto Márquez (2011),Roberto Márquez (2011), destaca que para desarrollar una política agropecuaria de
calidad es imprescindible contar con información de calidad en el sector
agropecuario, saber con la mejor certidumbre posible cuanto hay, donde está y en
qué condiciones se encuentra. La mayoría de la información sobre la superficie
sembrada en México actualmente no ofrece un índice de calidad; los usuarios no
conocen el grado de confiabilidad y, por lo tanto, no pueden calcular el error que
están induciendo en sus investigaciones al utilizar la información disponible.
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
Una de las atribuciones de la Sagarpa descrita en su Reglamento Interior 2001
(artículo 2 párrafo VI) es “Procesar y difundir la información estadística y geográfica
referente a la oferta y la demanda de productos relacionados con actividades del
sector rural, acuícola y pesquero”. La Sagarpa delega al SIAP “Establecer sistemas
de captación, muestreo, evaluación cuantitativa, organización, análisis y difusión de
las estadísticas e información geográfica sobre los problemas del Sector
Agroalimentario y Pesquero” (IV art 55).
La calidad de la información generada por la Sagarpa ha sido puesta en duda
debido a la publicación de distintos trabajos que cuestionan seriamente los métodos
empleados actualmente para su generación, la verificación de sus resultados y la
actualidad de sus estadísticas. Cuales?
Ante la falta de personal que existe en la Sagarpa, esta debe implementar
metodologías alternas que auxilien en la generación de estadística básica
(superficie sembrada), que conjuntamente con los instrumentos establecidos
actualmente, puedan proveer de calidad a la información producida por ella. Dichas
metodologías hacen referencia a métodos indirectos como estimaciones periódicas
basadas en el muestreo en campo y el procesamiento de imágenes satelitales.
Las acciones realizadas por sus diferentes organismos como el SIAP, Aserca,
INIFAP y Delegaciones Estatales, deben aplicarse de manera sistemática en todo el
país de manera coordinada con las dependencias estatales del sector agropecuario
para dotar de certidumbre y mantener al día los registros administrativos de la
superficie sembrada.
La difusión de metodologías reproducibles, que utilicen insumos satelitales dispones
en México puede por un lado, aportar un elemento valioso para el seguimiento de la
superficie sembrada y por el otro amortizar el gasto realizado por el gobierno federal
en la instalación, mantenimiento y operatividad del sistema de adquisición de
imágenes SPOT, a través del sistema Ermex.
Es importante recordar que ninguna técnica utilizada para el mapeo de recursos
naturales ofrece resultados ideales, infalibles o mágicos, y no menos importante,
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
mencionar que todas tienen un nivel de aplicación, por lo que aún contando con una
metodología aplicable a nivel nacional, esta debe ajustarse a la realidad de las
distintas regiones de México, donde existen diversas condiciones en el régimen de
siembra, tamaños promedio de parcelas, técnicas empleadas para su producción,
destino de la producción y otras que condicionan su desarrollo.
Así pues, el presente estudio pretende presentar de la manera más clara y simple
posible, aquellos procesos empleados en la clasificación de cultivos, usando para
este caso imágenes del satélite SPOT, con la intensión de obtener estadísticas de
alta calidad. Partiendo de la teoría adquirida en el procesamiento digital de
imágenes, se pueden mencionar tres etapas críticas para obtener resultados
satisfactorios:
El tratamiento de la información satelital, previo a la clasificación, para
maximizar la precisión de los procesos de clasificación de cultivos (Filtros,
detección de bordes, análisis de textura, Índices y otras transformaciones
ACP, TTC).
Una adecuada revisión y depuración de la información obtenida de los sitios
de muestreo permite obtener parámetros confiables que disminuyen el
margen de confusión al momento de agrupar los pixeles en clases.
La evaluación de la capacidad y calidad con la que los distintos algoritmos de
clasificación tradicionales identifican y asignan adecuadamente los pixeles
contenidos en la imagen.
MotivosMotivosLa falta de personal capacitado en el procesamiento digital de imágenes satelitales
en la Sagarpa reduce su capacidad para generar y mantener actualizada la
información estadística y geográfica que la ley le confiere, entre ellas la superficie
sembrada. El uso de metodologías existentes para este fin es muy limitado, este
tipo de estudios solamente son aplicados por algunos investigadores de la
dependencia de manera parcial y enfocada a ciertas regiones de interés. Son
contadas las áreas de la dependencia que las incorporan como parte de sus
actividades cotidianas, y en la mayoría de los casos estas tienen meramente un
carácter de investigación. Aún y cuando estas metodologías han demostrado las
ventajas de su aplicación, actualmente no existe un programa nacional o estatal que
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
contemple el procesamiento de imágenes satelitales de manera sistemática para
todo el país, como ya lo hacen otras dependencias federales.
El valor espectral de los pixeles (ND) ha sido el método más usado para la
identificación y clasificación de cultivos en las imágenes de satélite, principalmente
por aquellas personas que se inician en el estudio de los recursos naturales a través
de técnicas de teledetección. La incorporación de información complementaria
como MDE o el arreglo espacial de los pixeles (textura y morfología) ha permitido
sin duda incrementar la precisión de las estimaciones. Sin embargo no todos los
usuarios tienen un dominio sobre estas metodologías ni los conocimientos
avanzados sobre el comportamiento de los objetos en el espectro electromagnético.
Una alternativa puede ser mejorar la distribución de los pixeles en el espacio
espectral (nube de puntos) con la aplicación de técnicas básicas de procesamiento,
así como la generación de bandas artificiales, para aumentar la precisión de la
identificación de cultivos, usando los clasificadores tradicionales.
La intención de la presente investigación es reducir el hueco que existe entre el
personal encargado de generar la estadística básica de la secretaría y el uso de
metodologías desarrolladas para la identificación, cuantificación y cartografía de
cultivos con imágenes satelitales. Esta investigación sin sonar presuntuosa,
pretende ser una herramienta auxiliar en la estimación de superficies agrícolas, una
guía replicable y validable, que exponga las técnicas utilizadas para la estimación
de cultivos, haciendo énfasis en las etapas fundamentales. Esta dirigida al personal
técnico encargado de generar información espacial y que no cuenta con el
suficiente entrenamiento, con la intención de lograr resultados de una calidad
aceptable. La selección de los procesos, algoritmos e imágenes usados tienen su
fundamento en razones prácticas de la realidad nacional:
El estudio describe únicamente las etapas indispensables pero insustituibles,
para elevar la calidad de los resultados (orthorrectificación, tratamiento digital
de los pixeles, bandas artificiales, sitios de muestreo, validación de
resultados).
Los algoritmos de clasificación son los más usados y disponibles en la
mayoría de los paquetes informáticos especializados, tanto comerciales
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
como de uso libre. Así mismo son los que menos especialización requieren
por parte de los usuarios, así como el tiempo de procesamiento.
La selección de imágenes SPOT se debe primeramente a la disponibilidad
que existe en el país gracias a la instalación de la Ermex, que tiene casi 10
años de revisión del territorio mexicano, adicionalmente hay que decir que su
resolución espacial y los rangos del espectro adquiridos son los adecuados.
Se pretende generar un documento de lenguaje sencillo que describa las técnicas
empleadas para elevar la calidad de las clasificaciones, es importante mencionar
que se busca que su aplicación sea lo más generalizada posible, que sea aplicable
tanto a cultivos cíclicos como perennes, frutas, fibras, hortalizas y semillas. Para
estudios de mayor impacto, que busquen elevar la eficiencia en la identificación de
cada cultivo deberán hacerse adecuaciones, pero esta será tarea del personal de la
secretaría.
Como punto complementario se pretende realizar un análisis estadístico cual?, para
detectar si existe una correlación entre el tamaño de parcela y la correcta
asignación de los cultivos, con la intención de encontrar un área minima
cartografiable para imágenes con resolución espacial de 100m2.
ObjetivosObjetivos Aplicar los 5 clasificadores básicos más usados y evaluar su precisión en la
identificación y separación de cultivos.
Analizar el comportamiento de la vegetación en las diferentes bandas
espectrales originales y artificiales, para utilizar aquellas que potencialicen la
discriminación de coberturas.
Determinar los elementos físicos, químicos y antrópicos de la vegetación que
condicionan su comportamiento en el espectro electromagnético
Identificar los patrones de comportamiento radiométrico de los principales
cultivos de la Vega de Metztitlán y estimar su superficie a través de procesos
de clasificación.
Comparar la precisión de los resultados obtenidos por la aplicación de
diversos algoritmos (clasificadores) para la identificación de cultivos.
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
Relacionar los resultados obtenidos con el tamaño de las parcelas para
entender su relación con la resolución espacial de los sensores.
Generar una tabla de procedimientos, donde se indiquen los tiempos
requeridos y costos de cada etapa.
AntecedentesAntecedentesEl uso de imágenes satelitales para identificar las coberturas del suelo y
particularmente las ocupadas por vegetación, es tal vez una de las aplicaciones
más comunes en la teledetección. Se tienen registros de aplicaciones agronómicas
desde la decada de 1930 (Martini Axel Von, et al, XXXX), algunas de estas se han
usado en cultivos perennes, aquellos cuya vida útil es mayor de dos años continuos
(algunos llegan a estar produciendo hasta por 25 años), como pastos, alfalfa,
agave, nopales o frutales como aguacates, mangos, manzanos y otros. Sin
embargo la mayoría de las aplicaciones están dirigidas al estudio de cultivos
anuales, aquellos cuyo ciclo de vida, o producción, es menor a un año y son
sembrados cada ciclo agrícola. Una descripción mayor de los tipos de cultivos
existentes en México puede observarse en la tabla 1, del Anexo 1.
El procedimiento aplicado a las imágenes para cualquiera de sus aplicaciones,
generalmente puede dividirse en dos etapas; la primera parte es conocida como de
Pre-procesamiento; en ella se aplican correcciones geométricas y atmosféricas (en
algunos casos), y se seleccionan las bandas a utilizar durante el estudio, estas
pueden ser las bandas originales o bandas resultantes de algún proceso aritmético
(comúnmente cocientes conocidos como índices). La segunda parte por lo general
esta dirigida a la Clasificación de la imagen, para realizarla se requieren sitios de
entrenamiento (training fields), donde a partir de los pixeles contenidos en cada
muestra se definen estadísticos descriptivos (mínimo, máximo, media y desviación
estándar) que serán utilizados para calcular los rangos espectrales de cada clase.
Una vez definidas y registradas las distintas categorías en las que se clasificará la
imagen se aplica un algoritmo de agrupamiento, que de acuerdo al valor de los
pixeles contenidos en la imagen, los asignara a una categoría, dependiendo su
cercanía a los rangos establecidos para cada clase.
Sensores y Bandas
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
Las imágenes utilizadas para la identificación de cultivos, pueden provenir de
distintos sensores, tanto de alta, mediana y baja resolución. Federico Soria (2011)
en su estudio de relevamiento satelital de areas cultivads, utiliza las bandas 3, 4 y 5
(Rojo, Infrarrojo Cercano e Infrarrojo Medio) de una imagen Landsat 5 TM para
discriminar las áreas ocupadas por los distintos cultivos, esta selección de bandas
obedece por presentar una adecuada discriminación de las biomasas vegetales.
Bertha Hoyos et al (2005) emplea las bandas 1, 2 y 3 (Verde, Rojo e Infrarrojo
Cercano) del satélite ASTER para la clasificación de cultivos, e introduce el Índice
Normalizado de vegetación (NDVI), para distinguir de forma más eficiente las zonas
con vegetación. También emplea el ACP para realzar las diferencias entre las
distintas firmas espectrales de los cultivos, así como la de los distintos tipos de
suelos desnudos, áreas urbanas, y cultivos sin vegetación presentes en la imagen.
El uso de imágenes SPOT se ha intensificado en México a partir del año 2003, por
parte de la Sagarpa, donde a partir de imágenes del sensor HRG (SPOT 5) se
cuantifica la superficie sembrada de los principales cultivos de la Republica
Mexicana, utilizando la información contenida en sus 4 bandas (Roberto Márquez,
2011).
Las imágenes de alta resolución espacial, gracias a su extremada capacidad para
recoger información de pequeñas porciones de la superficie terrestre, han sido
empleadas en clasificaciones expertas. Fernando Carvajal el al, realiza una
clasificación de una imagen Quickbird mediante redes neuronales, de acuerdo a su
estudio, la fuerte “texturización” que presentan estas imágenes facilita su
clasificación, por lo que aplica análisis de textura para mejorar los resultados de la
clasificación. Juan P Ardilla et al (2005) valida metodologías de clasificación de
distintas imágenes (Landsat, SPOT, ASTER e IKONOS) en un entorno orientado a
objetos, aplica el concepto de objetos como unidad mínima de información en lugar
del píxel y obtiene exactitudes mayores en todos los casos.
Actualmente se están desarrollando aplicaciones para el procesamiento de
imágenes satelitales disponibles en la red, particularmente Google Maps a través de
algoritmos K-Means (Sergio García Sergio, 2010).
Transformaciones
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
La transformación de la información original contenida en las imágenes, es un
procedimiento utilizado por algunos investigadores, con la intensión de magnificar la
capacidad de discriminación que tienen las imágenes de satélite. Los
procedimientos empleados en esta etapa pueden estar dirigidos a 1.- Modificar el
valor del píxel (realce radiométrico) o afectar a su distribución espacial, en función
de los que le rodean (realce geométrico) (Vicente Fabregat, XXXX), y 2.- Generar
bandas adicionales, generalmente cocientes entre bandas.
El uso de Componentes Principales es resumido por Emilio Chuvieco como una
técnica cuyo objeto es resumir un amplio grupo de variables en un nuevo conjunto,
más pequeño y sin perder parte significativa de la información original.
Algebraicamente, genera nuevas variables (componentes), mediante una
combinación lineal de las variables originales (bandas) (Ferrero et al., 2005).
Otra aplicación usada para el estudio de la vegetación es el alto contraste entre las
bandas del rojo (R) y del infrarrojo cercano (IRC) de las firmas espectrales de las
hojas y follaje de la vegetación. Se han utilizado una gran cantidad de índices de
vegetación (IV) que usan fundamentalmente razones entre las dos bandas
espectrales (Casiano, Marcos).
Otros autores realizan una transformación del espacio de color RGB a IHS
(Intensity-Hue-Saturation) con el objeto de obtener información más relevante que la
obtenida en las imágenes originales (Ortiz Lozano, Nidia Esperanza).
Una descripción muy completa de procedimientos aplicados al tratamiento de la
información contenida en las imágenes, tanto con enfoques numéricos como
visuales es realizada por Lennon Cajuste (1992). En ella se menciona la
importancia de los procedimientos cuantitativos y cualitativos de la información.
Clasificadores
Asignar cada píxel de la imagen a un grupo de pixeles que representan una
cobertura especifica de la superficie terrestre (agua, vegetación, urbano, etc.),
depende en gran medida de la profundidad del estudio, es decir, mientras que para
un estudio puede ser suficiente separar el área agrícola de la imagen, en otros el
objetivo requerirá conocer los tipos de cultivos existentes en esa región agrícola, en
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
otros casos lo que se persigue es conocer las condiciones específicas de un cultivo
en particular o las condiciones de desarrollo que este cultivo tiene al interior de una
parcela.
Como se observa, el uso de las imágenes satelitales para diferenciar las superficies
sembradas es muy variable, así como las técnicas de clasificación usadas. El
presente estudio se enfoca exclusivamente a los clasificadores supervisados de tipo
duro, aquellos en el que el interprete define el número, tipo y rango de clases
deseados, donde cada píxel tiene solamente una posibilidad de ser asignado a una
clase, de acuerdo a una serie de reglas de decisión específicas. Es importante
mencionar que algunos autores utilizan clasificadores no supervisados, como el
ISODATA (Iterative Self-Organizing Data Analysis Technique) ó el K Means, para
identificar las clases espectrales presentes en la imagen, como preámbulo para
identificar zonas con similar respuesta espectral. Derivado de este proceso, las
zonas con mayor pureza de cada clase, sirven como base para la elaboración de
patrones o regiones de interés para las clasificaciones supervisadas (Bertha
Hoyos, et al 2005).
De la mayoría de los algoritmos utilizados para la clasificación de imágenes
satelitales el más usado es Máxima Similitud (Maximum Likelihood), Adison
Altamirano (2012) menciona que el mayor uso de este método se debe
principalmente a su robustez, sencillez, rapidez en su aplicación, ya que se
encuentra implementado en la mayoría de los programas comerciales (Lu y Weng
2007).
Luis Palacios, et al (2006), ha desarrollado un sistema de clasificación supervisada
de manera automatizada sin necesidad de muestreos de campo, en ella se analizó
la respuesta espectral de diferentes objetos genéricos (vegetación, suelo desnudo,
nubes y agua) y se desarrolló un algoritmo que reconoce una serie de patrones
establecidos para 13 coberturas. Es un método bastante rápido que ofrece la
capacidad de obtener una clasificación de imágenes multiespectrales,
principalmente Landsat y SPOT, de una manera bastante rápida y de relativamente
buena precisión. Su aplicación debe ser vista como un conocimiento preliminar de
una región y el usuario deberá evaluar su aplicación en las distintas áreas del país.
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
La aparición de imágenes de mayor resolución espacial IKONOS (1 a 4 metros),
Quickbird (menores a 1 metro) e incluso las SPOT (2.5 a 5 metros), han permitido
proponer aplicaciones basadas no solamente en el valor espectral de los pixeles, en
ellas también se considera la influencia de los pixeles vecinos, esta es conocida
como clasificación orientada a objetos. Castillejo Gonzáles, et al, realiza una
comparación de técnicas de clasificación basadas en objetos, comparándolas con
las tradicionales técnicas de clasificación basada en píxeles. Utiliza imágenes
multiespectrales Quickbird para evaluar la variabilidad tanto a nivel geográfico (usos
del suelo, textura y tamaño medio parcelas) como a nivel de resolución espacial,
estas muestran mejoras sustanciales en la fiabilidad de la clasificación.
Existen otros métodos de asignación (clasificación) que requieren un conocimiento
mayor del comportamiento espectral y espacial de los píxeles, así como de los
procedimientos para determinar los criterios de decisión. Debido al objetivo del
estudio no serán considerados para su análisis, pero en definitiva son metodologías
muy valiosas para la cuantificación de cultivos, ya que contemplan la influencia de
los pixeles vecinos. Jorge G. Hoyos y José N Pérez destacan las Redes
Bayesianas, el Razonamiento Probatorio, las Redes Neuronales, los Autómatas
Celulares y Algoritmos Evolutivos. En el mismo trabajo se mencionan clasificadores
híbridos HCS (Hybrid Classification System) que combinan técnicas de clasificación
espectral, espacial y temporal, conocidas como SSTKC (Spectral, Spatial and
Temporal Knowledge Classififier). Estas tienen por objeto combinar métodos
estadísticos de reconocimiento de patrones con sistemas de clasificación basados
en el conocimiento del comportamiento del fenómeno a estudiar. Los clasificadores
espaciales o contextuales, que buscan incorporar la dependencia espacial. Se
distinguen dos modelos, los campos aleatorios de Markov (MRF) y la autoregresión
espacial (SAR), por último mencionan el uso de algoritmos genéticos que están
inspirados en los mecanismos de selección natural de las especies y la combinación
genética de los individuos. XX XXX
Múltiples aplicaciones orientadas a la clasificación de cultivos pueden encontrarse
en las memorias de congresos de Teledetección, Reuniones Nacionales e
Internacionales de SELPER o revistas especializadas como la de la Asociación
Española de Teledetección, entre otras.
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
Evaluación de la Fiabilidad (Verificación – Precisión)
Como cualquier proceso de estimación por métodos indirectos, la cuantificación de
cultivos a través de la clasificación de imágenes satelitales debe necesariamente
estar sujeta a una verificación de la calidad con la que el proceso determina el
objeto de estudio (cultivos). Los resultados obtenidos antes de ser publicados o
utilizados deben indicar la precisión obtenida, para conocer la calidad con la que se
están generando, actualmente se han desarrollado varios métodos estadísticos.
El método más utilizado es la matriz de confusión (Lillesand et al. 2008), la cual
indica el porcentaje de puntos de control en terreno que está siendo correctamente
clasificado para cada una de las categorías (Lillesand et al. 2008). Esta técnica
indica una exactitud global de la clasificación, lo cual no representa la exactitud de
las distintas categorías, si no una visión global de cómo se ha realizado el proceso
de clasificación. Es decir, que al ser un resumen de la exactitud de todas las clases,
aquellas clases que presentan menor dificultad en su identificación (con valores de
exactitud cercanos al 100 %), pueden estar contribuyendo a la obtención de una
exactitud global mayor, que no necesariamente representa la exactitud con la cual
se están clasificando las coberturas de interés (Adison Altamirano 2012).
García Mora, et al. (2008) utiliza la Matriz de Confusión para conocer la proporción
de error obtenido en los mapas producidos, las cuales permiten confrontar la
información de los sitios de muestreo y la imagen clasificada. Una interesante
adecuación es la aplicación del método propuesto por Card (1982), que incorpora
los valores de proporción (áreas relativas) de cada una de las categorías
consideradas para compensar el sesgo debido al muestreo estratificado. De esta
manera, una clase con mayor área tendrá más peso que una de área pequeña al
momento de calcular la fiabilidad.
Los sitios de control utilizados para la verificación pueden provenir de diferentes
fuentes o generarse a través de varios procedimientos, sin embargo todos requieren
la condición de representar correctamente la cobertura real existente en el terreno,
puesto que serán utilizados como la verdad. García Mora, et al, 2008 utiliza
fotografías aéreas para verificar los resultados de la clasificación, utilizando un
método de muestreo aleatorio estratificado, cada estrato corresponde a cada una de
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
las clases del mapa. De esta manera se asegura que las categorías de pequeña
superficie sean muestreadas (Mas et al., 2003).
Adison Altamirano (2012) realiza la evaluación de la exactitud para ocho imágenes
clasificadas con distintas estrategias, mediante la construcción de una matriz de
confusión (Congalton y Green 1999), emplea un muestreo aleatorio estratificado de
puntos de control en la imagen clasificada, con 50 puntos por cada cobertura del
suelo utilizada en la clasificación (Lillesand et al. 2008, Chuvieco 2010).
Ahora bien, cuando se trata de evaluar los resultados de varios clasificadores una
vez que se han cuantificado los resultados para cada uno, se puede observar cual
obtuvo el mayor error y el menor, sin embargo, no se puede concluir que uno es
más eficiente que otro sólo con base en una diferencia, ya que es necesario
conocer si las diferencias son estadísticamente significativas. García Mora, et al,
2008 utilizó la metodología propuesta por Foody (2004), que permite evaluar la
significancia estadística de diferencias en la fiabilidad de dos clasificaciones
estimada con base en los mismos datos de verificación. La prueba de McNemar es
una prueba no paramétrica basada en una matriz de confusión de dos por dos que
expresa las relaciones entre las confusiones de las dos clasificaciones en
comparación. El índice de la prueba Z2 expresa la diferencia en los errores
cometidos en las dos clasificaciones. El estadístico Z2 mide la diferencia de la
fiabilidad en comparaciones pareadas de los diferentes clasificadores, para este
caso se necesitaron nueve comparaciones. La prueba de Z2 es así una prueba no
dirigida (prueba de planteamiento bilateral), que indica si existe o no una diferencia
significativa entre las fiabilidades alcanzadas por las dos clasificaciones (Foody,
2004).
Tzitziki García y Jean Francois (2008) señalan que sin usar información a priori
los métodos de clasificación de máxima verosimilitud, clasificador de contexto
SMAP y Perceptrón Multicapa dan resultados cuya fiabilidad es parecida, la prueba
de McNemar no encontró diferencia significativa entre ellos. Pero la implementación
de datos auxiliares resultó en un aumento significativo en la fiabilidad de los mapas
(20 % en la fiabilidad global).
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
MÉTODOS Y MATERIALESMÉTODOS Y MATERIALES
La identificación de cultivos usando imágenes de satélite tiene su base en una larga
serie de estudios sobre el comportamiento de las propiedades físico-químicas de la
vegetación así como su comportamiento en el espectro electromagnético. Las
características propias de cada especie, partes (hojas, tallos), estructura (interna y
externa de las hojas ancho), composición química (presencia de pigmentos), arreglo
espacial (densidad, presencia de otras especies intercalado), estado fonológico y
salud (estrés hídrico, presencia de plagas o enfermedades) y las condiciones
propias de su siembra (boleo, surco, intercalados, presencia de plásticos, malla
sombra, etc.). Son algunas de las condiciones que determinan o modifican el
comportamiento de la vegetación en las distintas regiones del espectro
electromagnético registradas por los sensores remotos.
Partiendo de este conocimiento adquirido, es posible desarrollar modelos de
análisis que nos permitan usar las relaciones existentes entre las propiedades
físicas de los cultivos (parámetro a estimar) y la información espectral contenida en
la imagen (Modelo Deductivo). Bajo este enfoque es posible identificar aquellas
bandas en las que la vegetación tiene un comportamiento diferenciado, y más aún,
aplicar técnicas que potencializen su separación para lograr una clasificación más
precisa de las distintas coberturas vegetales existentes en una región.
Acto seguido se invierte el modelo de investigación para establecer una relación
entre el valor numérico de los pixeles (ND) y los rangos espectrales de los cultivos
presentes en la imagen (Modelo Inductivo). La intención es identificar el
comportamiento espectral de esos cultivos para agruparlos para estimar la
superficie ocupada por ellos, así como su distribución espacial. Es importante
mencionar que dichas relaciones cultivo-ND, son validamente aplicables a la región
y fecha de estudio, cualquier aplicación a otra región, deberá contemplar las
variaciones propias de las condiciones geográficas (coordenadas, altitud, pendiente,
orientación, suleo, clima, etc.) de la nueva zona de estudio. Esto implica un proceso
de ajuste que, en muchas ocasiones, resulta muy complejo y no siempre
suficientemente preciso, ya que es necesario asumir condiciones que rara vez se
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
dan en la naturaleza (p. ej., isotropía en las hojas, terreno plano, reflectividad
lambertiana, etc.). Incluso aunque esta relación entre variable de interés e
información espectral sea consistente, no resulta sencillo obtener esas variables
espectrales, ya que es preciso eliminar de la imagen cualquier efecto extraño a la
señal procedente de la cubierta. Esto implica modelar los efectos atmosféricos, la
geometría de observación, el aporte del sustrato y las condiciones de mezcla con
otras cubiertas, por citar sólo los más significativos. (Dymond et al, 2001; Fourty y
Baret, 1997; Jacquemoud, 1993; Riaño et al, 2005), citado por Chuvieco 2008).
Modelo de investigación.Modelo de investigación.El presente estudio sigue en una etapa inicial, el modelo deductivo de investigación,
basándose en el conocimiento existente sobre el comportamiento de los cultivos, en
las distintas regiones representadas en las imágenes SPOT. Utilizando este
comportamiento se pretende aplicar técnicas de procesamiento a una imagen SPOT
5 del mes de noviembre del 20112, para forzar la discriminación de la mayoría de
cultivos existentes en la Vega del río Metztitlán. En una segunda etapa se cambia el
modelo de trabajo (modelo inductivo), para identificar parámetros característicos
(radiancia) de los diferentes tipos de cultivos existentes en la Vega, dichos
parámetros están en función de las condiciones físicas, químicas y antrópicas
propios de cada cultivo. Sin embargo la relación que existe entre la resolución
espacial de la imagen (10 m en modo multiespectral), y el tamaño de parcelas
existentes en la Vega (cuanto promedio?), limitan fuertemente la posibilidad de
identificar un mayor número de cultivos. Los algoritmos utilizados para la
clasificación de la imagen son de tipo duro y de acuerdo a la bibliografía, los más
usados por los investigadores.
MetodologíaMetodologíaEl procedimiento general aplicado a la imagen de satélite, la información,
paquetería, herramientas y parámetros cartográficos utilizados durante el desarrollo
del presente estudio se mencionan a continuación, los pasos 3 al 7 corresponden al
preprocesamiento general de la información satelital.
1. Determinación del área de Estudio. La selección del área de trabajo es
simplemente por sugerencia del cuerpo de asesores del Colegio de
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
postgraduados. La Vega del río Metztitlán es una región interesante ya que
presenta una diversidad de cultivos (18 SIAP, 2012) y múltiples tamaños de
parcelas, algunas con superficies muy pequeñas, se tienen identificadas
5,300 parcelas (Ojeda, 2010) con superficies que van desde las 0.01 ha,
hasta parcelas de casi 30.0 ha, lo que representa un reto interesante para los
clasificadores usados.
2. Recopilación de información. Se busco información vectorial, raster,
estadística y de cualquier otro tipo, que contuviera información sobre la
temporalidad, tipo de cultivos y sistemas de siembra existentes en la Vega de
Metztitlán, preferentemente lo más actualizada posible.
Selección de imagen . Las imágenes SPOT 5 reúnen condiciones
radiométricas (4 bandas) y espaciales (píxel de 10 m) adecuadas para
la identificación de cultivos. Adicionalmente se contemplo la
disponibilidad de imágenes, incrementada por la existencia de la
antena Ermex y finalmente se decidió utilizar una imagen SPOT.
3. Trabajo de campo. Esta pensado y diseñado para obtener información que
permita conocer el tipo de cultivos existentes en la zona, las condiciones en
que se encuentran y la proporción de cada uno de ellos con respecto al total
de la superficie agrícola en la Vega.
Tamaño de muestra . Se emplea el marco de muestreo por áreas,
utilizado por el Pronespre (2003-2006), aumentado significativamente
el tamaño de muestra (al doble), para este caso se muestrea el 7% de
la zona agrícola (306 ha).
Generación de segmentos . Se diseñan unidades de muestreo de
12.25 ha (cuadrados de 350 x 350 m), distribuidos de manera aleatoria
en toda el área agrícola y generados con el programa Arc View 3.3.
Digitalización . Mediante digitalizaciones en SIG, se aíslan cada una de
las coberturas (parcelas) identificadas en el segmento a través de
fotointerpretación.
Recorrido . Está planeado para tener correspondencia temporal entre
el comportamiento de los cultivos en el ciclo primavera – verano y la
toma de la imagen (noviembre 2012). Se emplearon equipos GPS
para ubicar y recorrer cada uno de los sitios de muestreo.
Captura . La información obtenida en campo sobre el tipo y
condiciones de cada cobertura es ingresada a una base de datos
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
relacional, que sirve para análisis estadísticos y es usada para
determinar las distintas clases a identificar en la imagen de satélite.
Edición y limpieza . Se estandarizan los atributos de la base de datos y
se asignan claves de identificación para cada una de las coberturas
identificadas, según sus condiciones existentes al momento del
recorrido.
4. Revisión radiométrica. Busca eliminar y/o compensar errores radiométricos,
distorsiones y ruido producido por deficiencias del sensor, en las 4 bandas de
la imagen satelital, para este caso no se detectaron alteraciones que
requieran correcciones adicionales.
5. Orthorrectificación. Rectifica la imagen en la proyección cartográfica UTM
zona 14, y corregir los errores residuales de paralaje debido al relieve gracias
a la utilización de un MDE. (Martínez, Julio, 2005).
6. Recorte. Se realiza para agilizar el procesamiento de la información satelital
y reducir confusiones al momento de la clasificación, se extrae información
exclusivamente de aquellas zonas que han sido fotointerpretadas como
agrícola (4, 800 ha, aproximadamente).
7. Análisis morfométrico. Se aplican procesos de apertura, cierre y análisis de
texturas, para favorecer un comportamiento más homogéneo al interior de las
parcelas, sin perder su diferencia con otras coberturas. La intención es
obtener una distribución normal (de tipo gaussiano) en las muestras
utilizadas para la clasificación.
8. Bandas artificiales. Derivado del comportamiento que la vegetación tiene en
las distintas bandas del espectro electromagnético, se aplican
procedimientos aritméticos que permiten “aumentar” la capacidad de
separación para los diferentes cultivos (R-IRC o V-IRM). También se aplican
técnicas para mejorar la distribución espectral y reducir el ruido de la
información de la imagen (CP), así como aquellas que caracterizan mejor
algunas cualidades de los objetos brillo, verdor y humedad (TTC).
9. Validación de la calidad de la información. La información obtenida en
campo (340 polígonos) es utilizada determinar la cantidad de cultivos a
clasificar. La calidad de cada uno de ellos debe ser revisada para evitar
utilizar aquellos cuyos parámetros estadísticos (minima, máxima, media y
desviación) sean anómalos al comportamiento espectral esperado para cada
clase.
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
Revisión de polígonos . Se realiza una inspección visual de los 340
polígonos identificados en el trabajo de campo, sobrepuestos sobre la
imagen orthorrectificada para verificar que los límites de los polígonos
coincidan con los límites de la parcela en la imagen.
Línea del suelo . Utilizando los valores medios de la banda rojo e
infrarrojo, para cada parcela, se genera un coeficiente que es utilizado
para determinar el uso o no de esa parcela en la generación de
muestras.
10.Clasificación. Cada píxel es asignado a un grupo de valores homogéneos,
de reflectividad similar en cada banda. Es este estudio se utilizaron los
algoritmos de Paralelepípedos, Minima distancia, Distancia de Mahalanovis,
Máxima Probabilidad y KSS para la clasificación de cuatro tipos de
imágenes. La imagen de bandas originales y la imagen de bandas artificiales,
este procedimiento aplica tanto para imágenes de resolución de 10 m como
para las de resolución de 2.5 m.
11.Validación de la clasificación. Debido a que dos o más tipos de cubierta
vegetal pueden presentar respuestas espectrales similares debe existir una
revisión de los parámetros de clases, para evitar confusiones durante el
proceso de asignación. Después de la clasificación es imprescindible conocer
la precisión obtenida en el proceso.
Separabilidad . Evalúa la capacidad discriminante de cada categoría se
calcula usando las matrices de la media y covarianza. Distancia XX
Matriz de Confusión . Realiza una confrontación de las dos fuentes de
información (campo-imagen) e Indica la precisión obtenida en la
clasificación, a través del cálculo de los pixeles correctamente
clasificados.
Indice Kappa . se calcula para conocer el grado de concordancia entre
la realidad y la clasificación. La fiabilidad global no siempre representa
la fiabilidad de cada cobertura.
12.Análisis de resultados. Se generan registros para cada cultivo donde se
obtiene la precisión de cada uno con respecto a los datos de campo, para los
cinco algoritmos utilizados. De todos los parámetros de verificación
generados (matriz de confusión, separabilidad, índice kappa y otros) se
pondera cada uno de ellos y se realiza una comparación para asignar el valor
final de cada uno de los algoritmos. Adicionalmente se revisa cuales bandas
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
(originales y artificiales) ofrecen la mejor separabildad entre coberturas para
sugerir una composición de imagen que permita clasificar con la mayor
certeza posible.
Como complemento se realiza un análisis entre la calidad de la clasificación
para cada uno de los cultivos de mayor representación en la Vega (maíz,
frijol, calabaza y nuez) y su relación con el tamaño de parcela. La intención
es identificar si existe un tamaño mínimo de parcela a partir de la cual ese
cultivo es aceptablemente identificado.
Material y EquipoMaterial y EquipoBases de datos. Están constituidas por series de Información estadística, de las
distintas variables de superficie reportadas por instituciones federales (sembrada,
cosechada y siniestrada):
Registros administrativos de la Sagarpa por Municipio del estado de Hidalgo,
años 2007 a 2012.
Registros estadísticos del INEGI por municipios del DDR Zacualtipan, años
2007-2012.
VIII Censo agrícola, ganadero y forestal publicado por INEGI, año 2008.
Fechas de siembra y cosecha de la Sagarpa, publicado en 2007.
Información vectorial. Es información digital formada por objetos independientes
(líneas, arcos o polígonos), con atributos cartográficos (Elipsoide, Datum y
coordenadas UTM), presentada en formato SHP:
Uso del suelo y vegetación serie IV, generada por INEGI, año 2008.
Área agrícola digitalizada del estado de Hidalgo, generada por Aserca
(Sagarpa), año 2006.
Parcelas de la Vega de Metztitlán, Colegio de Postgraduados 2010.
Unidades de muestreo de campo (Segmentos), elaboración propia con
metodología de Sagarpa, 2012.
Unidades de muestreo de campo (capturadas), 2012.
Parcelas de entrenamiento por cultivo, elaboración propia, 2012.
Índice de suelo en parcelas de entrenamiento, elaboraci
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
Raster (Imágenes de Satélite). Información digital representada en mallas, divide
la superficie terrestre en celdas regulares donde cada una de ellas representa un
valor único correspondiente a una región del espectro electromagnético. Para este
estudio las imágenes utilizadas son del SPOT y las derivadas de procesamientos
aplicados:
Imagen SPOT pancromática de 2.5 m (noviembre 2012)
Imagen SPOT multiespectral de 10 m (noviembre 2012)
Imagen SPOT fusionada de 2.5 m en “color natural” (noviembre 2012)
Imagen con procesos de apertura, cierre y análisis te textura.
Imagen multiespectral, IV, CP y TTC.
Imagen fusionada, IV, CP y TTC.
Clasificación temática (5 procesos) imagen multiespectral, IV, CP y TTC,
Minima Distancia, Distancia de Mahalanobis, Máxima Probabilidad,
Paralelepipedos, Análisis Lineal Discriminante (Fisher).
Clasificación temática (5 procesos) imagen fusionada, IV, CP y TTC, Minima
Distancia, Distancia de Mahalanobis, Máxima Probabilidad, Paralelepipedos,
Análisis Lineal Discriminante (Fisher).
Imágenes de Google Earth (consulta por Internet), febrero y marzo 2012
Orthofotos digitales, generadas por INEGI (consulta WMS), 20XX.
Modelo digital de elevación, zona UTM 13, generado por INEGI
Programas informáticos. Conjunto de instrucciones para realizar alguna tarea
especifica en la computadora; en este caso, mayoritariamente se especializan en
aspectos geográficos:
Erdas Imagine V. 9.1
Idrisi Selva
Arc Gis V. 9.3
Arc View V. 3.2
PCI Geomática V. 9.1
Arc Pad V. 8.0
Ozzie Explorer V. 3.2
Office 2007
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
Parámetros Cartográficos. Toda la información vectorial, imágenes satelitales,
cartografía digital y demás insumos fueron reproyectados y trabajados en
proyección UTM, zona 14, con Datum WGS 84 y Elipsoide WGS 84.
UTM . Sistema de coordenadas basado en la proyección cartográfica
transversa de Mercator, que se construye como la proyección de Mercator
normal, pero en vez de hacerla tangente al Ecuador, se la hace tangente a
un meridiano. A diferencia del sistema de coordenadas geográficas,
expresadas en longitud y latitud, las magnitudes en el sistema UTM se
expresan en metros al nivel del mar.
Datúm WGS84 . Siglas en inglés de World Geodesic System, sistema de
coordenadas cartográficas mundial que permite localizar cualquier punto de
la Tierra, es un estándar en geodesia, cartografía, y navegación, que data de
1984. Tuvo varias revisiones (la última en 2004), y se considera válido hasta
una próxima, se estima un error de cálculo menor a 2 cm, por lo que se basa
el Sistema de Posicionamiento Global (GPS).
Elipsoide WGS84 . Consiste en un patrón matemático de tres dimensiones
que representa a la Tierra por medio de un geoide (cuerpo geométrico más
regular que la Tierra), que se denomina WGS 84.
Equipo
La tecnología del mapa móvil ofrece la oportunidad de utilizar computadoras de
bolsillo que reciben señales del sistema GPS para obtener posiciones sobre la
superficie terrestre; adicionalmente, tiene el beneficio de poder visualizar
información vectorial y raster (imágenes satelitales).
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
CAPITULO 1 GENERALIDADESCAPITULO 1 GENERALIDADES
Área de estudio.Área de estudio.Es la porción de la Vega del río Metztitlán contenida en el municipio del mismo
nombre. Se ubica en la porción central del Estado de Hidalgo, en un área de
transición entre dos unidades geomorfológicas: la Sierra Madre Oriental y el
Sistema Volcánico Transversal (figura 1). La parte norte tiene un lago que se
localiza a una altura de 1,253 msnm, su origen se debe a la obturación del valle por
un importante deslizamiento, seguido de un desprendimiento de material, (García,
Hubp y Palacios 1996). Es parte de una cuenca endorreica que posee una
superficie de 3,230 km2, la región pertenece a la vertiente del Golfo de México y
forma parte de la cuenca del Río Pánuco.
Figura 1. Vega de Metztitlán.
Fuente: García, Hubp y Palacios 1996
El clima que prevalece es del tipo calido seco con temperaturas promedio del orden
de los 25 ºC, el periodo de lluvias se presenta entre los meses de junio a
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
septiembre con precipitaciones promedio de 500 mm, los meses restantes son de
estiaje.
El valle tiene laderas escarpadas y fondo plano producto de los sedimentos que la
han colmatado (acumulación de sedimentos), presenta inundaciones y procesos de
ladera que ponen en peligro constante a habitantes y la agricultura (principal
actividad económica de la zona), provocando grandes daños a la economía, en
septiembre de 1993 el huracán Gert ocasiono pérdida de cosechas, destrucción de
canales, incomunicación de poblaciones y destrucción de casas, entre otros daños.
En la Vega del Rio Metztitlan se tiene un área de cultivo de 4,884 ha (Ojeda, 2010),
en el municipio se siembran diversos cultivos, con tres cosechas al año que
abastecen los mercados de Pachuca y el D.F. principalmente (Ojeda, 2010). La
complejidad del área se aprecia en la diversidad de productos con 18 cultivos
reportados, de los cuales el maíz y el frijol concentran el 83% de la superficie
sembrada además de producir cereales, legumbres así como cultivos horticolas y
frutales (SIAP 2012). Se tienen identificadas 5,300 parcelas (Ojeda, 2010) con
superficies que van desde las 0.01 ha, hasta parcelas de casi 30.0 ha y un registro
de 2,500 productores.
Características espectrales de la vegetación (Vis, IRc IRm)Características espectrales de la vegetación (Vis, IRc IRm)El estudio de la vegetación usando técnicas de percepción remota, por lo general,
basa su interés en la medición de la reflexión difusa que presentan la superficie
terrestre a intervalos de una longitud de onda específica (bandas). La reflexión de la
las comunidades vegetales es cuantificada por mediciones de la energía incidente y
la energía reflejada, conocido como espectro de reflexión, Ciceana. Figura 1
Figura 1 espectro de reflexión.
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
Ciceana, consulta 2013
A través de la medición de la energía reflejada, es posible identificar
comportamientos particulares para las principales coberturas vegetales (cultivos,
vegetación natural, etc.) y construir una curva espectral para cada una de ellas. El
comportamiento de la absorción, transmisión y reflexión, dependerá en buena
medida del material del que esta compuesta cada cobertura. Basados en la premisa
anterior, para estudiar el comportamiento de los cultivos, es fundamental conocer su
composición y las propiedades que condicionan su comportamiento en las distintas
longitudes de onda.
Existen múltiples factores que modifican la energía recibidas por los sensores, estos
pueden ser agruparse en tres grandes grupos, (Belward, 1991; Colwell, 1974;
Gausman, 1977; Guyol et al, 1989; Sellers, 1989).
Entendiendo el flujo que sigue la energía registrada por los sensores instalados en
los satélites de observación terrestre, (figura 2), es fácil entender por qué en
estudios de percepción remota la parte más importante de las plantas son las hojas,
el dosel vegetal (numero de capas y disposición) es la zona que tiene el primer y
mayor contacto con la energía proveniente del sol. Las hojas son las encargadas de
realizar prácticamente la totalidad de la fotosíntesis, así como la respiración y la
transpiración vegetal.
Figura 2. Flujo de energía registrado por los satélites
Fuente Internet 2013
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
Pigmentos. La coloración es uno de los factores que condicionan el comportamiento
de la energía incidente en la vegetación. El color verde es un indicador de
vegetación sana o fotosintéticamente activa, la fotosíntesis es un proceso mediante
el cual algunos organismos capturan energía en forma de luz y la transforman en
energía química. Durante esta etapa se producen reacciones entre la luz solar y la
clorofila. La clorofila es un compuesto orgánico, formado por moléculas que
contienen átomos de carbono, hidrógeno, oxígeno, nitrógeno y magnesio. La
coloración de la vegetación es una respuesta de las propiedades químicas de los
pigmentos contenidos en las hojas (clorofila, caroteno, xantofilas y antocianina). El
color de la vegetación sana se debe a la predominancia de clorofila, que absorbe
las longitudes de onda roja y azul y refleja la verde. Cuando disminuye el contenido
de clorofila y aumenta la de los otros pigmentos, la mayor reflexión ocurre en la
longitud de onda roja, de ahí las coloraciones amarillas y rojas.
Estructura celular. La estructura celular de las hojas (grosor y composición) es otro
de los factores que condicionan el comportamiento de la energía incidente. El
Mesófilo es el tejido fundamental de la hoja, esta formado por dos estructuras
diferenciadas y con funciones definidas:
1. El Parénquima en empalizada, esta constituido por células alargadas y
densamente empaquetadas ubicadas justo por debajo de la superficie
superior de la hoja, la mayor parte de la fotosíntesis ocurre en estas
células.
2. El Parénquima esponjoso, esta formado por células de contorno irregular
situadas en el interior de la hoja, con grandes espacios intercelulares
llenos de gases, que incluyen vapor de agua, oxígeno y dióxido de
carbono.
Figura 3. Estructura interna de las hojas.
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
Fuente: http://www.cobach-elr.com/academias/quimicas/biologia/biologia/curtis/libro/c36b.htm
Los gases presentes en el espacio intracelular del parénquima esponjoso son los
responsables de la reflexión de la energía en la longitud de onda del infrarrojo
cercano, mientras más desarrollados estén estos tejidos, mayor será la reflectancia.
Las hojas sanas ofrecen una alta reflectividad del infrarrojo, producto de un
adecuado desarrollo de la planta.
Figura 4. Comportamiento de la radiación solar en una hoja común
Fuente: Internet 2013
Contenido de humedad. El tercer factor que condiciona el comportamiento espectral
de la vegetación es la cantidad de agua libre dentro del tejido foliar. Una mayor
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
presencia de humedad en las plantas, se traduce en una mayor absorción de la
energía en la región del infrarrojo medio, también conocido como de onda corta, y
por ende, valores de reflección bajos, a medida que disminuye el contenido de
humedad aumentan los valores de reflexión. Medidas en laboratorio indican que la
reflectividad de hojas secas (higuera) alcanzó hasta cuatro veces el valor de las
hojas húmedas, en la región de región 1,9 ^m (Short, 1982).
Existen otras condiciones de las plantas que condicionan el comportamiento de la
energía reflejada; el área foliar, la forma de las hojas, su distribución en las plantas,
la geometría del dosel, el componente leñoso y otras. (Chuvieco, E, XXXX). El
estado fenológico de los cultivos y la salud de las plantas (estrés hídrico, deficiencia
nutricional o presencia de plagas y enfermedades) es otro factor que modifica la
magnitud de la información reflejada por las plantas. En el primero se puede
mencionar como la cobertura del cultivo con respecto a una superficie del suelo
(índice área foliar), si el IAF es bajo el sensor estará registrando información del tipo
de suelo, isotropía de las hojas o la mezcla con otros cultivos, etc. En el caso de
vegetación enferma se ha demostrado que estas reflejan menos luz verde,
produciendo distintas respuestas espectrales. En la figura 3 se aprecia del lado
izquierdo la reflectancia típica de maíz saludable y del lado derecho la reflectancia
hipotética de un maíz estresado, puede observarse la diferencia entre ellas en las
regiones visible e infrarroja del espectro.
Figura 5. Reflectancia teórica entre vegetación sana y estresada.
Fuente: Martini, Axel Von, et al.
Por ultimo pueden mencionarse otros aspectos que también intervienen en la
respuesta de los cultivos ante la energía recibida, estos no son propios del objeto de
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
estudio, están mas enfocados en la situación geográfica de la planta, pendiente,
orientación, asociación con otros cultivos, geometría de plantación, así como las
condiciones atmosféricas, geometría de observación, altura del sol, humedad del
ambiente, presencia de sombras, etc. (Chuvieco, E, XXXX)
De lo anteriormente descrito, puede observarse que existen regiones del espectro
electromagnético que registran comportamientos significativos de la vegetación,
estas mediciones nos indican las condiciones de desarrollo (estado fenológico) y
salud (estrés hídrico, deficiencia de nutrientes o presencia de plagas o
enfermedades) para cada grupo de cultivos. Así, la banda Verde nos indica la
cantidad de pigmentos (clorofila), el infrarrojo cercano la salud de la vegetación e
incluso sirve para diferencias ciertas especies, y el infrarrojo medio muestra el
contenido de humedad en la hoja que puede asociarse a un buen desarrollo o
niveles de estrés por falta de agua.
Entendiendo este comportamiento particular de la vegetación es posible
diferenciarlas de otras coberturas terrestres, así que el manejo de bandas
adecuadas, tanto las registradas por el sensor como aquellas realizadas por el
interprete (NDVI, CP, TTC) utilizadas para identificar diferentes tipos de cultivos e
incluso el estado de ellos. Sin embargo no debe perderse de vista que estas
mediciones hacen referencia a una masa de vegetación, su capacidad discriminante
estará, en buena medida, sujeta a la resolución espacial de la imagen satelital y la
combinación de sus componentes: el tipo, la densidad, el grado de desarrollo, su
estado fenológico, y la naturaleza del suelo entre las plantas, si está desnudo o si
posee materia orgánica, etc. González Iturbe, José Antonio XXXX. Tampoco se
debe olvidar que la respuesta espectral puede ser ligeramente variable para una
cobertura y también puede variar con el tiempo y el lugar.
Imágenes SPOTImágenes SPOTHistoria. El Sistema Para la Observación de la Tierra (Systeme Pour Observation de
la Terre) (SPOT) es un sistema desarrollado y financiado por Francia, para enviar
sensores espaciales de alta resolución visible (HRV). Inicio actividades en 1986, el
primer satélite SPOT se lanzó en 1986, desde entonces se han lanzado otros cuatro
satélites en 1990, 1993, 1998 y 2002. Orbita a una altitud de unos 822 km, con una
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
inclinación de 98° y un período orbital de 101 min, enta con una órbita heliosíncrona
y la duración del ciclo es de 26 días.
Entre las novedades más interesantes de este satélite se contaba la incorporación
de dos equipos de exploración por empuje denominados HRV {Haute Resolution
Visible). Estos dos sensores obtenían imágenes en dos modalidades: pancromático
y multiespectral (V, R, IRC), con una resolución espacial de 10 y 20 m,
respectivamente (figura 6). El área cubierta en cada escena es de 60 km de lado,
por lo que estos sensores necesitaban incorporar 3.000 detectores en modo multi-
espectral y 6.000 en modo pancromático.
Figura 6, Sensores SPOT
Fuente: CNES 2012
Otra importante novedad que incluyo el satélite SPOT es la capacidad del sensor
HRV para variar su campo de visión, gracias a un dispositivo móvil instalado en el
equipo óptico, lo que permitió observaciones no verticales, de hasta 27° a ambos
lados del nadir. Esto también posibilitaba observar la misma zona en órbitas
sucesivas, reduciendo la frecuencia temporal de las imágenes si resultaba
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
necesario (de 26 días a 2-3 días según las latitudes). Además el HRV podía adquirir
imágenes estereoscópicas, lo que añadía a su potencial temático una clara
capacidad topográfica (fig. 7). Algunas experiencias de restitución digital permitieron
obtener modelos digitales del terreno con escalas de hasta 1:50.000 a partir de
imágenes SPOT (Toutin y Beaudoin, 1995).
Figura 7. Adquisición de imágenes estereoscópicas.
Fuente: Chuvieco XXXX
Además del sensor HRV, los siguientes satélites SPOT incorporaban dos equipos
de apoyo, el DORIS, que proporcionaba un seguimiento muy preciso de la posición
del satélite, y el POAM (Polar Ozone and Aerosol Measurement), incorporado en el
SPOT-3, que medía el contenido de ozono, aerosoles, nitrógeno, oxígeno y vapor
de agua. Poseía 9 canales comprendidos entre el ultravioleta e infrarrojo cercano
(Kramer, 2002).
El lanzamiento del SPOT-4 en 1998 supuso una mejora notable, el sensor de alta
resolución pasó a denominarse HRVIR, incorporando una nueva banda en el SWIR.
El último satélite de la serie, el SPOT-5, lanzado en mayo del 2002 mejoró
asimismo la resolución espacial del HRVIR (de 10 a 5 o 2,5 m en el pancromático y
de 10 m en el multiespectral, salvo el SWIR que sigue con 20 m). En los SPOT-4 y
5 se ha incorporado otro sensor de carácter más global, se denomina Vegetation, y
cuenta con una resolución espacial de 1 km^, en 4 bandas espectrales (A, R, IRC,
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
SWIR, las mismas que el HRVIR), cubriendo un área de 2.250 km, lo que permite
una adquisición diaria sobre todo el planeta.
Actualidad. Hoy en día es posible generar datos a 4 niveles de resolución (20 m, 10
m, 5 m y 2,5 m), en modo « blanco y negro » y color, para un campo de observación
sin modificaciones de 60 km en el nivel de tierra. Los productos de 2.5 m a color
corresponden a la fusión de dos imágenes distintas, una de ellas en modo
pancromático de 2,5 m y la otra en modo multiespectral de tres bandas de 10 m.
Dado que la imagen de 2,5 m es en si misma el resultado de la fusión de dos
imágenes de 5 m, para producir el producto 2,5 m color es necesaria la adquisición
simultánea de tres imágenes por parte de uno de los instrumentos HRG. La imagen
obtenida es una imagen color de 3 bandas de 2,5 m, en la geometría de la imagen
pancromática
Figura 8. Productos SPOT
Fuente: CNES 2012
En México se instalo en el año 2003 una antena receptora (Ermex) y una terminal
avanzada, para recepción, almacenamiento, extracción y archivo de datos “SPOT”
recibidos en la “ERMEXS”, así como la administración y el procesamiento de datos
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
“SPOT” para la producción de productos básicos a niveles 0, 1a, 1b y 2a. Mediante
el pago de telemetría el contrato el contrato de funcionamiento ofrece la posibilidad
de distribuir imágenes libremente a dependencias federales, estatales, municipales
y centros de investigación, para su uso. En el año 2012 se instala una nueva antena
(Ermex NG), para bajar y distribuir imágenes de los satélites SPOT 6 y 7
(lanzamiento 2012 y 2014) y así asegurar una continuidad en la información del
país.
Para el presente estudio se utilizaron imágenes del SPOT 5, una pancromática (2.5
m) y una imagen multiespectral (10 m). No es conveniente usar una imagen de 2.5
m a color directamente del proveedor porque esta sacrifica no contiene la
información del infrarrojo medio Figura 9
Figura 9, Bandas satélite SPOT
Fuente: Elaboración propia
µm
Taxonomía de cultivos existentes en la zonaTaxonomía de cultivos existentes en la zonaPartiendo de las consideraciones vistas en el comportamiento espectral de la
vegetación, es posible realizar una clasificación a priori de los principales cultivos
(maíz, frijol, calabacita y nuez), partiendo de la estructura celular de sus hojas,
disposición de seimbra, etc.
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
Maiz. Como las de otras gramineas, esta constituida de vaina, cuello y lamina.
http://books.google.com.mx/books?
id=NBtu79LJ4h4C&pg=PA407&dq=estructura+hojas+de+maiz+botanica+de+cultivo
s+tropicales&hl=es&sa=X&ei=aAUtUYiPHKi42QXRkYHQBw&ved=0CC4Q6AEwAA
#v=onepage&q=estructura%20hojas%20de%20maiz%20botanica%20de
%20cultivos%20tropicales&f=false
Frijol. La estructura en un corte transversal presenta una epidermis superior
medianamente ondulada, a menudo muy pilosa. El mesófilo se forma de una capa
de una capa de celulas en empalizada y de tres a cuatro capas de parenquima
lacunoso. La epidermis inferior se compone de celulas mucho mas pequeñas que la
superior y tiene muchos estomas, asi como muchos pelos pluricelulares rectos,
curvos o redondos. Jorge Leon.
http://books.google.com.mx/books?
id=NBtu79LJ4h4C&pg=PA192&dq=estructura+hojas+de+frijol+botanica+de+cultivos
+tropicales&hl=es&sa=X&ei=VgUtUeGsFsXs2QWBw4DQDg&ved=0CC4Q6AEwAA
#v=onepage&q=estructura%20hojas%20de%20frijol%20botanica%20de%20cultivos
%20tropicales&f=false
Calabacita.
http://books.google.com.mx/books?
id=NBtu79LJ4h4C&pg=PA146&dq=estructura+hojas+de+calabacita+botanica+de+c
ultivos+tropicales&hl=es&sa=X&ei=VwYtUeifIZTN8QHazIC4Ag&ved=0CDAQ6AEw
AA#v=onepage&q=estructura%20hojas%20de%20calabacita%20botanica%20de
%20cultivos%20tropicales&f=false
Nuez. No es debe ser pecanera
http://books.google.com.mx/books?
id=NBtu79LJ4h4C&pg=PA127&dq=estructura+hojas+de+nuez+botanica+de+cultivo
s+tropicales&hl=es&sa=X&ei=BgstUZevB-r-
2QXI34HwCw&ved=0CDQQ6AEwAQ#v=onepage&q=estructura%20hojas%20de
%20nuez%20botanica%20de%20cultivos%20tropicales&f=false
maiz
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
Zea mays (corn) leaf cross section, 100X.
A = spongy mesophyll; B = upper epidermis; C = upper cuticle; D = xylem; E = vein; F =
phloem; G = lower cuticle; H = guard cell and stoma
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
X
Transformaciones Índices, CP, TC, IHS, IRC/IRM, V/IRM o R/IRMTransformaciones Índices, CP, TC, IHS, IRC/IRM, V/IRM o R/IRM
La cantidad de energía emitida por la vegetación y que es registrada por los
sensores espaciales depende de una serie de condiciones físicas, químicas y
biológicas del propio cultivo, Lenom Cajuste (1991) indica que los sensores son
capaces de detectar cambios relacionados con alguna propiedad física del objeto,
estos proporcionan información de la superficie terrestre, de manera discreta, es
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
decir, solamente de una porción del espectro electromagnético con una longitud de
honda específica. A estos se suman las alteraciones introducidas por el entorno
geográfico (suelo, pendiente, orientación, temporalidad y otros) y las condiciones de
toma (atmosfera, geometría, etc.), que modifican la señal “natural” de los cultivos.
Aún así, la respuesta espectral de los distintos tipos de vegetación se comportará
de manera similar para una región y un periodo de tiempo definido (firma espectral),
pero nunca será la misma, siempre se presentaran pequeñas variaciones, producto
de la variación de las situaciones que afectan el desarrollo del cultivo. Este
comportamiento particular de cada cobertura, hace posible, hasta cierto punto,
identificar ciertos tipos de cultivos, diferenciarlos de otras coberturas y cuantificarlos.
Cuando se realiza un inventario de cultivos a través de los métodos tradicionales de
clasificación de imágenes satelitales, se utiliza la información espectral de los
pixeles para identificar grupos de igual comportamiento, que representan, en teoría,
un mismo tipo de cobertura. Sin embargo, los limites naturales de los cultivos
(parcelas), casi nunca coinciden con los limites de las unidades mínimas de
representación (pixeles), es decir, siempre existirán pixeles cuyo ND corresponda
netamente a superficies ocupadas por cultivos, pero también habrá presencia de
pixeles cuyo ND será una combinación de distintas coberturas contenidas en la
superficie representada por el píxel.
Se tiene entonces una distribución de la reflectividad de los cultivos, sobre
porciones del espectro electromagnético (bandas espectrales). Como el parámetro
discriminante para la separabilidad de cultivos es el ND de los pixeles, es
fundamental contar con la mejor distribución posible de esos valores radiométricos
en todas las bandas usadas para la clasificación. Las bandas originales de las
imágenes satelitales (visible e infrarrojo en la mayoría de los casos), adquiridas a
los distribuidores contienen una serie de correcciones espectrales, radiométricas y
espaciales, cuya intención es aumentar la calidad de las mismas. Sin embargo en
muchas imágenes, por las condiciones particulares de geografía y temporalidad,
requieren un análisis espectral más detallado con la intensión de minimizar las
variaciones locales y maximizar la distribución de los valores contenidos en la
imagen.
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
El análisis espectral puede definirse como el uso de las técnicas computacionales,
para estudiar la estructura y comportamiento de la información contenida en una
imagen satelital. Las técnicas empleadas generalmente son de naturaleza
matemática, aunque existen otras que tienen su apoyo en realces visuales. Los
métodos basados en un criterio espectral, dan mayor preferencia a los cambios
ocurridos a nivel de píxel y su posición dentro de un espacio espectral. La aplicación
de estos procesos tiene la intención de generar una nueva imagen donde la
distribución de la población (pixeles) facilite el reconocimiento de patrones que
ayuden en la separabilidad de coberturas específicas. Una de las ventajas del
análisis espectral radica en la posibilidad de trabajar en un espacio creado en varias
dimensiones (análisis multivariado) según la capacidad espectral del sensor
(imágenes multiespectrales) que aumenta la información para discriminar las
coberturas terrestres, donde la identificación del objeto de estudio puede ser
identificada y analizada.
Lenom Cajuste (1991) indica que las técnicas aplicadas en enfoques numéricos se
encuentran basadas en conceptos y herramientas matemáticas, esto permite contar
con mediciones objetivas en base a un cierto grado de probabilidad. Estas técnicas
se dividen en dos tipos, aquellas de índole cualitativo, que están basadas más en el
aspecto y la cualidad de las entidades presentes en la imagen, y los métodos
cuantitativos, aquellos que están basados en los números digitales de los pixeles,
estos últimos estudian a las poblaciones contenidas en la imagen (pixeles) en dos
formas, 1) Bajo la suposición que las poblaciones tienen una distribución normal
(paramétrica) y 2) Aquellos que tienen una distribución no normal (no-paramétricos).
Se puede concluir que para elevar la capacidad de las imágenes satelitales en la
identificación y cuantificación de cultivos, es necesario y posible, aplicar técnicas de
procesamiento para:
1. Mejorar la distribución de los valores espectrales (nube de datos) en las
banas originales de la imagen.
2. Generar bandas alternas, de manera artificial, para aumentar la capacidad
discriminante de la imagen, de acuerdo al objeto de estudio (cultivos), y
resaltar aquellos comportamientos característicos de la vegetación.
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
3. Generar información no contenida directamente en las imágenes a través
operaciones algebraicas, que potencializen el comportamiento de una
variable para ayudar en la discriminación
Índices de vegetación.
Los índices de vegetación son medidas cuantitativas, basadas en los valores
digitales, que tienden a medir la biomasa o vigor vegetal. Es producto de valores
espectrales que son sumados, divididos, o multiplicados para producir un simple
valor que indique la cantidad o vigor de vegetación dentro de un píxel. Altos valores
de índices de vegetación identifican píxeles cubiertos por vegetación saludable. Un
índice de vegetación muy simple puede ser dividiendo la medida de la reflectancia
del infrarrojo por la del rojo. A mayor contraste entre las medidas del rojo e
infrarrojo, mayor vigor vegetal. Bajos valores de contraste significan una vegetación
enferma hasta llegar a zonas sin vegetación (suelo y agua). Los índices de
vegetación han sido empleados en dos clases separadas de investigación.
utilizan estos índices como indicadores, mediante comparaciones entre los
mismos, para monitorear el crecimiento y la productividad de específicos
cultivos, o de fluctuaciones estacionales o anuales en productividad.
usa los índices de vegetación como un dispositivo de mapeo. En tal caso se
usan los índices de vegetación para asistir en la clasificación de imágenes,
distinguir áreas con vegetación de aquellas sin vegetación, para distinguir
entre diferentes tipos y densidades de vegetación y para monitorear
variaciones estacionales en el vigor del vegetativo, abundancia y distribución
Pendiente. Los índices muestran el estado y la abundancia de la cobertura vegetal y
de la biomasa. Como se generan a partir de cocientes de bandas, los problemas de
iluminación diferente debida a la topografía se minimizan, ya que se estarían
produciendo valores relativos en lugar de absolutos. Estos índices son susceptibles
a la división por cero, por este motivo se utilizan las normalizaciones.
Distancia. Miden el grado de vegetación presente a través de la diferencia de
cualquier reflectancia de píxel, con la reflectancia del suelo desnudo. Los píxeles
que caen cerca de la línea de suelo o en ella son de suelo, mientras que los que
caen lejos de ésta, se asumen como vegetación.
Hoja 15
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
Indice Ka, Roberto Luegano (XXXX) menciona la incorporación de constantes
(0.801) en el NDVI para evitar valores negativos o muy pequeños
Otros autores proponen eliminar valores negativos y expander el rango a 250, a
traves de la siguiente ecuación
Ortogonal. Consiste en la transformación de bandas espectrales disponibles para
formar un nuevo conjunto de bandas no correlacionadas, dentro de las cuales una
imagen de índices de vegetación verde puede ser definida. Cap II IV
Con estos índices, cuatro o más bandas son transformadas dentro de un conjunto
de nuevas imágenes, una de las cuales describe la vegetación. En el presente taller
será empleado el índice de Tasseled Cap, el cual usa un conjunto de cuatro bandas
MSS o seis TM, para producir otras imágenes nuevas. La imagen GVI (índice verde)
representa la vegetación. Otras imágenes producidas representan el índice del
suelo (SBI), el índice de vegetación amarilla (YVI) y el índice de no-tal (NSI). El
nombre de la transformación describe la forma de un plot de pixeles en el espacio
de GVI-SBI, para una imagen que tiene vegetación en diferentes etapas de
desarrollo. T10
Componentes Principales.
La técnica de Componentes Principales, es tal vez una de las más empleadas para
el manejo de información digital en las imágenes, esta es muy empleada para
eliminar la información redundante, presente en la mayoría de las imágenes
satelitales. Una de los usos más comunes es la detección de la información
considerada como ruido en una de los componentes resultantes, la cual se elimina
al momento de recomponer la imagen original.
En las imágenes la primera componente típicamente representa el fondo del suelo,
mientras que la segunda representa la variación en la cobertura vegetal.
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
Taseled Cap
Provee coeficientes globales que son usados para darle peso a las bandas
originales generando bandas nuevas transformadas. Los pasos negativos GVI en
las bandas del visible minimizan el efecto del suelo de fondo, los positivos en el IR
enfatizan la señal de la vegetación
GVI = [(-0.24717 TM1) + (-0.16263 TM2) + (-0.40639 TM3) + (0.854558 TM4)
Mas et al. (2010) reportan que una misma imagen clasificada con distintos métodos,
a pesar de tener el mismo valor o muy similar de exactitud de clasificación, pueden
producir distintas configuraciones espaciales del paisaje. Esto se explica porque
distintos métodos o técnicas pueden generar la aparición o desaparición de
pequeños parches, y asimismo, parches de mayor tamaño aparezcan conectados o
desconectados (Mas et al. 2010). Debido a esto, la utilización de distintos métodos
de clasificación podría tener un efecto en el análisis de la configuración espacial del
paisaje incluso mayor que la exactitud de la clasificación. (Adison Altamirano 2012)
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
CAPITULO 2 TRABAJO DE CAMPO
Tamaño de muestraEl método a emplear en el muestreo en campo, será el utilizado por el Programa
Nacional de Estimación de Superficie, Producción y Rendimientos (Pronespre),
diseñado para la recopilación de información en campo. Este método permite que
los resultados obtenidos se puedan extender a la población, es decir, que la
distribución de la característica en la muestra (superficie) sea parecida a la
distribución de la característica en la población. La representatividad de la muestra
requerirá de aleatoriedad en la selección de los elementos de la población que
forman la muestra.
El tamaño de muestra utilizado en el Pronespre era cercano al 3% del estrato
agrícola, de los cuales sola la mitad era utilizada para clasificar las imágenes de
satélite. Para el presente trabajo se incremento en 100% el tamaño de muestra
obteniendo una superficie efectiva del 6% distribuida de manera aleatoria en el área
agrícola en la Vega de Metztitlán.
Debido a las condiciones particulares de la zona de estudio, fue necesario
reacomodar ligeramente los segmentos, de manera que su distribución abarcara
todas las zonas.
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
Figura 1. Vega de Metztitlán, Hidalgo
Fuente: García, Hubp y Palacios 1995
SegmentosEI marco de muestreo considerado, tiene como base el estrato agrícola de la Vega
de Metztitlán 4,374.6 ha (solo la parte correspondiente al municipio), en éste se
determinó muestrear 306 ha que corresponden a 7 por ciento; agrupadas en 25
unidades de muestreo, la unidad de muestreo es un cuadrado de 350 x 350 m
(12.25 ha) denominado Segmento.
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
Figura 2. Distribución de Segmentos en la Vega de Metztitlán
Fuente: Elaboración propia, 2012
En esta etapa la aleatoriedad y selección de los segmentos está dada por su
ubicación espacial dentro del estrato agrícola y se realiza de manera automatizada
a través de un paquete de Información Geográfica (Arc View), se asigna la cantidad
de segmentos requeridos y el tamaño de éstos. El sistema genera los segmentos y
el resultado es una nueva cobertura vectorial con referencia y parámetros
cartográficos.
DigitalizaciónEl proceso de digitalización consiste en generar un polígono para cada una de las
coberturas identificadas en el segmento a través de fotointerpretación, se debe
asegurar que todas las coberturas estén separadas sin obviar elementos como
caminos, cortinas de árboles, cuerpos de agua o alguna pequeña infraestructura,
siempre y cuando la escala lo permita. Para este caso se utilizó una imagen Ikonos
de fecha XX XXX XX, que previamente fue validada con la orthofotos del INEGI,
disponibles en el Servicio de Mapas por Red (Web Map Service, WMS), donde las
desviaciones medias están entre los 5 m (latitud) y 10 m (longitud).
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
Esta parte es muy importante porque aquí inicia la precisión del trabajo, si no se
hace una correcta digitalización, contemplando todas las coberturas existentes, ya
sea por la resolución de la imagen o la temporalidad de esta, pueden obviarse
coberturas. Así mismo el uso de imágenes mal georreferidas introducirá errores en
la identificación y ocasionará problemas en la ubicación en campo. Como ejemplo
en la figura X se muestran los 3 tipos de imágenes disponibles para realizar el
trabajo de campo, donde se observan las discrepancias entre cada una.
Figura 3. Segmentos sobre imágenes ikonos, orthofoto y Google Earth
Fuente: Elaboración propia 2012
Programación de actividadesLa distribución temporal de las distintas etapas del estudio, esta en función del
desarrollo fenológico del cultivo a estudiar, particularmente las épocas de siembra y
cosecha. Utilizando información histórica generada por la Sagarpa, se identifican las
fechas de crecimiento del maíz frijol y se determina el periodo óptimo para realizar
la visita de campo.
Es importante programar las actividades del campo lo más cercano a la realidad;
cuando la mayoría del cultivo se encuentra sembrado y está lo suficientemente
desarrollado para presentar elementos visibles que lo distingan de otros cultivos,
también debe evitarse realizar visitas cuando el cultivo esté cosechado,
ocasionando que no sean contabilizadas y la estimación sea menor a la real.
El realizar las actividades de campo en el momento adecuado permitirá una mejor
identificación y cuantificación en las imágenes de satélite. De hacerse antes de las
fechas sugeridas, se corre el riesgo de que los valores espectrales de las parcelas
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
con cultivo sean más parecidos a pastos o, en caso de hacerse después y estar
cosechado, correspondería a suelos desnudos o suelos en descanso.
En la figura X se aprecia el comportamiento de las fechas de siembra y cosecha
para los cultivos de maíz y frijol en el estado de Hidalgo, indica que para mediados
del mes de agosto se encuentra sembrada prácticamente la totalidad de los cultivos
y para el mes de octubre sólo se ha cosechado una pequeña parte. Dejando la
fecha para el recorrido de campo en cualquier semana de octubre ya que se cumple
con las dos condiciones antes mencionadas.
Siembra Frijol-Maiz
-
7.00
14.00
21.00
28.00
35.00
42.00
49.00
ABR MAY JUN JUL AGO SEPT
F R
F T
F R+T
M R
M T
M R+T
Cosecha Frijol-Maiz
-
7.00
14.00
21.00
28.00
35.00
42.00
49.00
56.00
JUN JUL AGO SEP OCT NOV DIC
F R
F T
F R+T
M R
M T
M R+T
Figura 4. Fechas de siembras y cosechas maíz y frijol, Estado de Hidalgo
Fuente: Sagarpa, Siap, 2005
Los valores anteriores corresponden a información desactualizada y a nivel estatal,
para conocer de manera más fiel las condiciones existentes en la vega de
Metztitlán, se procesaron 12 imágenes del año 2011 con el subproducto de NDVI
generadas por el satélite MODIS con una resolución espacial de 500 m. Es
importante mencionar que los valores reportados en los pixeles corresponden a
promedios de coberturas existentes en un área de 25 ha, por lo que deben ser
tomados solamente como indicadores.
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
Se obtiene información radiométrica de 10 puntos escogidos aleatoriamente para
conocer el comportamiento de los cultivos en la zona de estudio. De la
interpretación de este perfil anual para se identifican dos ciclos de cultivos bien
definidos, el de primavera-verano y otoño-invierno. Para el caso de primavera-
verano se aprecia que en el mes de septiembre, octubre y noviembre (9, 10 y 11) se
presenta el segundo pico de mayor reflectancia, lo que indica un máximo de la
actividad vegetal, y las fechas ideales para realizar el recorrido en campo, ya que el
estado fenológico del cultivo indica que una madurez.
Figura 5. Perfil anual cultivos 2010, Vega de Metztitlán
Fuente: Elaboración propia 2012
Material y equipo de campoPara ubicar y recorrer los segmentos seleccionados, se utilizó un Mapa-Móvil
facilitado por un investigador del Instituto de recursos Naturales, dependiente del
Colegio de Postgraduados. La tecnología del mapa móvil ofrece la oportunidad de
utilizar computadoras de bolsillo que reciben señales del sistema GPS para obtener
posiciones sobre la superficie terrestre; adicionalmente, tiene el beneficio de poder
visualizar información vectorial y raster (imágenes satelitales).
Una adecuada planeación del reconociendo terrestre incluye la recopilación de toda
la información cartográfica y satelital disponible. Se carga la información vectorial de
segmentos, centroides, estrato agrícola, localidades, cuerpos de agua y carreteras,
además de información raster como las imágenes satelitales en formato comprimido
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
(Mr. Sid). Por ultimo se cargan las coordenadas centrales de cada uno de los
segmentos a los equipos GPS y se realiza el recorrido. En este punto hubiera sido
ideal procesar imágenes de Google Earth.
Figura 6. Equipo Mapa Móvil utilizado y pantallas.
Fuente: Sagarpa, Siap, 2009
El F1 es un gráfico a escala 1:5,000, en el cual se transfiere la información vectorial
(cuadrado de49 ha), sobre la imagen fusionada. El técnico lo utiliza para ubicarse
en campo e identificar cada una de las parcelas incluidas en el segmento. Cualquier
corrección en la forma o tamaño de la parcela se registrara en este formato. El F2
es un formato donde se recaba la información solicitada para cada parcela con la
condición de que cada renglón sólo puede estar asociado a una parcela; consta de
siete campos, con información de las principales variables al momento de la
identificación en campo, algunas son:
Número de parcela. Clave del cultivo. Altura de la planta. Modalidad del cultivo (riego o
temporal) Estado fenológico Porcentaje cubrimiento suelo Observaciones
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Sombrerete
General Francisco R. Murguía
Río Grande
Sain Alto
Miguel Auza
Jiménez del Teul
Chalchihuites
Juan Aldama
Municipios.shpChalchihuitesGeneral Francisco R. MurguíaJiménez del TeulJuan AldamaMiguel AuzaRío GrandeSain AltoSombrerete
Lim_ ddr_ riogrande_ geo.shp
70 0 70 140 Kilometers
N
EW
S
23°00' 23°00'
23°30' 23°30'
24°00' 24°00'
104°00'
104°00'
103°30'
103°30'
103°00'
103°00'
102°30'
102°30'-104
-104
-103
-103
23 23
24 24
S om br er et e
G e ne r al Fr a nc i sc o R . M ur g uí a
R í o G r a nd e
Sa i n A lt o
M i g ue l A u za
Ji m én ez de l T eu l
C ha l ch ih ui t es
Ju an Al d am a
Distrito Desarrollo RuralRío Grande
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
Figura 7. Formato de campo
Fuente: Sagarpa, Siap, 2005
Subdirecc de investí edaf
Captura de la informaciónLa información obtenida en campo es ingresada a una base de datos relacional,
donde se en ella se plasman datos como tipo de cultivo establecido, estado
fenológico, altura y la indicación de siniestro si es que existe.
Es importante señalar que la captura no solamente abarca el ingreso de información
en la base de datos; durante esta etapa también se realizan las adecuaciones a la
geometría de las parcelas que se haya indicado en el formato de campo (F1).
Cuando se tiene toda la información capturada, se pueden realizar análisis
cualitativos de cualquier variable registrada, o bien, realizar consultas en tiempos
sumamente cortos.
Reporte de CampoEl recorrido de campo se realizo del 15 al 19 de octubre del 2012, de los 25
segmentos programados en 3 no se tuvo acceso por inundación de las parcelas
(101, 102 y 104), en el 118 no se pudo entrar y el 121 la información recabada no
contiene la calidad necesaria para ser utilizada, así que el tamaño de muestra de la
información obtenida disminuyo a 255 ha (6 % del estrato agrícola), distribuida en
20 segmentos.
Se obtuvo información de 340 polígonos, correspondiente a 15 coberturas, de las
cuales los cultivos de maíz (61 p), frijol (57 p), frutales (17) y calabaza (15) son los
de mayor presencia, concentrando casi el 60% de la superficie sembrada, mientras
que las parcelas sin sembrar concentran el 15%.
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
% Cobertura Cultivos Metztitlán
22.3
20.3
12.411.9
8.4
6.6
5.93.6 3.0 1.9 1.61.10.70.30.1
Maiz
Frijol
Frutales
Indeterminado
Suelo Desnudo
Suelo en Descans
Arboles
Calabaza
Agua
Urbano
Pastizal
Camino
Alfalfa
Sorgo
Tomate Cascara
Figura 8. Porcentaje de cubiertas encontradas durante la campaña de campo
Fuente: Elaboración propia 2012
Otro uso que puede darse a las consultas es para conocer si la fecha para la visita
de campo fue la adecuada. De acuerdo con su estado fenológico; se aprecia que
para el caso del maíz 85 por ciento de las parcelas visitadas durante el
levantamiento (54), se encuentran en las etapas fenológicas de desarrollo, floración
y fructificación; lo cual presenta condiciones aptas para su reconocimiento en
campo y buenas posibilidades de discriminación en la imagen de satélite. Por
consecuencia se puede concluir que la fecha del recorrido de campo fue la
adecuada.
2.8
43.8
12.6
28.0
12.8
0.0
10.0
20.0
30.0
40.0
50.0
%
Plantula Desarrollo Floración Fructificación Senecescencia
Figura 9. Estado fenológico de las parcelas de maíz
Fuente: Elaboración propia 2012
Para el caso del frijol, el 69 por ciento (41 parcelas) se encuentran en desarrollo y
floración, pero el 29 por ciento tiene menos de 10 cm de altura, este factor podría
presentar confusiones al momento de clasificar la imagen de satélite. En este caso
se recomienda que futuros trabajos de campo se realizaran en el mes de
noviembre.
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
28.8
43.5
25.3
0.0 2.3
0.0
10.0
20.0
30.0
40.0
50.0
%
Plantula Desarrollo Floración Fructificación Senecescencia
Figura 10. Estado fenológico de las parcelas de frijol
Fuente: Elaboración propia 2012
Estimación de superficiesCon la información obtenida del recorrido en campo se utiliza el porcentaje de
presencia de cada cobertura y se estima su superficie dentro del estrato agrícola. El
maíz y frijol concentran más de la mitad de la superficie sembrada y existe un alto
porcentaje (12 %) de parcelas de las cuales no se pudo extraer información.
Cultivo Parcelas Area m Prom Parc Area Ha % Cobertura Probabilidad Sup. Est. HaMaiz 61 546,732.8 8,962.8 54.7 22.3 0.2232 976.2Frijol 57 496,636.0 8,712.9 49.7 20.3 0.2027 886.8Frutales 17 303,519.7 17,854.1 30.4 12.4 0.1239 541.9Indeterminado 69 291,155.8 4,219.6 29.1 11.9 0.1188 519.9Suelo Desnudo 19 206,078.1 10,846.2 20.6 8.4 0.0841 368.0Suelo en Descans 19 161,169.3 8,482.6 16.1 6.6 0.0658 287.8Arboles 48 144,679.6 3,014.2 14.5 5.9 0.0591 258.3Calabaza 15 86,990.7 5,799.4 8.7 3.6 0.0355 155.3Agua 6 72,501.8 12,083.6 7.3 3.0 0.0296 129.5Urbano 4 47,391.3 11,847.8 4.7 1.9 0.0193 84.6Pastizal 8 38,733.0 4,841.6 3.9 1.6 0.0158 69.2Camino 9 27,303.2 3,033.7 2.7 1.1 0.0111 48.8Alfalfa 6 17,939.2 2,989.9 1.8 0.7 0.0073 32.0Sorgo 1 6,783.0 6,783.0 0.7 0.3 0.0028 12.1Tomate Cascara 1 2,386.4 2,386.4 0.2 0.1 0.0010 4.315 340 2,450,000.0 245.0 100.0 1 4,374.6
Cuadro 1. Coberturas existentes en la Vega de Metztitlán y superficie estimada.
Fuente: Elaboración propia 2012
No se cuenta con una estadística confiable de los cultivos sembrados en el área de
estudio, el dato más cercano es un inventario de cultivos realizado en el año 2010
presumiblemente para el ciclo otoño-invierno. También se cuenta con las cifras
reportadas en el portal del SIAP, donde a nivel municipal se tienen las cifras
presentadas en el cuadro no. 2
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
Sup. Sembrada Sup. Cosechada Sup. Siniestrada Rendimiento %(Ha) (Ha) (Ha) (Ton/Ha) Cultivo
1 AVENA F 520.0 520.0 0.0 8.0 8.02 CALABACITA 100.0 30.0 70.0 7.0 1.53 CHILE VERDE 72.0 0.0 72.0 0.0 1.14 EJOTE 700.0 300.0 400.0 7.0 10.85 ELOTE 1200.0 1200.0 0.0 12.0 18.66 FRIJOL 315.0 140.0 175.0 0.4 4.97 MAIZ GRANO 3060.0 1940.0 1120.0 1.5 47.38 (JITOMATE) 20.0 0.0 20.0 0.0 0.39 TOMATE V 20.0 0.0 20.0 0.0 0.3
6007.0 4130.0 1877.01 AGUACATE 40.0 40.0 3.0 0.62 ALFALFA V 28.0 28.0 30.0 0.43 GRANADA 15.0 15.0 5.0 0.24 LIMON 10.0 10.0 11.0 0.25 MANGO 2.0 2.0 8.0 0.06 NUEZ 365.7 365.7 4.0 5.7
460.7 460.7
Cultivo
Cuadro 2. Cierre anual 2011, ciclo P-V, Riego + Temporal
Fuente: Sagarpa, SIAP, 2011
Es importante resaltar que no pueden hacerse comparaciones directas ya que por
un lado la Sagarpa contempla un área agrícola mayor que la zona de estudio
(6,467.7 ha), que corresponde a todo el municipio de Metztitlán, sin olvidar la
situación de certidumbre que guardan los registros de la Sagarpa. Por otro el
estudio del Colegio de Postgraduados a pesar de ser un inventario, corresponde a
otro ciclo agrícola y durante de la revisión visual de los limites de las parcelas
levantadas, se detectaron una serie de inconsistencia que también generan
incertidumbre en la calidad de la información.
Aún las condiciones anteriormente expuestas que presentan limitaciones para su
uso, es posible encontrar coincidencias para los cultivos de alfalfa, calabaza, frijol y
frutales. Sin embargo la superficie de maíz estimada en campo (976 ha) se
encuentra muy por debajo en relación al dato reportado por la Sagarpa (2,883 ha)
dando una diferencia de 195 %, si aplicara el supuesto de que 1,633 ha (excedente
de área agrícola del municipio distribuida fuera de la Vega) fueran restadas del dato
oficial (quedando 1,250 ha) la diferencia seria de solo el 28%.
Un caso interesante lo presenta el cultivo de avena, que es el tercero en
importancia por la superficie sembrada de acuerdo con datos de la Sagarpa (210
ha), sin embargo no pudo encontrarse ni una sola parcela, a menos que se
supusiera que alguna se encuentra ubicada dentro de las parcelas que no pudieron
ser visitadas, la cual tiene una superficie de 519 ha.
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
Por ultimo deben contemplarse los casos de asociación de cultivos como maíz-frijol
y frutales-cultivo para saber si una parcela con dos cultivos es contemplada dos
veces en los registros. Otra explicación de la falta de parcelas con cultivos de chile y
tomate puede encontrarse en la presencia de invernaderos a los que no se tuvo
acceso y no pudieron ser incorporadas sus cultivos a la estimación.
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
CAPITULO 3 CLASIFICADORES
La clasificación de imágenes es el proceso mediante el cual se agrupan los pixeles
contenidos en la imagen de satélite, en clases con algún grado de homogeneidad,
mediante la aplicación de un algoritmo particular, con reglas de decisión bien
definidas. Los parámetros de decisión pueden estar basados en el valor estadístico
(ND) de los pixeles, su arreglo espacial (morfología) o, el cambio temporal de los
valores radiométricos.
El proceso de clasificación se compone fundamentalmente de tres etapas:
Entrenamiento . Definición de las coberturas a obtener, se basa en la
generación de muestras que sirven como referencia para cada cobertura
deseada.
Asignación . Agrupamiento de los píxeles en categorías definidas. Aquí se
definen los criterios de asignación, algunos usan la información espectral de
cada píxel y otros utilizan las relaciones entre cada píxel y sus vecinos.
(Sheikholeslami, Zhang, et al., 1975). Tradicionalmente se dividen en dos
grupos.
No Supervisada. Procedimiento automatizado que define clases basados en
valores radiométricos “homogéneos”, es necesario que el intérprete defina el
número de clases, iteraciones y umbral de convergencia.
Supervisada. El intérprete define el número, tipo y rango de clases con base
a las muestras generadas durante el entrenamiento, requiere información
previa de la zona de trabajo. Las clases obtenidas son también llamadas
informacionales.
Comprobación y verificación de resultados .
Parámetros estadísticos, media, rango, desviación típica , matriz de varianza –
covarianza, etc.
Un sistema de clasificación tiene dos componentes críticas: un conjunto de clases
(cultivo, suelo, agua, etc.) y un conjunto de reglas –o sistema– para la asignación de
las clases. Sin un conjunto claro y definido de reglas, la asignación de las clases a
los diferentes tipos de características es arbitraria e inconsistente. Adicionalmente,
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
un sistema de clasificación debe satisfacer las restricciones de ser mutuamente
excluyente y exhaustivo. Un sistema es mutuamente excluyente si cualquier punto
en la imagen cae en una y sólo una categoría definida (clase), y totalmente
exhaustivo si a todos los píxeles de una imagen les corresponde una clase.
(Palacios Sánchez Luis A, 2006)
La clasificación supervisada se realizó usando distintos niveles de información, para
observar los cambios en la exactitud de la clasificación de la vegetación y su efecto
en los índices de paisaje. Se construyeron varias imágenes con un número distinto
de bandas, utilizando la misma escena. La primera de ellas con las primeras tres
bandas, la segunda con las primeras cuatro bandas, agregando así una banda
espectral más hasta completar las nueve bandas espectrales que contienen la
información de las regiones del VNIR y SWIR, generando un total de siete
imágenes. Adicionalmente, se utilizó información auxiliar, lo cual consiste en
agregar adicionalmente a las bandas espectrales (como una banda más)
información que puede ser extraída de las mismas bandas espectrales a través de
índices, calculados mediante algebra de bandas (Lillesand et al. 2008). Como
información auxiliar fue utilizado el índice normalizado de diferencia infrarroja (NDII),
el cual fue calculado como la diferencia entre la banda del infrarrojo cercano y la
banda del infrarrojo medio, dividido por su suma. Este índice representa el stress
hídrico de la vegetación (Bannari et al. 1995). De esta manera, se generaron un
total de ocho imágenes clasificadas de la misma área de estudio con distintos
niveles de información (cuadro 1). Cada imagen fue clasificada
independientemente, utilizando las mismas áreas de entrenamiento para poder
comparar los efectos de los distintos niveles de información en la exactitud de la
clasificación, en donde la única diferencia entre cada clasificación es el nivel de
información que contiene la imagen.
En una clasificación supervisada por píxel es común la aparición del efecto sal y
pimienta (salt and pepper) (Lillesand et al. 2008), el cual se caracteriza por la
presencia de coberturas homogéneas salpicadas por píxeles individuales
pertenecientes a otras categorías. Para disminuir este efecto, a cada imagen
clasificada se le realizó un filtro de moda de 3x3 píxeles, el cual cambia el valor
central por el valor dominante dentro de la ventana definida, generalizando la
imagen clasificada y eliminando los píxeles aislados (Mas et al. 2010). (Adison
Altamirano 2012)
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
Para realizar una correcta clasificación es necesario una buena separación entre la
nube de puntos, para lograr una separación lo suficientemente grande entre clases,
se aplican transformaciones que permitan reordenar la nube de una forma mas
apropiada, aislando (de clustering) o resaltando (IV, TTC), reduciendo el número de
bandas (CP) e incorporando sistemas complejos de clasificación (redes neuronales,
árboles de decisión, etc) considerando textura (wavelets, watershed, etc) y pos
supuesto la colindancia de los pixeles vecinos (segmentación) para determinar
objetos.
A pesar de los problemas inherentes los estudios de la superficie terrestre basados
en técnicas de teledetección consiguen una buena precisión (80%)
El análisis de separabilidad de firmas permite evaluar el grado en el cual las
categorías pueden ser distinguidas espectralmente. Para este efecto, se optó por
utilizar el método de divergencia transformada (DT), ya que éste ha mostrado
obtener mejores resultados que métodos como distancia de Bhattacharayya y la
divergencia. (García Mora y Mas 2008)
Textura: Típicamente definida como la variación multidimensional observada
en una ventana móvil al ser pasada sobre una imagen. El tamaño de la ventana
está dado por la cantidad de pixeles que incluye (por ejemplo, 3 x 3 pixeles).
Corresponde al analista definir un valor de "variabilidad", donde hacia abajo de
este se considere una superficie lisa, y hacia arriba, una superficie rugosa. Una
vez procesada la imagen con el análisis de textura, se procede a clasificar la
imagen resultante, mediante un método de clasificación supervisada (mínima
distancia o máxima similitud) (Lillesand y Kiefer, 1999). La textura de una
imagen es una cuantificación de la variación espacial de los valores tonales de
la vegetación forestal, tanto de manera vertical como horizontal (Franklin,
et_al, 2000). Luis Coronado Chacón.
CAPITULO 4 ANÁLISIS DE RESULTADOS
CONCLUCIONES
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Evaluación de métodos de Clasificación y combinación de bandas para la identificación de cultivos
Las imágenes satelitales ofrecen dos tipos de información métrica y temática, deben
seleccioarse adecuadamente segú las precisiones requeridas Trabajos con
vocación cartográfica o trabajos de carater eminentemente temático. Escalas mapas
BIBLIOGRAFIA
http://www.cybertesis.edu.pe/sisbib/2006/garcia_ge/xhtml/TH.3.xml
01800 2280 040 $2,350 LINEA BANCOMER
Colegio de Postgraduados, Posgrado en Edafología, Roberto de Jesús Márquez Vélez
Recommended