MUESTREOS Y CLASIFICACIN ING.

GLIDER AGUILAR MORI

PRACTICA 02 MUESTREOS Y CLASIFICACIN

TRATANDO CON FIRMAS ESPECTRALES
Si en un grfico representamos la longitud de onda en el eje X y la reflectividad en el eje Y,
podemos observar que cada cubierta se ve representada por una cubierta caracterstica en l.
Estas improntas singulares a modo de rbricas, personalizan su comportamiento espectral
frente al de otras cubiertas. A dichas curvas se les denomina espectro, signaturas o firmas
espectrales. Su diferente trazado permite distinguir entre varias cubiertas o entre estados
diferentes de una misma cubierta.

Seleccione File Open Image File desde el men principal de ENVI.

Navegue hasta la carpeta Resultados y seleccione el fichero torata.tif de la lista y abrir.
Seleccione RGB y las bandas 4-3-2.Click Load RGB para ver la imagen en un nuevo Display.



FIRMAS ESPECTRALES

Seleccione Tools Profiles Z Profile (Spectrum)
desde el men de la imagen de ENVI.
Examine la firma espectral moviendo el cursor y
posesionndose en diferentes lugares.
Preste atencin a la relacin entre colores de la imagen
y la forma del spectro.


MUESTREOS Y CLASIFICACIN ING. GLIDER AGUILAR MORI


Saque muestra de los siguientes lugares:

Nieve
Vegetacin poco vigorosa
Ro
Vegetacin vigorosa
Suelo desnudo
Laguna

Preste atencin a las lneas de colores azul, rojo
y verde: corresponden a las bandas desplegadas
en cada uno de estos caones del monitor


Creacin de firmas Espectrales

A partir de las firmas espectrales usted podra crear una librera espectral para posteriormente
clasificar la imagen

Seleccione Edit Data Parameters y cambie el color y el nombre: por ejemplo: color verde,
vegetacin vigorosa, vemos que el color de la lnea en el spectro ha cambiado a verde, en la
Ventana 1.












MUESTREOS Y CLASIFICACIN ING. GLIDER AGUILAR MORI
Haciendo Click en Options de la ventana Spectral Profile seleccionar Plot Keys, podemos ver
cmo va mostrndose nuestras ediciones de cada cobertura.



Del men del Z Profile, seleccione Options New Window Blank
Una nueva ventana se desplegara. A esta ventana vamos a llamarla Ventana 2


Vuelva a la ventana 1, donde tiene la firma espectral del material que usar para
crear su galera espectral. Prese sobre las coordenadas (El nombre Veg.
Vigorosa) y presione el botn derecho del Mouse. Sin soltar, arrastre hasta la
ventana 2. Cuando este sobre esta ventana 2: recin ah suelte el botn derecho del
Mouse.



MUESTREOS Y CLASIFICACIN ING. GLIDER AGUILAR MORI



Vuelva a la primera ventana y seleccione otra firma espectral de otro material que usar para su
galera espectral. Repita estos procedimientos tantas veces como elementos quiere que figuren
en su galera espectral, en nuestro ejemplo 5 firmas espectrales.



De esta ventana seleccione File Save Plot As Spectral Library. La usaremos posteriormente
para clasificar la imagen.



MUESTREOS Y CLASIFICACIN ING. GLIDER AGUILAR MORI

En la siguiente ventana click en Choose y buscamos una carpeta
para guardar la Librera escepctral que hemos creado. Lo
guardamos con el nombre de Librera Espectral. Una vez
guardado aparece autonmaticamente en la ventana Available
Band List.













X y Y Profile
Para analizar la Radiancia de la imagen a lo largo de un eje X y Y.

Seleccione Tools > Profiles > Y Profile desde el men de la imagen de ENVI.



Vera un corte en x de la imagen donde se graficar la radiancia a lo largo de este eje
La lnea roja del Profile corresponde al pixel conde se interceptan las lneas rojas de la imagen.
Compruebe como efectivamente corresponde con una baja radiancia baja para todas las bandas.


MUESTREOS Y CLASIFICACIN ING. GLIDER AGUILAR MORI
OBTENCIN DE NDVI (ndice de Vegetacin)

El Diagnstico biofsico a partir del levantamiento de cobertura o uso de la tierra es un elemento bsico
en la planificacin y gestin estratgica del territorio. El ndice de Vegetacin (NDVI) es un indicador que
se usa para calcular o estimar la calidad y vigor de la vegetacin. El ndice diferencial de vegetacin
normalizado NDVI, se calcula a partir de estas medidas individuales de la siguiente manera:

NDVI = (IRCercano Rojo)
(IRCercano +Rojo)

En donde las variables de ROJO e IRCercano estn definidas por las medidas de reflexin espectral
adquiridas en las regiones de rojo e infrarrojo cercano, respectivamente. Estas reflexiones espectrales son
en s coincidentes de la radiacin reflejada sobre la radiacin entrante en cada banda individual; por tanto,
estos toman valores entre un rango de 0.0 a 1.0. El ndice diferencial de vegetacin normalizado NDVI,
vara como consecuencia entre 1.0 y +1.0.

Proceso de obtencin de NDVI
Dentro del Men principal, ingrese a Transform NDVI, busque la imagen que desea calcular
el ndice y ejecute el proceso. Los valores que ms se acercan a 1 implican mayor presencia o
vigor del proceso fotosinttico.





(*) Las reas ms blancas se corresponden a aquellas donde el estado fotosinttico de la
vegetacin es mayor.
MUESTREOS Y CLASIFICACIN ING. GLIDER AGUILAR MORI
CLASIFICACIN DE UNA IMAGEN

Esta gua le conduce por los procedimientos multiespectrales tpicos de la clasificacin, usando
datos de Landsat TM, Colorado. Los resultados de clasificaciones supervisadas y no supervisadas
son examinados y fijan los procesos post-clasificacin incluyendo la agrupacin, tamizado,
combinacin de clases, y se discute la valoracin de la precisin alcanzada. Se asume que usted
est familiarizado con las tcnicas de clasificacin multiespectral.

Clasificacin no supervisada
Esta clasificacin requiere del usuario pedir un determinado nmero de clases o cluster a
encontrar. Una vez seleccionada esa cifra, los centros espectrales de estos clusters son
calculados en la imagen, para luego por diferentes iteraciones y en funcin de las restricciones
especificadas por el usuario se llega a una separacin espectral ptima de la informacin
contenida en la imagen.

Las tcnicas de agrupamiento analizan el conjunto de observaciones disponibles para
determinar la tendencia de los patrones a agruparse. Estas tcnicas permiten realizar una
clasificacin asignando cada observacin a un agrupamiento [cluster], de forma que cada
agrupamiento sea ms o menos homogneo y diferenciable de los dems.

Los mtodos de agrupamiento asocian un patrn a un agrupamiento siguiendo algn criterio de
similitud. Se han propuesto cientos de algoritmos de agrupamiento ms o menos especficos.
ENVI utiliza dos mtodos posibles: K-Means o Isodata.

Utilizando el Mtodo IsoData

ISODATA es el acrnimo de Interative Self-Organizing Data Analysis Techniques. Se deben fijar
diferentes parmetros.

K: Nmero deseado de Clases
A: Nmero inicial de clases
I: Mximo nmero de iteraciones permitidas
N: Umbral del nmero pixeles para la eliminacin de clases
S: Umbral de desviacin para la divisin de una clase
C: Umbral de distancia para la unin de clases
L: Mximo nmero de mezclas en una iteracin
















K A
N
I
C
S
L
MUESTREOS Y CLASIFICACIN ING. GLIDER AGUILAR MORI
Para Iniciar este ejecricio. Abrimos ENVI y en el menu principal nos dirigimos a Classification
Unsupervised Iso Data, no aparece la ventana



Seleccionamos la imagen que queremos clasificar

Damos Ok y nos aparece una ventana para insertar
Los parametros que se trabaja con la clasificacin no
Supervisada.















Luego en la ventana insertamos en Number of Clases, la cantidad de clases que deseo
obtener entre 10 a 20 por ejemplo.
En el recuadro de maximas iteraciones pondremos 10 para el ejemplo.
Respecto al mnimo de pixeles colocaremos 5, el resto dejamos por defecto como
predeterminados.
Luego escogeremos el archivo de salida en Choose y ruteamos hasta la carpeta donde
guardaremos los resultados. Con el nombre de Clasificacion no supervisada



Esperamos hasta que el proceso termine. Y Aparecer el
resultado en la ventana Available Band List.
MUESTREOS Y CLASIFICACIN ING. GLIDER AGUILAR MORI
En Available Band List, seleccionamos el archivo Clasificacion no supervisada aplicando Gray
scale lo visualizamos quedando de la siguiente manera, mostrando los colores de acuerdo a la
cantidad de clases que elegimos.



Ahora abriremos un segundo visor (New Display) para visualizar la imagen torata desde donde
se trabajo la clasificacin y tendremos lo siguiente:



Luego vamos a realizar un chekeo haciendo Link display entre ambos visores y identificar a que
clase pertenece los colores de la clasificacin. Tools -> Link -> Link Display y escogemos la
ventana #1 y revisamos la informacion obtenida.


MUESTREOS Y CLASIFICACIN ING. GLIDER AGUILAR MORI
Luego vamos a comenzar a clasificar las coberturas que por defecto el programa identific. En
el Menu de la ventana principal nos dirigimos a Overlay -> Clasification y en la ventana Select
Input File seleccionamos el item clasificacion no supervisada y damos OK.





Automaticamente aparece la ventana Interactive Class Tool, donde se encuentra la clasificacin
que realizo en programa con el numero de clases que le ordenamos.

Luego en el Visualizador donde se encuentra la Imagen Torata (Display #2), al hacer un check
() en cada recuadro de color que se ha identificado de manera automtica, esto son el objetivo
de identifcar las zonas que se analiz. Luego toca interpretar que elemento del terreno se
clasifico, para ello tenemos que de acuero al tipo de cobertura se vaya cambiando las bandas
para identificar mejor.



MUESTREOS Y CLASIFICACIN ING. GLIDER AGUILAR MORI
Cuando vayamos identificando cada color a la clase de cobertura que pertenece podemos editar
el nombre y los colores que gener el programa automaticamente.

Nos vamos a la ventana de Iteracion Class Tool y seleccionamos Options -> Edit Class
Color/names
















Luego podemos cambiar el nombre en Class name y el
color en RGB Color.



Para guardar el archivo que estamos editando, en Iteracion Class Tool seleccionamos File ->
Save Changes to File. Guardandose de manera auotmatica en el archivo clasificacion no
supervisada