Beruflich Dokumente
Kultur Dokumente
26
parte del proceso es determinante pues tiene implicaciones directas en la precisin de la
posicin de los resultados a obtener en el procesamiento, y en el caso de estimacin de
cambios entre coberturas garantiza que los cambios reportados entre dos imgenes de
la misma zona y distintas fechas, se deban a cambios en las coberturas de la Tierra de-
tectadas durante el periodo establecido, y no a diferencias en la posicin de las imgenes
en el periodo de anlisis. Para este propsito se recomienda seguir la metodologa con-
signada en el documento Manual de procedimientos para la produccin de orto-imgenes
de satlite pticas usando MDT (IGAC, 2008), que contiene la descripcin detallada de la
metodologa y los recursos necesarios para realizar este proceso2.
2 Esta tarea se realiza de manera coordinada con la subdireccin de Geografa y Cartografa del Instituto Geogrfico Agustn Codazzi -IGAC-, a travs de la
divisin de fotogrametra.
Los resultados finales del proceso de segmentacin son dependientes de ciertos parme-
tros iniciales3 definidos por el intrprete, entre estos podemos mencionar:
Variables insumo. Se deben identificar las variables espacialmente explicitas que
servirn de insumo para el proceso de segmentacin. En general, es preferible traba-
jar con informacin espectral captada por sensores remotos, de acuerdo con la expe-
riencia del intrprete es posible seleccionar las bandas espectrales a utilizar aunque
es recomendable utilizar todas las bandas del producto seleccionado e incluso aadir
como bandas adicionales otros datos que puedan aportar informacin til en la agru-
pacin de pixeles y la separacin de zonas homogneas. Estos datos deben estar co-
registrados y re-muestreados a la misma resolucin espacial de las bandas originales.
Parmetros de segmentacin. En trminos generales el proceso de segmen-
tacin se basa en dos parmetros fundamentales, relacionados con que tan similares
son los pixeles a agrupar y cun grande debe ser el segmento generado, a saber:
i) Similaridad de los pixeles a agrupar. Esta referido como la distancia mnima
espectral (generalmente distancia euclidiana) que deben cumplir los pixeles que con-
formarn los segmentos. Es conveniente realizar varias pruebas de las medidas de
similaridad y agrupamiento, a fin de identificar el valor ptimo para una determinada
segmentacin. Este valor final depender del propsito final de la segmentacin, leyen-
da de cobertura de la Tierra a implementar, etc.
ii) Tamao del segmento a generar. Esta referido como el nmero mnimo de pi-
xeles que conformaran un segmento. Es conveniente realizar varias pruebas de tama-
os, a fin de identificar el valor ptimo para una determinada segmentacin. Este valor
final depender del propsito final de la segmentacin, escala espacial del producto a
generar, etc.
El resultado final del proceso consiste en un archivo de segmentos que representan los ob-
jetos presentes en la imagen a clasificar (ver Figura 4). Opcionalmente el intrprete podr
seleccionar el formato espacial del archivo resultado, es decir, formatos Raster compati-
bles (p.e. GeoTIFF) y/o Vectoriales compatibles (p.e. Shapefile), vector de los segmentos
y la tabla de atributos que incluye el clculo de estadsticas de los segmentos.
3 Estos parmetros estn definidos de acuerdo con la herramienta de cmputo en la cual se implementa el proceso de segmentacin. Existen varias herra-
mientas comerciales y de libre distribucin que incluyen algoritmos para el proceso de segmentacin, para mayor informacin:
Idrisi Taiga. http://www.clarklabs.org/products/index.cfm
eCognition 8.7. http://www.ecognition.com/products
Envi 4.8. http://www.ittvis.com/ProductServices/ENVI.aspx
Spring 5.1.8. http://www.dpi.inpe.br/spring/
28
Figura 4. Ejemplo del resultado de la aplicacin de una segmentacin en una imagen RapidEye
en un sector del Parque Natural Regional Corredor Biolgico en el sur del departamento del Huila,
Der. Imagen RapidEye Original, Izq. Imagen de segmentos generada
El resultado de esta etapa est integrado por un archivo de segmentos en formato Raster
y la tabla de atributos de las estadsticas de los segmentos. Esta informacin nos permite
a continuacin en un siguiente paso, clasificar los segmentos en las clases de coberturas
requeridas.
Con excepcin del esquema no supervisado, las tcnicas de clasificacin mencionadas re-
quieren un conjunto de reas de entrenamiento con coordenadas conocidas (espacialmente
explicitas), las cuales sern luego asociados a los segmentos generados. Como regla ge-
neral la cantidad de reas de entrenamiento deben ser representativas de la variabilidad
del universo a clasificar, siendo recomendable contar con alrededor del 1% del universo
total, es decir, del total de los segmentos generados para una imagen determinada.
4 Este tipo de tcnicas en general han demostrado mejores resultados de acuerdo con pruebas realizadas por el IDEAM en el marco del Proyecto Capaci-
dad Institucional, Tcnica y Cientfica para Apoyar Proyectos de Reduccin de Emisiones por Deforestacin y Degradacin -REDD- en Colombia.
30
Este procedimiento automatizado es una primera aproximacin sobre la distribucin y
extensin de las 14 clases de coberturas de la Tierra, sin embargo, esta clasificacin a
menudo padece de ciertos niveles de imprecisin temtica, lo que obliga a realizar distin-
tos tipos de ajustes o ediciones temticas (ver Figura 5).
Nota metodolgica:
Con el nimo de garantizar la consistencia temtica y cartogrfica de la
informacin generada, se recomienda aplicar algoritmos de generalizacin
cartogrfica que ajusten detecciones cuyas reas sean inferiores a la uni-
dad mnima de mapeo establecida segn la escala espacial.
En esta etapa se realiza una edicin semiautomtica, la cual consiste en efectuar una
nueva clasificacin digital de tipo Supervisado/No Supervisado5 basado en la imagen pre-
procesada, aplicando dicha clasificacin en zonas separadas a travs de mscaras tem-
ticas en las reas correspondientes a aquellas clases de cobertura de la Tierra que ms
5 Por lo general se recomienda utilizar el algoritmo ISODATA configurado con los siguientes parmetros: nmero mnimo de clases 50, nmero mximo de
iteraciones 40, y un porcentaje de error menor al 1%.
presentan confusin, por ejemplo, las reas de Cultivos permanentes (Caf a plena expo-
sicin o bajo sombro) y reas agrcolas heterogneas (Mosaicos), as mismo en algunos
sectores en los que tambin se presentan confusin de la cobertura reas de vegetacin
secundaria que se confunde con la cobertura de Bosque Natural.
Los resultados de clasificacin deben recodificarse mediante la fusin de clases y/o recodi-
ficaciones de grupos de pixeles basados en el criterio y experiencia del intrprete, a fin de
ajustar a una capa con las 14 clases de inters. El resultado final de este subproceso es la
generacin de nuevo archivo temtico ajustado con las clases separadas de las coberturas
que haban sido confundidas inicialmente. Posteriormente realizando una inspeccin visual
en pantalla a la escala de trabajo determinada, se compara la imagen pre-procesada con
el mapa de coberturas obtenido de la clasificacin No Supervisada, se identifican reas
donde an es preciso editar temticamente los resultados del procesamiento digital, a
manera de control de calidad de la clasificacin.
32
Se convierte el valor en pixeles de las clases seleccionadas (Bosque a otras coberturas)
a un valor de superficie en unidades acorde a la magnitud del territorio analizado, en este
caso hectreas. Para esto, el nmero total de pixeles se multiplica por el rea del pixel
(p.e. 100 m2 para imagen de resolucin espacial 10m) y se divide por 10.000, cuantifi-
cando el rea total de cobertura de Bosque Natural que pasa a cobertura de No Bosque
en el periodo analizado. Esta operacin genera la superficie bruta de deforestacin en el
periodo consolidado de anlisis.
Diseo de muestreo.
De acuerdo con Meidinger (2003), se propone tomar como marco de muestreo los grupos
de pixeles que cumplan con la unidad mnima de mapeo para la escala de trabajo (p.e.
1 ha para escala fina), generados en los mapas de cobertura de la Tierra. Se realizar un
muestreo estratificado de acuerdo con las clases de cobertura de la Tierra clasificadas,
de esta forma la evaluacin podr capturar adecuadamente las particularidades de cada
una de ellas, as mismo, garantiza que cada una de estas unidades tenga muestras repre-
sentativas. Adicionalmente, al interior de estos estratos se distribuirn aleatoriamente los
puntos de verificacin (distribucin uniforme tanto en X como en Y). Para evitar la auto-
correlacin espacial se establece que los puntos seleccionados deben estar separados
entre s por lo menos 5km.
Tamao de la muestra.
Se plantea aplicar la propuesta de Bernal (2004), la cual determina el peso de cada estra-
to de acuerdo a la proporcin de cada tipo de cobertura de la Tierra, as entonces se debe:
i) Calcular el tamao preliminar n0 de la muestra.
Donde,
Wh= Peso de cada estrato, respecto al rea del estrato vs el rea total del
mapa.
Ph= Corresponde a la Proporcin de unidades de verificacin bien clasifica-
das que se asume en el estrato.
Qh= Proporcin de unidades de verificacin mal clasificadas que se asume
en el estrato. Se asume que Qh = (1-Ph). Para hallar el valor preliminar se
supone un valor de 0,5 para todos los estratos.
= Error mximo admisible. Se recomiendan valores mximos de 0,07
(Meindinger, 2003).
Z= Nivel de confianza.
34
iii) Calcular el tamao de la muestra al interior de cada estrato, nh, as:
Datos de Referencia
Para efectuar la evaluacin de la exactitud temtica de los productos generados se propo-
ne que la fuente de informacin de referencia sean imgenes de alta y muy alta resolucin
espacial disponibles para los sitios seleccionados por el diseo de muestreo (p.e. SPOT 5,
Quick Bird, IKONOS, GeoEye, etc.), las cuales se constituyen en un insumo de mayor re-
solucin espacial que las imgenes utilizadas como base para la generacin de los mapas
(p.e. RapidEye). La forma de los sitios de verificacin ser cuadrada con un rea determi-
nada por la unidad mnima de mapeo del producto cartogrfico evaluado.
Anlisis de datos
Corresponde al clculo de un conjunto de medidas (ndices) que permiten determinar: i)
la probabilidad de que una clase de referencia haya sido bien clasificada en el mapa, y la
represente fielmente en el terreno; y ii) la probabilidad de que un mapa en su conjunto
haya sido bien clasificado, y represente realmente la realidad verificada en el terreno. Se
propone calcular siete mtricas: cuatro a nivel de clases y tres a nivel de mapa (Liu et al.,
2007), a saber:
( ( ) ( ))
( )
( ) ( )
( ) ( )
Donde;
( ) ( )
( ) ( )
36
Mtricas a nivel de Mapa:
Exactitud general -oa-.
Trk en 2002 sealo que la oa es una buena medida para calcular la exactitud en general
del mapa evaluado, sin embargo, no es adecuada para evaluar la capacidad diagnstica de
su creador. Su clculo est basado en la matriz de error, de la siguiente forma:
( ( ) ( ))
Donde;
( )
( ) ( )
( ) ( )
ndice de Kappa.
Se define como la proporcin de coincidencias obtenidas en un producto cartogrfico sus-
trayendo aquellos generados de forma fortuita (Rosenfield & Fitzpatrick-Lins, 1986).
( )
( )
Referencias
39
Protocolo de procesamiento digital de imgenes
para la cuantificacin de la deforestacin en Colombia
Nivel subnacional -Escala gruesa y fina-
40
7. Glosarlo
Banda. Cada uno de los intervalos en los cuales se divide el espectro electromagntico
en una imagen de sensor remoto.
Bilineal. Tcnica de remuestreo que toma los datos de los cuatro pxeles ms cercanos
para asignar el valor del pxel de salida.
Brillo. Cantidad total de luz en una imagen digital. El brillo afecta toda la imagen y puede
aplicarse sobre la luminosidad (intensidad combinada de los tres colores RGB) o sobre un
color en particular. Cuando se incrementa el brillo, el valor de cada pxel se acerca ms a
255 (blanco). Cuando se disminuye, el valor de cada pxel se reduce ms cerca del 0 (negro).
Convolucin cbica (Cubic Convolution). Tcnica de remuestreo que toma los datos
ponderados de los diecisis pxeles ms cercanos para asignar el valor del pxel de salida.
Correccin geomtrica. Consiste en vincular una regin de una imagen con una co-
rrespondiente regin de otra imagen, la cual es tomada con un sensor diferente o un ngu-
lo de vista diferente. Permite corregir la posicin relativa del pxel, la cual se modific por
la geometra del sensor o por variaciones en el terreno.
Datum. Superficie en la cual se referencian todas las coordenadas (x,y,z), tiene asociado
un elipsoide especfico y uno o ms puntos materializados sobre la superficie terrestre.
Glosario
41
Protocolo de procesamiento digital de imgenes
para la cuantificacin de la deforestacin en Colombia
Nivel subnacional -Escala gruesa y fina-
Filtro. Operador local mediante el cual se obtiene una nueva imagen, cuyos Niveles Digi-
tales (ND) son funcin de los ND originales y de los de las celdas contiguas. Dependiendo
del tipo, se utilizan para suavizar y eliminar ruido, o bien para realzar los rasgos lineales
de una imagen.
Formato TIFF (Tagged Image File Format). Formato de fichero para grficos de
mapas de puntos. Almacena las imgenes mediante la descripcin de informacin en blo-
ques o marcas. Cada marca describe un atributo de la imagen o un desplazamiento desde
el principio del fichero hasta una cadena de pxeles. Actualmente es un estndar de calidad
que se suele emplear en trabajos de imagen impresa.
42
superficie de la tierra que luego es enviada a la Tierra y que procesada convenientemente
entrega valiosa informacin sobre las caractersticas de la zona que cubre.
Intensidad. Luminancia de una celdilla, nivel equivalente de gris en una gama acromtica
de tonos. Hace referencia este concepto al grado de claridad o luminosidad de la celda.
Interpolar. Estimacin del valor de un atributo en un punto a partir de los valores colin-
dantes.
Nivel Digital ND. Se trata del valor numrico discreto asignado por el sistema for-
mador de imgenes a cada celda, en respuesta a la irradiancia recibida sobre el plano focal
del sensor. Se le conoce as mismo como nivel de gris, luminancia, nmero digital, valor de
pixel, etc. Existe una relacin lineal entre el ND grabado y la radiancia correspondiente a
cada celda de terreno.
Glosario
43
Protocolo de procesamiento digital de imgenes
para la cuantificacin de la deforestacin en Colombia
Nivel subnacional -Escala gruesa y fina-
Pxel (Picture Element). Unidad bsica de informacin grfica que se refiere a cada
uno de los puntos indivisibles que conforman una imagen, es decir, la mnima rea de cap-
tura en el formato Raster. A mayor densidad de pxeles, mayor calidad de imagen.
Resolucin. Nivel de detalle con el que se es posible identificar los elementos sobre las
imgenes y se relaciona con la unidad mnima de almacenamiento de datos o pxel.
Resolucin espacial. Este concepto designa al objeto ms pequeo que puede ser
distinguido sobre la imagen; suele medirse como la mnima separacin a la cual los objetos
aparecen distintos y separados en la imagen. Se mide en unidades de longitud definida como
el nmero de pxeles por unidad de medida (milmetros sobre la imagen o metros sobre el
terreno) y depende de la longitud focal de la cmara y de su altura sobre la superficie.
Resolucin radiomtrica. Cantidad de energa que se puede medir en una escala ra-
diomtrica en el sensor. En el caso de los sistemas fotogrficos, la resolucin radiomtrica
del sensor se indica por el nmero de niveles de gris recogido por el mismo. Para evaluar
la calidad radiomtrica se evala un parmetro denominado bit number.
44
Libertad y Orden Instituto de Hidrologa,
Ministerio de Ambiente,
Vivienda y Desarrollo Territorial
IDEAM Meteorologa y
Estudios Ambientales
Repblica de Colombia