Tema 1

Fundamentos fsicos de la teledeteccin

1.1 La radiacin electromagntica

Dada la importancia que la radiacin electromagntica tiene como transmisor de informacin en todas
las formas de teledeteccin, es necesario hacer un estudio de la misma y sus propiedades. La radiacin
es una de las tres formas de transmisin de energa en la naturaleza (conducin, conveccin y radiacin)
siendo la nica que se transmite sin contacto material entre el emisor y el receptor. La energa se expresa
en Julios (J), por tanto la transferencia o flujo de energa se expresa por unidad de rea (J/m2 ), por
unidad de tiempo (J/s = W ) o por unidad de tiempo y rea (W/m2 ). La naturaleza de la radiacin
electromagntica puede ser explicada a partir de dos modelos aparentemente contradictorios y en el
fondo complementarios: el modelo de onda y el de partcula.

1.1.1 Modelo de onda

Desarrollado por Huygens y Maxwell entre otros. Se asume que la radiacin se produce como resultado
de oscilaciones en los campos elctrico y magntico en las inmediaciones de los objetos. Estas oscila-
ciones generan ondas que contienen 2 campos de fuerzas ortogonales entre s, elctrico y magntico, y
transmiten la energa. Al ser ondas pueden definirse por una serie de parmetros:

Longitud o distancia entre dos picos de onda (se mide en m, es decir 106 metros)

Frecuencia o tiempo transcurrido entre el paso de dos picos de onda, se mide en s1 o hercios

El producto de ambos es la velocidad de la luz c = = 3x108 m/s que es constante, por tanto si
aumenta debe disminuir y viceversa.

9
10

Regin Rango de longitudes

Rayos <0.03nm
Rayos X 0.03nm - 3nm
Ultravioleta 3nm - 0.3
Visible 0.3 - 0.7
Infrarrojo 0.7 - 300
Microondas 300 - 20cm
Radio-TV > 200cm

Tabla 1.1: Regiones del espectro electromagntico

1.1.2 Modelo de partcula

Desarrollado por Planck y Einstein entre otros. Se asume que la energa viaja como un flujo de partculas,
los fotones. La energa transportada por cada fotn (Q) depende del objeto que emite la radiacin.
Ambos modelos se relacionan mediante la ecuacin:

hc
Q= (1.1)

donde h es la constante de Planck (6.626x1034 Js). La ecuacin 1.1 implica que a menor longitud de
onda mayor es la energa transportada por la radiacin y, por tanto, ms peligrosa.

1.1.3 El espectro electromagntico

El conjunto de las longitudes de onda que puede adoptar la radiacin se denomina espectro electromag-
ntico (figura 1.1 y tabla 1.1.3). Por razones prcticas se suele dividir en una serie de regiones debido
a que las longitudes de onda dentro de esas regiones presentan cierta homogeneidad en deteminados
aspectos. Los lmites de que se han fijado a esas regiones son aproximados y varan de unos autores a
otros, existiendo adems superposiciones entre regiones contiguas
Cada una de estas regiones se divide adems en categoras adicionales. La luz visible suele dividirse en
azul (0.405), verde (0.50.6) y rojo (0.60.7) aunque en la realidad se presenta un continuo de
colores. La radiacin infrarroja se divide en infrarrojo prximo (0.7 1.3), infrarrojo medio (1.3 8)
e infrarrojo trmico (8 14). El primero es aquel en el que la radiacin solar tiene ms importancia
que la terrestre; el ltimo aquel en el que la radiacin terrestre debida al calor de la Tierra, de ah el
nombre, tiene ms importancia que la solar; finalmente el infrarrojo trmico corresponde a una zona de
solapamiento (figura 1.4).
 11

Figura 1.1: Espectro electromagntico y tcnicas de teledeteccin

1.2 Terminologa

Campo radiativo. es el campo electromagntico transportado por las ondas entre el emisor y el
receptor. La energa asociada con la onda electromagntica se denomina energa radiante.
Emisividad, . Las leyes de Planck, Stefan y Wien (ver ms adelante) nos permiten obtener como
sera la radiacin de un cuerpo a una temperatura dada si su eficiencia fuera del 100 %. En realidad
este no suele ser el caso, sino que todos los cuerpos tienen una emisividad algo inferior a 1. En
funcin de la emisividad, los cuerpos pueden dividirse en:
Cuerpo negro o radiador perfecto. el que emite radiacin al mximo de sus posibilidades
( = 1).
Cuerpo gris, aquel en el que 0 <  < 1.
Reflector perfecto,  = 0.
Radiador selectivo,  = f (), es decir la emisividad depende de la longitud de onda que
se considere.
Energa radiante, Q, total de energa radiada por un cuerpo en todas direcciones, se mide en
Julios (J)
12

Flujo radiante, , es la energa radiante transferida por radiacin de una superficie a otra por
unidad de tiempo (algo as como el caudal de energa, la cantidad de energa que se transmite por
segundo) = Q/t y se mide en Js1 = W .
Intensidad radiante, I, es el flujo radiante procedente de una fuente de radiacin por unidad
de ngulo slido () y en una direccin concreta I = / = Q/t , se mide en W sr1 =
Js1 sr1
Angulo slido o ngulo cnico, , es el ngulo tridimensional formado en el vrtice de un cono.
La unidad del ngulo slido es el esteroradian (sr) y se define como el ngulo slido para el que
la superficie A es igual a r2 donde r es el radio de la esfera. Puesto que el rea de una esfera es
4r2 , en una esfera completa hay 4 estereoradianes (figura 1.2).

Figura 1.2: Concepto de ngulo slido y estereoradian

Emitancia, M energa emitida por radiacin desde una superficie por unidad de tiempo y de super-
ficie (cantidad de energa que se transmite cada segundo por cada metro cuadrado de la superficie
emisora) M = /A = Q/tA, se mide en Js1 m2 = W m2 . A veces se habla de la emitancia
espectral M para hacer referencia a la emitancia en una longitud de onda concreta, en cuyo caso
las unidades son Js1 m2 1 = W m2 1
Irradiancia, E concepto similar al de emitancia pero ahora referido a la energa que llega a un
cuerpo a travs del espacio procedente de otro (que la ha emitido). Tiene las mismas unidades que
la emitancia, anlogamente puede hablarse tambin de irradiancia espectral
Radiancia, L es el flujo radiante () que abandona una unidad de rea en una direccin particular
siguiendo un ngulo slido particular. Las unidades en que se mide son W m2 sr1 . Su importan-
cia estriba en que es la magnitud que detecta el sensor. Cuando la radiancia se refiere a una porcin
concreta del espectro electromagntico se le denomina radiancia espectral (L ).
 13

L= (1.2)
cosA
donde es el ngulo formado por la direccin del flujo radiante y el vector perpendicular a la
superficie receptora de tamao A

Reflectancia o albedo, es la parte de la irradiancia que refleja la superficie receptora, se mide en

tantos por uno y se considera por tanto adimensional, es diferente para cada superficie receptora y
para cada cuerpo. La medida de la reflectancia puede hacerse teniendo en cuenta toda la semiesfera
superior de una determinada superficie, se habla en este caso de reflectividad hemisfrica (h ) que
se calcula como:

L
h = (1.3)
E
L
h = (1.4)
E

siendo E la irradiancia que llega a la superficie terrestre procedente del sol y L la parte de esta que
abandona la Tierra como radiancia

Absortancia, es la parte de la irradiancia que absorbe la superficie receptora, se mide en tantos

por uno

Transmitancia, es la parte de la irradiancia que transmite la superficie receptora, se mide en

tantos por uno. Lgicamente + + = 1

Las radiancias espectrales que son reflejadas desde la superficie terrestre hacia el sensor dependen de
muchos factores, destacando las variaciones de la irradiancia solar, las condiciones atmosfricas y mete-
orolgicas, las propiedades reflectivas de la superficie y las condiciones del sensor.

1.2.1 Leyes de la radiacin

Ya se ha indicado como todos los cuerpos emiten radiacin y la cantidad de radiacin emitida va a ser
diferente para diferentes longitudes de onda y, al mismo tiempo, va a depender de la temperatura del
cuerpo. La ecuacin que nos da la cantidad de energa emitida se conoce como ley de Planck:

c1
M = c 2
(1.5)
5 (e T 1)

donde M es la emitancia espectral medida en Js1 m2 1 . T es la temperatura en grados Kelvin,

c1 = 3.74x108 Js1 m2 4 y c2 = 1.44x104 K son constantes. M representa la cantidad de energa
emitida en la longitud de onda por cada metro cuadrado de superficie del objeto cada segundo.
14

De esta ecuacin, relativamente compleja, derivan dos sencillas ecuaciones que describen de forma ms
simple la relacin de la temperatura con la radiacin. En primer lugar la ley de Stefan-Boltzman:

M = T 4 (1.6)

que es la integral de la ecuacin de la ley de Planck y permite, por tanto, calcular el total de energa
emitida por un cuerpo a la temperatura T sumando las emisiones para cada una de las longitudes de
onda, es la constante de Stefan cuyo valor es 5.67x108 J/sm2 K 4 .
En segundo lugar y an ms sencilla es la ley de Wien:

2898
max = (1.7)
T
que nos permite calcular a que longitud de onda se produce el pico de mxima emisin de energa de un
cuerpo a una temperatura T . Como puede observarse a mayor temperatura menor longitud de onda.
La temperatura del Sol es de aproximadamente 6000o K mientras que la de la Tierra es de 300o K. Esto
significa que la radiacin solar va a ser mxima para una longitud de onda de 0.48 (regin visible) y
la terrestre mxima en una longitud de onda de 9.66 (infrarrojo trmico) (figura 1.3). Sin embargo hay
que tener en cuenta que conforme la radiacin se aleja del punto de emisin la irradiancia disminuye de
forma proporcional al cuadrado de la distancia recorrida. As los rdenes de magnitud de la distribucin
espectral de la constante solar (cantidad de energa solar que llega al techo de la atmsfera) y del espectro
de emisin terrestre (figura 1.4) son ms prximos, apareciendo una zona del espectro en la que la
emisin terrestre es mayor que la constante solar.
Finalmente la ley de Kirchoff establece que para cada longitud de onda la absortancia de una superficie
dada es igual a su emisividad ( =  ).
 15

Figura 1.3: Espectro de emisin para diferentes temperaturas

16

Figura 1.4: Distribucin espectral de la constante solar y de emisin de la superficie terrestre

Tema 2

Interaccin de la radiacin con los objetos

Todos los objetos (independientemente de la radiacin que emitan) van a recibir radiacin emitida por
otros cuerpos, fundamentalmente del sol, que, en funcin del tipo de objeto que estemos considerando,
puede seguir tres caminos:

reflejarse, la radiacin es reenviada de vuelta al espacio

absorberse, la radiacin pasa a incrementar la energa del objeto

transmitirse, la radiacin se transmite hacia abajo a otros objetos

La fraccin de energa que se refleja se denomina reflectividad o albedo ( ); la fraccin de energa que se
absorbe se denomina absortividad (); la fraccin de energa que se transmite se denomina transmisividad
( ). De modo que + + = 1.
La interaccin de la radiacin con la atmsfera y con los objetos terrestres, es decir los valores de , y
de un cuerpo concreto, va a depender de la longitud de onda de que se trate y de las caractersticas de
ese cuerpo. Unas primeras lneas generales acerca del comportamiento de diferentes objetos respecto a
su interaccin con la radiacin seran:

Atmsfera despejada:

muy baja para todas las longitudes de onda

depende de la longitud de onda
depende de la longitud de onda

Nubes :

muy alta en el visible

depende de la longitud de onda

17
18

depende de la longitud de onda

Agua:

muy baja en todas las longitudes de onda

depende de la longitud de onda
depende de la longitud de onda

Superficie terrestre:

depende de la longitud de onda

depende de la longitud de onda
nulo

2.1 Interaccin de la atmsfera con la radiacin electromagntica

La atmsfera es un factor importante al considerar los flujos de radiacin entre el sol y la superficie
terrestre y entre esta y los satlites. En el espacio exterior no hay prdida de radiacin por interferencia
con ningn medio material, slo atenuacin debida a la ley del cuadrado de la distancia. Los gases y
aerosoles que componen la atmsfera tienen un efecto triple sobre la radiacin:

Absorcin de la energa en determinadas bandas del espectro

Dispersin de la radiacin en determinadas bandas del espectro

Emisin que, por su temperatura, tendr un mximo en el infrarrojo trmico

2.1.1 Absorcin

Cada uno de los gases atmosfricos tiene capacidad para absorber radiacin en diferentes longitudes de
onda. Los principales responsables son:

Ozono (O3 ): Absorbe radiacin ultravioleta

Dixido de carbono (CO2 ): Absorbe radiacin en 13 17.5;

Vapor de agua (H2 O: Absorbe radiacin en 5.5 7 y por encima de 27;

Esto deja, por otro lado, regiones del espectro en las que no se produce absorcin, son las denominadas
ventanas atmosfricas. Por tanto la teledeteccin slo va a ser en principio viable en estas ventanas, las
principales (figura 2.1) aparecen en:
 19

Visible e infrarrojo cercano (0.3 1.35m)

Infrarrojo cercano de onda corta (1.5 1.8; 2 2.4)

Infrarrojo medio (2.9 4.2; 4.5 5.5)

Infrarrojo trmico (8 14)

Microondas, por encima de 20 la atmsfera es prcticamente transparente

Figura 2.1: Bandas de absorcin y ventanas en el espectro electromagntico

Problema aparte supone la aparicin de partculas lquidas (nubes, figura 2.2) o slidas (figura 2.3) que
reflejan gran parte de la radiacin solar que reciben. Las nubes emiten su propia radiacin en el infrarrojo
trmico, diferente a la terrestre debido a su menor temperatura, con lo que ocultan la superficie terrestre
en ambas regiones del espectro. Debido a la saturacin en vapor de agua del aire dentro de las nubes su
capacidad de absorber radiacin en la banda de absorcin del vapor de agua depender de su espesor.
A la hora de disear un sensor, existen tres posibilidades fundamentales:

Captar radiacin solar reflejada por la superficie (en una longitud de onda correspondiente a una
ventana atmosfrica)

Captar radiacin infrarroja procedente de la superficie terrestre o las nubes

20

Figura 2.2: Efecto de las nubes sobre las observaciones de satlite

Captar radiacin de una banda en la que un gas presente una elevada capacidad de absorcin para
as estimar la concentracin de este gas. Canto menos radiacin llegue mayor ser la cantidad de
gas.

Incluso en las ventanas atmosfricas, la transmitancia nunca va a ser del 100% y as la radiancia que
llega al satlite es siempre algo menor que la que sale de la Tierra.

2.1.2 Dispersin

Es el mecanismo por el cual la radiacin electromagntica es reflejada o refractada por gases o partculas
situados en la atmsfera. De este modo disminuye la radiancia directa y aumenta la difusa. Los prin-
cipales causantes de la dispersin atmosfrica son los gases y aerosoles (partculas slidas o lquidas)
que la componen, debido a la elevada variabilidad espacio-temporal de algunos de los gases y de los
aerosoles resulta difcil establecer modelos generales para cuantificar su influencia final en una imagem.
Existen tres tipos fundamentales de dispersin:

Dispersin de Rayleigh, ocurre cuando la longitud de onda es mucho menor que el tamao de los
objetos responsables de la dispersin. Afecta por tanto a las longitudes de onda ms cortas y causa
el color azul del cielo.

DIspersin de Mie, cuando la longitud de onda es del mismo orden de magnitud que los objetos
dispersores (vapor de agua, polvo y aerosoles). Afecta a todas las longitudes de onda del visible.

Dispersin no selectiva, cuando la longitud de onda es mucho menor que los objetos, la producen
gotas de agua en la atmsfera (niebla o nubes).
 21

Figura 2.3: Efecto del polvo sobre las observaciones de satlite

2.1.3 Emisin atmosfrica

Cuando se trabaja en el infrarrojo trmico, el objetivo fundamental es estimar la temperatura de la super-

ficie terrestre, sin embargo los datos que llegan al satlite incluyen emisin tanto de la superficie como
de las diferentes capas de la atmsfera. Resulta difcil distinguir un efecto del otro, sin embargo se han
hecho avances significativos en este sentido.
Existen diversas tcnicas para solventar estos problemas que se estudiarn en el tema de correccin de
imgenes.

2.2 Interaccin de los elementos de la superficie terrestre con la radiacin

De cara a la identificacin de objetos y procesos en la superficie terrestre, lo que nos interesa es la re-
flectividad de estos objetos respecto a las diferentes longitudes de onda. Cada tipo de material, suelo,
vegetacin, agua, etc. reflejar la radiacin incidente de forma diferente lo que permitir distinguirlo de
los dems si medimos la radiacin reflejada. A partir de medidas de laboratorio se ha obtenido la reflec-
tividad para las distintas cubiertas en diferentes longitudes de onda. El grfico que, para cada longitud
de onda, nos da la reflectividad en tanto por ciento se conoce como signatura espectral (figura 2.4) y
22

constituye una marca de identidad de los objetos. Resulta as fcil por ejemplo distinguir entre suelo y
vegetacin, e incluso entre diferentes tipos de suelo o diferentes tipos de vegetacin.
La figura 2.4 incluye las bandas del sensor TM de landsat de forma que puede determinarse cuales sern
los valores medios de reflectividad que va a obtener este sensor para las diferentes superficies.
En el caso de la radiacin visible, las diferencias en cuanto a la reflexin para las diferentes longitudes
de onda se traduce en lo que lamamos colores. Un objeto es verde si refleja la radiacin solar preferente-
mente en esta zona del espectro.

Figura 2.4: Respuestas espectrales

El flujo de energa recibido por el sensor no slo depende de la reflectividad de la cubierta sino tambin
de otros factores como:

Las condiciones atmosfricas

La pendiente y orientacin del terreno

La geometra de la observacin

Existen dos tipos de superficies (figura 2.5), aquellas que reflejan la radiacin solar direccionalmente con
un ngulo igual al ngulo incidente (superficies especulares) y aquellas que reflejan la radiacin hacia
todas direccines (superficies lambertianas).
En la naturaleza la mayor parte de la superficie tienden a comportarse de un modo intermedio, aunque
suele asumirse que el comportamiento es lambertiano. En el espectro visible slo el agua en calma
presenta un carcter especular. En algunos casos, la superficie marina captada en fotografas areas o
imgenes de satlite muestra el reflejo del sol (2.6).
 23

Figura 2.5: Tipos de superficies en cuanto a la reflexin

El comportamiento lambertiano de las superficies, junto con la dispersin atmosfrica tienen el efecto de
producir una imagen ms borrosa de la que se contemplara directamente sobre la superficie terrestre. La
razn es que las respuestas espectrales de pixeles contiguos ce contaminan unas a otras.

2.2.1 Respuesta espectral del agua

El agua clara tiene unas excelentes propiedades en cuanto a transmisin de la radiacin electromagntica
en el espectro visible y de absorcin en el infrarrojo. En cuanto a la reflectancia aparece un pico en el
verde que va reduciendose hasta el infrarrojo. Esta falta de reflectividad en el infrarrojo va a ser la clave
para distinguir entre areas de tierra y agua tanto en costas o lagos como en rios, incluso en rios pequeos.
El carcter tridimensional de las superficies de agua hace que en su respuesta espectral aparezca un
componente debido a la superficie, otro a la columna de agua y un tercero al fondo. Por tanto variaciones
tanto en la columna de agua como en los materiales del fondo van a alterar su respuesta; un fondo de
arena clara proporciona mayor reflectancia que otro compuesto por matria orgnica en descomposicin.
La profundidad a la que la luz puede penetrar depende de la longitud de onda. En el agua clara la
profundidad de pendetracin son 10 m entre 0.5 y 0.6 cayendo hasta 10 cm en 0.8 - 1.1 . Por tanto al
incrementarse la profundidad del agua la reflectancia, en cualquier longitud de onda, desciende.
Cuando el agua contiene turbidez, las consecuencias sobre la respuesta espectral van a depender del tipo
de turbidez. Si se trata de fitoplancton, aparecen importantes alteraciones en el verde (aumenta) y en el
azul (disminuye). Estos resultados han permitido el desarrollo de diversas ecuaciones empricas. Si se
trata de sedimentos inorgnicos la reflectividad aumenta, especialmente en el rojo
La reflectividad en la nieve es completamente diferente a la del agua, alta en todas las longitudes de onda,
especialmente en el caso de la nieve fresca, pudiendo incluso saturar los sensores. Es posible confundir
nieve con nubes altas (al fin y al cabo formadas por partculas de hielo) con la salvedad de que la
reflectividad de la nieve cae hasta cero para longitudes de onda mayores de 1.4 mientras que la de las
nubes sigue siendo alta.
24

2.2.2 Respuesta espectral de la vegetacin

La vegetacin sana tiene una reflectividad baja en el visible aunque con un pico en el color verde debido
a la clorofila, este pigmento aparece en concentraciones entre 5 y 10 veces mayores que otos como el
caroteno. La reflectividad es muy alta en el infrarrojo reflejado o prximo debido a la escasa absorcin de
energa por parte de las plantas en esta banda. En el infrarrojo medio hay una disminucin especialmente
importante en aquellas longitudes de onda en las que el agua de la planta absorbe la energa. Durante
el otoo, las hojas pierden los cloroplastos (organos que contienen la clorofila) ya que dejan de ser
necesarios al cesar la actividad fotosinttica, por tanto deja de ser la clorofila el pigmento principal y
las plantas adquieren un color pardo-amarillento debido a la cada vez mayor importancia relativa de
carotenos y otros pigmentos.
Esta curva tan contrastada se debilita en el caso de la vegetacin enferma en la que disminuye el infrar-
rojo y aumenta la reflectividad en el rojo y azul. Se observa tambin que la reflectividad de una planta
depende de su contenido en agua. Cuando el contenido de agua aumenta disminuye la reflectividad ya
que aumenta la absorcin de radiacin por parte del agua contenida en la planta.
La cantidad de energa de los fotones que viajan con longitudes de onda mayores (infrarrojo cercano)
es demasiado baja para ser aprovechada por la vegetacin por lo que slo se absorbe en torno al 5%,
el resto se transmite (40%) o refleja (55%). Sin embargo, la energa transmitida acabar llegando a otra
hoja situada por debajo, y por tanto el 55% de ese 40% se volver a reflejar. Este proceso, repetido en
diferentes capas hace que se incremente el tanto por ciento de energa reflejada por un dosel vegetal.
El envejecimiento de la planta conlleva tambin una reduccin en la reflectividad en el infrarrojo. Las
variaciones en la estructura interna de las hojas son la causa principal de que los patrones de respuesta
espectral sean diferentes de unas especies a otras.
En cuanto al infrarrojo medio, el agua presente en los tejidos vegetales absorbe la radiacin en diversas
longitudes de onda hasta alcanzar valores de = 0.9 que afectan incluso a las longitudes de onda vecinas
de aquellas en las que se produce mxima absorcin. En general cuanto menor sea el contenido de agua
de una planta, mayor ser su reflectividad en el infrarrojo medio.

2.2.3 Respuesta espectral del suelo

Las propiedades espectrales del suelo (figura 2.7) son relativamente simples, la transmisin es nula, por
tanto toda la energa se absorbe o refleja. La reflectividad es relativamente baja para todas las bandas
aunque aumentando hacia el infrarrojo. Hay una cierta dependencia entre reflectividad y contenido en
agua del suelo, cuanto mayor es el segundo, mayor es la primera. Este aumento se ve interrumpido en
aquellas regiones en las que el agua absorbe energa, por tanto cuanto mayor sea el contenido de agua en
el suelo, mayor va a a ser la disminucin en reflectividad de estas regiones.
Otros factores que afectan la respuesta espectral del suelo son la textura con una mayor reflectividad
al aumentar el tamao medio de las partculas de suelo (los suelos arenosos tienen mayor reflectividad
que los arcillosos). El problema es que la textura afecta tambin al contenido de humedad por lo que
 25

no resulta fcil diferenciar (con imgenes de satlite entre ambos factores). Los minerales de la arcilla
tienen, por su parte, una caida en reflectividad entorno a 2.2 que no tienene las arenas.
El contenido en materia orgnica tambin afecta a la reflectividad, cuanto mayor sea su contenido y
cuanto menos descomupesta se encuentre ms oscuro resulta el suelo (menor reflectividad). La composi-
cin qumica y mineralgica tambin va a influir en la respuesta espectral, as por ejemplo el contenido
en xidos de hierro va a incrementar la reflectividad en el rojo.
La fuerte correlacin entre muchos de los factores que influyen sobre la respuesta espectral del suelo,
imposibilita el que puedan sacarse conclusiones claras del anlisis de una imagen de unas zonas cuyas
caractersticas edficas se desconocen. En todo caso se ha comprobado que las reas de suelo desnudo
de una misma imagen siguen una serie de pautas reconocibles. La ms estudiada es que si se hace una
representacin grfica con la reflectividad en el rojo en abcisas y la reflectividad en el infrarrjo cercano
en ordenadas, las zonas de suelo desnudo aparecen formando una linea que se conoce como linea del
suelo (figura 2.2.3).
26

Figura 2.6: Reflexin especular en una superficie marina. Costa de Altea

 27

Figura 2.7: Reflectividad del suelo

28

Figura 2.8: Linea del suelo

Tema 3

Plataformas, sensores y canales

Se entiende por plataforma los satlites (LANDSAT, METEOSAT, NOAA, SPOT) o aviones que trans-
portan los aparatos necesarios para captar, almacenar y transmitir imgenes a distancia (sensores).
Un sensor es el aparato que rene la tecnologa necesaria para captar imgenes a distancia y que es
transportado en una plataforma. Puede captar informacin para diferentes regiones del espectro y cada
una de estas regiones se denomina canal o banda.
Por ejemplo, landsat es una plataforma que contiene dos sensores landsat-TM y landsat-MSS, el primero
de los cuales permite captar radiacin en 7 bandas (azul, verde, rojo, 3 en el infrarrojo cercano y 1 en el
infrarrojo trmico y el segundo en 4 bandas (verde, rojo y 2 en el infrarrojo cercano).

3.1 Sensores

Una primera clasificacin de los sensores sera entre sensores activos (generan su propia radiacin y la
reciben rebotada) y sensores pasivos (reciben radiacin emitida o reflejada por la Tierra). Dentro de los
sensores pasivos estn los sensores fotogrficos, ptico-electrnicos que combinan una ptica similar a
la fotogrfica y un sistema de deteccin electrnica (detectores de barrido y empuje), espectrmetros de
imagen, y de antena (radimetros de microondas). Por lo que se refiere a los sensores activos, actualmente
se dispone del radar y el lidar (basado en tecnologa laser).
En un sistema ptico-electrnico la radiancia recibida por los componentes pticos se descompone en
varias longitudes de onda, cada una de ellas se enva a un conjunto de detectores sensibles a esa regin del
espectro que la amplifican y la convierten en seal elctrica y finalmente en un valor numrico conocido
como Nivel Digital (ND). Estos valores numricos pueden convertirse otra vez a valores de radiancia
conociendo los coeficientes de calibrado. Existen dos grandes tipos de sistemas ptico-electrnicos: los
radimetross de barrido y los radimetros de empuje (figura 3.1)
Los radimetros de barrido son los ms habituales en teledeteccin. Disponen de un espejo mvil que
oscila perpendicularmente a la direccin de la trayectoria permitiendo explorar una franja de terreno a

29
30

ambos lados de esta. Cada movimiento del espejo supone que se enve informacin de una franja distinta
al conjunto de sensores.
Los radimetros de empuje eliminan el espejo oscilante al disponer de una cadena con un gran nmero
de detectores de manera que se cubre todo el campo visual del sensor. Ello permite aumentar la resolucin
espacial y reducir los errores geomtricos ya que se ha eliminado la parte mvil, y poco robusta, de los
detectores de barrido. Como contrapartida resulta bastante compleja la calibracin de todos los sensores
al mismo tiempo para que se comporten de forma homogenea. Estos problemas son especialmente graves
en el infrarrojo. En el futuro se dispondr de sensores capaces de captar toda la imagen, como una matriz
bidimensional, al mismo tiempo; de esta forma se reducirn los problemas de tipo geomtrico.

Figura 3.1: Tipos de radimetros multiespectrales

Los espectrmetros de imagen constituyen una nueva generacin de instrumentos cuya misin es
obtener imgenes en un gran nmero de bandas espectrales (entre 64 y 200 bandas a intervalos de 10-20
nm) obteniendo un espectro casi continuo de radiacin. Existen radimetros de barrido y empuje. Para
obtener imgenes de alta resolucin espacial se utilizan espectrmetros aerotransportados como el sensor
AVIRIS (Airbone Visible/Infra-Red Imaging Spectrometer) con 210 bandas entre 0.4 y 2.4 y 20 metros
de resolucin espacial.
Los radimetros de microondas estn compuestos por una antena que acta como elemento receptor
y amplificador de la seal de microondas (que es muy dbil) y un detector. En este tipo de sistemas, la
resolucin espacial es inversamente proporcional al dimetro de la antena y directamente proporcional a
la longitud de onda. Adems se necesitan tamaos de pixel lo suficientemente grandes para recoger una
seal de radiacin lo suficientemente amplia. Por tanto la resolucin espacial es pequea y slo pueden
aplicarse en estudios globales.
El radar trabaja en una banda comprendida entre 1 mm y 1 m. Se basan en el principio de que las
microondas artificiales enviadas en una direccin determinada chocan con los objetos y son dispersadas.
La energa dispersada se recibe, se amplifica y se analiza para determinar la localizacin y las propiedades
 31

de los objetos. Puesto que puede medirse tambin el tiempo que tarda un pulso de radiacin en ir y
volver, puede conocerse la distancia recorrida y generar as modelos digitales de elevaciones (aunque
con problemas ya que quedan zonas de sombra en reas abruptas). Debido a su capacidad para trabajar
sean cuales sean las condiciones atmosfricas su uso se ha extendido considerablemente, especialmente
en zonas con cobertura nubosa persistente.
En funcin de la orientacin con la que el sensor capta las imgenes se distingue entre sensores de (figura
3.1):

Orientacin vertical, habitual en satlites de resolucin espacial baja (meteosat) o media (Land-
sat)

Orientacin oblicua, tpica del radar

Orientacin modificable, aparece en los sensores de alta resolucin a partir del SPOT-IHV. Per-
mite mantener una elevada resolucin espacial y tener una resolucin temporal (tiempo de revisita)
tambien elevada. Ya no se toman imgenes de toda la superficie terreste de forma sistemtica sino
que el sensor es orientado por encargo. El inconveniente es que es difcil encontrar imgenes a
posteriori, ya que slo se toman aquellas imgenes que se han encargado previamente.

Figura 3.2: Tipos de sensores en funcin de su orientacin

3.2 Resolucin de imgenes de satlite

La salida de radiacin (emitida o reflejeda) de la superficie terrestre es un fenomeno continuo en 4

dimensiones (espacio, tiempo, longitud de onda y radiancia). Un sensor debe muestrear en este continuo
discretizndolo. El modo en que esta discretizacin se lleva a cabo define los cuatro tipos de resolucin
con los que se trabaja en teledeteccin:
32

Resolucin espacial (tamao de pixel)

Resolucin espectral (indica el nmero y anchura de las regiones del espectro para las cuales
capta datos el sensor)
Resolucin radiomtrica (nmero de intervalos de intensidad que pueden captarse)
Resolucin temporal, tiempo que transcurre entre dos imgenes

La resolucin espacial es el tamao del pixel, en algunos casos se emplea el concepto de IF OV (campo
instantaneo de visin) que se define como la seccin angular (en radianes) observada en un momento
determinado. La relacin entre IF OV y tamao de pixel (d) puede verse en la ecuacin 3.1 y en la
figura 3.2

IF OV
d = 2Htan( ) (3.1)
2
donde d es el tamao de pixel y H la distancia del sensor a la superficie terrestre.

Figura 3.3: Relacin IFOV-tamao de pixel

Existe un amplio rango de resoluciones espaciales en los satlites hoy da disponibles. Meteosat y los
satlites geoestacionarios ofrecen una resolucin espacial de 5000 m debido a su cobertura global de la
superficie terrestre, los satlites de la serie NOAA-AVHRR tienen resoluciones que van entre 500 y 1100
m, landsat-TM tiene 30 m y el sensor Ikonos-1 1 metro.
Es imprescindible una buena equivalencia entre la resolucin espacial y la escala espacial a la que ocurren
los fenmenos que se quieren observar.
La resolucin espectral indica el nmero y anchura de las bandas en las que el sensor puede captar
radiacin electromagntica. En principio cuanta ms bandas incluya un sensor mejor, ya que cada banda
 33

constituye una variable para carracterizar la superficie captada. Por otro lado es preferible que estas
bandas sean estrechas para que su poder discriminante se incremente. Si las bandas son muy anchas van
a recoger valores promediados que ocultarn elementos de diferenciacin. Por ejemplo resulta mucho
ms informativo contar con 3 bandas (rojo, verde azul) en el visible que con una sola banda (fotografa
en blanco y negro).
El nmero de bandas y su localizacin en el espectro va a depender de los objetivos que se pretendan
cubrir con la puesta en funcionamiento del sensor. En la figura 3.2 aparece la localizacin y anchura de
las 6 bandas de landsat-TM (1,2,3,4,5,7) situadas en el visible e infrarrojo reflejado, existe otra banda (la
nmero 6) en el infrarrojo trmico. Puesto que la curva situada de fondo es el espectro de emisin del
sol, el tamao de cada una de las barras indica la cantidad de energa que llega a la Tierra en cada una de
las bandas.

Figura 3.4: Resolucin espectral del satlite landsat en el visible e infrarrojo reflejado

La resolucin radiomtrica indica la sensibilidad del sensor, es decir la capacidad de discriminar entre
pequeas variaciones en la radiacin que capta. Suele expresarse mediante el nmero de bits necesarios
que se precisan para almacenar cada pixel. Por ejemplo Landsat-TM utiliza 8 bits lo que da 28 = 256
niveles de energa (Niveles Digitales, ND) que pueden ser captados. Cuanto mayor sea la precisin
radiomtrica mayor nmero de detalles podrn captarse en la imagen.
La resolucin temporal indica el intervalo de tiempo entre cada imagen obtenida por la plataforma (la
que queramos en el caso de los aviones) cada media hora en el caso de los satlites geosncronos y
variable en el caso de los satlites heliosncronos. Recientemente se han desarrollado satlites de muy
34

alta resolucin espacial con sensores orientables, de manera que la zona de la que captan imgenes es
relativamente independiente de la posicin que ocupe el satlite con lo que la resolucin temporal pasa a
sr algo ms flexible.
Generalmente, a mayor resolucin espacial disminuye la temporal y tambin la espectral. El problema es
que cada aumento de resolucin multiplica el volumen de datos que el sensor debe preprocesar y enviar
a las estaciones de Tierra. Sin embargo la aparicin de sensores de orientacin modificable ha permitido
compatibilizar alta resolucin espacial y alta resolucin temporal a costa de una toma de imgenes no
sistemtica.
El diseo de los sensores de un satlite se hace teniendo en cuenta todas las consideraciones hechas hasta
ahora. Salvo excepciones, se va a trabajar con ventanas atmosfricas y se va a seleccionar aquella com-
binacin de regiones del espectro que mayor informacin van a proporcionar acerca de los fenmenos
que se quieren estudiar.
En muchas ocasiones se relaciona resolucin espacial con calidad de las imgenes. EN realidad no tiene
sentido tal relacin ya que cada sensor tiene la resolucin ptima para los objetivos que se pretenden
cubrir. Los satlites meteorolgicos como Meteosat, puesto que se utilizan para analizar fenmenos muy
dinmicos, necesitan una gran resolucin temporal (30 minutos) y una imagen de gran tamao (todo el
planeta) por lo que resultara muy problemtico multiplicar su resolucin espacial.

3.3 Satlites

Existen dos tipos fundamentales de satlites, los geosncronos o geoestacionarios y los heliosncronos.
Los primeros se sitan sobre el Ecuador en una rbita a 36000 Km de la Tierra. Permanecen siempre en
la vertical de un punto determinado acompaando a la Tierra en su movimiento de rotacin. Es el caso
de Meteosat, situado sobre la perpendicular entre el meridiano 0o y el Ecuador, desde el que se obtienen
imgenes de la parte de la Tierra visible desde el punto en que se encuentra.
Los satlites heliosncronos se desplazan en rbitas generalmente circulares y polares (el plano de la
rbita es paralelo al eje de rotacin de la Tierra) de modo que, aprovechando el movimiento de rotacin
terrestre, puede captar imgenes de diferentes puntos cada vez que pase por el mismo punto de la rbita.
Estas rbitas slo son posibles entre 300 y 1500 Km de altura. La rbita se disea de forma que el satlite
pasa siempre sobre el mismo punto a la misma hora local (figura 3.3).

3.3.1 Satlites meteorolgicos

Durante los aos 60 y 70 se fue desarrollando una red mundial de satlites meteorolgicos geoestacionar-
ios que proporcionaban cobertura global y continua (cada media hora) del planeta en una franja que va
de 70o N a 70o S. Se trata de 5 satlites en rbita ecuatorial que cubren, con una resolucin adecuada,
una extensin de 70o en longitud cada uno (70x5 = 350). De ellos, Meteosat cubre Europa, Africa y el
Atlntico oriental; fue lanzado por primera vez en 1977 y en 1997 se lanz el Meteosat-7. El responsable
 35

Figura 3.5: Satlites de rbita polar

Nombre Resolucin Utilizacin

visible 0.50 - 0.90 2500 m Clculo de reflectividad y deteccin de nubes
vapor de agua 5.70 - 7.10 5000 m Espesor y vapor de agua contenido en las nubes
infrarrojo trmico 10.50 - 12.50 5000 m Temperatura superficial y de las nubes

Tabla 3.1: Canales de Meteosat

de este satlite es la organizacin intergubernamental EUMETSAT (European Organisation for Meteo-

rological Satelllites). Cuentan con el sensor de barrido MVIRI (Meteosat Visible and Infrarred Imagery)
con 3 canales (tabla 3.1).

El futuro del programa Meteosat pasa por la introduccin de un nuevo sensor, el SEVIRI (Spinning
Enhanced Visible and InfraRed Imager) que proporcionara imgenes en 12 canales cada 15 minutos.
La resolucin espacial pasar de 5 a 3 Km en el infrarrojo y ser de 1 km en una de las bandas del
visible. Se esper que resulte de gran utilidad para el seguimiento y alerta temprana de acontecimientos
meteorolgicos extremos.

Anterior en el tiempo al programa Meteosat es el programa TIROS-NOAA. Cuenta con dos satlites
en rbita polar complementaria de manera que, al pasar cada uno por la vertical de un mismo punto
una vez al da, obtienen una imagen cada 12 horas. El ms utilizado de los sensores que llevan es el
AVHRR (Advanced Very High Resolution Radiometer) con una anchura de visin de 3000 Km y una
resolucin de 1.1 Km en el nadir que alcanza 2.5 x 7 Km en los extremos de la imagen debido al ngulo
de observacin y a la curvatura terrestre. Las caracersticas de las bandas del sensor AVHRR aparecen
en la tabla 3.2
36

Figura 3.6: Satlites meteorolgicos en rbita geosncrona

Nombre Resolucin Utilizacin

1 0.58 - 0.68 1100 m Seguimiento de nubes, nieve y hielo
2 0.72 - 1.1 1100 m Discriminacin de las superficies de agua y vegetacin
3 3.55 - 3.93 1100 m Temperatura superficial del mar, volcanes e incendios
4 10.3 - 11.3 1100 m Temperatura superficial del mar, humedad del suelo
5 11.5 - 12.5 1100 m Temperatura superficial del mar, humedad del suelo

Tabla 3.2: Canales de NOAA

3.3.2 Satlites de recursos naturales

Son satlites de rbita polar, con mayor resolucin espacial y que fueron diseados para la observacin
de la Tierra y la evaluacin de sus recursos naturales. El ms conocido de ellos es el programa Landsat
que se inici en 1972 con el lanzamiento del Landsat-1, en 1999 se lanz Landsat-7.
Landsat-5 fue lanzado en 1984 el que ms tiempo lleva en rbita y significo, junto con Landsat-4 que
apenas estuvo operativo, un salto cualitativo de gran importancia. Combina el sensor MSS (Multispectral
Scanner) de los satlites ms antiguos con un nuevo sensor el TM (Thematic Mapper) con capacidades
ampliadas. La tabla 3.3 muestra las caractersticas principales de ambos. El sensor TM tiene adems
mayor resolucin radiomtrica (8 bits) que el MSS (6 bits).
El satlite landat-7 incorpora el sensor ETM (Enhanced Thematic Mapper) que aade a las bandas ya
disponibles en el TM un canal pancromtico (0.5 0.9) con resolucin espacial de 15 metros.
Su rbita se sita a 705 Km de altitud, pasa por los mismos lugares cada 16 das, sobre nuestra latitud
 37

Sensor Banda Nombre

MSS 4 0.5 - 0.6 82 m
MSS 5 0.6 - 0.7 82 m
MSS 6 0.7 - 0.8 82 m
MSS 7 0.8 - 1.1 82 m
TM 1 0.45 - 0.52 30 m
TM 2 0.52 - 0.6 30 m
TM 3 0.63 - 0.69 30 m
TM 4 0.76 - 0.9 30 m
TM 5 1.55 - 1.75 30 m
TM 6 10.4 -12.5 120 m
TM 7 2.08 - 2.35 30 m

Tabla 3.3: Canales de los sensores MSS y TM de landsat-5

Banda Nombre
P 0.51 - 0.73 10 m
XS1 0.5 - 0.59 20 m
XS2 0.61 - 0.68 20 m
XS3 0.79 - 0.89 20 m

Tabla 3.4: Canales del sensor Spot-HRV

pasa a las 9.45 a.m hora solar.

Los satlites landsat disponen de dos sensores, MSS (Multispectral scanner) y TM (Thematic mapper)
con mayor resolucin espacial, espectral y radiomtrica (79 m, 4 bandas y 6 bits en MSS y 30 m, 7
bandas y 8 bits en TM).
El proyecto Spot se inicia en 1986 y hasta la actualidad se han lanzado 4 satlites (Spot-4 fue lanzado
en 1998). Los satlites se sitan en rbita heliosncrona casi polar cruzando el Ecuador a las 10:30 am y
repitiendo rbita cada 26 das. Los satlites 1, 2 y 3 estaban dotados del sensor HRV (High Resolution
Visible) que proporcionaba imgenes en el visible e infrarrojo cercano. Su principal ventaja respecto
a landsat es su mayor resolucin espacial al introducir por primera vez un radimetro de empuje. Son
imgenes de 60 Km de ancho y 10-20 m de resolucin.
Otra de las ventajas del HRV es su capacidad para reorientar su campo de observacin desde la Tierra
como lo que la resolucin temporal pasa de 26 das a 2 o 3 dependiendo de la latitud. Esta flexibilidad
hace adems que las imgenes deben encargarse por adelantado.
En el satlite sopt-4 se modificaron los sensores introduciendose el HRVIR que aade a las canales del
HRV un infrarrojo (1.581.78) eliminando el pancromtico1 . Se aade tambin el sensor VEGETATION
1
Banda que integra todo el visible, el resultado es una fotografa en blanco y negro
38

Banda Nombre
B0 0.43 - 0.47 1000 m
B1 0.61 - 0.68 1000 m
B2 0.78 - 0.89 1000 m
B3 1.58 - 1.75 1000 m

Tabla 3.5: Canales del sensor VEGETATION

Sensor Bandas Resolucin Anchura de imagen Reorientacin Perodo
IRS-1 4 5.8 m 70 Km + 26o 5 das
Ikonos-1 4 1m-4m 11 Km + 30o 1-3 das
QuickBird 4 1m-4m 27 Km + 30o 1-3 das

Tabla 3.6: Caractersticas de los principales sensores de alta resolucin espacial

orientado al seguimiento diario de la cobertura vegetal a escala regional o planetaria (la anchura de
imagen es de 2250 Km y la resolucin espacial de 1 Km.

3.3.3 Sensores de alta resolucin espacial

Entre los desarrollos ms recientes en teledeteccin estn los sensores de alta resolucin espacial, los de
alta resolucin espectral y finalmente la utilizacin del Radar de Apertura Sinttica (SAR).
Como lmite arbitrario de lo que es un sensor de alta resolucin espacial suele establecerse un tamao
de pixel de 5 metros. Hasta principios de los 90 esta tecnologa era dominio exclusivamente militar,
existiendo ya desde los aos 60 sensores de este tipo.
Ikonos, con una resolucin espacial de 1 metro fue el primero de los satlites de estas caractersticas
que fue lanzado. La alta resolucin espacial requiere satlites y tecnologas completamente diferentes,
incluyendo telescopios y sistemas de reorientacin del ngulo de observacin, como en Spot. El problema
es que por una parte se pierde sistematicidad y por otra se pierde resolucin espectral. El problema se
solventa teniendo un canal pancromtico de alta resolucin espacial y otros en porciones concretas del
visible (azul, rojo, verde) con tamaos de pixel mayores.

3.3.4 Sensores de alta resolucin espectral

Los espectrmetros de imagen captan un elevado nmero de canales (ms de 40) estrechos, contiguos y
sin solapamiento. La demanda de este tipo de imgenes obtenidas mediante sensores aerotransportados
ha sido importante desde diversos campos de estudio relacionados con la Geofsica.
El objetivo de la espectroscopa de imagen es medir de forma cuantitativa los componenetes del sistema
Tierra-Atmsfera (radiancia, emisividad, temperatura, refectancia, concentracin de diferentes compo-
 39

nentes atmosfricos y sus variaciones espacio-temporales, tasas de fotosntesis, concentraciones de com-

ponentes del suelo, calidad del agua, etc.)
El elevado mero de canales permite, no slo tener una representacin mucho ms completa de las sig-
naturas espectrales de los objetos observados, sino tambin conseguir correcciones atmosfricas mucho
mejores, con lo que las estimaciones de las variables derivadas son mucho ms precisas.

Figura 3.7: Sensores multiespectrales

3.3.5 radar

El uso de longitudes de onda mayores, que no se encuentran en los espectros solar o terrestre, implica
la necesidad de utilizar sensores activos, es decir aquellos que generan su propio flujo de radiacin. Su
mayor ventaja es que debido a su elevada longitud de onda (muy superior al tamao de las gotas de agua
en la atmsfera) no resulta absorbida por esta, adems al ser un haz artificial puede manipularse la forma
en que se emite para, as, obtener el mximo de informacin.
Las principales propiedades objeto de manipulacin son:

Angulo de depresin, es el ngulo que forma la direccin de observacin con la horizontal. Los
valores varan en funcin de los objetvos, en estudios ocenicos y glaciolgicos es menor que en
trabajos sobre la superficie continental.

Angulo de incidencia, es el ngulo que forma la direccin de observacin con la perpendicular al

objetivo, vara dentro de una misma imagen

Polarizacin u orientacin (horizontal o vertical) de la onda emitida por el sensor; la onda de

vuelta tambin puede recibirse con polariacin horizontal o vertical. De este modo aparecen cuatro
40

posibles combinaciones (HH, HV, VH, VV) que pueden utilizarse como si fueran cuatro bandas
ya que contienen diferente tipo de informacin.

Figura 3.8: Principales propiedades de la observacin con radar

El principal problema del radar fue en principio su baja resolucin espacial que puede calcularse como:

H
Rs = (3.2)

donde Rs es la resolucin, la longitud de onda, H la altura de observacin y el dimetro de la antena.
Si el radar se coloca sobre un avin, la altura es reducida y se obtienen resoluciones adecuadas, todo lo
contrario ocurre en el caso de utilizar un satlite para transportarlo.
Este problema se ha solventado con el uso del Radar de Apertura Sinttica (SAR) que se basa en el
efecto Doppler que aparece en la observacin cuando se produce un movimiento relativo entre objeto y
 41

Clave Longitud de onda (cm)

P 30-100
L 15-30
S 7.5-15
C 3.75-7.5
X 2.5-3.75
Ku 1.67-2.5
K 1.111-1.667
Ka 0.75-1.111

Tabla 3.7: Subdivisin de las longitudes de onda del radar

sensor. La resolucin que se obtiene es equivalente a la que se obtendra con una antena de tamao igual
a la distancia entre ambas observaciones. Sin embargo existen ms dificultades:

Los radares observan la superficie lateralmente (perspectiva oblicua) lo que implica notables de-
formaciones geomtricas;

La seal de retorno no solo depende del objeto detectado sino tambin de la distancia al sensor;

La interaccin de las microondas con la superficie terrestre genera un fenmeno denominado

speckle debido a la integracin de respuestas de diferentes objetivos en un nico pixel. El speckle
se manifiesta como puntos blancos aleatoriamente dispersos por la imagen;

La resolucin no es igual en la direccin paralela a la trayectoria que en la perpendicular a la

misma. En esta ltima, el tamao del pixe l aumenta confome el ngulo de incidencia es mayor.

La presencia de relieves modifica el ngulo local de incidencia de la seal de radar, transforma la

superficie real en superficie proyectada modificando las distancias y adems supone la presencia
de sombras.

La regin del espectro utilizada por el radar se divide en una serie de subregiones codificadas con letras
(tabla 3.3.5).
El sensor ERS-SAR fue el primer satlite europeo de teledeteccin. Opera en la banda C con polarizacin
VV. Produce imgenes de 100 Km de ancho con una resolucin de 25 metros. Esta resolucin se obtiene
integrando los pixeles ms pequeos que se obtienen en las imgenes en bruto para disminuir el speckle
. El ngulo de incidencia vara entre 20 y 26 grados lo que permite captar la rugosidad del terreno.
Se utilizado en diferentes proyectos en oceanografra (estimacin de oleaje), glaciologa (deteccin de
grietas), usos del suelo (discriminacin de cultivos) y geomorfologa.
RADARSAT es un satlite de la NASA con rbita heliosncrona, opera en la banda C con polarizacin
HH. La anchura dlas imgenes vara entre 35 y 500 Km, as como la resolucin que oscila entre 10 y 100
m.
42

El sensor SIR-C/X-SAR utiliza 3 bandas (L, C, X) y 4 polarizaciones (HH, HV, VH y VV) con lo que se
obtiene el equivalente a 12 canales de informacin. La resolucin espacial es tambin variable. El ngulo
de depresin vara entre 73 y 27 graos con lo que tambin son muy variables los ngulos de incidencia.

3.4 Errores en la captacin de imgenes

El proceso de captacin de radiacin procedente de la superficie terrestre por parte de un sensor situado
en un satlite no es perfecto. Existen diversos factores que van a introducir diversos tipos de error. Estos
se pueden clasificar en cinco tipos bsicos en funcin de cual de los elementos que intervienen en el
proceso sea el responsable.

Distorsiones originadas por la plataforma. Un satlite, al igual que un avin aunque en menor
medida, est sujeto a oscilaciones aleatorias de su altitud, velocidad y orientacin de sus tres ejes.
Estas oscilaciones alteran de un modo impredecible la relacin que se establece entre posiciones
en la superficie terrestre y posiciones en la matriz de datos.

Distorsiones provocadas por la rotacin terrestre. Debido a la altitud a la que se encuentran los
satlites y a que la toma de una imagen completa requiere cierto tiempo, la superficie terrestre se
habr desplazado desde el inicio de la toma de la imagen hasta el final.

Distorsiones geomtricas provocadas por el sensor. La complejidad del proceso de captacin de la

imagen puede introducir pequeos errores que, en general suponen que los pixeles de la imagen
no tengan todos la misma resolucin.

Distorsiones radiomtricas provocadas por el sensor. Puesto que cada sensor tiene varios detectores
por banda, puede producirse una cierta descalibracin de alguno de ellos con lo que apareceran
efectos de bandeado en la imagen. En el caso extremo pueden perderse algunos pixeles o incluso
lineas enteras.

Distorsiones provocadas por la atmsfera, debidas a la interaccin de la radiacin con la atmsfera.

La correccin de los tres primeros tipos de errores se conoce como correccin geomtrica y se lleva a
cabo al georreferenciar la imagen. La correccin del cuarto se conoce como correccin radiomtrica
y la del quinto como correccin atmosfrica. Estos tres tipos de coreccin se vern en cada uno de los
tres temas siguientes.

3.5 Ejemplos de aplicaciones de diversos tipos de sensores en teledetec-

cin

Durante este curso se tratar fundamentalmente de imgenes obtenidas en aquellas regiones del visible e
infrarrojo reflejado en las que existen ventanas atmosfricas. Se trata del tipo de aplicacin ms frecuente
 43

y ms interesante desde el punto de vista de la ordenacin del territorio, estudio de riesgos naturales, y
otras ramas aplicadas de la Geografa.

En esta seccin se van a repasar otro tipo de aplicaciones de la teledeteccin basadas en regiones del
espectro, en las que el comportamiento conjunto del sistema Sol-Atmsfera-Tierra es diferente, dando
especial relevancia al radar ya que su uso se extiende cada vez ms.

3.5.1 Utilizacin de regiones del espectro electromagntico en las que los distintos com-
ponentes de la atmsfera absorben la radiacin

El sensor TOMS (Sensor para la Medicin del Ozono Total) en el satlite Nimbus-7 y la serie UARS
(Satlite de Investigacin de la Alta Atmsfera) capta radiacin en 6 longitudes de onda dentro del
ultravioleta. Se trata de radiacin solar reflejada o absorbida y reemitida por la atmsfera. Puesto que el
principal causante de estos procesos es la capa de ozono estratosfrica, a mayor radiacin recibida mayor
es la cantidad de ozono presente (figura 3.5.1).

Los problemas que deben solventarse es la presencia de otros componentes en la atmsfera que tambin
afectan al ciclo del ozono (por ello se utilizan 6 bandas) y la falta de radiacin solar durante los inviernos
polares.

Figura 3.9: Imgenes captadas por el sensor TOMS

44

Bandas de absorcin de agua. Meteosat

Las bandas de Meteosat (figura 3.10) son un ejemplo de cada una de estas posibilidades. La imagen
visible capta radiacin solar reflejada integrando todas las longitudes de onda del visible y parte del
infrarrojo reflejado (0.5 - 0.9 ), cuanto mayor sea el valor recibido por el sensor mayor es el albedo
(colores claros). La imagen del infrarrojo trmico capta radiacin emitida por la Tierra (5.7 - 7.1 ) que,
por tanto, depende de su temperatura, a mayor temperatura mayor energa recibida (colores oscuros).
La imagen del vapor de agua (10.5 -12.5 ) capta energa en la longitud de onda en que mayor es
la absorcin del vapor de agua; por tanto cuanto mayor sea la cantidad de vapor de agua presente en la
columna atmosfrica menor es la cantidad de energa que capta el sensor (colores claros). La combinacin
de estas tres bandas permite distinguir:

Tierra de oceano, por su diferente albedo y temperatura

Temperatura de la superficie terrestre sin cubierta nubosa
Nubes bajas (albedo muy alto, temperatura moderada, contenido en vapor de agua moderado)
Nubes altas (albedo muy alto, temperatura muy baja, contenido en vapor de agua moderado)
Nubes de desarrollo vertical (albedo muy alto, temperatura muy baja, contenido en vapor de agua
elevado)

Visible Infrarrojo trmico Vapor de agua

Figura 3.10: Imgenes de cada uno de los canales del satlite Meteosat

3.5.2 Emisividad y temperatura en el infrarrojo trmico

Adems de obtener informacin sobre un objeto a partir de la radiacin solar reflejada por el mismo,
podemos captar e interpretar la radiacin emitida por el objeto. A partir de la ecuacin de Planck
(ecuacin 1.5), y teniendo en cuenta la emisividad, se obtiene:
 45

c1
M =  c2 (3.3)
5 (e T 1)

Asumiendo que la superficie es lambertiana y que no existen interferencias por parte de la atmsfera se
tiene tambin que:

M = L (3.4)

Puesto que L es la radiacin recogida por el sensor, a partir de ella podemos:

Calcular la temperatura conociendo la emisividad

c2
T = (3.5)
(ln[( c1 5 /M ) + 1])

Calcular la emisividad conociendo la temperatura

M 5 (exp[c2 /T ] 1)
 = (3.6)
c1

Existen diversos sensores preparados para captar radiacin en el infrarrojo trmico. El del satlite Me-
teosat permite llevar a cabo estimaciones de la temperatura media espacial sobre reas de gran tamao (la
resolucin de Meteosat en el trmico es de 5 Km) con propsitos meteorolgicos, figura 3.10. El satlite
NOAA capta tambin radiacin en el infrarrojo trmico pero ahora su menor resolucin espacial 1.1 Km
permite incluso detectar incendios forestales (figura 3.5.2).

3.5.3 Sensores pasivos de microondas

La emitancia de la superficie terrestre en esta regin del espctro es mnima por lo que apenas se han
utilizado sensores pasivos para su deteccin. Una excepcin importante es su utilizacin para detectar la
presencia de hielo marino sobre la superficie marina.
Aunque hielo y agua seran muy facilmente diferenciables utilizando la luz visible, en la prctica la casi
constante cubierta nubosa o de niebla y la falta de luz solar directa en buena parte del ao en las latitudes
altas, imposibilita su uso.
Por tanto se van a utilizar radimetros pasivos de microondas para recojer la escasa radiacin de mi-
croondas emitida desde al superficie terrestre. La clave para su utilizacin est en la diferente emisividad
del hielo (15.5mm = 0.8 0.97) y del agua (15.5mm = 0.44) que, junto a la presencia de lmites claros
entre ambos estados, permite distinguirlos claramente.
Existen diversos tipos de interferencias, en primer lugar el ruido introducido por la atmsfera con carcter
aleatorio tanto en el espacio como en el tiempo. Este puede eliminarse calculando medias mensuales
46

Figura 3.11: Incendio captado por el satlite NOAA cerca de Valencia

para obtener datos de concentracin de hielo ms que de presencia-ausencia de hielo (figura 3.5.3). En
segundo lugar, los pixeles cercanos a Tierra pueden sufrir una contaminacin continental ya que la
superficie terrestre tiene una alta emisividad en la regin de microondas y aparecer como zonas de hielo,
la solucin sera cruzar el mapa resultante con un mapa de temperatura marina.

La radiacin de microondas emitida por la superficie terrestre se ha utilizado tambin para obtener mapas
de espesor de la cubierta de nieve (figura 3.5.3. La superficie terrestre tiene una gran emisividad, pero
el flujo de radiacin es dispersado por la nieve, a mayor espesor de nieve mayor dispersin y menos
radiacin llegar al sensor.

La presencia de objetos por encima de la cubierta nubosa puede complicar notablemente los resultados
por lo que se debe utilizar informacin complementaria de otras bandas. No da buenos resultados en
reas con una cubierta de nieve o hielo importante (Islandia o Groenlandia) ya que la dispersin es total
con unos pocos metros de espesor de nieve.

Los satlites Nimbus-5 y Nimbus-7, as como otros satlites meteorolgicos posteriores estn dotados de
sensores pasivos de microondas.
 47

Figura 3.12: Mapas de concentracin de hielo en la superficie marina a partir de imgenes del satlite
NIMBUS

3.5.4 Sensores activos de microondas. Radar

Pese a sus problemas es una de las tcnicas ms desarrolladas en las ltimas dcadas. Especialmente
relevante es el desarrollo de tcnicas de interferometra que permiten generar modelos digitales de terreno
muy precisos.
Una imagen radar puede contener diferentes tipos de informacin:

La distribucin espacial de la respuesta del terreno a la radiacin emitida por el sensor.

Tiempo de vuelta del pulso de radiacin emitido, til para la elavoracin de modelos de eleva-
ciones.

Retardo entre dos bandas con diferente polarizacin, til para la estimacin de tipos de suelo.

En cuanto a la informacin ambiental que puede obtenerse:

Rugosidad del terreno, con un detalle del orden de magnitud de la longitud de onda empleada

Conductividad (relacionable con las propiedades del suelo

Las longitudes de onda mayores pueden penetrar en algunos tipos de suelo, del grado de pene-
tracin pueden deducirse las caractersticas de este
48

Figura 3.13: Mapas de espesor de la nieve a partir de imgenes del satlite NIMBUS
 49

Figura 3.14: Imagen radar (RADARSAT)

Figura 3.15: Imagen radar. SIR-C

50
Tema 4

SIG y teledeteccin

4.1 Visin histrica

La teledeteccin y los SIG surgen en principio como tecnologas independientes. Sin embargo uno de
los objetivos del primer SIG, el Sistema de Informacin Geogrfica de Canada (CSIG) desarrollado por
Roger Tomlinson en los sesenta, fue el almacenamiento y procesado de fotografa area.

Los Sistemas de Informacin Geogrfica son programas que proporcionan , de forma modular o in-
tegrada, herramientas para la introduccin, almacenamiento, gestin, anlisis y representacin grfica
de datos que se caracterizan por la existencia de una componente espacial, por tanto se trata de datos
georreferenciados.

La teledeteccin se concibi en principio como una herramienta para la obtencin de informacin medioam-
biental, sin un inters claro por su integracin con otras capas de informacin. La razn estriba proba-
blemente tanto en las deficiencias tcnicas del momento como en el carcter global de muchas de las
primeras imgenes.

En los aos setenta cuando se difunden las primeras imgenes de los satlites landsat se concibe la
posibilidad de integrar informacin cartogrfica con imgenes de satlite. El aumento de resolucin
permite por una parte una mayor capacidad de discriminacin de objetos y clases por lo que ya pueden
utilizarse , por ejemplo, para obtener mapas de usos del suelo. Sin embargo esta clasificacin de las
imgenes no resulta sencilla y se beneficia de la incorporacin de toda la informacin que sea posible.

En los aos 80 se empiea a considerar a la teledeteccin como una fuente de informacin para un SIG,
especialmente til para su actualizacin. Ya no sera necesario hacer campaas de campo intensivas para
determinar el estado de la vegetacin sino que bastara con procesar una serie de imgenes.

51
52

4.2 Aspectos tcnicos

Esta convergencia de SIG y teledeteccin se ha visto favorecida por su desarrollo en el mismo tipo de
entornos de trabajo y por similares requerimientos en cuanto a hardware y software, en definitiva ambas
tratan con informacin espacial georreferenciada de la que se pretenden extraer conclusiones relevantes
desde un punto de vista medioambiental o de planificacin.
Una de las diferencias bsicas entre la fotografa area y la teledeteccin es que en la primera la radiacin
procedente de los objetos se registra en un medio material mediante una reaccin qumica, mientras que
en teledeteccin el sensor explora la superficie terrestre a intervalos regulares y almacena, para cada uno
de estos intervalos espaciales, un nmero que es funcin de la radiacin recibida y cuyos valores estn
comprendidos entre 0 y 2b siendo b la resolucin radiomtrica del sensor. Este nmero se denomina Nivel
Digital o ND, cuanto mayor sea el valor de ND mayor es la radiacin que recibe el sensor. De este modo
una imgen de satlite es una matriz de NDs en la que la fila y columna de cada ND indica su posicin
en el espacio.
En realidad habr una matriz por cada una de las bandas del satlite correspondiendo cada ND de cada
banda (definido por un valor de fila y columna) a la misma localizacin en el espacio. El elemento
diferenciador no aparece por tanto entre SIG y teledeteccin sino entre SIG raster y vectorial cuando
se trabaja en teledeteccin (y en general cuando se trabaja con variables ambientales). En realidad la
base conceptual de los SIG raster (el lgebra de mapas) es tambin la base conceptual de muchas de
las operaciones de teledeteccin. Los calculos de variables a partir de los ND de la imagen, gran parte
de los procedimientos de correccin y la asignacin de pixeles a clases se basan en operadores locales
aritmticos o lgicos, mientras que los filtrados se basan en operadores de vecindad.
Tan slo aspectos especficos como la georreferenciacin o determinados tipos de anlisis estadstico
(anlisis de componentes principales, anlisis de Fourier), o las herramientas (supervisadas o no super-
visadas) de generacin de clases requieren mdulos de anlisis estadstico ms complejos que los que
seran a priori necesarios para un SIG. Sin embargo la programacin de estos mdulos si tiene mucho en
comn con la programacin de mdulos convencionales de SIG, por tanto la norma ha sido que progra-
mas de SIG con capacidades ampliadas hayan sustituido a los antiguos programas excusivamente para
teledeteccin que solan ir asociados a hardware especfico.
Entre los mdulos de SIG necesarios para el tratamiento de imgenes de satlite cabe destacar:

Mdulos para la gestin de capas de informacin que permiten copiar, borrar o renombrar capas
de informacin. Generalmente en un SIG una capa de informacin est formada por ms de un
fichero con lo que no basta con las utilizades para manejo de archivos del sistema operativo. Se
requieren mdulos que acten sobre todos los ficheros que forman una sola capa.
Utilidades de visualizacin que permitan transformar los valores de ND (o variables elaboradas a
partir de ellos) en colores para su representacin en un monitor grfico. Los criterios para llevar
a cabo esta transformacin (paleta de colores) deben poder ser modificados por el usuario. Por
otra parte, dado que las capas raster que resultan de imgenes de satlite son de gran tamao, son
necesarias herramientas que permitan hacer zoom y desplazarse por la imgen.
 53

Clculo de estadsticos. Uno de los primeros pasos en el anlisis de una imgen de satlite es el
anlisis de su histograma y el clculo de estadsticos bsicos, sin embargo son necesarios anli-
sis estadsticos ms sofisticados como el Anlisis de Componentes Principales o las tcnicas de
clasificacin

Mdulos de lgebra de mapas que van a facilitar muchos de los procedimientos que se vern
posteriormente

Tan slo la obtencin de mapas de variables cualitativas (usos del suelo, litologa, etc.) derivados de las
imgenes, y si posterior vectorizacin, van a implicar la aparicin, marginal, de los formatos vectoriales
en los SIG orientados a teledeteccin.

4.3 SIG como apoyo a la teledeteccin y viceversa

Entre las muchas distorsiones que aparecen en una imagen de satlite, algunas se deben a factores to-
pogrficos. Por ejemplo, dos laderas situadas a solana y a umbra recibiran cantidades diferentes de
radiacin solar, la de solana aparentar una mayor reflectividad (puesto que su radiancia es mayor) pero
en realidad es que estr recibiento tambin ms energa. Para corregir este efecto es necesario integrar un
Modelo Digital de Elevaciones como informacin complementaria al anlisis de las imagenes de satlite.
Por otra parte la clasificacin de imgenes (obtencin de variables cualitativas a partir de los valores de
reflectancia) tambin se beneficia de la inclusin de un MDE. Es evidente que la reflectividad tipo de
pixeles de matorral en solana ser diferente que los de umbra (no ya por las diferencias en insolacin,
sino por las diferencias en biomasa debidas al stress hdrico). Adems resulta til en la fase de validacin
de los resultados, un pixel de regadio en lo alto de una sierra debe, en principio, resultar sospechoso.
Finalmente la visualizacin de los resultados puede mejorar si se aaden vistas 3D apoyadas en el MDE.
Todas estas consideraciones sobre el qpoyo que un MDE puede brindar a la teledeteccin son tambin
vlidas, aunque quizs no tan evidentes, para otros tipos de informacin espacial.
Uno de los objetivos fundamentales de los estudios de teledeteccin es la obtencin de mapas temticos.
Estos generalmente se incorporaran junto a otros mapas obtenidos por mtodos convencionales a un
sistema de informacin sobre el territorio. La teledeteccin se convierte en la herramiena idonea para
obtener capas de informacin espacial cuando las superficies son amplias, poco habitadas y escasamente
cubiertas por la cartografa tradicional (Canada, Siberia, Brasil) o cuando los estados no disponen de los
recursos para elaborar planes de cartografa convencional.

4.4 SIG y teledeteccin en GRASS

GRASS (Geographic Resources Analysis Support System) es un SIG modular, es decir no se trata de
un programa cuyas opciones se invocan con sistemas de mens sino que se trata de mltiples programas
(mdulos) que se invocan por separado y que comparten:
54

Las mismas estructuras de datos (modelos digitales)

Una serie de variables de entorno
Una interfaz de usuario comn

La estructura de datos de un mapa raster es muy simple, se trata de un conjunto de ficheros con el mismo
nombre (el nombre del mapa) que contienen diferente informacin relacionada con el mapa y que se
almacenana en distintos subdirectorios de un mapset (figura 4.1):

Una matriz de datos (fichero situado en el directorio /cell) que contiene los valores numricos
asociados al mapa
Un fichero con la informacin geomtrica necesaria para ubicar la matriz de datos en el espacio
(fichero situado en el directorio /celhd)
Las etiquetas de texto asociadas a los valores numricos de la matriz en el caso de que la variable
sea cualitativa (fichero situado en el directorio /celhd)
Las paletas de color que permiten traducir esos valores numricos a colores en el monitor del
ordenador (fichero situado en el directorio /colr).

Una imagen de satlie contiene niveles digitales, es decir una variable cuantitativa, y normalmente se
representa con niveles de gris como si se tratara de una fotografa en blanco y negro. La diferencia de
una imgen de satlite respecto a una capa raster es que est formada por varias de ellas (una por cada
banda) por tanto en algunas aplicaciones es necesario codificar explicitamente esta interdependencia (no
vale hacerlo implitamente con nombres de ficheros parecidos).
Para ello se define en GRASS una estructura que es el grupo GROUP que contiene simplemente los
mapas que sern usados de forma conjunta por algunos de los mdulos de teledeteccin. Estos grupos se
dividen tambien en subgrupos SUBGROUP para algunas aplicaciones.
Los grupos se almacenan en un subdirectorio especfico bajo nuestro mapset (al mismo nivel que /cell,
/cellhd, etc.) es el directorio /group. Dentro de el hay un subdirectorio para cada grupo con el nombre
que el usuario le haya asignado (figura 4.1).
Dentro de estos subdirectorios de grupo aparecen 3 archivos y un subdirectorio. El archivo REF contiene
los nombres de las imgenes de satlite incluidas en el grupo, el fichero POINTS los puntos de control
para georreferenciar la imagen y el fichero TARGET la location y el mapset a los que se destina la
imagen una vez georreferenciada. En el tema de georreferenciacin se explicarn estos conceptos. El
subdirectorio se llama subgroup y contiene de nuevo los nombres de los subgrupos de este grupo. Cada
uno de ellos contiene un fichero REF con los nombres de los mapas que pertenecen al subgrupo y
un directorio sig con las signaturas espectrales obtenidas en la definicin de clases, en los temas de
clasificacin se insistir en estos conceptos.
Los mdulos utilizado en GRASS para analizar imgenes de satlite comienzan con la letra i. Sin em-
bargo muchos de los mdulos de anlisis de capas raster (los que comienzan con r.) o de visulaizacin
(los que empiezan con d.) son tambin tiles.
 55

Figura 4.1: Subdirectorios de GRASS para el almacenamiento de imgenes de satlite

56
Tema 5

Visualizacin de imgenes

Tradicionalmente se ha dividido el anlisis de imgenes de satlite en 2 fases, un anlisis visual y un

anlisis digital. El primero es similar en muchos aspectos a la fotointerpretacin clsica con las ventajas
que aporta la fotografa digital en cuanto a las posibilidades de retocar y realzar las imgenes. Dando por
supuestos suficientes conocimientos de fotointerpretacin por parte del alumno se proceder a estudiar
diferentes tcnicas digitales que pueden mejorar el anlisis visual.
Aunque el espectro electromagntico abarca un mplio nmero de regiones, el ojo humano slo puede
apreciar los colores azul, verde y rojo, formndose los dems como combinaciones de estos tres colores
primarios. De este modo podemos descomponer cualquier imagen en tres componentes de reflectividad
(azul, verde y rojo). Los dispositivos de visualizacin de imgenes (monitores, televisiones, etc) forman
sus imgenes mediante la combinacin de diferentes niveles de intensidad en estos tres colores.
En este ejemplo (figura 5) se puede ver la descomposicin de una imagen de colores vivos en 3 imgenes
que reflejan la intensidad en el azul, el verde y el rojo y dos recomposiciones, una en blanco y negro y
otra reorganizando caprichosamente los tres colores. La intensidad del rojo se pasa por el canal azul, la
del color azul por el canal verde y la del color verde por el canal rojo. Este tipo de recombinaciones son
muy usuales en teledeteccin.
Todas las tcnicas de anlisis visual que se analizan en este tema se caracterizan por suponer tan solo una
modificacin de la paleta de colores sin alterar la matriz de datos. Otro tipo de tcnicas que se estudiarn
posteriormente, como el filtrado, implican posteriormente una modificacin de la imagen.
Como ejemplo de los resultados producidos por las diferentes herramientas para mejorar la visualizacin
de imgenes, se va a utilizar una capa correspondiente a la banda azul de una imagen Landsat-5 del
centro de Murcia (figura 5).

5.1 Ajuste de contraste

Los sensores utilizados en teledeteccin estn calibrados para recibir valores muy altos de radiacin sin
llegar a saturarse por lo que lo normal es que todos los valores recibidos estn muy por debajo de los

57
58

Figura 5.1: Composicin de color

mximos posibles. La consecuencia es que los valores de ND obtenidos son muy bajos y las imgenes
se van a ver oscuras. Una forma de solventar este problema es ajustar el contraste mediante diversas
tcnicas que a continuacin se exponen. Con ellas se obtiene el nivel de gris (NG) que se representar
en el monitor en funcin del ND representado.

1. Expansin lineal

N D N Dmin
N G = 255 (5.1)
N Dmax N Dmin

2. Expansin lineal restringida, los valores de N Dmax y N Dmin los decide el usuario en lugar de
corresponder a los valores reales de la imagen. De esta forma:

si N Dmax > N D > N Dmin N G = 255 N N DN Dmin

Dmax N Dmin
si N Dmax < N D N G = 255
si N Dmin > N D NG = 0

3. Ecualizacin del histograma. Tiene en cuenta, n slo los valores de ND, sino tambin su fre-
cuencia de manera que aquellos valores de ND ms frecuentes resultarn ms ajustados que los
menos frecuentes. Para ello debe calcularse para cada nivel de gris i el valor:
 59

Figura 5.2: Imagen original. Banda b1

Pi
256 j=0 nj
Ci = (5.2)
N
Donde nj es el nmero de pixeles con valor j y N el nmero total de pixeles

4. Ajuste gaussiano. Supone el ajuste del histograma observado al histograma que aparecera si la
distribucin fuera gaussiana, es decir si:

1 (x )2
f (x) = exp( ) (5.3)
2 2 2

donde f (x) es la frecuencia de x, es la media y la desviacin tpica. Para llevar a cabo este
procedimiento de forma manual habra que construir la siguiente tabla:
En esta tabla la primera columna representa los ND de un sensor hipottico con resolucin ra-
diomtrica de 4 bytes, la segunda asigna a cada valor de ND valores de una distribucin normal
estandard ( = 0 y = 1), la tercera la probabilidad de ocurrencia de esos valores que se obtienen
de las tablas de la distribucin normal tipificada que puede encontrarse en cualquier libro de es-
tadstica, la cuarta el nmero de pixeles correspondientes a esa probabilidad, la quinta contiene el
acumulado de la cuarta columna, la sexta el nmero de pixeles que realmente corresponden a cada
uno de los 15 valores de ND y la sptima el acumulado. Finalmente la octava columna contiene
60

Figura 5.3: Construccin de una tabla de color utilizando una transformacin lineal

los valores de nivel de gris que se adjudicaran en la LUT; estos valores se obtienen buscando, para
cada valor de O(x) el primer valor de F (x)N que lo supera y anotando el correspondiente valor
de x.

5.2 Uso del pseudocolor

Tradicionalmente las imgenes de satlite, al menos cuando se representa una sola banda, se visualizan
con niveles de gris. Diversos estudios evidencias que el ojo humana tiene menos capacidad para distinguir
niveles de gris que para distinguir diferentes colores. Por ello puede representarse una banda con colores
en lugar de con niveles de gris asignando a cada ND 3 valores (intensidad en el rojo, verde y azul) en una
paleta e colores.

5.3 Composicin de color

En una imagen e satlite se dispone de varias bandas que corresponden a diversas regiones del espectro
electromagntico. En muchos casos algunas de estas bandas corresponden a las subregiones del visi-
ble que corresponden a los colores azul, verde y rojo. Por otra parte, los monitores y tarjetas de video
disponen de 3 canales
 61

Figura 5.4: Construccin de una tabla de color utilizando una ecualizacin del histograma

R rojo

G verde

B azul

para representar los 3 colores bsicos. Por tanto puede utilizarse cada canal para representar el ND de
una banda y obtener as una composicin de color. La ms obvia seria simular el color real, asumiendo
que estamos trabajando con Landsat:

b1 -> B
b2 -> G
b3 -> R

pero como se dispone de ms bandas, nada impide utilizarlas para generar visualizaciones en falso color.
Estas composiciones servirn para resaltar los elementos que mayor reflectividad presentan en las bandas
utilizadas, adems de obtener visualizaciones ms o menos estticas. Por ejemplo, si se pasa la banda
4 de landsat (con alta reflectividad por parte de la vegetacin) por el canal verde, la vegetacin se ver
mucho ms claramente que si se utiliza la banda 2
62

ND z f (x) f (x)N F (x)N o(x) O(x) NG

0 < -3 0.0020 530 530 1311 1311 1
1 -2.6 0.0033 868 1398 2622 3933 3
2 -2.2 0.0092 2423 3821 5243 9176 3
3 -1.8 0.0220 5774 9595 9176 18352 4
4 -1.4 0.0448 1175 21346 13108 31460 5
5 -1 0.0779 20421 41767 24904 56364 6
6 -0.6 0.1156 30303 72070 30146 86510 7
7 -0.2 0.1465 38401 110471 45875 132385 8
8 0.2 0.1585 41555 152026 58982 191367 10
9 0.6 0.1465 38401 190427 48496 239863 11
10 1 0.1156 30303 220730 11796 251659 12
11 1.4 0.0779 20421 241151 3932 255591 13
12 1.8 0.0448 11751 252902 3932 259523 14
13 2.2 0.0220 5774 258676 2621 262144 15
14 2.6 0.0092 2423 261099 0 262144 15
15 >3.0 0.0040 1045 262144 0 262144 15

b1 -> B
b2 -> G
b3 -> R

En general, se trata de aprovechar que podemos visualizar tres canales a la vez para introducir las tres
bandas que ms nos van a ayudar a discriminar visualmente los elementos que nos interesan. Puede
obtenerse un ndice del grado de informacin que presenta una composicin en color en comparacin
con otras:
P3
sk
OIF = P3k=1 (5.4)
j=1 |rj |

donde sk es la desviacin tpica de cada una de las 3 bandas que intervienen en la composicin y rj el
coeficiente de correlacin de cada uno de los 3 pares de bandas. Cuanto ms alto sea el ndice mayor ser
el contenido informativo de la composicin.
 63

Figura 5.5: Construccin de una tabla de color utilizando una transformacin gaussiana

Figura 5.6: Construccin de una tabla de color utilizando pseudocolor

64

Figura 5.7: Banda 1 represenada con pseudocolor

Figura 5.8: Composicin en color real

 65

Figura 5.9: Composicin en falso color

66
Tema 6

Tcnicas de filtrado

Se trata de mtodos para resaltar o suprimir, de forma selectiva, informacin contenida en una imagen
a diferentes escalas espaciales, para destacar algunos elementos de la imagen, o tambin para ocultar
valores anmalos. Otra tcnica para aislar informacin correspondiente a diferentes escalas espaciales es
la transformada de Fourier que, por su complejidad, no se ver en este curso.
El proceso de filtrado consiste en la aplicacin a cada uno de los pixels de la imagen de una matriz de
filtrado de tamao N xN (generalmente de 3x3 aunque puede ser mayor) compuesta por nmeros enteros
y que genera un nuevo valor mediante una funcin del valor original y los de los pixels circundantes. El
resultado final se divide entre un escalar, generalmente la suma de los coeficientes de ponderacin. Los
filtros se pueden expresar mediante una ecuacin (6.1):

0 N Di1,j1 + N Di,j1 + N Di+1,j1 + N Di1,j + N Di,j + N Di+1,j + N Di1,j+1 + N Di1,j+1 + N Di1,j+1

N Di,j = (6.1)
9

donde i y j representan la fila y la columna de cada pixel, N Di,j su Nivel Digital y N Di,j0 el Nivel

Digital obtenido tras hacer el filtrado. Tambien pueden expresarse mediante tablas, por ejemplo la tabla
6 representa el mismo filtro de media que la ecuacin 6.1.
Mediante diferentes combinaciones de parmetros asignados a los diferentes pixeles circundantes se
pueden conseguir diferentes efectos. En general los efectos deseados se relacionan con el aspecto borroso
que tienen las imgenes de satlite, y tambin la fotografa area, debido a la dispersin atmosfrica y la
reflectividad lambertiana.

1 1 1
1 1 1 DIV=9
1 1 1

Tabla 6.1: Filtro de la media

67
68

1 1 1
1 2 1 DIV=10
1 1 1

Tabla 6.2: Filtro de media ponderada que da mayor peso al valor central para evitar la prdida de detalles

Hay que tener en cuenta que los bordes de la imagen no podrn procesarse, ya que la ventana de filtrado
saldra fuera de la imagen. De este modo se pierden N 2 filas y N 2 columnas por cada lado de la
imagen (figura 6.1).
Una diferencia importante entre las tcnicas de filtrado y las de visualizacin, vistas en el tema anterior,
es que el filtrado modifica necesariamente la imagen ya que pretenden extraer informacin cuantitativa
que debe almacenarse como una nueva capa en lugar de como una paleta de colores.
Desde el punto de vista de los SIG, los filtros son operadores de vecindad de lgebra de mapas. Por tanto
vamos a encontrar mdulos que computan directamente algn tipo de filtro (r.mfilter y r.neighbors en
GRASS) y adems pueden programarse directamente en algn lenguaje de lgebra de mapas (r.mapcalc).
Los filtros ms utilizados son los de paso bajo (suavizan la imagen), de paso alto (aumentan el contraste),
los filtros direccionales (detectan en la imagen estructuras que siguen una determinada direccin) y los
de deteccin de bordes (permiten identificar y aislar objetos con propiedades homogeneas dentro de la
imagen).

6.1 Fitros de paso bajo

Su objetivo es suavizar la imagen, son tiles cuando se supone que la imagen tiene gran cantidad de
ruido y se quiere eliminar. Tambin pueden utilizarse para resaltar la informacin correspondiente a una
determinada escala (tamao de la matriz de filtrado); por ejemplo en el caso de que se quiera eliminar
la variabilidad asociada a los tipos de cubierta presentes en la imagen uniformizando de esta manera su
respuesta. Existen varias posibilidades:

Filtro de la media, asigna al pixel central la media de todos los pixeles incluidos en la ventana.
La matriz de filtrado estara compuesta por unos y el divisor sera el nmero total de elementos en
la matriz.

Filtro de media ponderada, los elementos de la matriz de filtrado no son todos 1 sino que se
da ms peso a uno de ellos (generalmente el central) para obtener un resultado ms parecido a la
imagen original y evitar que aparezca borrosa.

Filtro de la mediana tiene la ventaja de que el valor final del pixel es un valor real presente en
la imagen y no un promedio, de este modo se reduce el efecto borroso que tienen las imagenes
que han sufrido un filtro de media. Adems el filtro de la mediana es menos sensible a valores
 69

exremos. El incoveniente es que resulta ms complejo de calcular ya que hay que ordenar los
diferentes valores que aparecen en los pixeles incluidos en la ventana y determinar cual es el valor
central.

Figura 6.1: Tipos de filtro y mecanismo de aplicacin

Filtros adaptativos. Son considerablemente ms complejos ya que los coeficientes de ponderacin

se recalculan para cada uno de los pixels en funcin del histograma de los ND que aparecen en la
ventana. Se han utilizado con gran xito filtros adaptativos para eliminar el speckle de las imgenes
de radar y para detectar, con un solo filtro, diferentes elementos.

Filtros gaussianos. Simulan una distribucin gaussiana bivariante. El valor mximo aparece en el
pixel central y disminuye hacia los extremos tanto ms rpido cuanto menor sea el parmetro de
desviacin tpica s. El resultado ser un conjunto de valores entre 0 y 1. Para transformar la matriz
a una matriz de nmeros enteros se divide toda la matriz por el menor de los valores obtenidos. La
ecuacin para calcularla es:

x2 +y 2
g(x, y) = e 2s2 (6.2)
g(x, y)
G(x, y) = (6.3)
minx,y (g(x, y))
70

1 4 7 4 1
4 20 33 20 4
7 33 55 33 7
4 20 33 20 4
1 4 7 4 1

Tabla 6.3: Filtro gaussiano con s=1 y r=2

0 0 0
0 1 0 DIV 1
0 0 0

Tabla 6.4: Matriz de filtrado identidad

Son una manera de obtener filtros de tipo genrico. Pueden ser tiles, por ejemplo, cuando se
asume que la respuesa espectral de un pixel es funcin de la reflectividad de los pixeles vecinos
atenuada en funcin de la distancia. El alcance de esta atenuacin (r) viene marcado por el tamao
de la ventana de filtrado (w = 2r + 1) que debe especificarse previamente. En la tabla 6.3 aparece
un ejemplo.

6.2 Filtros de paso alto

Su objetivo es resaltar las zonas de mayor variabilidad eliminando lo que sera la componente media,
precisamente la que detectan los filtros de paso bajo. Por otra parte la respuesta de cada pixel est con-
taminada por la de los pixeles vecinos ya que, considerando la superficie terrestre como lambertiana, la
radiacin reflejada por un pixel se reparte hacia los pixeles vecinos. Los filtros de paso alto consiguen
tambin eliminar en parte esta contaminacin. Existen diversos mtodos:

Sustraccin de la media. Si se considera que un filtro de paso bajo sirve para resaltar componentes
a gran escala eliminando la variabilidad local, si a la imagen original se le resta el resultado de
pasarle un filtro de paso bajo se consigue resaltar esa variabilidad local. La matriz de filtrado de
este filtro menos media puede calcularse directamente restando a la matriz de filtrado identidad
(tabla 6.2) la matriz de filtrado de la media:

Filtros basados en las derivadas. La derivada de una funcin y = f (x) es el incremento de y

para cada incremento infinitesimal de x. En el caso de Modelo Digital de Elevaciones la derivada
es la pendiente. La segunda derivada es la derivada de la derivada, en el caso de un MDE nos da
informacin acerca de la forma (ladera recta, cncava o convexa, valle, cresta o cima) del terreno.
En el caso de una imagen de satlite nos va a informar de como son los cambios, ms o menos
bruscos, que se producen entre pixeles contiguos. A continuacin aparecen las ecuaciones de las
 71

-1 -1 -1
-1 8 -1 DIV 9
-1 -1 -1

Tabla 6.5: Filtro menos media

0 1 0
1 -4 1 DIV=1
0 1 0

Tabla 6.6: Filtro laplaciano

derivadas respeto a x e y, las segundas derivadas respeto a x e y, la derivada compuesta y la

derivada segunda compuesta denominada tambin laplaciana.

xp(i, j) = p(i, j) p(i 1, j) (6.4)

yp(i, j) = p(i, j) p(i, j 1) (6.5)

x2 p(i, j) = xp(i + 1, j) xp(i, j) = p(i + 1, j) + p(i 1, j) 2p(i, j) (6.6)

y2 p(i, j) = yp(i, j + 1) yp(i, j) = p(i, j + 1) + p(i, j 1) 2p(i, j) (6.7)

xyp(i, j) = sqrxp(i, j)2 + yp(i, j)2 (6.8)

xy2 p(i, j) = [p(i + 1, j) + p(i 1, j) + p(i, j + 1) + p(i, j 1)] 4p(i, j) (6.9)

El filtro laplaciano se recomienda para el realce de rasgos lineales en entornos urbanos. Otra op-
cin para resaltar los elementos de mayor variabilidad es restar a la imagen original la obtenida
mediante un filtrado laplaciano.

0 -1 0
-1 5 -1 DIV=1
0 -1 0

Tabla 6.7: Filtro menos-laplaciano

72

1 1 1 -1 1 1
1 -2 1 DIV=1 -1 -2 1 DIV=1
-1 -1 -1 -1 1 1

Tabla 6.8: Filtros Norte y Este

-1.0 0 1.0 -1.0 -2.0 -1.0

-2.0 0 2.0 0 0 0
-1.0 0 1.0 1 2 1

Tabla 6.9: Filtros C y F de Sobel

6.3 Filtros direccionales

Se utilizan para detectar estructuras que siguen una determinada direccin en el espacio resaltando el
contraste entre los pxeles situados a ambos lados de la estructura. En la tabla 6.8 aparecen como ejemplo
las matrices para resaltar estructuras en direccin Este-Oeste y Norte-Sur respectivamente.

6.4 Filtros para la deteccin de bordes

Uno de los ms utilizados es el detectoer de bordes de Sobel que realza la variacin entre filas y columnas.
Es algo ms complejo que los anteriores:
p
Si,j = C2 + F 2 (6.10)

donde C y F resultan de pasar los filtros que aparecen en la tabla 6.9.

6.5 Ejemplo

A continuacin se presentan algunos ejemplos de alicacin de estos filtros a una fotografa area digital
correspondiente al SIG olecola.
 73

Figura 6.2: Imgen original SIG olecola

Figura 6.3: Filtro de media

74

Figura 6.4: Filtro de mediana

Figura 6.5: Filtro laplaciano

 75

Figura 6.6: Filtro menos-laplaciano

Figura 6.7: Filtro de paso alto

76

Figura 6.8: Filtro direccional NS

Figura 6.9: Filtro direccional EW

 77

Figura 6.10: Filtro C de Sobel

Figura 6.11: Filtro F de Sobel

78

Figura 6.12: Filtro de Sobel

Tema 7

Correciones a las imgenes de satlites

Una imagen de satlite est sometida a una serie de interferencias que hacen que la informacin que
quiere obtenerse aparezca perturbada por una serie de errores. Estos errores han sido ya mencionados en
el tema 3:

Fallos en los sensores, generan pixeles incorrectos (correccin radimtrica)

Alteraciones en el movimiento del satlite y el mecanismo de captacin e los sensores, generan

distorsiones en la imagen global (correccin geomtrica)

Interferencia de la atmsfera, alteran de forma sistemtica los valores de los pixeles (correccin
atmosfrica).

En este tema se introducirn un conjunto de mtodos para la correccin de estos errores. En el caso de la
georreferenciacin no se trata slo de corregir errores sino de ubicar una imagen en el espacio geogrfico
para poder integrarla con otras capas de informacin o con otras imgenes en un entorno SIG.

7.1 Correccin radiomtrica

De los tres tipos de correcciones que se mencionan al final del tema 3, esta es la ms sencilla. De
hecho en algunos casos las estaciones receptoras llevan a cabo algn tipo de correccin en el momento
de recepcin de la imagen. La correccin radimtrica implica por una parte la restauracin de lineas o
pxeles perdidos y por otra la correccin del bandeado de la imagen.

7.1.1 Pixeles o lineas perdidas

Si se ha perdido el valor de algn pixel la solucin ms simple sera estimarlo como la media de los val-
ores del mismo pixel en las lineas anterior y posterior (no es recomendable utilizar los pixeles contiguos

79
80

de la misma linea por que han sido captados por el mismo detector que ha dado el fallo, por tanto son
poco fiables).

N Di1,j + N Di+1,j
N Di,j = round( ) (7.1)
2
donde round indica redondeo al nmero entero ms cercano.
No hay que olvidar sin embargo que las diferentes bandas de una imagen estn altamente correlacionadas
y adems los detectores de dos bandas diferentes no son los mismos. Por tanto podra utilizarse el valor
del pixel faltante en una banda diferente para mejorar la estimacin:

sk N Di+1,j,r N Di1,j,r N Di1,j,k + N Di+1,j,k

N Di,j,k = round(( (N Di,j,r + ) (7.2)
sr 2 2
En caso de que la imagen abarque un territorio amplio y cambiante resulta recomendable calcular los
coeficientes de correlacin y las desviaciones tpicas (sk y sr ) en un entorno cercano al pixel perdido.
Para detectar lineas perdidas se compara la media de los ND de una linea con las medias de las lineas
anterior y posterior, para detectar pixeles perdidos se compara el valor de un pixel con los de los 8 pixeles
vecinos mediante algn procedimiento de filtrado.

7.1.2 Bandeado

El fenmeno del bandeado se debe a una mala calibracin entre detectores y resulta especialmente visible
en las zonas de baja radiancia (zonas marinas por ejemplo). El resultado es la aparicin peridica de una
banda ms clara u oscura que las dems.
Para corregir el bandeado se asume que, en caso de no haber error, los histogramas obtenidos por cada
uno de los detectores seran similares entre s y similares al histograma global de la imagen que se toma
como referencia.
En primer lugar se calculan los coeficientes ak y bk para una correccin lineal de cada uno de los detec-
tores.

bk = s/sk (7.3)

ak = m bk mk (7.4)
Donde m y s son la media y la desviacin tpica del conjunto de pixeles de la imagen y mk y sk la media
y la desviacin tpica de los pixeles obtenidos por el detector k. A continuacin los ND de la imagen se
recalculan como:

0
N Di,j = ak + bk N Di,j (7.5)
asumiendo que la linea i ha sido captada por el detector k.
 81

7.2 Georreferenciacin y correcccin geomtrica de imgenes de satlite

Una imagen de satlite, al igual que las fotografas areas, no proporciona informacin georreferenciada;
cada pixel se ubica en un sistema de coordenadas arbitrario de tipo fila-columna como los que manejan
los programas de tratamiento digital de imgenes.
El proceso de georreferenciacin consiste en dar a cada pixel su localizacin en un sistema de coorde-
nadas estandard (UTM, lambert, coordenadas geogrficas) para poder, de este modo, combinar la imagen
de satlite con otro tipo de capas en un entorno SIG. Tras la georreferenciacin se obtiene una nueva capa
en la que cada columna corresponde con un valor de longitud y cada fila con un valor de latitud. En caso
de que la imagen no hubiese sufrido ningn tipo de distorsin, el procedimiento sera bastante sencillo,
sin embargo una imagen puede sufrir diversos tipos de distorsiones (ver tema 3).
Las correcciones necesarias para transformar en cada punto de la imagen sus coordenadas arbitrarias
(fila-columna) en coordenadas reales (X e Y UTM por ejemplo) se explicitan mediante un par de ecua-
ciones que hacen corresponder a cada pixel par (f ,c) un par (X,Y ).

X = f1 (f, c) (7.6)
Y = f2 (f, c) (7.7)

La forma y parmetros de estas funciones depende fundamentalmente del tipo de enfoque que se escoja
para realizar la georreferenciacin. Existen fundamentalmente dos mtodos.
El primero, la correccin orbital, modeliza las fuentes de error y su influencia. Para ello es necesario
conocer con precisin tanto las caractersticas de la rbita del satlite como las del sensor. El segundo es
un enfoque emprico que modeliza la distribucin de errores en la imagen utilizando puntos de control.
El primero es ms automtico conociendo la informacin necesaria y las ecuaciones de transformacin,
aunque falla cuando aparecen errores aleatorios; es el que se suele suministrar cuando los datos se piden
georreferenciados. El segundo es ms simple en cuanto a su formulacin y corrige mejor los errores
aleatorios, su inconveniente es que es ms trabajoso. El mtodo de los puntos de control no deja de ser
un procedimiento de regresin.
En general, en los mtodos de regresin se dispone del valor de dos variables, X e Y 1 , medidas en
una serie de casos y, a partir de ellos, se obtiene una ecuacin que permite estimar Y a partir de nuevos
valores de X. A la variable X se le denomina independiente y a Y variable dependiente.
En el caso de la georreferenciacin las variables independientes son c y f , es decir la columna y fila en
que se ubica un pixel en la imagen original; mientras que X e Y , las coordenadas correspondientes a un
sistema estandard, son las dependientes.
Lo primero que hay que decidir es el tipo de ecuaciones que se van a utilizar. Normalmente se trabaja
con ecuaciones polinmicas que permiten modificar de forma flexible las coordenadas de la imagen. El
1
En este prrafo, X e Y representan cualquier variable: altitud, renta per cpita, tamao de las orejas, etc. y no hacen
referencia a siste de coordenadas alguno.
82

orden del polinomio determina la flexibilidad del ajuste y de la tranfomacin, normalmente se emplean
transformaciones de tipo lineal (polinomio de grado 1), cuadrtico (polinomio de grado 2) o cbico
(polinomio de grado 3).
Los casos ms habituales son la transformacin lineal:

X = Ac + Bf + C (7.8)
Y = Dc + Ef + F (7.9)

y la transformacin cuadrtica

X = Ac + Bf + Cc2 + Df 2 + Ecf + F (7.10)

2 2
Y = Gc + Hf + Ic + Jc + Kcf + L (7.11)

la transformacin cbica es ms compleja, las ecuaciones son similares a las lineales y cuadrticas pero
inclyendo trminos elevados al cubo.
Es importante determinar cual es el tipo de transformacin ms adecuada en funcin del tipo de distor-
siones que se supone que aparecen en la imagen y de la cantidad y calidad de los puntos de control. Es
necesario tener en cuenta que cuanto mayor sea el grado de los polinomios implicados, ms sensible ser
la transformacin a errores en la seleccin de los puntos de control.
Empleando el procedimiento de los mnimos cuadrados, se pueden calcular los valores de los coeficientes
A,B,.. a partir de las coordenadas de un conjunto de puntos de control. Se trata de puntos en los que se
conoce tanto la fila y la columna como las coordenadas reales. Como regla general, el nmero de puntos
de control debera ser mayor que el nmero de parmetros que se van a calcular, 6 en la transformacin
lineal, 12 en la cuadrtica y 24 en la cbica.
La transformacin lineal es la ms sencilla (figura 1) asume que no hay distorsin en la imagen y simple-
mente se requiere una traslacin (coeficientes A y E), cambio de escala (coeficientes B y H) y rotacin
de la imagen (coeficientes D y G).
Por tanto si el origen de coordenadas de la imagen original es (c = 0,f = 0) entonces:

A=valor de X en el punto en el que c=0

E=valor de Y en el punto en el que f =0

Si no es necesario rotar la imagen B y H son factores de escala

max(X) min(X)
B= (7.12)
max(c) min(c)
max(Y ) min(Y )
H= (7.13)
max(f ) min(f )
 83

Figura 7.1: Diferentes modelos de regresin

y D = 0, G = 0 .
En caso de que sea necesario rotar la imagen, los valores de B, H, D y G determinan el tipo de rotacin.
Casi todos los programas de SIG disponen de algn procedimientos para realizar una transformacin de
coordenadas. Resultan adems muy tiles para incorporar mapas escaneados. En general se basan en una
serie de etapas bsicas:

1. Se busca una serie de puntos de control (generalmente lugares muy destacados y visibles) y se
averiguan las coordenadas de cada uno de ellos en los dos sistemas de coordenadas, (X, Y ) y
(f, c). El nmero de puntos de control debe ser suficiente, mayor cuanto ms grande sea la imagen,
y mayor cuanto ms abrupto sea el relieve. Adems deben estar adecuadamente repartidos por
toda la imagen para evitar que las distorsiones locales adquieran demasiado peso en las ecuaciones
finales. Deben ser objetos perfectamente identificables y preferentemente artificiales ya que tienen
menor mobilidad. Las coordenadas reales pueden obtenerse a partir de un GPS, mapas en los que
puedan identificarse o de otra imagen previamente georreferenciada.

2. Determinacin del tipo de transformacin ms adecuada en funcin del tipo de datos de partida y
del nmero de puntos de control que hayan podido encontrarse. Normalmente, para imgenes de
satlite la opcin preferible es una ecuacin cuadrtica.

3. Mediante mnimos cuadrados se obtienen los valores de los coeficientes de regresin A, B, C, D, E, F, ...,
estos coeficientes as calculados permiten realizar una modificacin del sistema de coordenadas
84

Figura 7.2: Proceso de georreferenciacin

con el mnimo grado de error. Se obtiene adems una estimacin del error cuadrtico medio
(ECM) que resulta muy til para determinar si es necesario ampliar el nmero de puntos de con-
trol. La ecuacin del RMS es:
sP
n 0
i=1 (X X)2 + (Y 0 Y )2
ECM = (7.14)
n

donde X 0 e Y 0 son las coordenadas estimadas por la transformacin para cada punto de contro y X
e Y las coordenadas reales. Como norma general el ECM debera ser inferior al tamao del pixel.
Lgicamente, cada punto de control va a tener su propio error cuadrtico:
q
EC = (X 0 X)2 + (Y 0 Y )2 (7.15)

que permite determinar si existe algn punto erroneo que sea necesario eliminar.

4. Se aplican las ecuaciones anteriores, con los valores calculados de los coeficientes, a todas las
coordenadas iniciales para obtener as sus nuevos valores en el sistema de referencia final.
 85

Las etapas 3 y 4 suelen llevarse a cabo automticamente.

Figura 7.3: Resultados de diferentes ecuaciones de georreferenciacin

Es necesario aplicar un procedimiento para transferir la informacin de los pixels originales a los pixels
resultantes del proceso de transformacin ya que con estas funciones de transformacin va a crearse
una nueva matriz correctamente posicionada, pero vacia. El llenado de esta matriz es, precisamente, el
objetivo de la ltima fase de la transformacin de coordenadas.
El problema resulta ms complejo de lo que pudiera pensarse a primera vista. Idealmente, cada pixel de
la capa transformada debera corresponderse a un solo pixel en la original. Lo normal, sin embargo, es
que el pixel de la nueva imagen se site entre varios de la original (rotacin), incluso puede variar el
tamao de los pixels.
El trasvase de valores de la capa original a la transformada puede abordarse por tres mtodos dependiendo
de la complejidad de la transformacin realizada y del tipo de datos.

Mtodo del vecino ms prximo. Sita en cada pixel de la imagen corregida el valor del pixel ms
cercano en la imagen original. Esta es la solucin ms rpida y la que supone menor transformacin
de los valores originales. Su principal inconveniente radica en la distorsin que introduce en rasgos
lineales de la imagen. Es la ms adecuada en caso de variables cualitativas, pero evidentemente,
no en teledeteccin.

Interpolacin bilineal, supone promediar los valores de los cuatro pixels ms cercanos en la capa
original. Este promedio se pondera segn la distancia del pixel original al corregido, de este modo
tienen una mayor influencia aquellos pixels ms cercanos en la capa inicial. Reduce el efecto de
distorsin en rasgos lineales pero difumina los contrastes espaciales.
86

En la Convolucin cbica, se considera los valores de los 16 pixels ms prximos. El efecto visual
es mas correcto en caso de que se trabaje con imgenes de satlite o fotografas digitalizadas, sin
embargo supone un volumen de clculo mucho mayor.

7.3 Correccin geomtrica con Modelos Digitales de Elevaciones

Uno de los principales elementos que introducen errores en la georreferenciacin son los cambios bruscos
de altitud dentro de una imagen. Generalmente puede disponerse de un Modelo Digital de Elevaciones
(MDE), es decir una capa raster que contiene en cada celdilla su valor de altitud.
Puede incorporarse este MDE al proceso de georreferenciacin complicando algo ms las ecuaciones de
transformacin:

X = a0 + a1 c + a2 f + a3 Z + a4 Zc + a5 Zf (7.16)
Y = b0 + b1 c + b2 f + b3 Z + b4 Zc + b5 Zf (7.17)

7.4 Correccin atmosfrica

La correccin radiomtrica trata de corregir problemas mecnicos en el sensor que generan valores er-
roneos en pxeles concretos y la correccin geomtrica ubica los pixeles en el espacio geogrfico cor-
rigiendo las posibles distorsiones. Por su parte la correccin atmosfrica trata de evaluar y eliminar las
distorsines que la atmsfera introduce en los valores de radiancia que llegan al sensor desde la superficie
terrestre.
Por tanto se va a basar en modelos fsicos ms complejos que los modelos estadsticos utilizados anteri-
ormente. El primer paso es convertir los Niveles Digitales (ND) almacenados por el sensor en valores de
radiancia.

7.4.1 Conversin de los ND a valores de radiancia

Una imagen de satlite en bruto contiene unos valores numricos denominados niveles digitales (ND)
que el satlite obtiene a partir de la energa recibida mediante una ecuacin lineal. Para recuperar los
valores de energa recibida es necesario aplicar la inversa de esa ecuacin lineal.

Lsen,k = a0k + a1k N Dk (7.18)

El trmino k se refiere a cada una de las bandas del sensor, Lsen,k es la radiacin que recibi el sensor.
En la tabla ?? aparecen los valores de estos parmetros para landsat 5 junto a los valores de irradiancia
solar en el techo de la atmsfera (E0k ) y de transmitancia (k ) para cada una de las bandas.
 87

Banda E0k a0k a1k k

TM1 1957 -1.5 0.602 0.5
TM2 1829 -2.8 1.17 0.3
TM3 1557 -1.2 0.806 0.25
TM4 1047 -1.5 0.815 0.2
TM5 219.3 -0.37 0.108 0.125
TM7 74.52 -0.15 0.057 0.075

Tabla 7.1: Parmetros para la conversin a reflectividades de las imgenes landsat

La radiancia recibida por el sensor no es exactamente la radiancia que procede del suelo. Esta resulta por
un lado reducida por la absorcin atmosfrica y por otra incrementada por la radiancia introducida por la
propia atmsfera (dispersin). La ecuacin que expresa esta relacin es:

Lsen,k = Lsue,k k,a + La,k (7.19)

es decir que la radiacin que llega al sensor es la procedente del suelo multiplicada por la transmisividad
de la atmsfera en camino ascendente ms la radiancia aportada por la dispersin atmosfrica.
La correccin de la imagen para eliminar el efecto de la atmsfera resulta especialmente necesaria para:

Calcular determinados ndices entre bandas cuya distorsin debida a la atmsfera es iferente

Calcular variables deducibles directamente de la radiancia mediante modelos de tipo fsico

Estudios temporales, ya que la distorsin atmosfrica cambia de unos dias a otros

Esta variabilidad de la temperatura es una de las causas por las que la radiacin atmosfrica resulta
compleja ya que se necesitan datos de la atmsfera en el da que se toma la imagen.
El primer paso para la correccin atmosfrica es la estimacin de La,k . Esta variable disminuye al au-
mentar la longitud de onda, por ejemplo ser mxima en la banda 1 de landsat-TM. Existen dos mtodos
relativamente sencillos:

Mnimo del histograma. Consiste en localizar en la imagen reas con reflectancia cercana a cero
en el infrarrojo (superficies de agua limpia y profunda). Si se representa el histograma de esta
banda, los valores mnimos apareceran prximos a 0, este lmite inferior aumenta conforme dis-
minuye la longitud de onda.
Estos valore mnimos del histograma para las diferentes bandas (k) son una buena aproximacin a
La,k y por tanto se substraen a los valores originales para obtener una mejor estimacin de Lsue,k .
En el caso de landsat, las bandas 5 y 7 no suelen corregirse puesto que sus valores de La,k son
despreciables.
88

Regresin. Se hace un anlisis de regresin de T M1 , T M2 y T M3 respecto a T M4 para obtener

los parmetros de las siguientes ecuaciones:

T M1 = a1 T M4 + b1 (7.20)
T M2 = a2 T M4 + b2 (7.21)
T M3 = a3 T M4 + b3 (7.22)

y utilizando bk como estimacin de La,k .

Los valores de transmisividad pueden evaluarse a partir de la ecuacin

k,a = ek /coso (7.23)

donde o es el ngulo de observacin, los valores de k aparecen en la tabla 7.4.1.

Existen algoritmos ms complejos como LOWTRAN o 5S/6S que requieren mltiples datos acerca de
las condiciones atmosfricas en el momento de la captura de la imagen, por ello no suelen utilizarse
mucho.
Tema 8

Obtencin de variables fsicas a partir de

Niveles Digitales

Tal como se vio en el tema 2, la signatura espectral de una porcin de la superficie terrestre (es decir los
albedos que muestra para cada longitud de onda) se debe a un conjunto de factores fsicos (tipo de suelo,
humedad del mismo, densidad y estado de la vegetacin, etc.). El fundamento bsico de la teledeteccin
estriba en la asuncin de que podemos estimar cuales son estos factores a partir del anlisis de los valores
de reflectividad para cada pixel deducidos de la radiancia recibida por el sensor. Pueden plantearse dos
hiptesis bsicas aunque no excluyentes:

Las signaturas espectrales se deben a factores cuantitativos de tipo fsico o biofsico (biomasa,
contenido de humedad, temperatura, etc.). Este es el enfoque que se aborda en este tema.

Las signaturas espectrales se deben a factores cualitativos (tipo de cubierta, tipo de roca, etc.). En
este caso se procede a una clasificacin de la imagen, que ser objeto del siguiente tema.

8.1 Calculo de reflectividad a partir de la radiacin recibida por el sensor

.
La reflectividad es la variable fundamental cuyo clculo va a permitir aplicar otro tipo de tcnicas. Por
tanto va a ser la primera cuya estimacin se aborde en este tema.
La reflectividad es la parte de la irradiancia solar que alcanza la superficie terrestre que se refleja de
nuevo a la atmsfera. El modelo ms sencillo utilizara la ecuacin de la reflectividad como ndice entre
la radiacin que parte el suelo y la procedente del sol medida en la superficie del pixel.

Lsue,k
k = (8.1)
E0sue,k

89
90

donde k es la reflectividad para la banda k, Lsue,k es la radiancia que parte del suelo para la bnanda k
y E0sue,k la irradiancia solar para la banda k al nivel del suelo. La introduccin del nmero permite
tener en cuenta el carcter lambertiano de la reflectividad.
Ya se ha visto anteriormente como resulta bastante complejo evaluar la radiancia que realmente parte de
la superficie terrestre, ya que la energa recibida por el sensor es la suma de la energa reflejada por el
terreno y la energa dispersada y reflejada por la atmsfera. La energa que llega al suelo desde el sol
(Esue,k ) est tambin afectada por diversos factores:

E0k cosi k,d

Esue,k = + Ed,k (8.2)
K
donde E0k es la irradiancia solar en la capa superior de la atmsfera para la banda k (ver tabla 7.4.1).Edk
es la radiacin difusa, i el ngulo cenital del sol, k,d la transmisividad hacia abajo de la atmsfera y K
es un coeficiente de la distancia Tierra-Sol que se calcula a partir del nmero del da D (1 para el 1 de
Enero, 365 para el 31 de Diciembre, etc.).

K = (1 + 0.0167sen(2(D 93.5)/365))2 (8.3)

Los valores de transmisividad pueden evaluarse a partir de la ecuacin:

k,d = ek /cosi (8.4)

donde i es el ngulo de incidencia, valores promediados de k aparecen en la tabla 7.4.1.

8.1.1 Efecto de la topografa

Hasta aqu se ha tenido en cuenta la correccin de los efectos de la atmsfera, pero no los relacionados
con la iluminacin. Para ello en la ecuacin 8.2 habra que sustituir i por que es el ngulo formado
por la radiacin incidente con el plano del terreno. El coseno de se obtiene como:

cos = cosc cosn + senc senn cos(c n ) (8.5)

donde es el ngulo que forma la perpendicular a la superficie del pixel con los rayos solares, c el
ngulo cenital solar, n la pendiente del terreno, c el ngulo acimutal solar y n la orientacin del pixel.
En la figura ?? puede verse como en pixeles llanos i = , en solana i > y en umbra i < beta.
Puesto que cos() es una funcin decreciente (cos(0) = 1cos(90) = 0) la cantidad de radiacin solar
que llega a la Tierra es nxima cuando = 0 (el sol est en la perpendicular del pixel) y mnima cuando
= 90 (los rayos solares son paralelos a la superficie del pixel).
Sabiendo la pendiente y orientacin de una porcin del terreno, que se obtienen de un Modelo Digital de
Elevaciones, y la posicin del sol, que se obtiene a partir de la latitud del lugar el da y la hora, puede
 91

Figura 8.1: Efecto de diferentes ngulos de iluminacin

calcularse fcilmente el ngulo que forma el sol con la superficie del terreno. Muchos programas de SIG
tienen la capacidad de generar mapas de , para un determinado da y hora, a partir de un Modelo Digital
de Elevaciones.

8.2 Indices y transformaciones

Cuando interesa detectar algn aspecto especfico de la superficie terrestre, pueden utilizarse ndices que
utilicen algunas de las bandas. Estos ndices suponen a su vez una transformacin de las bandas. En
general podemos hablar de dos tipos de transformaciones:

Orientadas: Son transformaciones en las que se conoce a priori cuales son los factores que inter-
vienen, de modo que los coeficientes de las transformaciones estn especialmente orientados para
estimarlos.

Indices de vegetacin
Transformacin Tasseled Cap

No orientadas: No se asume nada acerca de cuales son los factores implicados y se deja que un
procedimiento estadstico analice los datos para buscar reglaridades que permiten extraer un con-
junto de nuevas variables (componentes, factores, etc.) que explican los valores de reflectividad
obtenidos. Estas nuevas variables y su naturaleza fsica o meramente estadstics debern interpre-
tarse a posteriori.

Anlisis de Componentes Principales

8.2.1 Indices de vegetacin

El empleo de ndices, calculados a partir de la reflectividad en diferentes bandas, que nos indiquen la
abundancia y estado de la vegetacin; se basan en el comportamiento reflectivo peculiar de la vegetacin.
La signatura espectral caracterstica de la vegetacin sana muestra un fuerte contraste entre la baja re-
flectividad en el rojo (0.6 0.7) y la alta reflectividad en el infrarrojo de longitud de onda ms corta
92

(0.7 1.1). Esta diferencia es tanto mayor cuanto mayor es la densidad de la vegetacin y mejor su
estado fitosanitario.
En esta idea se basan la mayor parte de los ndices de vegetacin. El ms conocido es el Indice Normal-
izado de Vegetacin (NDVI) cuya ecuacin es:

ir r
N DV I = (8.6)
ir + r

donde ir es la reflectividad en el infrarrojo cercano (banda 4 de landsat TM) y r es la reflectividad en

el rojo (banda 3 de landsat TM).
En algunos casos se ha calculado este ndice a partir de los valores de ND sin realizar ningn tipo de
correccin o transformacin; no hay acuerdo entre los diferentes autores acerca de la validez del NDVI
calculado de este modo. Aplicando diversos modelos tericos, se ha concluido que el clculo a partir
de Niveles Digitales subestima entre 0.05 y 0.2 el valor calculado con reflectividades, siendo este error
mayor cuando el NDVI es menor que 0.5 (mayor por tanto en medios semiridos). Por otro lado, el efecto
atmosfrico tiende a reducir el valor del NDVI. Por tanto parece necesario una formulacin alternativa
para corregir este error sistemtico:

N Dir 0.801N Dr
N DV I = (8.7)
N Dir + 0.801N Dr

La ventaja y el inconveniente del ndice de vegetacin es que no responde a ninguna variable concreta
sino a una amalgama de factores (cobertura, estado fenolgico, estado fitosanitario) por tanto no resulta
sencillo utilizarla para estudiar aspectos especficos de la vegetacin pero aporta una idea de conjunto
acerca de su estado. Entre las variables que se han correlacionado con los ndices de vegetacin estn:

Indice de rea foliar

Contenido de agua de la hoja

Flujo neto de CO2

Radiacin fotosinteticamente activa absorbida por la planta

Productividad neta de la vegetacin

Cantidad de lluvia recibida por la vegetacin

Dinmica fenolgica

Evapotranspiracin potencial
 93

Otra ventaja es que el ndice vara entre -1 y 1 lo que facilita su interpretacin, puede sealarse como
umbral crtico para cubiertas vegetales un valor de NDVI de 0.1 y para la vegetacin densa de 0.5.
Cualquier valor negativo implica ausencia de vegetacin por lo que debieran reclasificarse a cero.
Se han propuesto distintas variantes para mejorar este ndice. El objetivo fundamental es eliminar la influ-
encia que el suelo puede tener sobre las reflectividades en el rojo y el infrarrojo y que pueda enmascarar
las de la vegetacin (lo que resulta especialmente til en medios semiridos). Entre las formulaciones
alternativas destaca el Indice de Vegetacin Ajustado al Suelo (SAVI):

ir r
SAV I = (1 + L) (8.8)
ir + r + L

donde L es la constante que ajusta la linea vegetacin-suelo al origen. Si se representa en un grfico el

conjunto de pixeles situando en abcisas r y en ordenadas ir la linea de suelo es la base del conjunto
de pixels, aparece como una linea recta, de tendencia ligeramente ascendente, que si se prolonga hasta
cortar el eje de ordenadas lo hace en el valor de L (figura 8.2).

Figura 8.2: Linea de suelo y obtencin del parmetro L de SAVI

Otros ndices, utilizando otras bandas, permitiran analizar otros aspectos como puede ser la litologa,
por ejemplo:

T M 5/T M 7 para detectar rocas alteradas con alto contenido en arcilla, mica y roca sulfatada

T M 5/T M 4 para aislar cubiertas vegetales de la roca desnuda

T M 3/T M 1 para detectar materiales con alto contenido en limonita

94

Componente TM1 TM2 TM3 TM4 TM5 TM7

Brillo 0.3037 0.2793 0.4743 0.5585 0.5082 0.1863
Verdor -0.2848 -0.2435 -0.5436 0.7243 0.0840 -0.1800
Humedad 0.1509 0.1973 0.3279 0.3406 -0.712 -0.4572

Tabla 8.1: Coeficientes de la transformacion tasseled cap

8.2.2 Transformacin Taselled Cap

El objetivo de esta transformacin es obtener unas nuevas bandas por combinacin lineal de las originales
para realzar determinadas caractersticas. Supone pasar de las 6 bandas de landsat (todas exepto la del
infrarrojo trmico) a 3 bandas con un claro sentido fsico que representan el brillo de la imagen (albedo),
el verdor y la humedad. Esta combinacin lineal implica una rotacin de los ejes definidos por las bandas
de forma que los ejes resultantes se corresponden con la linea de suelo (humedad), la perpendicular a
esta o sea la linea de vegetacin (verdor) y un tercer eje relacionado con el lbedo de la imagen (brillo).
Estas nuevas bandas se obtienen mediante:

6
X
brillo = Ckb k (8.9)
k=1
X6
verdor = Ckv k (8.10)
k=1
X6
humedad = Ckh k (8.11)
k=1
(8.12)

Los coeficientes Ckb , Ckv y Ckh de estas ecuaciones aparecen en la tabla 8.2.2
El brillo refleja los cambios en la reflectividad total de la escena, se trata de una suma ponderara de la
reflectividad de todas las bandas excepto el trmico.
El verdor muestra el contraste entre las bandas del visible y el infrarrojo prximo, como se puede ver
en la tabla 8.2.2 la banda 4 interviene positivamente mientras que las tres bandas del visible lo hacen
negativamente, especialmente la banda 3. Por tanto el resultado es similar a un ndice de vegetacin.
Permite por tanto llevar a cabo anlisis de la densidad y estado de salud de la vegetacin.
La humedad se relaciona con el contenido de agua de la vegetacin y el suelo. Se obtiene contrastando la
reflectividad en las bandas 5 y 7 en las que el agua abdsorbe la radiacin (con coeficientes de ponderacin
negativos) respecto al resto de las bandas menos afectadas por la humedad (coeficiente bajos y positivos).
Tambin se ha encontrado una relacin entre este componente y la madurez de la vegetacin.
 95

Figura 8.3: Efecto de la transformacin tasseled cap

8.3 Anlisis de Componentes Principales

Uno de los problemas que aparecen cuando se utilizan tcnicas estadsticas para analizar una poblacin
es la alta correlacin entre algunas de las variables utilizadas. Si el valor absoluto del coeficiente de
correlacin entre dos variables es muy prximo a 1, ambas variables se sitan sobre una linea recta con
lo que conociendo una se puede conocer la segunda con un margen de error mnimo. Por tanto esta
segunda variable es redundante e incluirla en un anlisis estadstico apenas aporta informacin nueva
(figura 8.4).
Debe por tanto distinguirse entre el nmero de variables disponibles y la dimensionalidad intrnseca de
la muestra de datos. En el ejemplo anterior hay dos variables pero la dimensinalidad es uno.
La ecuacin 8.14 muestra como calcular el coeficiente de correlacin (r) a partir de la covarianza
(COVxy ) que se calcula como la media de los productos de las desviaciones de ambas variables respecto
a sus medias (mx y my ).

COVxy
rxy = (8.13)
x y
PN
i=1 (xi mx )(yi my )
COVxy = (8.14)
N
En el caso de la teledeteccin, dos bandas situadas muy cerca en el espectro electromagntico tendrn
96

Figura 8.4: Alta correlacin entre bandas

una elevada correlacin. As, en el caso de landsat TM, las tres bandas del visible (muy prximas)
aparecen muy correlacionadas, las bandas del infrarrojo cercano (ms distantes) aparecen algo menos
correlacionadas, y el infrarrojo trmico muy incorrelacionado (en definitiva se trata de una banda de
naturaleza completamente diferente). Por tanto la dimensionalidad de una imagen de satlite es inferior
al nmero de bandas.
La ciencia estadstica ha desarrollado un conjunto de tcnicas para manejar conjuntos de variables cor-
relacionadas entre si, la ms utilizada en teledeteccin de estas tcnicas de anlisis multivariable es
el Anlisis de Componentes Principales (ACP). La justificacin terica del mismo es que, a partir del
conjunto de variables puede obtenerse un conjunto de componentes, como combinacin lineal de las
variables que se caracterizan por:

Contienen la misma informacin que las variables originales

Se conoce el porcentaje de la varianza original que absorve cada componente

Los componentes se ordenan de acuerdo con el porcentaje de varianza absorbida

 97

De este modo si se tiene, por ejemplo, n variables pueden seleccionarse los primeros p < n compo-
nentes, tal que absorban un porcentaje elevado y fijado de antemano de la varianza, y que adems son
incorrelacionados. Por tanto podrn aplicarse ms fcilmente en algunos anlisis estadsticos como la
clasificacin. El valor de p dara de este modo la dimensionalidad de la imagen.
En el ejemplo de la figura 8.4 un ACP sera equivalente a rotar los datos de manera que la linea de regre-
sin apareciera vertical. De este modo se obtendra un primer componente (en ordenadas) que absorbe
la prctica totalidd de la varianza y un segundo componente que absorbe un porcentaje de varianza muy
escaso. Por tanto se habran resumido dos variables en un solo componente.
El resultado de un ACP realizado por cualquier programa de estadstica incluye:

Una matriz de vectores propios (eigenvectors) que permiten calcular los valores de cada compo-
nente (Ci ) a partir de las variables originales (Xj ):

n
X aij
Ci = Xj (8.15)
j=1
i

El valor propio i eigenvalue de cada componente, que indica la varianza absorbida por el mismo.
El porcentaje de varianza absorbida por el componente i se calcula como:

i
Vi = 100 Pn (8.16)
j=1 j

Estos valores y vectores propios pueden obtenerse a partir de la matriz de correlaciones o de la matriz
de covarianzas. En el primer caso el efecto producido es una estandarizacin de los datos que resulta
adecuada cuando estos no estn medidos en las mismas unidades. En el caso de la teledeteccin deber
utilizarse la matriz de correlaciones cuando se tranbaje con ND y la de covarianzas cuando se trabaja con
reflectividades
Los mdulos de ACP de un programa de SIG debern proporcionarnos:

Los mapas de los valores de los componentes, puesto que la varianza de los primeros componentes
es mayor que las de los ltimos los primeros componentes aparecern ms contrastados que los
ltimos.

Los valores propios para determinar el porcentaje de varianza explicada por cada componente

La matriz de vectores propios que nos permitir determinar cual es el peso de cada variable en
cada componente. Aunque el ACP es una tcnica estadstica sin significado fsico, puede permitir
establecer hiptesis de tipo fsico analizando la matriz de vectores propios.
98

Si la dimensionalidad de la imagen es 3, es decir los tres primeros componentes absorben la mayor parte
de la varianza, pueden representarse mediante una combinacin de color que permitira tener en una sola
representacin grfica prcticamente toda la informacin disponible en la imagen.
En ocasiones se nos plantea la posibilidad de reescalar los componentes a valores de 0-255 para facilitar
la visualizacin y su utilizacin con otras tcnicas estandarizadas de teledeteccin. Hay que tener en
cuenta que esta opcin tiene el efecto de igualar el rango de variacin de todos los componentes con lo
que en la visualizacin no se apreciarn las diferncias en la varianza absorbida por cada componente.
Las imgenes de los componentes se interpretan bien en blanco y negro. En la figura 8.5 aparecen los
mapas que se obtienen tras un ACP.

Figura 8.5: Anlisis de componentes principales

Existe la tendencia a considerar a la primera componente como la ms relevante, por ser la que mayor
varianza absorbe, sin embargo se trata de la varianza general ms o menos compartida por todas las
 99

bandas y que se relaciona con la reflectividad general de cada pixel. Ms interesantes pueden ser el
segundo o incluso el tercer componente ya que muestran aquello que resulta distintivo, respecto a la
reflectividad general, en cada uno de los pixeles. Por ejemplo en la figura 8.5 el segundo componente
parece denotar la vegetacin y el tercero la presencia de agua.
Las ltimas componentes tienen adems cierta relevancia cuando la muestra de datos procede de dos
o ms poblaciones diferentes con caractersticas diferentes. En el caso de la imagen de satlite ante-
riormente presentada, el Embalse de Puentes constituye un caso completamente distinto, en cuanto a
respuesta espectral, que el resto de la imagen de modo que contina apareciendo incluso en los mapas de
los componentes ms altos.
Como se puede comprobar existe una gran relacin entre la transformacin TCC y el ACP. En el primer
caso la matriz de vectores propios vendra predefinida (la matriz de coeficientes de ponderacin de la
tabla 8.2.2) mientras que la matriz de la ACP es propia para cada imagen. Sin embargo la TTC tiene una
interpretabilidad fsica directa mientras que en el ACP hay que deducirla de los vectores propios.
100
Tema 9

Clasificacin

En el tema anterior se ha visto como pueden obtenerse medidas cuantitativas de una serie de factores
que condicionan la respuesta espectral de los pixeles. Este enfoque responde a la idea de que existe
un continuo y una transicin suave entre los diferentes valores de reflectividad. La clasificacin, por el
contrario, responde a la idea de que pueden establecerse lmites precisos entre las respuestas espectrales
de unos pixeles y otros, siendo estos lmites los que definen las clases.
Un ejemplo sencillo sera pensar en un experimento consistente en medir el peso y la altura del conjunto
de alumnos de la Universidad de Murcia y representar los valores medidos en un grfico con el peso en
abcisas y la altura en ordenadas. Apareceran todos los puntos dispersos de manera que hubiese una
transicin suave entre las diferentes complexiones, o bin los puntos se aglomeraran en reas del grfico
definiendo clases (elfos, orcos, enanos, hobbits y hombres)? En definitiva el problema es similar a la
dicotoma entre objetos y superficies que aparece en el trabajo con SIG.

9.1 Introduccin a las tcnicas de clasificacin. Generacin de clases

La elaboracin de una clasificacin del rea de estudio en una serie de clases relativas a litologa, tipos
de vegetacin, usos del suelo, etc., es uno de los objetivos fundamentales en teledeteccin.
La clasificacin en teledeteccin es, por tanto, un caso particular del problema general de clasificar N
individuos procedentes de una muestra en un conjunto de M < N clases en funcin de una serie de K
variables (X1 , X2 ,...,XK ). Este problema se resuleve en dos fases:

1. Determinacin del nmero de clases y de las propiedades de estas en relacin a las K variables

2. Asignar cada uno de los N individuos a una de las M clases utilizando una regla de decisin
basada en las propiedades de los individuos y las clases en relacin a las K variables.

101
102

En teledeteccin el conjunto de variables est compuesto por la reflectividad en cada una de las bandas.
Sin embargo, adems de esta informacin espectral puede utilizarse informacin textural e informacin
contextual. La informacin textural hace referencia a la caractersticas en la vecindad de un pixel. Se de-
finen una serie de variables (reflectividad media, varianza, autocorrelacin, etc.) que tratan de cuantificar
algunas de las propiedades cualitativas que se estudian en fotointerpretacin. El contexto por su parte
hace referencia a la necesaria coherencia en cuanto a la clasificacin de pxeles vecinos. No tendra, por
ejemplo, mucho sentido clasificar un pixel como cultivo de invernadero al lado de pixeles clasificados
como roquedo de alta montaa.
La incorporacin de informacin textural y contextual tiene, sin embargo, el inconveniente de introducir
variables que no suelen seguir una distribucin gaussiana con lo que algunos mtodos de clasificacin no
funcionan correctamente.
La determinacin de las clases puede hacerse bsicamente mediante dos criterios:

1. Clasificacin supervisada. Se parte de un conjunto de clases conocido a priori. Estas clases deben
caracterizarse en funcin del conjunto de variables mediante la medicin de las mismas en individ-
uos cuya pertenencia a una de las clases no presente dudas (reas de entrenamiento). En la figura
9.1 se observa la caracteriacin espectral de un conjunto de clases de uso de suelo definidas a partir
de los valores de reflectividad en las diferentes bandas de landsat MSS.

2. Clasificacin no supervisada. No se establece ninguna clase a priori, aunque es necesario de-

terminar el nmero de clases que queremos establecer, y dejar que las defina un procedimiento
estadstico.

Figura 9.1: Imagen MSS y definicin de clases como histogramas

 103

La asignacin de cada uno de los individuos a las clases obtenidas anteriormente puede hacerse mediante
diferentes procedimientos:

No estadsticos (rboles de decisin, mnima distancia, paraleleppedos)

Estadsticos clsicos (mxima probabilidad)

Algortmos basados en inteligencia artificial (lgica borrosa, redes neuronales)

Algoritmos que utilizan informacin contextual

9.2 Interpretacin geomtrica de la clasificacin

Uno de los modos ms sencillos de entender la clasificacin cuando se basa en medidas cuantitativas es
pensar en el conjunto de variables que caracterizan a individuos y clases como un conjunto de ejes que
definen un espacio de variables multidimensional (figura 9.2). A partir de este momento, por simplificar,
se presentar un ejemplo en el que se trabaja con las bandas 3 y 4 de landsat (rojo e infrarrojo cercano)
para clasificar un conjunto de pixeles (figura 9.3).

Figura 9.2: Definicin de clases en el espacio de variables

La definicin de clases puede hacerse de dos modos alternativos:

Se divide el espacio de variables en regiones mediante el trazado de fronteras entre las mismas,
cada regin corresponde a una clase. Este procedimiento se utiliza en los rboles de decisin (figura
9.9), el mtodo de los paraleleppedos y las redes neuronales.
104

Figura 9.3: Datos de reflectividad en las bandas TM3 (x) y TM4 (y)

Se asigna a cada clase un punto cannico que constituye el centroide de la clase. Cuanto ms
cerca este un individuo de este punto cannico ms probable es que pertenezca a esta clase (figura
??). Se necesita por tanto una medida de distancia que equivale a una medida de semejanza o
diferencia entre los diferentes individuos y entre los individuos y las clases. Dos individuos muy
parecidos pertenecern con toda seguridad a la misma clase, mientras que dos individuos distintos
pertenecern a diferentes clases. La medida ms utilizada es la distancia euclidiana generalizada
para espacios multidimensionales (aunque pueden utilizarse otro tipo de distancias):
v
uN
uX
da,b = t (Xi,a Xi,b )2 (9.1)
i=1

este enfoque es utilizado por el procedimiento de mnima distancia y el de mxima probabilidad.

 105

Figura 9.4: Dendrograma obtenido pediante clasificacin no supervisada

9.3 Clasificacin no supervisada

Se utilizan algortmos de clasificacin automtica multivariante en los que los ndividuos ms prximos
se van agrupando formando clases. Uno de los mas habituales en teledeteccin es el clustering jerrquico.
Este consta de N pasos siendo N el nmero total de individuos a clasificar.
En cada paso se identifican los dos individuos ms similares (prximos), se hace una clase con ellos y
se sustituyen por el centroide de la clase resultante. De este modo cada paso analiza un individuo menos
que el anterior ya que los individuos van siendo sustituidos por clases. El proceso se detiene cuando se
ha alcanzado un nmero de clases igual al nmero de clases que habia sido establecido a priori o cuando
se ha alcanzado un umbral de distancia entre clases por encima del cual no debe continuarse..
El resultado final de un proceso de clustering suele ser un dendrograma (figura 9.6) en el que puede verse
como los diversos individuos se aglutinan en clases, primero los que estan a un menor distancia (los
mas parecidos), y como posteriormente las clases se unen entre si. A partir de un dendrograma podemos
elegir el nmero de clases que queremos mantener en funcin de diferentes criterios.
Cuando se utiliza en teledeteccin, el cluster jerrquico no utiliza todos los pixels (debido a su elevado
nmero) sino que se toma una muestra para clasificarla. En todo caso el tamao muestral es demasiado
grande como para que la salida pueda ser un derndrograma. En su lugar la salida es un conjunto de
clases (el nmero de clases que hayamos decidido buscar) con sus signaturas espectrales. En general
es conveniente tratar de buscar con el clustering ms clases de las que sospechamos que luego pueden
106

agruparse sin dificultad.

En las figuras 9.4 y 9.5 puede verse con ms detalle como funciona el clustering con los datos del
ejemplo. Los individuos ms prximos son el 1 y el 2 (distancia=8.06), por tanto se unen en la primera
clase. A partir de ese momento, los individuos 1 y 2 ya no existen y se sustituyen por la clase 1-2 que
queda definida por el crculo rojo intermedio. De este modo se van aglomerando individuos, individuos
con clases (por ejemplo cuando se une la clase 6-9 con el individuo 7) o clases con clases (cuando se
une la clase 1-2 con la 3-8). El procedimiento continua hasta la fusin de todas las clases en una sola o
hasta alcanzar el nmero de clases establecido a priori. En la figura 9.5 aparece cual sra la clasificacin
resultante si se hubiesen escogido 4 clases.

Figura 9.5: Anlisis de cluster jerrquico

 107

Figura 9.6: Clasificacin no supervisada resultante

9.4 Clasificacin supervisada

La clasificacin supervisada se basa en la disponibilidad de reas de entrenamiento. Se trata de reas de

las que se conoce a priori la clase a la que pertenecen y que servirn para generar una signatura espectral
caracterstica de cada una de las clases. Se denominan clases informacionales en contraposicin a las
clases espectrales que genera la clasificacin no supervisada. Las reas de entrenamiento deben ser lo
ms homogeneas posibles y en las que sepamos lo que haba el da que se tom la imagen. Por ello
esta opracin se realiza el mismo da en el que el satlite toma la imagen y luego se compra esta. Otra
posibilidad es utilizar fotografa aerea o informacin de otro tipo.

Siguiendo con el ejemplo anterior, en la figura 9.7 los pixeles representados con tres colores diferentes
corresponden a tres clases diferentes obtenidas a partir de las areas de entrenamiento.
108

Figura 9.7: Incorporacin de las areas de entrenamiento

Sin embargo, puesto que hemos creado las signaturas espectrales con varios pixels de una misma clase,
lo que obtenemos no es una signatura en la que a cada banda se asigna un valor de reflectividad, sino una
distribucin de reflectividades para cada banda con una serie de estadsticos, los ms relevantes para el
anlisis posterior son:

media

desviacin tpica

mximo

mnimo
 109

9.5 Adjudicacin de pxeles a clases. Tcnicas no estadsticas

Una vez que se dispone de un conjunto de clases y de sus signaturas espectrales caractersticas, vamos
a tratar de adjudicar cada uno de los pixels a una clase. Los primeros mtodos que se utilizaron eran de
tipo no estadstico y con ellos se obtenan resultados bastante mediocres. Su anlisis es, sin embargo, til
para comenzar a indagar en los problemas del proceso de clasificacin.
En el caso de la clasificacin no supervisada, hay que hacer la salvedad de que, en teora no debiera ser
necesaria esta segunda fase y a que en el proceso de clustering todos los individuos quedan asignados a
una clase. Sin embargo el clustering en teledeteccin utiliza slo una muestra de los pixeles, debido al
gran nmero de pixeles existentes en una imagen, por tanto es necesario asignar los restantes de algn
modo.

9.5.1 Arboles de clasificacin

Es una tcnica similar a la de las guas de identificacin de rocas, rboles, etc. Se van planteando una
serie de cuestiones respecto al pixel a clasificar y en funcin de las respuestas se hacen otras preguntas.
Las cuestiones planteadas hacen referencia a los valores de reflectividad en las diferentes bandas de modo
que, desde un punto de vista geomtrico, trazan lineas que definen fronteras entre clases. Tras pasar a
travs de diferentes cuestiones respecto al pixel, este queda clasificado.
En el ejemplo que nos ocupa el arbol de decisin aparece en la figura ??. La divisin del espacio de
variables a que da lugar este arbol de decisin aparece en la figura 9.9. Resulta evidente que la definicin
de las cuestiones que se plantean en un rbol de decisin es bastante subjetiva, an teniendo en cuenta
los valores obtenidos en las reas de entrenamiento.

9.5.2 Clasificacin por mnima distancia

Puesto que cada clase dispone de una reflectividad media para cada una de las bandas, podemos utilizar
estas medias para situar cada una de las clases en el espacio de variables. Posteriormente, y en este
espacio de variables se calcula la distancia entre un pixel cada una de las clases. Evidentemente cada
pixel se asignar a la clase respecto a la cual su distancia sea mnima (figura ??).
Este mtodo no es demasiado bueno ya que sobreclasifica la imagen, es decir ningn pixel queda sin
clasificar. Aunque algunos autores sealan esto como una ventaja, realmente es un problema ya que es
preferible dejar reas sin clasificar que clasificarlas sin garantas. Lo ms adecuado sera cartografiar
estos pixels con problemas de clasificacin para determinar cual es la razn e intentar solventarla. Nor-
malmente sern los pixels de borde los que den problemas de clasificacin por su propia naturaleza mixta.
Tambin puede ocurrir que estos pixeles no clasificados correspondan a clases no tenidas en cuenta a la
hora de definir las clases y las reas de entrenamiento.
Por otro lado no se tiene en cuenta las desviacin tpicas de cada una de las bandas para cada una de las
clases, as un clase con una baja desviacin tpica no debera absorber pixels alejados de su centroide.
110

Figura 9.8: Arbol de clasificacin

 111

Figura 9.9: Arbol de clasificacin, divisin del espacio de variables

112

Figura 9.10: Clasificacin por mnima distancia

 113

Figura 9.11: Clasificacin por paraleleppedos

Por ejemplo, los pixeles de agua muestran una desviacin tpica reducida, es decir todos ellos muestran
valores muy similares y no tendra sentido clasificar como agua un pixel (como el nmero 3) que se
apartar de esta norma aunque estuviera ms cerca de la media del agua que de cualquier otra media. Por
otra parte, los pixeles de suelo muestran una alta dispersin (especialmente en cuanto a reflectividad en el
rojo debido a las diferentes composiciones mineralgicas). Esta dispersin implica que pixeles bastante
alejados tendrn una probabilidad relativamente alta de pertenencia a esta clase.

9.5.3 Clasificacin por paraleleppedos

Un modo relativamente sencillo de solventar este problema es utilizar el mtodo de los paraleleppe-
dos. En este mtodo se definen una serie de rectngulos, hiperparaleleppedos en el caso de ms de 3
dimensiones, que definen las fronteras de cada clase (figura ??). La definicin de cada uno de los par-
aleleppedos debe hacerse teniendo en cuenta los valores mximos y mnimos de reflectividad para cada
una de las bandas. Con este mtodo pueden aparecer pixels sin asignar o pixels asignados a varias clases.

Otro problema es que un paraleleppedo no es una forma adecuada de modelizar la dispersin de las reas
de entrenamiento, especialemente teniendo en cuenta la elevada correlacin entre bandas que supone que
los pixeles de las reas de entrenamiento se dispongan como lineas oblicuas en el espacio de variables.
114

Figura 9.12: Clasificacin por mxima probabilidad

9.6 Adjudicacin de pxeles a clases. Tcnicas estadsticas: Clasificacin

por mxima verosimilitud

Puesto que se tiene la media y la desviacin tpica de cada una de las clases, se puede utilizar algn mod-
elo de distribucin de probabilidad. El clasificador de mxima verosimilitud (o mxima probabilidad)
asume que los datos siguen una funcin de distribucin normal para asignar la probabilidad de que un
pixel cualquiera pertenezca a cada una de las clases. El pixel se asigna de este modo a la clase a la que
es ms probable que pertenezca.

Este mtodo puede usarse de forma automtica, o puede establecerse algn criterio que permita asignar
pixels a una clase slo si la probabilidad correspondiente es superior a determinado umbral. Permite por
otro lado definir algn tipo de criterio para medir la calidad de la asignacin, por ejemplo la diferencia
entre la mxima probabilidad y la siguiente.

En la figura ?? aparecen una serie de elipses rodeando a cada uno de los centroides, se trata de lineas
de isoprobabilidad, por tanto el pixel se clasificar como perteneciente a la clase en la que sus valores
resulten ms probables.

Sin embargo la hiptesis de que los datos de reflectividad siguen una distribucin normal no siempre se
cumple y debera verificarse.
 115

9.7 Clasificacin de imgenes.Tcnicas avanzadas

Recientemente el desarrollo de los ordenadores ha permitido implementar tcnicas de clasificacin ms

sofisticadas que los mtodos de mnima distancia o pareleppedos y ms robustas que la clasificacin
de mxima verosimilitud (en el sentido de que no necesitan que los datos cumplan una determinada
condicin como la de seguir una distribucin normal). En general si los datos cumplen estas condiciones
es preferible utilizar mxima verosimilitud. El problema es que en muchos casos ni siquiera es posible
saber si los datos cumplen esta condicin o no.

9.7.1 Clasificacin de contexto

Todos los mtodos estudiados hasta ahora utilizan, para clasificar un pixel, slo los valores de reflec-
tividad recogidos en dicho pixel. Este hecho no es demasiado problemtico si el tamao de pixel es
mayor que los elementos que los diferentes elementos fsicos que componen el paisaje. Sin embargo si
el tamao del pixel es ms pequeo que las unidades de paisaje podra utilizarse la informacin de los
pixels de alrededor para estimar la pertenencia a una clase o confirmar la estimacin.
Puede resultar un mtodo til en combinacin con el de mxima probabilidad ya que permite incluir la
informacin de los pixels circundantes para tomar una decisin en caso de que las probabilidades para
dos clases sean similares o no exista una clase con probailidades de pertenencia suficientemente altas.

Contexto espacial

Se trata de incorporar otras fuentes de informacin distintas a las bandas para la clasificacin. Entre
esta informacin estara la altitud, pendiente, litologa, etc. Las distintas formaciones vegetales tienen
mayor capacidad para desarrollarse en determinados entornos definidos en parte por estas variables. Por
tanto puede ser til establecer cual es la formacin vegetal con mayor probabilidad de desarrollarse en
un determinado pixel (en funcin de topografa y litologa) y combinar esta informacin con la de las
bandas.

9.7.2 Clasificaciones multitemporales

Si lo que se pretende es distinguir entre clases cuya respuesta espectral varan con el tiempo, por ejemplo
entre diferentes usos del suelo, puede ser interesante integrar imgenes obtenidas en diferentes fechas.
Imgenes de primavera y otoo tienen un gran valor discriminante ya que las superficies vegetales,
especialmente las de cultivo muestran grandes diferencias.
Si se utiliza esta tcnica, resulta imprescindible realizar una buena correccin atmosfrica de las im-
genes. Si todas son de la misma fecha, la influencia de la atmsfera es la misma para todas por tanto
podemos asumir que no influye demasiado en la clasificacin. Sin embargo si las imgenes proceden de
diferentes fechas, la diferente influencia de la atmsfera puede enmascarar y distorsionar los cambios en
la respuesta espectral.
116

Figura 9.13: Ejemplo de red neuronal

9.7.3 Clasificacin por redes neuronales

Se basan en el uso de redes neuronales artificiales que, se supone, imitan a las redes neuronales reales en
el desarrollo de tareas de aprendizaje. Una neurona artificial es un objeto lgico (se trata de software no
de hardware) que recibe diversas entradas, hace una suma ponderada de las mismas y produce una salida
a partir de la aplicacin de una funcin umbral a la media ponderada.
Si conectamos las asalidas de unas neuronas como entradas de otras obtenemos una red neuronal. Uno
de los ejemplos ms tpicos de red neuronal es el la Back Propagation Neural Network que aparece en la
figura ??.
Consta de una capa de entrada con tantos neuronas como variables de entrada se vayan a introducir en el
modelo (en el caso de la teledeteccin sera una por cada banda utilizada para clasificar), una capa oculta
que realiza la mayor parte del clculo y una capa de salida con tantas neuronas como posibles clases
existan. En teledeteccin esta salida suele consistir en un valor numrico entre 0 y 1 para cada clase,
cuanto mayor sea este valor ms verosimil resulta que el pixel pertenezca a la clase en cuestin
Para trabajar con una red neuronal existen varias fases:

1. Entrenamiento. Se le introducen a la red la respuesta espectral de pixeles cuya clase se conoce

y se compara la salida con la realidad. A partir de esta comparacin se modifican los coeficientes
de ponderacin de todas las neuronas para que se obtenga la respuesta adecuada (se trata de un
procedimiento automtico) es decir un 1 en la clase correcta y ceros en las incorrectas

2. Estabilizacin. Al principio del entrenamiento, los factores de ponderacin cambian muy deprisa,
pero conforme este se desarrolla (y si las areas de entrenamiento se han seleccionado correcta-
mente) se estabilizan (no se modifican aunque se vuelvan a introducir los pixels de entrenamiento).
En este momento finaliza la fase de entrenamiento

3. Clasificacin. Se introducen las respuestas espectrales de los pixels cuya clase no se conoce y se
adjudican a la clase que de una respuesta ms alta (que no va a ser necesariamente 1).
 117

A B C D E F Ni ni/N i ncii niic

A 50 3 0 0 2 5 60 83.3 10 21
B 4 62 3 0 0 1 70 88.5 8 10
C 4 4 70 0 8 3 86 81.4 19 6
D 0 0 0 64 0 0 64 100.0 0 3
E 3 0 2 0 71 1 78 91.0 6 10
F 10 3 1 3 0 33 50 66.0 17 10
408 85.8 60 60

Tabla 9.1: Matriz de confusiones con 6 clases

Se trata en definitiva de un mtodo de clasificacin no paramtrico robusto que da buenos resultados

cuando las respuestas espectrales de las clases no siguen una distribucin normal. La clave est en el
conjunto de coeficientes de ponderacin que constituyen un conjunto de parmetros que deben ajustarse
a unos datos de entrada y salida. Por tanto en cierto modo es equivalente a una regresin.
El conjunto de ecuaciones que queda almacenado en la red neuronal es similar a las ecuaciones dividen
el espacio de variables en varias regiones.

9.7.4 Clasificadores borrosos

Sea cual sea el procedimiento de clasificacin utilizado, surge el problema de que algunos pixels resultan
inclasificables, bien porque sus probabilidades de pertenencia a cualquier clase sean muy bajas (mxima
verosimilitud, salidas de un mtodo de redes neuronales, etc.) o porque aparezcan dos o ms clases con
muy alta probabilidad que se disputen el pixel. En estos casos tiene ms sentido no clasificar los pixels de
forma unvoca sino establecer cual es su posibilidad de pertenencia a cada una de las clases (el concepto
de posibilidad no es exactamente igual al de probabilidad).

9.8 Validacin. Error de clasificacin

Existen dos posibilidades, evaluar una estimacin terica del error en funcin de las caractersticas del
algoritmo de clasificacin o analizar una serie de reas test obtenidas del mismo modo que las reas de
entrenamiento. El segundo modo de proceder permite obtener una estimacin ms realista de los errores
mientras la muestra de pixels para la estimacin del error sea lo suficientemente grande y representativo.
Un mtodo simple y apropiado de evaluaciones de los errores es utilizar la matriz de confusin de clases
(tabla 9.1).
Con este tipo de anlisis, se obtiene, no slo una caracterizacin del error cometido, sino tambin una
medida sobre la adecuacin de la clasificacin considerada a la realidad y de los parmetros utilizados
para caracterizarlas. Puede por tanto utilizarse para definir un nuevo conjunto de clases para realizar una
clasificacin.
118

En la tabla aparece un ejemplo de matriz de confusiones, los valores en filas representan las clases reales
y en columnas aparecen (en la parte izquierda de la tabla) las clases obtenidas tras la clasificacin. Por
tanto debe interpretarse como el nmero de pixels que perteneciendo a la clase fila han sido adjudicados
a la clase columna.
En la parte derecha de la tabla aparece: Ni es el nmero total de pixels de cada clase, el porcentaje de
pixels clasificados correctamente para cada clase. (ni)ci es el nmero de pixels que correspondiendo a la
clase y han sido adjudicados a otras, y (nic)i es el nmero de pixels adjudicados a i cuando en realidad
pertenecen a otra clase. La ltima fila presenta la totalizacin de estos resultados.