Manual para el Monitoreo de Imágenes Satelitales en ArcMap 10.3

TELEDETECCIÓN Asesorar a los clientes:

Para que la quieres. (Bandas, resolución) ¿A qué escala se va a trabajar? ¿De qué fecha? Coordenadas delimitadas, Presupuesto.



Ley de cartografía dice que el catastro (cartografía de propiedades con motivo impositivo) debe levantarse a una escala de 1:10,000



Escala técnica 1:100,000

Catálogos, dónde buscar según la resolución



Glovis.- USGS Global Visualization Viewer.- Se puede descargar gratis en alta resolución.



Controla satélites Landsat



landsat 1 muy antiguo, Landsat 8 reciente.



Se puede cambiar la resolución y en colección se busca el satélite que necesitamos según el año.



La nubosidad cc debe ser máxima al 20%



Los satélites landsat cubren 160km x 160km



Tiene 7 bandas espectrales (rojo, verde, azul, infrarojo cercano, medio y térmico) y 1 banda pancromático.



Tiene 8 bits que produce 256bits



Resolución 30m x 30m cada pixel.



Los satélites recientes tiene 25cm x 25cm de resolución por pixel.



Para sacar la escala según la resolución se multiplica por 3000… ejemplo: 30 x 3000 = 1:90000

AIRBUS GEO         

 

Airbus defence space, es pagado. Tiene orbitando dos pléyades cercanas que pueden tomar imagen más reciente. Resolución de hasta 25cm Tiene satélites ópticos y de radar (terraSAR-X) Spot 1 al 7 cada uno tiene su resolución y pixeles definidos en años diferentes. DMC para desastres naturales, cubre 620km no tiene buena resolución pero abarca grandes áreas FORMOSAT-2 no pasa por Ecuador Mercado está especializado para que sirven los satélites según el estudio. GeoStore, Buscar y luego te ubicas en la zona de estudio, dibujar y seleccionas la zona específica y esperas hasta que el programa busque las imágenes que hay en el catálogo. Dentro de resultados puede observar resolución, fecha, de que satélite viene, etc. Mínimo de venta 25km2

Otros catálogos para ver imágenes satelitales. RAPIDEYE y DIGITALGLOBE

Composición de bandas para ver color. 

Meter bandas en la carpeta creada en el disco c, nombre teledetección.



Conectar carpeta, ajustar coordenadas en arcmap y abrir todas las bandas en ADD data.



Tool box, data management tool, raster, raster processing, composite bands y se agregan las bandas del 1 a la 7. Se guarda en la carpeta de trabajo con el nombre composicion.img



Las bandas se pueden analizar de 3 en 3.



Para modificar que bandas ver, propiedades, Simbology. Tenemos que saber qué color va en cada banda según el satélite.



Ponemos: rojo banda 4, verde banda 3, azul banda 2. Esto se llama composición natural.



Ahora vamos a ver visualizar en infrarrojo para apreciar mejor la vegetación. Aquí la banda del rojo cambia por el infrarrojo cercano. Rojo banda 5, Verde banda 4, Azul banda 3

Combinación de bandas para landsat 8 ROJO, VERDE, AZUL RGB Color natural: 4 3 2 Falso color (urbano): 7 6 4 Color infrarrojo (vegetación): 5 4 3 Agricultura: 6 5 2 Penetración atmosférica: 7 6 5 Vegetación saludable: 5 6 2 Tierra/agua: 5 6 4 Natural con remoción atmosférica: 7 5 3 Infrarrojo de onda corta: 7 5 4 Análisis de vegetación: 6 5 4   

Programas para abrir imagen de 8 bits (256) son los normales. Necesita programas especializados para abrir imágenes de 11 bits (2048) Formatos más usados… TIF, IMG, JP2, GEOPDF

Landsat 7 Banda

Landsat 8 Ancho (µm) Resolución (m) Banda Band 1 Coastal Band 1 Blue 0.45 - 0.52 30 Band 2 Blue Band 2 Green 0.52 - 0.60 30 Band 3 Green Band 3 Red 0.63 - 0.69 30 Band 4 Red Band 4 NIR 0.77 - 0.90 30 Band 5 NIR Band 5 SWIR1 1.55 - 1.75 30 Band 6 SWIR1 Band 7 SWIR2 2.09 - 2.35 30 Band 7 SWIR2 Band 8 Pan 0.52 - 0.90 15 Band 8 Oan Band 9 Cirrus Band 6 TIR 10.40 - 12.50 30/60 Band 10 TIRS1 Band 11 TIRS2

Ancho (µm) 0.43 - 0.45 0.45 - 0.51 0.53 - 0.59 0.64 - 0.67 0.85 - 0.88 1.57 - 1.65 2.11 - 2.29 0.50 - 0.68 1.36 - 1.38 10.6 - 11.19 11.5 - 12.51

Resolución (m) 30 30 30 30 30 30 30 15 30 100 100

Formas para cortar imágenes y formar sub-escenas       

Se lo puede hacer en cuadrantes (tile) Vamos a cortar la imagen en 6 partes iguales, calculadas por el programa arcmap. Toolbox, data management tool, raster, raster processing, Split raster. Luego en input cogemos bandas combinadas. Se puede elegir dos tipos. Size of tiles y number of tiles. Voy a elegir number of tiles. Formato de salida se lo elige según nuestras necesidades. Number output raster en x 3 - y 2. Tenemos la imagen original en 6 cuadrantes.

Proceso contrario – Armado de sub-escenas    

Toolbox, data management tool, raster, Raster dataset, mosaic Se selecciona las imagines cortadas del proceso anterior 1 al 5 Target se coloca la parte 0 porque todas irán dentro de ese pedazo Output location, carpeta de trabajo

Cortar un pedazo de imagen de forma irregular       

Creamos un nuevo shapefile con coordenadas. Editamos el pedazo que queremos. Editer, start editing y lo enviamos en el nuevo shapefile. Toolbox, data management tool, raster, raster processing, clip Input raster: composite que es la imagen que estamos trabajando Output extensión. El shapefile creado. Seleccionamos input features to geometry, Y la salida a la carpeta de trabajo

Cambiar formato de trabajo  

Se importa la imagen en ADD DATA. Vamos a layers, click derecho en la imagen, data export data, se selecciona la carpeta donde va a ir la imagen y cambiamos el formato deseado.

Cambiar contraste imagen  

Existe dos formas… Manual y automática. Se importa la imagen, se hace clic derecho, propiedades, display y se cambia manualmente el % de brillo, contraste y transparencia.

También se puede hacer automático haciendo clic derecho en la barra de trabajo, y se activa el comando efecto.

Eliminar pixeles de imágenes al enfocar 

Se agrega la imagen, clic en propiedades, display, cubic convolution. Aquí se eliman los pixeles quedando lineal. También existen otras opciones para eliminar pixeles al enfocar que se encuentran en display.

Fusionar una imagen pancromática (Landsat banda 8) con una multiespectral (composición bandas)    

Agregamos las bandas 1 a la 8. Luego tenemos que componer una imagen multiespectral, combinando bandas como lo hicimos en la práctica anterior. Luego vamos a raster procesing, create pan- Sharp. Aquí tenemos que asignar las bandas de la imagen compuesta y la pancromática.

 

Podemos cambiar algoritmos para darle mejor calidad a la imagen, se juega con pan sharpening type. En este ejemplo usé Esri. Aquí podemos apreciar una imagen de muy alta resolución.

Crear un proceso en Arcmap 

 

Geoprocesing, Model builder proccess. Add data y buscamos raster procesing y se agrega composite bands y pan – sharp. Trabajamos la metodología pasada en un solo proceso. Luego se tiene que conectar la salida del composite band con la entrada de pan – sharp. Se valida el proceso y se corre (run) Luego tenemos que llamar el proceso desde add data y buscamos donde lo guardamos.

Diferencia de Manglar en la Isla Puna spot 4 1995 y spot 5 2010  

Vamos a medir cuanto manglar hay. Se crea dos shapefile manglar 1995 y 2010. Comenzamos a digitalizar la parte que necesitamos. Start editing, manglar 1995 y luego 2010



Luego se agrega un Field en la tabla de atributos con el nombre sup_ha y se calcula con la calculadora automática.



Se puede concluir que el manglar en la Isla Puna se ha incrementado de 571 ha – 674 ha.

Procesar imágenes (Urdesa) NDVI Formula: EVI= 2.5 x(Float(NIR-RED))/(Float((NIR+6xRED) +(7.5xBLUE) +1)) NDVI= float (NIR-ROJO)/ float(NIR+ROJO) También existe el índice evi, avi, entre otros que se realiza de la misma manera. 

Se agrega la imagen Urdesa y se combina las bandas; Rojo 4, Verde 3, Azul 2. Resalta árboles en color rojo intenso.



Para el NDVI, vamos al analizador de imagen en Windows… propiedades y seleccionamos las bandas del infrarojo cercano 4 y rojo 3. Luego damos clic en Scientific output y aplicamos la opción NVDI Una vez hecho esto, exportamos la NVDI dentro de la carpeta de trabajo.



 



Luego vamos Spatial Analyst tool, Reclass, reclassify y ponemos 2 clases que sería 0 - 1. Luego se escribe el rango que queremos.

En la imagen Reclass se puede poner no color la parte 0 y solo dejar con color verde la parte de vegetación 1. Luego montamos la imagen principal.



Luego para poder medir el área en ha se debe transformar la imagen reclass a polígono en: Convertion tool, from raster, raster to polygon y no se cambia el nombre para guardarlo sino luego de crearlo se lo graba desde export data.



Ahora vamos a propiedades tabla estadística y se borra el gridecode 0 porque no nos sirve ya que no es vegetación. Se pone start editing y se selecciona gridecode 0 y se borra.



Luego en estadística se ve el área en km2 se transforma a ha y es un aproximado del área verde total de Urdesa.

Practica 8 - Georreferenciar agregando puntos de control (La Troncal) 

Agregamos la carpeta la troncal al ArcMap.



Add data, agregamos la imagen 791.tif



Luego agregamos vías y ríos



Vamos a la barra de georreferenciar y seleccionamos add control Points



Y comenzamos a crear puntos de control en las cuatro esquinas. Tomando carreteras y ríos. Primer clic en la imagen, segundo en el punto.



Luego vamos a tabla de control, transformation, spline.



Una vez hecho esto, agregamos 792.tif y se comienza a unir los puntos de ambas imágenes para cuadrarla. Clic en un punto de la carretera de la imagen 792.tif, se desactiva la capa 792 y se cuadra con la 791. Ortorrectificacion

  

Corrige la deformación angular Corrige la curvatura terrestre Corrige la orografía del paisaje

Se necesita:     

La imagen que vamos a rectificar Datos orbitales (RPC`s). Se pide aparte. Arcgis no rectifica si no tiene el archivo. Software (ERDAS) ya tiene el RPC´s integrado para corrección. MED (Modelo de elevación digital) o altura constante X, Y, Z (Puntos de Control)

SEGUNDO PARCIAL Practica 9 - Procesamiento de Imagen (Clasificación no Supervisada) 

La imagen a procesar es del Landsat 7.



Vamos a utilizar la combinación para agricultura: 5 4 1 haciendo un composite BAND.



Luego vamos a tools bar, imagen classification, Iso cluster No Supervisada, 4 clases y cambiamos a 15 intervalos. La guardamos dentro de la carpeta de trabajo como NoSupervisada. Seleccionados 4 clases porque fueron las diferencias que visualizamos en el momento de realizar la clasificación. Este valor puede variar dependiendo de las diferencias que tengamos en nuestra imagen.



Ahora a la nueva imagen se le asigna las siguientes clases:1 Agua, 2 Bosque, 3 Pasto, 4 Cultivos y se le coloca los respectivos colores.



Seleccionando la imagen en la parte de layers, hacemos clic derecho, propiedades, display, resampling during display, MAJORITY y se arregla visualmente el archivo.

Imagen final luego de aplicar MAJORITY FILTER



Luego esta imagen se la puede exportar haciendo clic derecho sobre layers, export y se la graba en formato img.

Tenemos que conocer un poco de estadística para entender cómo funciona el sample intervals en la parte de clases NO Supervisada. Si no se entiende, podemos siempre utilizar la ayuda que proporciona ARCMAP en HELP

Practica 10 - Procesamiento de Imagen (Clasificación Supervisada) 

La imagen a procesar es del Landsat 7 de la Península de Santa Elena



Vamos a utilizar la combinación de bandas para agricultura: 5 4 1 haciendo un composite BAND.



Luego vamos a tools bar, imagen classification.



Luego hay una opción que seleccionamos Training sample manager. Abrimos esa opción y seleccionamos draw training with polygon. Aquí se va a dibujar las clases que queremos crear. Por ejemplo, podemos crear una clase con agua y vamos y dibujamos en la parte de agua. Otra cosa importante es que se puede hacer merge a diferentes áreas de un mismo trazado (MISMA CLASE) para crear una sola siempre y cuando la muestra trazada sea muy pequeña.



Debe tener como mínimo 200 counts.



Vamos a crear 7 clases. 1 agua, 2 camaronera, 3 vegetación1, 4 vegetación2, 5 salitral, 6 arenal, 7 cultivos



Luego se guarda los polígonos en la opción save training samples y se crea un signature file.



Luego vamos nuevamente a imagen classification y damos clic en máximum likelihood classification.





Agregamos el signature file que grabamos en el proceso anterior y guardamos dentro de la carpeta de trabajo.

Luego se coloca el nombre de las clases que habíamos realizado con su respectivo color y se borra los training sites de la imagen original.



Seleccionando la imagen en la parte de layers, hacemos clic derecho, propiedades, display, resampling during display, MAJORITY para discriminar colores y arreglarlo visualmente.

Imagen final luego de aplicar MAJORITY FILTER



Luego esta imagen se la puede exportar haciendo clic derecho sobre layers, export y se la graba en formato img.

Practica 11 - Modelo Generalization of classified raster imagery.  

Seguiremos el modelo Generalization of classified raster imagery que está en el programa arcmap bajo help hasta obtener una clasificación más limpia y ordenada de la imagen. Como es muy pesada vamos a degradar la calidad para que corra más rápido. Vamos a export data y cambiamos de 0.5 a 2 metros por pixel. Este proceso se llama resample.

Importante: Si queremos analizar vegetación, agua, deforestación, etc. Tenemos que jugar con las bandas. Yo en mi caso cambie a 4 3 1 para analizar la vegetación presente en la zona. La información para jugar con las bandas depende del satélite que estemos trabajando y su combinación. Para esto debemos buscar en la web las combinaciones presentes para cada satélite. Color rojo es vegetación



Hacemos una clasificación supervisada de 4 clases: 1 vegetación, 2 salitral, 3 agua, 4 arena.



Grabamos el training sites y creamos un signatura file.



Luego vamos nuevamente a imagen classification y damos clic en máximum likelihood classification. Buscamos el signatura file que grabamos y guardamos la imagen en la carpeta de trabajo.



Cambiamos los colores y asignamos nombre a cada clase según el modelo que creamos en el training sites. Una vez hecho esto se puede borrar los trainings sites del display.

Una vez hecho esto podremos recién comenzar a aplicar los diferentes filtros 

Primer filtro, Majority para unificar pixeles similares. Spatial analyst tool, Generalization, Majority filter. Luego arreglamos colores y cambiamos nombres.



El segundo filtro, Boundary clean para limpiar los bordes de la imagen filtrando los pixeles cercanos dejando más limpia la imagen. OJO, siempre se va tomando la imagen filtrada del proceso anterior.



Tercer filtro, Region Group y sigue eliminando pixeles cercanos a regiones y toma una sola región como general.



Cuarto filtro, extraction by attributes. Aquí vamos a extraer atributos de la imagen para seguir filtrando. Pero esta vez el filtro se encuentra en extraction. Aquí Where clause, count mayor a 36, Aquí se borra pixeles menos a 36.

Borramos valores menores a 36 porque son los que están interfiriendo en la imagen con otras regiones que tienen mayor cantidad de área. Se les llama espacios muertos en la imagen. No simpre serán valores