8. ESTRUCTURA DE LAS IMAGENES DIGITALES (continuación)

O sea que desde el punto de vista espectral se trata de un pixel mezclado. Conociendo los  espectros puros de cada objeto o clase que incluye el pixel (obtenido de bibliotecas  adecuadas o de ensayos de laboratorio previos), a través de técnicas de desmezclado se  puede efectuar un análisis subpixel para estimar la proporción de las diferentes clases

Este desmezclado espectral suele basarse en la suposición de que la respuesta espectral xp de un pixel p es una suma lineal ponderada de las respuestas espectrales de sus  clases componentes. Matemáticamente esto se expresa a través de la ecuación

donde E es una matriz de k por c en la que k es el número de bandas espectrales del sensor y c el número de clases; f es un vector de longitud c que expresa la cobertura proporcional de clases en el área representada por el pixel y e es el error residual. Las columnas de la matriz E son las respuestas espectrales de las clases . Así definido el modelo de mezcla puede ser utilizado para estimar la composición por clases del pixel, representada por f, a través de su respuesta espectral xp. Las restricciones del modelo son

También relacionado con la composición espectral del pixel existe un problema significante 
aunque usualmente ignorado. En efecto, se demuestra que una proporción importante de la 
señal que aparentemente proviene del área de terreno representada por un dado pixel 
proviene de los pixeles vecinos, tal como se esquematiza en la Fig. 43. Aunque los pixeles de una imagen usualmente aparecen cuadrados, la radiación que se ha 
registrado y que define la composición espectral de dichos pixeles proviene de un área 
circular (o elíptica si el sensor no observa directamente el nadir) aproximadamente doble del área cubierta por la proyección del pixel.

A pesar de que los detectores del sensor son más sensibles en el centro del FOV del detector (lo que hace que la mayor parte de la radiación  capturada provenga del área cubierta por el pixel) la radiación proveniente de los pixeles vecinos hace una contribución significante al valor del pixel. Este efecto es consecuencia de muchos  factores, incluyendo la óptica del instrumento, del detector, de la electrónica asociada así  como incluso de efectos atmosféricos. 

 Los efectos atmosféricos, particularmente en el caso de que la atmósfera presente niebla, se debe a que las partículas de ésta desvían los fotones de su trayectoria recta. 

Esto hace queel sensor registre energía proveniente de objetos que no están ubicados en el campo de visión de los detectores del sensor.

<< PAGINA ANTERIOR - INDICE DEL TUTORIAL - PAGINA SIGUIENTE >>

Aplicaciones prácticas de la percepción remota satelital

INDICE DEL TUTORIAL:

1- INTRODUCCION A LA PERCEPCION REMOTA

2. NATURALEZA DE LAS RADIACIONES ELECTROMAGNÉTICAS

3. INTERACCION DE LA RADIACION CON LA MATERIA Y ORIGEN DE LOS ESPECTROS

4. INTERACCION DE LAS RADIACIONES CON LOS OBJETOS DE LA SUPERFICIE TERRESTRE.
   INTERACCION DE LAS RADIACIONES CON LOS OBJETOS DE LA SUPERFICIE TERRESTRE (continuación)
   LA REFLECTANCIA EN LOS VEGETALES
   LA REFLECTANCIA EN EL AGUA

5. INTERACCIONES ATMOSFERICAS

6. LA ADQUISICION DE DATOS Y LAS PLATAFORMAS SATELITALES
    LA ADQUISICION DE DATOS Y LAS PLATAFORMAS SATELITALES (continuación)
    SATELITES METEOROLOGICOS Y AGROMETEOROLOGICOS
    LOS NUEVOS SATELITES PARA LA OBSERVACION DE LA TIERRA
    RECEPCION Y TRANSMISION DE LA INFORMACION SATELITAL

7. SENSORES
    7.1. Consideraciones generales
    SENSORES (continuación)
    7.2 Naturaleza de los detectores
    SENSORES: BANDAS ESPECTRALES LANDSAT TM y SPOT HRVIR
    7.3 Estudio de dos casos: LANDSAT y SPOT
    7.4 Resolución
       7.4.1 Resolución espacial
       7.4.2 Resolución espectral
       7.4.3 Resolución radiométrica
       7.4.4 Resolución temporal
   7.5 Escala y resolución espacial.

8. ESTRUCTURA DE LAS IMÁGENES DIGITALES
    ESTRUCTURA DE LAS IMAGENES DIGITALES (continuación)

9. PROCESAMIENTO DE LAS IMÁGENES SATELITALES
    PROCESAMIENTO DE LAS IMAGENES SATELITALES (continuación)
    9.2 Realces
       9.2.2 Filtrado espacial
       9.2.3 Análisis por Componentes Principales
       9.2.4 Combinaciones de color
               Combinaciones de color (continuación)
    IMAGENES SATELITALES - CLASIFICACION
    9.3 Clasificación
         Clasificación (continuación)
            9.4.1 Clasificación supervisada
            9.4.1.2 Clasificador por paralelepípedos.
            9.4.1.3 Clasificador por máxima probabilidad (maximum likelihood)
   Clasificador por máxima probabilidad (maximum likelihood) - (continuación)
         9.3.2 Clasificación no supervisada
         9.3.3 Estimación de la exactitud de una clasificación: Matriz de confusión
   Estimación de la exactitud de una clasificación: Matriz de confusión (continuación)
         9.3.4 Otros métodos de clasificación
            9.3.4.1. Clasificador de red neuronal artificial
                        Clasificador de red neuronal artificial (continuación)
            9.3.4.2 Clasificadores difusos (fuzzy classifiers)

10. ALGUNAS APLICACIONES DE LA PERCEPCION REMOTA
     10.1 Aplicaciones en Agricultura.
         10.1.2 Indices N-dimensionales “Tasseled Cap”
         10.1.3 Indices de vegetación a partir de imágenes hiperespectrales
         10.2.1 Generalidades sobre el infrarrojo térmico
         10.2.2 Aplicaciones del infrarrojo térmico
             10.2.2.1 Temperatura del mar
             10.2.2.2 Temperatura terrestre
    10.3 Monitoreo de áreas de desastre
         10.3.1 Algunos ejemplos típicos
         10.3.2 El monitoreo a escala global de desastres

APENDICE I : NOCIONES BASICAS SOBRE SENSORES DE RADAR

APENDICE II: BIBLIOGRAFIA SUGERIDA

 

OTROS ITEMS DE INTERES

Galería de imágenes

 

Plataformas de observación

 

Aeropuertos del mundo

 

Imágenes satelitales y seguros

 

¿Qué es la resolución?

 

Petróleo

 

Forestación

 

Estudios de viabilidad

 

Mercados de futuros

 

Cultivo del arroz

 

Nuestra misión

 

Nuestros servicios

 

¿Qué es la percepción remota?

 

¿Qué es una imagen satelital?

 

Uso del GPS

 

Estación rastreadora

 

Pasturas

 

Monitoreo de incendios

 

Sequías

 

Recursos naturales

 

Cultivo del tabaco