INDICES N-DIMENSIONALES - TASSELED CAP

10.1.2 Indices N-dimensionales “Tasseled Cap”. Los índices descritos anteriormente se basan en operaciones algebraicas realizadas sobre sólo dos bandas espectrales, la R y la IRC en el caso del EVI se agrega la azul. Sin embargo, es obvio que las demás bandas espectrales también contienen información de interés en el estudio de las cubiertas vegetales,

de vegetación N-dimensionales. En la Sec. 9.2.3, pág. 46 del presente trabajo nos referimos al análisis por Componentes  Principales. Vimos que éstos se obtenían a través de una transformación matemática que permitía comprimir toda la información contenida en un conjunto de N bandas espectrales a un conjunto menor de nuevas bandas o componentes. Una transformación similar fue desarrollada por Kauth y Thomas pero pensada de modo que los nuevos ejes 

maximicen información de importancia en agricultura. Esta transformación,  llamada “Tasseled Cap”, permite resaltar los fenómenos más importantes (espectralmente  observables) que ocurren durante el desarrollo de un cultivo. Esta transformación, aplicada a las seis bandas TM (excluida la térmica) del LANDSAT indica que la información de valor agronómico ocupa esencialmente tres dimensiones: 


1. Brightness: está asociado a las variaciones de reflectancia del suelo 
2. Greeness: está correlacionado con el vigor de la vegetación 
3. Third (o Wetness): está influído por las bandas en el IR medio y tiene que ver con la 
humedad vegetal y del suelo.

Las tres primeras dimensiones definen dos planos: el de vegetación y el de suelos (Fig.93):

En el plano de vegetación podemos representar la evolución estacional de un cultivo 
(Fig.94):

1: suelo sin cubierta vegetal o 
con siembra reciente 
2: cultivo emergente 
3: madurez, cosecha 
4: suelo sin cubierta o con rastrojo 
El dispersograma de la imagen de un cultivo en el plano de vegetación sería proximadamente el esquematizado en la Fig. 95:

Su forma se parece al gorro de Santa Claus (gorro con borlas = tasseled cap): de ahí el  nombre de la transformación. Pasando a un caso real, en las Figs. 96 a, b, c y d vemos: a: Un área donde se observan tierras descubiertas, pasturas, areas de cultivos y montes. b y c: Las imágenes correspondientes a los índices de Brightness y Greeness según la transformación del Tasseled Cap.



d: El dispersograma de dichas imágenes. Figs.96 a,b,cyd 

Veamos ahora otro ejemplo de aplicación. Para ello volveremos a considerar el caso de la  zona arrocera al norte de la ciudad de Artigas con la que recientemente ilustramos el  seguimiento de un cultivo utilizando el NDVI aplicado a imágenes multitemporales.

En las Fig. 97a aparece una imagen RGB color natural de dicha zona adquirida el 30/11/99 y en las Figs 97 b, c y d las imágenes de brightness, greeness y wetness obtenidas luego de aplicar la  transformación de tasseled cap. Con estas tres últimas imágenes podemos realizar una combinación RGB tal que R=brightness, G=greeness y B=wetness. Esta combinación se  representa en la Fig.98a. La Fig. 98b corresponde a una transformación similar r

realizada para una imagen de la misma zona captada en la fecha 17/01/00. 

En las Figs. 98, a y b, las áreas rojizas corresponden a suelo, las verdes a vegetación y las  azules a zonas húmedas o agua. Las situaciones intermedias aparecen como balances entre dichos colores. En particular se puede observar el grado de inundación de los arrozales, rojo oscuro o violáceo (suelo y humedad) o azul (totalmente inundados). Comparando ambas imágenes puede detectarse en enero el aumento de tonalidades rojizas, indicando una reducción de la cubierta de pasto y  aparición de suelo descubierto (el verano1999-2000 se caracterizó por una intensa sequía). En la zona de arrozales pueden  observarse los cambios que en cuanto a grado de inundación, comienzo de emergencia, etc., ocurrieron durante el período.

<< 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