SATELITES - RESOLUCION RADIOMETRICA

 

7.4.3 Resolución radiométrica. Resolución o sensibilidad radiométrica hace referencia al número de niveles digitales utilizados para expresar los datos recogidos por el sensor. En general, cuando mayor es el número de niveles mayor es el detalle con que se podrá expresar dicha información. En las Figs. 37 y 38 se representan dos casos bien diferenciados. Ambos representan el área de Rincón del Bonete en Uruguay, visualizándose la ciudad de Paso de los Toros. En la Fig.37 los niveles digitales son muy pocos y la imagen aparece prácticamente en blanco y negro. En la Fig. 38 , con muchos más niveles digitales, el grado de detalle es muy superior, visualizándose la ruta 5 , las calles de la ciudad el puente sobre el Río Negro etc. El puente también se llega a distinguir en la Fig. 37 dado el elevado contraste con el agua del río.

En la Sec. 7.1 ya mencionamos los números digitales (DN) asociados a cada píxel en las  imágenes digitales y que generan lo que llamamos escala de grises que en realidad es la  escala de niveles digitales disponibles para representar los detalles de la imagen. El número  de niveles de grises se expresa comúnmente en términos de dígitos binarios (bits) necesarios  para almacenar el valor del nivel de gris máximo para el caso considerado.

Un bit es la unidad fundamental de un sistema binario pudiendo poseer sólo los valores 1y 0. Usando un  arreglo de bits puede representarse un número cualquiera dentro de los límites de “longitud de palabra” de la computadora. Para lograr una imagen de pantalla con variaciones de brillo  prácticamente continuas desde el punto de vista visual se necesitan 5 o 6 bits por píxel.

El número de valores que pueden ser representados por una serie dígitos es xn , donde x es el número de valores que cada dígito puede representar y n es el número de dígitos usados. En una base binaria el número de valores será 2n . Por ejemplo, para 5 bits tendremos 32 valores, para 8 bits 256 valores, para 11 bits 2048, etc. En el caso del Landsat y el HRVI se tienen 8 bits, es decir, la escala de grises se extiende de 0 a 255, totalizando 256 valores.

<< 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