13.Clasificaciones_EOSystems (2).pdf

Sistemas de información geográfica Nicola Clerici, PhD Biology Program Faculty of Natural Sciences and Mathematics Universidad del Rosario 1 Sistemas de información geográfica Clasificación de imágenes Son un conjunto de técnicas que utilizan la información espectral (representada por los número...

Sistemas de información geográfica Nicola Clerici, PhD Biology Program Faculty of Natural Sciences and Mathematics Universidad del Rosario 1 Sistemas de información geográfica Clasificación de imágenes Son un conjunto de técnicas que utilizan la información espectral (representada por los números digitales, DN) en las bandas multiespectrales, y tratan de clasificar temáticamente cada píxel en base a esta información. • La clasificación quiere asignar un significado a grupos similares de pixeles (p.ej. agua, bosque, tejido urbano, etc…). El objetivo es relacionar la heterogeneidad espectrales en los datos con las clases de información de interés. • Dificultades: 1) al interno de la misma clase pueden haber clases espectrales diferentes (p.ej. suelos pueden ser volcánicos o arcillosos; forestas de hoja perenne o caducifolias, etc…) 2) las firmas espectrales se pueden mezclar al interno del mismo ‘pixel’ (pixeles mixtos) 3) El numero de clases tiene que ser representativo y no redundante 2 Sistemas de información geográfica Clasificación de imágenes Se pueden dividir en dos grandes clases: SUPERVISADA y NO SUPERVISADA CLASIFICACION SUPERVISADA > El analista identifica “áreas de entrenamiento” para el algoritmo de clasificación, o sea visualmente entrena el clasificador asignando a cada área una de las clases elegidas, p.ej. Bosques, etc… Las áreas generalmente se delinean a través de varios polígonos para uniformar pequeñas diferencias de firma espectral 3 Sistemas de información geográfica Clasificación de imágenes • Entrenamiento del clasificador Firmas espectrales usando 6 bandas Cada polígono resulta en una firma espectral media (valor medio de los pixeles) 4 Sistemas de información geográfica CLASIFICACION SUPERVISADA Luego el software calcula parámetros estadísticos de los pixeles en el área (media, varianza, etc) para todas las bandas de la imagen multiespectral y para todas las clases Por ende, el clasificador compara el valor de cada pixel de la imagen (por sus N bandas) con los valores relacionados a las áreas de entrenamiento y asigna (según el algoritmo elegido) el pixel a la clase más parecida en términos espectrales (o a ninguna=NoData) 5 Sistemas de información geográfica CLASIFICACION SUPERVISADA Esta “comparación” se puede hacer también por librerías espectrales (desde laboratorio), que contienen firmas espectrales características por varios objetos de estudio Asignación a la clase más parecida Comparación con los pixeles de la imagen 6 Sistemas de información geográfica CLASIFICACION SUPERVISADA Existen varios algoritmos que hacen este trabajo de i) calculo de parámetros estadísticos de las áreas de entrenamiento y ii) comparación de estos valores con los valores de los pixeles. Por ejemplo: - Maximum likelihood : las clases son asignadas según la mínima distancia a los valores estadísticos de las clases de entrenamiento de sus N bandas (distancia Ndimensional). Todos los pixeles son asignados a una clase. - 3 bandas Parallelepipedic: las clases son asignadas según si caen o no dentro del ‘paralelepipedo’ (en deviación estándar) que define la clase. Puede haber la clase nula si el pixel a clasificar no cae en ningún paralelepípedo. Para evaluar el algoritmo de clasificación más efectivo hace falta i) hacer tests experimentales y ii) estudiar la performance en literatura 7 Sistemas de información geográfica CLASIFICACION NO SUPERVISADA Se usa cuando no tenemos la posibilidad de tener áreas de entrenamiento. Se usan técnicas de agrupación (clustering) para dividir todos los pixeles en N clases (N especificado) según cuanto se parecen entre ellas (se calculan ‘índices de distancia’) La identidad (el significado) de las N clases es desconocida Luego se tiene que interpretar las clases basándose en análisis visuales (Color composites o imágenes hi-res) o trabajo de campo, p.ej. para obtener: Clase 1 = agua; Clase 2 = bosque, etc …no siempre sale bien… 8 Sistemas de información geográfica CLASIFICACION NO SUPERVISADA interpretación Métodos comunes: - distancia mínima iterativa - ISODATA (leer en Olaya –Moodle-) 9 Sistemas de información geográfica CLASIFICACION BASADA EN OBJETOS (OBIA) No es una clasificación basada en asignación pixel por pixel Se basa en la identificación de parches (objetos) compuesto por pixeles espacialmente contiguos, de similar textura, color, intensidad (Green and Congalton, 2012). Estos parámetros son generalmente definidos por el operador (‘calibración) Los objetos tienen que ser suficientemente grandes pero no tanto como para no discriminar otras clases de parches LEER https://gisgeography.com/obia-object-based-image-analysis-geobia/ 10 Sistemas de información geográfica Pertenencia/ no pertenencia Pertenencia parcial a una clase: el pixel xi,j pertenece por el 80% a bosque (Xie, 2016) 11 Sistemas de información geográfica POSTCLASIFICACIÓN El algoritmo de clasificación puede clasificar erróneamente ciertos pixeles (ruido aleatorio) y crear pequeñas regiones no válidas (efecto ‘salt and pepper’). Para mejorar la clasificación es posible reclasificar estos pixeles a una clase frecuente de los pixeles que están alrededor de ellos. • Filtros comunes: Majority Filter o Focal Statistics o Boundary Clean 12 Sistemas de información geográfica Ejercicio: Clasificación no supervisada 1. 2. 3. 4. 5. Haz el download de una imagen Landsat 8 como especificado en las clases precedentes (via GLOVIS). Escoge un lugar en el mundo que no sea un área de solo vegetación o urbana, que no hayan nubes! Usa Composite Bands para crear una imagen multi-capa utilizando solo las bandas a 30 m y excluyendo las bandas 1,8 y 9. CARGA LAS BANDAS EN ORDEN DE MENOR A MAYOR (b2…b7) Carga la barra de herramientas Image Classification En la herramienta usa la opción Iso Cluster Unsupervised classification 6. Produce unas cuantas clasificaciones (varía N) para que el número de clases sea mínimo pero maximizando la identificación de las clases que piensas sean relevantes en un mapeo de cubertura del suelo de tu imagen. Interpreta. >Edit , en la tabla de attributos puedes añadir un campo y las clases interpretadas 7. Aplica los 3 filtros de postclasificación que vimos antes 13 Sistemas de información geográfica Ejercicio: Clasificación no supervisada LANDSAT 8 14 Sistemas de información geográfica Principales sistemas de observación de la Tierra Landsat (USA) • Es la misión de más larga duración de satélites para la observación de la tierra. Empezó en 1972 y continua hasta hoy. • Se utiliza para aplicaciones en agricultura, cartografía, análisis ambientales, geología, planeación, etc • Es uno de los archivos de imágenes más importantes. Gratuito. • Landsat 8 y Landsat 9 son todavía operativos. 15 Sistemas de información geográfica Principales sistemas de observación de la Tierra Landsat • Landsat 7 Tiene 8 bandas. 3 VIS, 3 I.R(NIR/SWIR), 1 TERMICA, 1 PAN [ 30 m ],[ 60 m ],[15 m] El 31 de mayo de 2003, el Corrector de Escaneo Lineal (SLC) en el ETM + falló (datos parcialmente utilizables). • Footprint: ca 170 km × 185 km 16 Sistemas de información geográfica Principales sistemas de observación de la Tierra Landsat • Landsat 8 Tiene 11 bandas. 4 VIS, 4 I.R(NIR/SWIR), 2 TERMICAS, 1 PAN [ 30 m ], [ 100 m ],[15 m] • Sensores: OLI (VINR) y TIRS (térmico) • Lanzado en 2013 (ahora no adquiere imágenes) 17 Sistemas de información geográfica Principales sistemas de observación de la Tierra SPOT (Satellite Pour l’Observation de la Terre) Otro satellite importante para la observación de la Tierra • SPOT1…SPOT 7 • Ahora operativos SPOT6 (2012) y SPOT7(2014) • Son satélites a “alta” resolución PAN (450 – 745 nm) Blue (450 – 525 nm) Green (530 – 590 nm) Red (625 – 695 nm) Near-infrared (760 – 890 nm) 1,5 m 6m 6m 6m 6m • Footprint: 60 km × 60 km • Ventaja: uso de las imágenes estereoscópicas para la elaboración de modelos digitales de terreno 18 Sistemas de información geográfica Principales sistemas de observación de la Tierra ASTER (Advanced Spaceborne Thermal Emission and Reflection Radiometer) • Sensor incluido en el satelites Terra (USA) • Utiliza 14(15) bandas (VIS, NIR/SWIR, Thermal) • Resolución de 15 a 90 m • Para aplicaciones geológicas y ambientales • Años 2000-2008 19 Sistemas de información geográfica Principales sistemas de observación de la Tierra ASTER (Advanced Spaceborne Thermal Emission and Reflection Radiometer) • Las bandas 3N y 3B se utilizan para la creación de modelos digitales del terreno A través de ASTER se produjo uno de los DEM globales más importantes (ASTER GDEM) Se puede descargar de manera gratuita! https://asterweb.jpl.nasa.gov/gdem.asp 20 Sistemas de información geográfica Principales sistemas de observación de la Tierra ASTER (Advanced Spaceborne Thermal Emission and Reflection Radiometer) 21 Sistemas de información geográfica Principales sistemas de observación de la Tierra MODIS (MODerate-resolution Imaging Spectroradiometer) • Dos sensores en los satelites AQUA y TERRA (USA) • Sensor a media resolución • Tiene 36 bandas, variando de 250 m a 1 km de resolución espacial • “These data will improve our understanding of global dynamics and processes occurring on the land, in the oceans, and in the lower atmosphere”: Modelizacióna larga escala 22 Sistemas de información geográfica Principales sistemas de observación de la Tierra MODIS (moderate-resolution imaging spectroradiometer) • Tiene muchisimos productos, descargables gratuitamente 23 Sistemas de información geográfica Principales sistemas de observación de la Tierra Sentinel • Son una familia de satélites (activos/pasivos) de la European Space Agency http://www.esa.int/Our_Activities/Observing_the_Earth/Copernicus/Overview4 • • • Para aplicaciones ambientales, control de desastres, mapeo urbano Medición del océano Atmosfera, estudio del clima Sentinel-1 • Satélites activos (radares, banda C) • En orbita el Sentinel-1A y 1B • Tiene doble polarización (V/H) 24 Sistemas de información geográfica Principales sistemas de observación de la Tierra Sentinel-2 • • • • Satélites pasivos (VIS-IR) En orbita el Sentinel-2A y 2B Tiene 13 bandas (10-60 m) Swath= 290 km • Aplicaciones: land cover change, crop monitoring and management, vegetation and forest monitoring, carbon mass estimations, observation of coastal zones, inland water monitoring, ice extent mapping, flood mapping & management. • SENTINEL 1-6 https://www.esa.int/Applications/Observing_the_Earth/Copernicus/The_Sentinel_missions 25 Sistemas de información geográfica Principales sistemas de observación de la Tierra Sensores hiper-espectrales • Tienen cientos de bandas espectrales de intervalo muy estrecho , en todo el visible, infrarrojo cercano y medio. • Su muy alta resolución espectral facilita una discriminación fina entre diferentes objetivos en función de la respuesta espectral de cada una de las pequeñas bandas Hiperespectral Multiespectral 26 Sistemas de información geográfica Principales sistemas de observación de la Tierra Sensores hiperspectrales EO-1 Hyperion • Plataforma: EO-1 (USA) • Funciona con 220 bandas espectrales ( de 0,4 a 2,5 micras ) con una resolución de 30 metros . • El instrumento puede grabar una imagen de 7.5 km x 100 km • Repeat cycle: 16 dd 27 Principales sistemas de observación de la Tierra 28