Mapping the forest types and landcover of Puerto Rico. Lo discutiremos pronto. Lo consiguen en el portal del curso.

Presentación del tema: "Mapping the forest types and landcover of Puerto Rico. Lo discutiremos pronto. Lo consiguen en el portal del curso."— Transcripción de la presentación:

1 Mapping the forest types and landcover of Puerto Rico. Lo discutiremos pronto. Lo consiguen en el portal del curso.

2 Procesamiento de imágenes digitales para generar mapas temáticos Páginas 201-210 del Manual de Idrisi

3 Patrones de respuesta espectral

4

5

6

7 Respuestas espectrales de datos de AISA (128 bandas): Guánica

8 arena manglar mar

9 Patrones de respuesta espectral

10 ¿Patrones de respuesta espectral o signaturas espectrales? Algunos objetos tienen un patrón de respuesta espectral bien particular (signatura o firma espectral). Muchos objetos (o especies) tienen patrones que solapan con los de otros objetos (o especies) similares. Algunos objetos presentan más de un patrón o variaciones de respuesta espectral. Por lo tanto, el término “patrón de respuesta espectral” es considerado más apropiado que “signatura o firma espectral” para denominar la manera particular como un objeto refleja la energía.

11 Clasificación espectral Los 2 tipos de procesamiento clasicos para clasificar espectralmente son: clasificación supervisada y clasificación no-supervisada. Ambos tipos intentan detectar firmas espectrales que correspondan con tipos de objetos (o especies).

12 Clasificación supervisada Define los patrones de respuesta espectral de los objetos a clasificar, extrayendo estadísticas de grupos de píxeles considerados representativos de las clases a detectar. Se le llama supervisada porque dirigimos el procedimiento entrenando la clasificación utilizando lo que conocemos sobre las clases.

13 Procedimiento 1.Delimitar los lugares de entrenamiento. 2.Extraer la información espectral sobre lugares de entrenamiento. 3. Cotejar la información de lugares de entrenamiento. 4. Extraer información temática (clasificar). 5. Evaluar la clasificación.

14 Lugares de entrenamiento Debe incluir áreas relativamente pequeñas. La suma de píxeles por clase debe ser no menor de 10 píxeles por cada banda espectral utilizada. Estos lugares deben estar regados por el área de estudio de tal manera que se incluya la mayor variabilidad posible de cada clase.la mayor variabilidad

15 Selección de lugares de entrenamiento

16 Evaluación gráfica de lugares de entrenamiento ¿Qué provoca que las barras verdes sean mas altas que las azules? ¿Qué sugiere el que las barras en el infrarrojo no solapen? ¿Qué sugiere el que las barras del espectro visible solapen?

17 Evaluación gráfica de lugares de entrenamiento Reflectancia en la banda 3 Reflectancia en la banda 4

18 Extracción de información temática Algoritmos clasificadores

19 Clasificador paralelepípedo X X X

20 Clasificador por distancia mínima a los promedios

21 Máxima probabilidad

22

23 Patrones de respuesta espectral