Índices de vegetación Lectura asignada: Interpreting vegetation indices (ver enlace en página escondida debajo de Tutorial 5-7) Ver también páginas 233-245.

Slides:



Advertisements
Presentaciones similares
Evaluación de Cambios de Bosque con Imágenes Satelitales
Advertisements

Tratamiento de imágenes
Jerson Achicanoy Ing. Agroforestal
SISTEMAS DE TELEDETECCIÓN
KRIGING.
MODELO DE REGRESIÓN MÚLTIPLE
ILUMINACIÓN Un modelo de iluminación sirve para asignar un valor de iluminación a los puntos de la imagen. Se define una ecuación de iluminación. Lighting.
Geodesia Física y Geofísica
Imagenes hiperespectrales: introducción
ESTRATEGIAS Y DISEÑOS AVANZADOS DE INVESTIGACIÓN SOCIAL
Determinacion de endmembers CCA1 Determinación de endmembers mediante una transformacion cónica.
Sistemas de Información Geográfica (SIG o “GIS”) Ver páginas 5-8 de Idrisi Guide Vol. 1.
Análisis de componentes principales. Algunas técnicas estadísticas.
Análisis de Correlación y de Regresión lineal simple
La lógica de covarianza
DASOMETRÍA DASOMETRÍA.
Mapping the forest types and landcover of Puerto Rico. Comenzaremos a discutirlo el lunes.
Álgebra lineal.
BIOMETRIA II TEMA 2 El Modelo de Regresión.
UNIDAD 1: SISTEMAS DE ECUACIONES. MÉTODO DE GAUSS
FRAGMENTACION DEL HABITAT CONSECUENCIAS ABIÓTICAS
Pronósticos, Series de Tiempo y Regresión
Digital Image Processing Chapter 4
Próximos tutoriales 4-2 y 4-4. Procesamiento de imágenes Páginas y del Manual de Idrisi.
Características de imágenes digitales
Métodos de calibración: regresión y correlación
Dr. José Guadalupe Ríos1 ELEMENTOS DE PRUEBAS ACELERADAS Es una técnica que permite tener tiempos de falla más rápidamente, lo cual permite ahorrar tiempo.
Titular: Agustín Salvia
CORRELACION Y REGRESION LINEAL: Introducción
Zonas climáticas ¿por qué hay diferentes climas?
Próximo tutorial 5-7 Vegetation Analysis in Arid Environments
Ver también páginas de la Guía 2 de Idrisi, y
Mapping the forest types and landcover of Puerto Rico. Lo discutiremos pronto. Lo consiguen en el portal del curso.
Analisis de datos en imagenes hiperespectrales: intro 1 Analisis de datos hiperespectrales: otra revisión Hyperespectral image data analysis, D. Landgrebe,
Introducción a los Sistemas de Información Geográfica (SIG)
Introducción a los Sistemas de Información Geográfica (SIG)
Universidad Nacional del Nordeste Facultad de Humanidades CARRERA DE ESPECIALIZACION TECNOLOGIAS DE LA INFORMACION GEOGRAFICA (TIG) Resoluciones 511/10-CS.
Universidad Nacional del Nordeste Facultad de Humanidades CARRERA DE ESPECIALIZACION TECNOLOGIAS DE LA INFORMACION GEOGRAFICA (TIG) Resoluciones 511/10-CS.
Geometría primitiva y Transformaciones
Universidad Nacional del Nordeste Facultad de Humanidades CARRERA DE ESPECIALIZACION TECNOLOGIAS DE LA INFORMACION GEOGRAFICA (TIG) Resoluciones 511/10-CS.
Zonas climáticas ¿por qué hay diferentes climas?
Próximo tutorial 4-1. Procesamiento de imágenes digitales.
Anuncios Examen parcial el lunes 15 de marzo Próximo tutorial 4-5.
Primer examen: martes 5 de marzo. Procesamiento de imágenes digitales para generar mapas temáticos Páginas del Manual de Idrisi.
ANALISIS E INTERPRETACION DE IMAGENES SATELITARIAS
Procesamiento de imágenes digitales
Características de imágenes digitales
La atmósfera.
EROSIÓN EN EL OLIVAR Autores: Mª Paz Sánchez Rodríguez Jesús Brenes Castro.
CLASIFICACIÓN SUPERVISADA
Bouchet E.R., Freyre C.E., Bouzo, C.A.
“Amazonia, un compromiso ambiental para incluir”
Variables estadísticas bidimensionales
Ciclo del escurrimiento El estudio del escurrimiento de los r í os como parte del ciclo hidrol ó gico, incluye la distribuci ó n del agua y su trayectoria.
ANÁLISIS DE EFECTOS DEL PASTOREO SOBRE LA COBERTURA VEGETAL EN ZONAS SEMIÁRIDAS MEDIANTE TELEDETECCIÓN Maestreando: Lic. Rafael A. Maddio Director: Dr.
Procesamiento de imágenes digitales para generar mapas temáticos Páginas del Manual de Idrisi.
OPTIMIZACION DEL DESEMPEÑO DE ERROR
APLICACIONES DE IMÁGENES DE SATELITE. Comparativa de imágenes Landsat en Infrarrojo Cercano de la zona de Gutiérrez Zamora, Veracruz Veracruz Año 2000.
Características de imágenes digitales Ver 2.3 a 2.6 de Fundamentals2.3 a 2.6 de Fundamentals of Remote Sensing.
La Programación Lineal es un procedimiento o algoritmo matemático mediante el cual se resuelve un problema indeterminado, formulado a través de ecuaciones.
Tema 2: Estadística bidimensional
Álgebra, ecuaciones y sistemas
ESTADISTICA DESCRIPTIVA BIVARIADA MEDIDAS DE RELACIÓN ENTRE VARIABLES CUANTITATIVAS.
M.E. ADA PAULINA MORA GONZALEZ. Esta parte describe las técnicas para ajustar curvas en base a datos para estimaciones intermedias. Una manera de hacerlo.
Proyecto “Monitoreo de la Deforestación, Aprovechamiento Forestal y Cambios de Uso del Suelo en el Bosque Panamazónico”.
AGOSTO 2013 “PERCEPCIÓN REMOTA Y PROCESAMIENTO DE IMÁGENES DIGITALES DEL SATÉLITE MIRANDA”
Índices de vegetación Lectura asignada: Interpreting vegetation indices (ver enlace en página escondida debajo de Tutorial 5-7) Ver también páginas
Índices de vegetación Lectura asignada: Ver también páginas
Características de imágenes digitales
TELEDETECCIÓN ESPACIAL
Transcripción de la presentación:

Índices de vegetación Lectura asignada: Interpreting vegetation indices (ver enlace en página escondida debajo de Tutorial 5-7) Ver también páginas del Manual de Idrisi, y

Índices de vegetación La abundancia de vegetación afecta la respuesta espectral en un píxel. Los índices de vegetación nos permiten estimar la abundancia de vegetación utilizando datos espectrales.

Índices de vegetación Los índices de vegetación más simples que se han utilizado son la respuesta espectral en ciertas bandas. Por ejemplo, se han informado correlaciones entre cobertura vegetal con bandas de MSS desde 0.33 para MSS7 hasta 0.88 para MSS6.

Índices de vegetación Tipos de índice más efectivos: –1. basados en pendiente, –2. basados en distancia, –3. por transformaciones ortogonales.

Respuesta espectral

Índices de vegetación Existen diferencias espectrales notables entre la vegetación y otros componentes de la superficie terrestre. Esas diferencias en respuesta espectral aumentan a medida que la vegetación se hace más densa o más productiva.

Cambios espectrales en campo de cultivo NIR R

Indices basados en pendiente RATIO = NIR / RED –Problemas de iluminación variable se minimizan –Susceptible a división por cero –La escala de medida no es lineal y la distribución no es normal

Indices basados en pendiente NDVI (Normalized Difference Vegetation Index) NDVI = (NIR – RED) / (NIR + RED) –Problemas de iluminación variable se minimizan –Problemas de división por cero se reducen considerablemente –Escala de medida es lineal y fluctua entre -1 y +1

Componentes de respuesta espectral en un píxel La reflectancia determinada en un píxel es una combinación de las reflectancias de todos los objetos presentes en ese lugar del terreno. Un área con mezcla de vegetación y suelo va a afectar la reflectancia de acuerdo a las proporciones de estos 2 componentes. Es más importante hacer esta distinción entre suelo y vegetación en áreas áridas o semiáridas.

Determinación de la línea de suelo Si determinamos la relación entre la reflectancia en 2 bandas para píxeles que sólo presenten suelo raso obtendremos una línea: la línea de suelo. Factores como humedad del suelo provocan diferentes combinaciones de reflectancias en estas bandas.

Línea de suelo Reflectancia en R e IR de píxeles sin vegetación

Componentes de la línea de suelo

Transformaciones ortogonales Se pueden obtener con PCA. Existen índices de este tipo para los que se han asignado coeficientes según los datos de un lugar: transformación “tasseled cap” (gorro de borla). La ecuación para el componente de Verdor usando datos de MSS: GVI = -0.39MSS MSS MSS MSS7

Transformaciones ortogonales (PCA)

Componentes obtenidos de TM

Transformación gorro de borla “Tasseled cap”

Transformación gorro de borla

Correlación con cobertura

Brillo, verdor y humedad

PCA 1, 2 y 3

PCA o tasseled cap Aunque las 2 imágenes anteriores varían en los colores se parecen en el contraste entre clases de cobertura principales: carreteras, cultivos, urbano, bosques. Se debe a que PCA y Tasseled Cap se obtienen con procedimientos parecidos.