Curso de Teledetección para la Caracterización Ambiental EJERCICIO. Clasificación No Supervisada
− EJERCICIO − Procesamiento de Imágenes Satelitales Este ejercicio consiste en manejar las imágenes satelitales para hacer una interpretación del tipo de cobertura que representan. Basándose en la manipulación numérica de las imágenes, podemos interpretar y clasificar los números digitales que representa cada píxel y convertirlos a un lenguaje que podamos manipular y trabajar en diferentes formatos. Las manipulaciones que se pueden realizar incluyen: • Preprocesamiento • Realce • Clasificación Trabajaremos en el Realce y la Clasificación, ya que nuestra imagen insumo ya cuenta con correcciones de distorsiones radiométricas y geométricas, mismas que corresponden al Preprocesamiento. Para realizar este ejercicio utilizaremos ERDAS Imagine
.
1. Mejoramiento Visual de la imagen: a. Aquí aplicaremos técnicas de realce para mejorar la interpretabilidad visual de una imagen, aunque no aumenta la cantidad de información contenida en ella. b. Utilizaremos la técnica de Estiramiento de contraste, para reasignar valores a los pixeles y realzar su diferenciación para que sea más fácil su clasificación.
c. Abrir ERDAS Imagine , y abrir una vista, clic en Viewer , una nueva ventana se abrira (si pregunta que tipo de vista se desea utilizar seleccionar Classic Viewer)
1
Curso de Teledetección para la Caracterización Ambiental EJERCICIO. Clasificación No Supervisada
d. Ingresar la imagen con que trabajaremos, en la vista creada en clic en File, Open/Raster Layer
Se abrirá una nueva ventana donde navegaremos hacia donde guardamos la imagen compuesta final generada en el ejercicio anterior (mosaico), al encontrarla, seleccionarla y clic en ok
e. Extender la imagen a la vista, sobre el fondo negro de la vista que tenemos abierto, hacer clic derecho y seleccionar “Fit image to window”. Ahora visualizaremos la imagen en la vista.
2
Curso de Teledetección para la Caracterización Ambiental EJERCICIO. Clasificación No Supervisada
f. Podemos manipular la posición de las bandas de la imagen, en el menú de la vista que tenemos abierta seleccionar Raster/Band Combinations..
g. En la nueva ventana que se abre podemos hacer la manipulación de bandas que sea mejor para nosotros. Después de haber hecho la composición de bandas, cerrar esa ventana.
h. Para realizar la técnica de contraste debemos crear una columna de contraste en nuestra imagen, para esto en el menú de la vista seleccionamos Raster/Contrast/General Contrast
3
Curso de Teledetección para la Caracterización Ambiental EJERCICIO. Clasificación No Supervisada
En la ventana abierta seleccionar los parámetros descritos arriba , select Apply y Cerrar “Close”
i. En el menú de Erdas Imagine, seleccionar “Interpreter” , en la ventana que se abre seleccionar “Radiometric Enhancement”, en la nueva ventana de “Radiometric Enhancement” seleccionar “LUT Strech”.
j.
En la ventana de LUT Stretch, llenar todas los datos solicitados; i. Input File: navegar hacia la imagen (mosaico) ii. Output File: navegar hacia donde se guardará el producto a crear e
4
Curso de Teledetección para la Caracterización Ambiental EJERCICIO. Clasificación No Supervisada
ingresar el nombre. Se abrirá una ventana donde correrá el proceso.
k. Abrir ArcMap para visualizar las dos imágenes (con stretching y sin) y evaluar los valores de los píxeles en cada área distinguible de la imagen. i. Identificar los valores de los pixeles de las imágenes ii. Comparar entre las dos imágenes donde existe mayor diferencia En este proceso realizamos un realce visual de la imagen, el cual permite tener una mejor interpretación de la misma.
5
Curso de Teledetección para la Caracterización Ambiental EJERCICIO. Clasificación No Supervisada
2. Clasificación de la imagen Se realizará una clasificación no supervisada, lo cual consiste en hacer un agrupamiento de rangos con valores cercanos de los pixeles. El a. En
el
menú
“Classifier”
de
Erdas
Imagine
,
clic
sobre
el
ícono
, y seleccionar “Unsupervised Classification”
b. En la siguiente ventana de “Unsupervised Classification” llenar con los siguientes valores: i. Input Raster: ingresar la imagen a la que se realizó el stretching ii. Output Cluster layer filename: navegar hacia donde se direccionará el nuevo producto a crear, e ingresar el nombre. iii. Output Signatura Set Filename: navegar hacia donde se guardará este archivo e indicar el nombre. iv. Ingresar el Número de Clases (Number of classes), que en este caso escogeremos 9) v. Indicar el número máximo de iteraciones (repeticiones) a 15, esto para asegurarse que el proceso no correrá por siempre.
6
Curso de Teledetección para la Caracterización Ambiental EJERCICIO. Clasificación No Supervisada
vi. Indicar el umbral de convergencia (Convergence Threshold) a 0.95. Esto indica que el proceso parará cuando el 95% de los pixeles esten en el mismo grupo entre las repeticiones)
9
15
c. Clic OK en el diálogo
d. Cuando el proceso haya terminado abrir otra vista y cargar la nueva imagen creada. En la nueva vista, seleccionar File/Open/Raster Layer: buscar la nueva imagen creada y OK. Esta nueva imagen esta en una sola dimensión, donde cada píxel tiene un valor entre 1-9, el cual se le asignó al grupo de píxeles con similares valores.
7
Curso de Teledetecci贸n para la Caracterizaci贸n Ambiental EJERCICIO. Clasificaci贸n No Supervisada
e. Ahora haremos un link entre las dos vistas que tenemos. En la vista del RASTER clasificado, seleccionar View/Link unlink Viewers/geographical. Clic en la vista de la otra imagen y nuestro link de vistas esta creado.
8
Curso de Teledetecci贸n para la Caracterizaci贸n Ambiental EJERCICIO. Clasificaci贸n No Supervisada
f. Esta nueva imagen corresponde a una capa RASTER, sin embargo tiene atributos. De la vista del RASTER seleccionar RASTER/Attribute
g. Ahora podemos identificar que representa cada clase: cambiando de color cada clase podemos identificar a que cobertura corresponde.
Seleccionar la clase y clic derecho sobre la columna de colores de esa clase, donde aparecer谩 otra ventana para seleccionar diferente color.
9
Curso de Teledetección para la Caracterización Ambiental EJERCICIO. Clasificación No Supervisada
h. Al final según obtendremos una capa como la que se muestra en la imagen de arriba, donde las clases han sido cambiadas de color. Para hacernos una idea que representa cada clase, utilizaremos nuestra imagen real (RGB), con la cual se realizó el link, así se nos hará más fácil identificar el tipo de cobertura que estamos coloreando e identificando. i. Ahora cambiaremos de nombre las clases que hemos coloreado y preinterpretado. En la tabla de Atributos: Raster Attribute Editor, en la columna de Class Names, cambiaremos los nombres según nuestra interpretación.
10
Curso de Teledetección para la Caracterización Ambiental EJERCICIO. Clasificación No Supervisada
Al hacer los cambios debemos guardarlos, clic en el ícono de guardar de esta tabla. Posteriormente tendremos que afinar nuestros resultados. Nota: La preclasificación realizada corresponde a un ejercicio, y no completamente a los valores reales. Los pasos desarrollados anteriormente han servido para realizar una clasificación no supervisada de las imágenes con que estamos trabajando, se podría seguir afinando la información con datos de campo por ejemplo y realizar una clasificación supervisada como siguiente paso. Para fines de esta práctica procederemos a trabajar en afinar nuestros productos más que todo en edición, y contar con un resultado cuantificable.
3. Preparación de nuestra capa de Cobertura: Abrir ArcMap
, y añadir
la imagen clasificada que acabamos de generar
11
Curso de Teledetección para la Caracterización Ambiental EJERCICIO. Clasificación No Supervisada
a. Eliminar el ruido: como pueden ver en esta capa raster, existen clases con área muy pequeña dentro de clases que representan un área más extensa, a este efecto suele llamársele sal y pimienta y es algo común cuando realizamos este tipo de procesos. Para eliminar este ruido utilizaremos la herramienta Majority Filter, que se encuentra en ArcToolbox /Spatial Analyst Tools/Generalization/Majority Filter
Ahora pueden ver que el ruido ha disminuido.
Sin aplicar filtro
Aplicando filtro
12
Curso de Teledetecci贸n para la Caracterizaci贸n Ambiental EJERCICIO. Clasificaci贸n No Supervisada
Sin embargo a煤n se puede identificar un poco de ruido, por lo que aplicaremos la herramienta nuevamente.
Otra forma de realizar este proceso es en ERDAS, y se tiene el beneficio de escoger un filtro tanto de 3x3, 5x5 o 7x7, lo cual facilita este proceso.
13
Curso de Teledetecci贸n para la Caracterizaci贸n Ambiental EJERCICIO. Clasificaci贸n No Supervisada
Las herramientas utilizadas en ERDAS son: en Classifier seleccionar Fuzzy Convolution, e ingresar los datos correspondientes.
,
14
Curso de Teledetección para la Caracterización Ambiental EJERCICIO. Clasificación No Supervisada
b. Cuando tengamos listo nuestro raster, sin el efecto de sal y pimienta podemos transformarlo a otro formato. La tabla de nuestro último resultado ha perdido los datos del nombre de las clases (Class names) y sólo mantiene el valor, (Value), que es lo que nos interesa.
Tabla del resultado original
Tabla del resultado refinado
15
Curso de Teledetección para la Caracterización Ambiental EJERCICIO. Clasificación No Supervisada
c. Ahora transformaremos estos datos a formato vector.
Esto lo
realizaremos en ArcMap , entonces la última capa Raster (del refinado) creada es la que transformaremos. Podemos dejar en nuestro proyecto dos capas, la del resultado inicial de la clasificación y la última del refinado, eliminando todos los resultados intermedios.
d. En ArcToolbox polygon,
, seleccionamos Conversion Tools/Raster to
En la ventana que se abre ingresamos los datos:
16
Curso de Teledetección para la Caracterización Ambiental EJERCICIO. Clasificación No Supervisada
i. Input raster: el raster filtrado ii. Field: el campo en el que se va basar la conversión (Value) iii. Output polygon features: direccionamiento y nombre del nuevos resultado vector. iv. Nota: Simplify polygons no debe ir seleccionado. v. Clic OK
e. Procederemos a identificar el nombre de las clases según su valor (Value). En la tabla de nuestro vector creado, seleccionamos Options/Add field
En la nueva ventan que se abre, ingresar los valores de la imagen de abajo y clic en OK
17
Curso de Teledetecci贸n para la Caracterizaci贸n Ambiental EJERCICIO. Clasificaci贸n No Supervisada
Con esto creamos un nuevo campo a nuestra tabla:
f. Ahora asignaremos el nombre en letras de lo que significa cada gridcode, en la misma tabla de arriba en Options seleccionamos Select by attributes y construimos una expresi贸n: i. "GRIDCODE" = 1 ii. Clic en Apply
18
Curso de Teledetección para la Caracterización Ambiental EJERCICIO. Clasificación No Supervisada
Entonces nos seleccionará todas las celdas que tengan valor “1”, en este caso sólo una. Hacer clic derecho sobre el campo de class_name y seleccionar Fieldcalculator
En la nueva ventana que se abrirá ingresar el nombre de la clase, según la tabla de nuestro primer resultado 19
Curso de Teledetección para la Caracterización Ambiental EJERCICIO. Clasificación No Supervisada
Hacemos el mismo proceso para todos los otros valores de gridcode (Value); esta tabla puede ayudar a interpretar: Value/Gridcode 0 1 2 3 4 5 6 7 8 9
Class name Unclassified No Data No Data Agua Bosque Bosque Matorrales y rastrojos Agropecuario y otros usos Agua Agua y nubes
Todavía abría que hacer correcciones
Nota: puede que esta tabla no sea aplicable a su ejercicio.
Realizamos el proceso con todas las clases que tenemos hasta tener llena nuestra tabla. Por ejemplo cuando dos gridcode representan una misma clase podemos construir nuestra frase así:
20
Curso de Teledetección para la Caracterización Ambiental EJERCICIO. Clasificación No Supervisada
E incluirá el nombre de clase para todas las celdas de valor 3 y 4 automáticamente.
Al tener llena toda la tabla, nos cercioramos de no tener nada seleccionado y vamos a proceder a disolver esta capa según nuestro campo de Class_name. g. En ArcToolbox , seleccionamos Data Managment Tools/Generalization/Dissolve. En la nueva ventana que se abrirá ingresar el shape en el que estamos trabajando, identificar la ruta donde se guardará y el nombre y finalmente selccionar el campo en el que se basará la disolución, el cual será class_name. Clic OK
21
Curso de Teledetecci贸n para la Caracterizaci贸n Ambiental EJERCICIO. Clasificaci贸n No Supervisada
h. Al final contaremos con nuestra capa Preliminar de cobertura, a la cual ya se le pueden obtener ciertos datos como 谩rea por clase de cobertura/uso.
22
Curso de Teledetección para la Caracterización Ambiental EJERCICIO. Clasificación No Supervisada
Comentarios: − El paso posterior para este proceso consiste en un análisis de precisión de los datos, para determinar que tan certeros (verdaderos) son. − Importante diferenciar una capa de nubes y una capa de cuerpos de agua, estas capas se pueden obtener previamente y eliminarlas de nuestro análisis. (en los resultados que tenemos contamos con ellas) − Se puede realizar una clasificación supervisada después de haber obtenido los datos de la clasificación no-supervisada y realizar un análisis mixto.
Otros: ………….
23