Composición multitemporal

Ingeniería forestal. Imágenes. Regresión. Cocientes multitemporales. Vectores. Umbrales

  • Enviado por: Juan Sánchez
  • Idioma: castellano
  • País: Chile Chile
  • 3 páginas
publicidad

Composición multitemporal

Es la técnica de detección que se basa en la comparación visual de los tonos o colores que ofrecen dos o más imágenes de distintas fechas. Habitualmente, se aplica previamente alguna técnica de realce del color o transformaciones, como índices de vegetación o componentes principales. Posteriormente, se realizan composiciones multitemporales en color con esas bandas. Una muy común es aplicar el cañón rojo a la primera fecha y el verde a la segunda, dejando el azul vacío. En tonos amarillo aparecerán las áreas estables, en rojo las zonas que hayan reducido su ND entre fechas y en verde las que lo hayan ganado. Este método es muy ventajoso en categorías urbanas.

Componentes principales

En la aplicación multitemporal, se utiliza esta técnica de modo particular. Se genera, en primer lugar, un archivo multitemporal con las bandas correspondientes a las dos fechas, sobre el que se aplica análisis de componentes principales (ACP). En este caso, los primeros componentes resultantes del análisis no son los más interesantes, ya que recogerán la información común a las dos fechas: esto es, la estable. Por su parte, los componentes inferiores ofrecen la información no común: el cambio, que es lo que más interesa en este contexto. Sé aprobado que los componentes 3,4 y 5 recogen habitualmente el cambio entre fechas, en imágenes MSS (4 bandas cada una).

Regresión

En el contexto de la detección de cambios, las técnicas de regresión (la mas utilizada es la técnica de regresión simple lineal) se utilizan para estimar cuales serian los ND de la imagen de la segunda fecha, caso de que no hubiera habido cambio:

^NDt2 = a + b * NDt1

si se han producido cambios entre imágenes, los ND reales de la segunda fecha presentaran valores alejados de los estimados por la regresión, o lo que es lo mismo con altos residuales:

NDc = NDt2 - ^NDt2

Los coeficientes de la regresión pueden calculares para los ND de la imagen o a partir de una muestra. En el primer caso, puede violentarse algún requisito de la regresión, ya que los ND presentan una clara autocorrelacion espacial, además de complicar los cálculos. La regresión multitemporal se ha utilizado para determinar cambios en áreas urbanas y forestales con buenos resultados.

Análisis multitemporal de imágenes categorizadas

Esta técnica trata de delimitar cambios a partir clasificación que puede abordarse con un doble enfoque: (i) comparando imágenes previamente clasificadas, y (II) clasificando conjuntamente las imágenes de las dos fechas. En el primer caso, se aborda una clasificación a cada imagen por separado, cuidando de emplear la misma leyenda temática en las dos fechas, con objetivo que pueda compararse posteriormente. A continuación, se genera una tabla multitemporal de cambios, en donde se presentan las transiciones que se producen entre las dos fechas. En la diagonal de esta tabla aparecen los pixeles estables (que cuentan con la misma categoría en las dos fechas), mientras los cambios se detectan en el resto de las celdillas. El gran interés de esta tabla es ofrecernos las transición que se han producido. En otras palabras, no solo observamos las zonas estables y dinámicas, sino también cual era la cobertura original y cual la actual, lo que nos indica las tendencias del cambio en la zona de estudio. En un estudio de deforestación, esto nos permite conocer que tipo de zonas forestales está siendo mas afectadas; en una evaluación de incendios, que especies se han quemado, y en un estudio urbano, que espacios están experimentando un mayor proceso de urbanización. En un estudio posterior podría analizarce el origen de estos cambios acudiendo a información auxiliar almacenada en un sistema de información geográfica.

El principal problema de esta tabla es su gran dependencia de la fiabilidad de las clasificaciones individuales. En otras palabras, si las clases no se han discriminado correctamente en cualquiera de las dos fechas, los cruces entre categorías resultaran erróneos, ofreciendo una información imprecisa del cambio. En cualquier caso, la fiabilidad de la tabla multitemporal siempre es inferior a la fiabilidad de cada clasificación. El empleo de técnicas de clasificación borrosa puede paliar alguno de estos errores, ya que ciertas transiciones imposibles pueden solventar observando el grado de pertenencia de cada pixel a esas categorías en las dos fechas.

Diferencia entre imágenes

Corresponde a la resta entre las imágenes de dos fechas previamente homogeneizadas radiomètricamente y geomètricamente, esto permite discriminar aquellas zonas que han cambiado entre esas fechas.

Si el equipo de tratamiento digital no permite visualizar valores negativos se añade al calculo una constante, C la que habitualmente será 127, NDc es la imagen resultante y t2 y t1 son las fotografías de dos tiempos.

Formula: NDc=NDt2-NDt1+ C

  • si el valor resultante es cercano a cero representará zonas estables.

  • Si el valor resultante es significativamente distinto a cero, ya sea positivo o negativo, serán zonas con cambios

En consecuencia la imagen de cambio que se obtiene tendrá:

  • Tonos oscuros para zonas que hayan reducido su ND

  • Tonos claros para zonas que hayan ganado ND

  • Tonos intermedios para zonas que siguen estables.

Cocientes multitemporales

Ofrecen una valoración relativa del cambio, ya que la diferencia entre imágenes refleja únicamente las diferencias absolutas, pero no ofrece la significación del cambio frente a los valores originales.

Para superar ese problema se tiene la formula: NDc=(ND t2/NDt1) * C

O bien los índices multitemporales normalizados: Ndijc=(((NDt2-NDt1)/(NDt2+NDt1)+1)*127)

Se añade 1 y 127 para escalar resultados entre 0 y 254.

El principal problema es su carácter no simétrico, el resultado es dependiente de que fecha elijamos para numerador, por ello se tiene una transformación no lineal de las relaciones temporales y la solución es realizar una convención logarítmica del resultado.

El problema de delimitar los umbrales

Es preciso segmentar la imagen resultante de las técnicas anteriores para delimitar las zonas dinámicas de las estables. El limite es difícil de trazar.

Las opciones para delimitar son:

* Señalar umbrales teóricos de cambio: Es apropiado para segmentar imágenes de cambio generadas a partir de NDVI, ya que pueden señalarse umbrales a partir de los que puede considerarse que el decremento de NDVI manifiesta un cambio en la cubierta vegetal original.

* Fijar como limite algún múltiplo de la desviación típica: Es apropiado ya que este valor se reconoce como medida valida de ola dispersión.

Vectores multitemporales

Incorpora la dirección del cambio entre imágenes.

La magnitud del cambio vendrá dado por la longitud del vector que separa ambos puntos.

Se puede obtener a partir de calcular la distancia entre la localización espectral de cada pixel en las 2

fechas : dijc= " (NDit1-NDit2)²+(NDjt1-NDjt2)²

i,j: bandas

El sentido del cambio es el ángulo que se forma con el eje de referencia

 = arctg((NDjt1-NDjt2)/(Ndit1-NDit2))

UNIVERSIDAD DE CHILE

FACULTAD DE CIENCIAS FORESTALES

ESCUELA DE INGENIERIA FORESTAL

DEPARTAMENTO DE MANEJO

RESUMEN

TECNICAS DE DETECCION DE CAMBIOS