Características espectrales de imágenes multiespectrales

De las imágenes multiespectrales se pueden obtener características que son la base para su clasificación. Esta clasificación ayuda a discriminar en la imagen zonas con atributos especiales de otras zonas. Las características pueden ser medidas de textura, medidas estadísticas, atributos geográficos del área representada por el píxel, índices de vegetación, entre otras (Mather y Tso, 2001).

Los índices de vegetación muestran la información del estado de la planta en cuan- to a propiedades físicas y químicas. Las características de textura proveen medidas de suavidad, rugosidad y regularidad del terreno (Dutta et al._{, 2016). Las características} estadísticas de una imagen son la medida de la variación de los valores de intensidad de los píxeles en una imagen (Dutta et al._{, 2016). Los métodos más comunes para} obtener las características de clasificación son: transformada de Tasseled Cap, análisis de componentes principales, factores de autocorrelación mínima/máxima y transfor- mación de fracción de ruido máxima. Se puede dar el caso en el que se conozcan las características para la clasificación y sólo se apliquen como parámetros. De otra forma, es necesario encontrar las características y sus intervalos de valores (Mather y Tso, 2001).

2.4.1. Índices de vegetación

Los índices de vegetación son operaciones sobre los valores de radiancia de los píxeles con una o más bandas de la misma imagen y el mismo píxel. Generalmente se escogen bandas que son sensibles a la cubierta vegetal y a su reflectividad de la radia- ción solar (banda roja e infrarroja cercana) (Gilabertet al._{, 1997). Aprovechando que} ciertos sensores instalados en satélites capturan información de estas bandas, estos índices se pueden aplicar. Los índices de vegetación son auxiliares en la clasificación del suelo y vegetación. Además, reflejan información de procesos fotosintéticos, de emisión de dióxido de carbono y de abundancia de pigmentos, agua y nitrógeno. Ge- neralmente los índices de vegetación altos indican vegetación vigorosa y saludable. De forma contraria, los índices bajos indican vegetación poco saludable.

vegetación, es que el espectro de dispersión de las hojas verdes presenta su punto de máxima absorción en el espectro electromagnético cerca de los 0.69μ _{y ésta decrece} en los 0.85μ_{. Por lo que, de los 0.69 a 0.85} μ _{se puede ver el contraste de absorción,} que es capturado por los índices de vegetación (Gilabert et al._{, 1997). El índice de} vegetación de diferencia normalizada oNDV _{, por sus siglas en ingles, es el más usado} y se define con la Ecuación 1, dondeρ_{R y}ρ_{Nson las longitudes de onda roja e infrarroja} cercana (Gao, 1996).

NDV =

ρ_N−ρ_R ρ_N+ρ_R

. ₍₁₎

Como ya se mencionó, este índice aprovecha que en la banda roja se aprecia la absor- ción fuerte de clorofila y en la banda del infrarrojo cercano se muestra la meseta de reflectancia de vegetación (Gao, 1996). Los valores delNDV  _{varían de -1 al 1, donde} los valores del -1 al 0 representan superficies donde no hay vegetación. Los valores menores a 0.1 representan rocas, arena o nieve. Los valores de 0.2 a 0.3 representan áreas pobres en vegetación. Valores mayores a 0.3 representan cultivos, plantacio- nes, etc. El NDV  _{reduce el efecto que produce la degradación del sensor y efectos} atmosféricos.

Una desventaja de este índice es que es muy sensible a la reflectividad del suelo. Es decir, si una zona casi no tiene vegetación, se muestra la reflectividad en las dos bandas del índice, pero corresponde a la reflectividad del suelo. Y por ende, no muestra la variación por la poca vegetación que haya en el área, dando como resultado unNDV  correspondiente a suelo desnudo. Además, dependiendo de la resolución espacial del sensor que captura la escena, un píxel representa el promedio de todas las coberturas que contiene el píxel. Es decir, si la resolución espacial es de 10 metros por píxel, el píxel se mostrará como el promedio de todo lo que haya en esos 10 metros (Gilabert et al._{, 1997).}

Para regiones que tienen poca vegetación o una resolución espacial pobre se apli- can índices que separan el suelo de la vegetación (Gilabert et al._{, 1997). Un ejemplo} de estos índices es el índice de vegetación ajustada al suelo (SAV  _{por sus siglas en} ingles), que se usa para minimizar la influencia del suelo en el espectro del dosel. Este índice se puede aplicar en cultivos cuyo porcentaje de vegetación sea bajo o esté da- ñado. Este índice toma en cuenta la energía incidente y una constante de suelo. Esta constante de suelo se asigna de acuerdo al nivel de vegetación (baja, intermedia o

alta). Permite aislar la información de vegetación de la del suelo. Como ejemplo de la efectividad de este índice, es que si se tienen dos cultivos con la misma cantidad de vegetación y actividad fotosintética pero diferentes condiciones de suelo, sus índices SAV  _y NDV  _{son muy parecidos. El índice} SAV  _{se calcula con la Ecuación 2 donde} ρ_{R y} ρ_{N son las longitudes de onda roja e infrarroja cercana y} L _{es una constante que} representa el porcentaje aproximado de vegetación presente en la imagen (Huete, 1988):

SAV =

ρ_N−ρ_R

ρ_N+ρ_R+L(1+

L). ₍₂₎

Una desventaja del uso de estos índices, es que si no se tienen medidas reales del terreno, estos índices representan cantidades relativas. Lo anterior se origina por- que se debe indicar manualmente el porcentaje de vegetación aproximado en la zona analizada y si este porcentaje no es congruente con la realidad los demás cálculos se basarán en un dato incierto (Gilabertet al._{, 1997).}

2.4.2. Perfil multiespectral

Una firma espectral es la radiación reflejada en sus correspondientes longitudes de onda. Todas las superficies tienen una firma espectral única (ver Figura 8).

Figura 8.Firma espectral (http://giulliana-mv.blogspot.com/2016/).

La vegetación presenta picos elevados en las bandas rojas e infrarroja cercana. Por lo que, los perfiles espectrales en estas bandas ayudan a reconocer la vegetación en el terreno. Además, con los datos de estas bandas se pueden identificar los tipos

de cultivos y tipos de suelos y terrenos. Por ejemplo, debido a que el agua no refleja información en la banda del infrarrojo cercano (ver Figura 9), su área se muestra oscura en imágenes con falso color rojo del infrarrojo cercano. Las plantas absorben en la banda roja para usarla en la fotosíntesis y su área se muestra como rojo brillante (European Space Agency, 2016).

(a) (b)

Figura 9. Imagen SENTINEL-2 del área costera de Nayarit: (a) Imagen RGB; (b) Imagen en falso color rojo de banda infrarroja cercana.

Para poder hacer la comparación de firmas espectrales se puede medir la distancia RMS entre ellas. La distancia RMS o media cuadrática aplicada a dos perfiles espec- trales se define con la Ecuación 3, donde n _{es el número de bandas espectrales,} _es el perfil correspondiente a la imagen a comparar y y _{es el perfil correspondiente a la} imagen comparada: RMS= v u u t n X =₀ (μ_−μ_y)2. ₍₃₎

Cuando se obtiene la distancia RMS _{entre perfiles espectrales, si ésta es menor o} igual a una constanteP_{, los perfiles son parecidos entre ellos. No se tienen que com-} parar todas las bandas, sólo aquellas que resulten interesantes al problema a resolver. La constante P _{representa el porcentaje de similitud entre perfiles y es definida de}

acuerdo al problema.