Sebastián Quiñones F. Cartógrafo
Centro de Ecología Aplicada [email protected]
IMÁGENES HIPERESPECTRALES: ANÁLISIS Y APLICACIONES
CONTENIDO
I. Introducción a la Teledetección Hiperespectral • Conceptos
II. Levantamiento de imágenes hiperespectrales • Sensor AISA Eagle • Planificación • Registro histórico CEA
III. Análisis y aplicaciones • Procesamiento de datos a través de Envi
2
4
• Diferencias entre imágenes Multiespectrales e Hiperespectrales
Multiespectral
Registro espectral
Hiperespectral
IR
Cubo de información
Si bien la mayoría de los sensores hiperespectrales poseen cientos de bandas, no es el número de longitudes de onda observadas que define un sensor como hiperespectral, sino que es la continuidad y fineza de sus mediciones. Esto es, la amplitud de la longitud de onda entre cada banda.
I. Introducción a la Teledetección Hiperespectral
5
• Firmas espectrales
El espectro o firma espectral es la medición por un sensor de la luz reflejada por los objetos para cada longitud de onda en un amplio ancho de banda.
* Cada elemento espacial tiene un espectro continuo que es utilizado para analizar las diversas superficies.
I. Introducción a la Teledetección Hiperespectral
6
II. Levantamiento de imágenes hiperespectrales
• Sensor AISA Eagle Specim
Regulador
de Voltaje Interfaz
Monitor
Computador
adquisición y
almacenamiento
de información
Sensor
hiperespectral Navegación
GPS + IMU
7
II. Levantamiento de imágenes hiperespectrales Sensor Hiperespectral aerotransportado
Alt
ura
so
bre
terr
en
o
FOV
7 CEA. Elaboración propia.
Sensor Especificación
Rango Espectral 400 - 970 nm
Resolución espectral 2,3 - 10 nm
N° bandas espectrales 64 - 244
Modo de operación Hiperespectral
Frecuencia de barrido <60 Hz
Dimensión barrido espacial 960 píxel
8
• Planificación
Objetivos de medición: Superficie a medir.
Ubicación geográfica: Condiciones topográficas.
Definición de la plataforma aérea.
Parámetros del levantamiento: Resoluciones de la imagen.
II. Levantamiento de imágenes hiperespectrales
9
• Registro histórico CEA
Salar de Huasco
Salar de Coposa
Salar de Michincha
Salar de Punta Negra
Salar de Aguas Calientes IV
Salar de Maricunga
Río Lamas
Laguna Verde
Laguna del Negro Francisco
N
Pampa del Tamarugal
Río Copiapó bajo
Río Huasco bajo
Embalse Puclaro
Río Choapa
Punta Chungo y Lag. Conchalí
Quebradas Hualtatas,
Piuquenes y Manque
Palmas de Ocoa e Hijuelas
Laguna Aculeo
Embalse Rapel
Tranque Carén
Viñas del Maipo
Salar de
Atacama
9 CEA. Elaboración propia.
II. Levantamiento de imágenes hiperespectrales
10
Puerto Montt
Colaboración científica.
Calibración de resultados
de imágenes sobre
recursos forestales
Subcuenca Río Claro de
Rengo Identificación de Cultivos
y estimación de demanda
hídrica CNR
Lag. Aculeo
10 CEA. Elaboración propia.
II. Levantamiento de imágenes hiperespectrales
11
Categoría Componentes Sitio de Estudio Región Objetivo Plataforma
Conservación
Vegetacional Terrestre
Palmas de Ocoa (P.N.
la Campana) V
Censo especie en categoría
de conservación Palma
Chilena (Jubea Chilensis)
Cessna 401
Pampa del Tamarugal
(R.N. Pampa del
Tamarugal)
I
Estado vegetacional del
Tamarugo (Prosopis
tamarugo)
Twin Otter
Sistemas
Lacustres Acuático
Embalse Rapel VI
Apoyo de estudio
limnológico, distribución de
microalgas y sedimentos
Cessna 401
Laguna Aculeo RM Caracterización limnológica Cessna 401 y
helicóptero R44
Bosque Nativo
Parque Katalapi X
Experimiento de
Metodologías de captura de
CO2 en Bosque Templado
Helicóptero R44
Sistemas
Fluviales Acuático
Río Aconcagua V
Diseño del inventario de
humedales y seguimiento
ambiental
Twin Otter
Cultivos Cuenca Claro
de Rengo VI
Determinación de superficie
regada, tipos de cultivo y
demanda hídrica
Lear Jet
• Estudios públicos
II. Levantamiento de imágenes hiperespectrales
12
III. Análisis y aplicaciones
• Procesamiento de datos a través de Envi
a. Pre-proceso: Corrección geométrica, radiométrica y atmosférica. Generación de mosaicos b. Post-proceso: Aplicación de índices, clasificación supervisada y no supervisada, creación de máscaras de agua, etc.
PRE-PROCESAMIENTO POST-PROCESAMIENTO
Avanzadas
*CALIGEO Vegetation Index Calculator: NDVI, Red
Edge, Agricultural Stress, Anthocyanin,
Carotenoid FLAASH
Empirical Line Calibration Linear Spectral Unmixing
Cross Track Illumination Correction
Unsupervised Classification: Isodata & K-
Means
Minimum Noise Fraction Transform
Supervised Classification
Band Math
Básicas
Resize Data Decision Tree
Subset Data Band Mask
Low Pass Filters
Band Threshold Registration- Image to Map
Mosaicking
III. Análisis y aplicaciones
- CALIGEO: Herramienta proporcionada por AISA Eagle Specim
1) RAW DN 2) Radiancia
W/m2/sr/nm 3) Georectificación
Transformación de números digitales a valores de radiancia
Georectificación de la imagen mediante archivo de vuelo registrado por el IMU (Inertial Movement Unit)
14
- FLAASH: Herramienta de corrección atmosférica
Modelos teóricos usualmente utilizados: - ATmospheric REMoval (ATREM) - Atmospheric CORrection Now (ACORN) - Fast Line-of-sight Atmospheric Analysis of Spectr Hypercubes
(FLAASH) - High-Accuracy Atmospheric Correction for Hyperespectral (HATCH) Data
RAD + ORTHO (CALIGEO) REFLECTANCE (ENVI FLAASH)
Agua
Vegetación
III. Análisis y aplicaciones
a. Pre-proceso
- Empirical Line Calibration: Herramienta de corrección atmosférica
Método Empírico: Espectroradiómetro de Campo ASD Field Hand Held 2
Reflectancia agua
teledetección con AISA
Reflectancia agua en campo con ASD
Comparación entre firmas espectrales: - Reflectancia de agua con microalgas en laguna
III. Análisis y aplicaciones
16
- Cross-Track Illumination Correction: Eliminación de variación de luz en las imágenes
Análisis de luminosidad
III. Análisis y aplicaciones
18
Fuente: Determinación de superficie regada, tipos de cultivos y demanda hídrica mediante imágenes hiperespectrales; Estudio de caso en la cuenca de río Claro de Rengo
- Corrección de la iluminación
III. Análisis y aplicaciones
19
III. Análisis y aplicaciones
- Aplicación de otras herramientas básicas
o Resize Data o Subset Data o Low Pass Filters o Registration Image to Map o Mosaicking
Filtro de paso bajo 3x3
Georeferenciación desde polígonos Mosaico IR de líneas de vuelo
20
III. Análisis y aplicaciones
b. Post-proceso
- Índices de Vegetación avanzados: Vegetation Index Calculator
Visible NDVI Antocianina Carotenoide
21
Fuente: Determinación de superficie regada, tipos de cultivos y demanda hídrica mediante imágenes hiperespectrales; Estudio de caso en la cuenca de río Claro de Rengo
III. Análisis y aplicaciones
- Detección de cambios en el vigor de la vegetación en la cuenca del río Claro
22
- Agricultural Stress
III. Análisis y aplicaciones
Fuente: Determinación de superficie regada, tipos de cultivos y demanda hídrica mediante imágenes hiperespectrales; Estudio de caso en la cuenca de río Claro de Rengo
23
III. Análisis y aplicaciones
- Lineal Spectral Unmixing: Encontrar firmas de elementos puros o extremos
% Veg.
Pixel
Color
0.1 -0.2
0.2-0.3
0.3-0.4
0.4-0.5
> 0.5
Obtención de área de vegetación
Recolección de endmembers
24
III. Análisis y aplicaciones
- Unsupervised Classification o Isodata o K-Means
Generar agrupamientos de los datos en clases no etiquetadas. Búsqueda de cluster de datos similares entre sí, y diferentes de otros grupos.
25
III. Análisis y aplicaciones
- Minimum Noise Fraction Transform
RGB
Firma espectral 63 bandas
MNF-PCA
(Componentes principales)
Análisis espectral
Reducción de dimensiones MNF-PCA.
26
III. Análisis y aplicaciones
- Supervised Classification
Suelo desnudo
Hortaliza
Esclerófilo
Palto
Lúcumo
Almendro Polígonos de entrenamiento
Clasificación de píxeles
27
III. Análisis y aplicaciones
- Band Math
Aplicación de índices y otras funciones matemáticas
Ejemplo sintáxis Red Edge NDVI:
(float(b750)-float(b705))/(float(b750)+float(b705))
29
III. Análisis y aplicaciones
Reflectancia senecencia foliar Carotenoides
sobre Clorofila
Reflectancia antocianina Cambio de canopia,
crecimiento o muerte
Vogelmann Red Edge 2 Área de hoja de canopia
Clorofila foliar
Contenido de agua
Estudios fenológicos
Agricultura de precisión
Modelos de productividad
Verdor de banda angosta ( Narrowband Greenness)
Carbono senescente o seco
Estrés de dosel
Senescencia
Maduración de frutos
Producción de cultivos
Pigmentos foliares
Presencia de
antocianina
- Otros índices vegetacionales
30
III. Análisis y aplicaciones
- Estimación de variables mediante correlación entre datos en terreno y de la imagen hiperespectral
Medición puntos de profundidad
Menor Mayor
Mapa de Profundidad
Correlación de datos
32
- Aplicación de otras herramientas
III. Análisis y aplicaciones
o Decision Tree
Identificación de Palma Chilena (Jubea Chilensis)
Recopilación de firmas espectrales en área de estudio
Evaluación de área de estudio: Parque Nacional La Campana
33
III. Análisis y aplicaciones
Creación de un árbol de decisión a partir de las diferencias espectrales de las firmas recopiladas
Resultado de la clasificación. Identificación de palmas
34
III. Análisis y aplicaciones
Delimitación de cuerpos de agua Creación de un árbol de decisión a partir de las diferencias espectrales de las firmas recopiladas
Mosaico de líneas de vuelo
Aplicación de la clasificación
Clasificación de valores de acuerdo a la delimitación espectral
35
III. Análisis y aplicaciones
o Band Mask
Mosaico IR de líneas de vuelo
A partir de la clasificación del árbol de decisión se separan las objetos identificados para posteriormente aplicar una máscara sobre el mosaico de las líneas de vuelo
Cuerpo de agua de la Laguna Rapel
36
o ROI Tools – Band Threshold
III. Análisis y aplicaciones
Identificación de variables mediante rangos de de bandas
Valor de píxel de fondo = 0
Generación de ROI como fondo de imagen para efectos visuales
38
Equipo de trabajo Teledetección Hiperespectral
- Dr. Manuel Contreras (Biólogo) - Dr. Fernando Novoa (Biólogo)
- Tomás Rioseco (Biólogo) - Toradji Uraoka (Ing. Civil) - Dany Novoa (Agrónomo)
- Natacha Oyola (Cartógrafo) - Sebastián Quiñones (Cartógrafo)
- Fernanda Baladrón (Ing. Civil) - Marcos Contreras (Mecánico)
- René Pairoa (Piloto) - Felipe Serra (Electrónico)
Top Related