III. Análisis y aplicaciones
Transcripción
III. Análisis y aplicaciones
IMÁGENES HIPERESPECTRALES: ANÁLISIS Y APLICACIONES Sebastián Quiñones F. Cartógrafo Centro de Ecología Aplicada [email protected] 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 I. Introducción a la Teledetección Hiperespectral • Conceptos 3 I. Introducción a la Teledetección Hiperespectral • Diferencias entre imágenes Multiespectrales e Hiperespectrales Registro espectral Cubo de información Multiespectral IR Hiperespectral 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. 4 I. Introducción a la Teledetección Hiperespectral • 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. 5 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 6 II. Levantamiento de imágenes hiperespectrales Sensor Hiperespectral aerotransportado Especificación Rango Espectral 400 - 970 nm Resolución espectral 2,3 - 10 nm N° bandas espectrales 64 - 244 Modo de operación Hiperespectral Frecuencia de barrido Dimensión barrido espacial <60 Hz 960 píxel FOV Altura sobre terreno Sensor 7 II. Levantamiento de imágenes hiperespectrales • Planificación Objetivos de medición: Superficie a medir. Ubicación geográfica: Condiciones topográficas. Definición de la plataforma aérea. Parámetros del levantamiento: Resoluciones de la imagen. 8 II. Levantamiento de imágenes hiperespectrales • Registro histórico CEA Salar de Michincha Salar de Coposa Salar de Aguas Calientes IV Salar de Huasco Salar de Punta Negra Río Lamas Laguna Verde Salar de Maricunga Salar de Atacama Laguna del Negro Francisco Pampa del Tamarugal Quebradas Hualtatas, Piuquenes y Manque N Palmas de Ocoa e Hijuelas Río Copiapó bajo Laguna Aculeo Viñas del Maipo Tranque Carén Río Huasco bajo Embalse Puclaro Río Choapa Punta Chungo y Lag. Conchalí Embalse Rapel CEA. Elaboración propia. 9 9 II. Levantamiento de imágenes hiperespectrales Subcuenca Río Claro de Rengo Identificación de Cultivos y estimación de demanda hídrica CNR Lag. Aculeo Puerto Montt Colaboración científica. Calibración de resultados de imágenes sobre recursos forestales CEA. Elaboración propia. 10 10 II. Levantamiento de imágenes hiperespectrales • Estudios públicos Categoría Componentes Sitio de Estudio Región Objetivo Plataforma V Censo especie en categoría de conservación Palma Chilena (Jubea Chilensis) Cessna 401 I Estado vegetacional del Tamarugo (Prosopis tamarugo) Twin Otter Embalse Rapel VI Apoyo de estudio limnológico, distribución de microalgas y sedimentos Cessna 401 Laguna Aculeo RM Caracterización limnológica Cessna 401 y helicóptero R44 Palmas de Ocoa (P.N. la Campana) Conservación Vegetacional Sistemas Lacustres Sistemas Fluviales Terrestre Pampa del Tamarugal (R.N. Pampa del Tamarugal) Acuático Experimiento de Metodologías de captura de Helicóptero R44 CO2 en Bosque Templado Bosque Nativo Parque Katalapi X Río Aconcagua V Diseño del inventario de humedales y seguimiento ambiental Twin Otter VI Determinación de superficie regada, tipos de cultivo y demanda hídrica Lear Jet Acuático Cultivos Cuenca Claro de Rengo 11 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, FLAASH Carotenoid Empirical Line Calibration Linear Spectral Unmixing Unsupervised Classification: Isodata & KMeans Minimum Noise Fraction Transform Cross Track Illumination Correction Supervised Classification Band Math Básicas Resize Data Subset Data Low Pass Filters Registration- Image to Map Mosaicking Decision Tree Band Mask Band Threshold 12 III. Análisis y aplicaciones - CALIGEO: Herramienta proporcionada por AISA Eagle Specim 1) RAW DN 2) Radiancia W/m2/sr/nm Transformación de números digitales a valores de radiancia 3) Georectificación Georectificación de la imagen mediante archivo de vuelo registrado por el IMU (Inertial Movement Unit) III. Análisis y aplicaciones a. Pre-proceso - 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 Vegetación Agua RAD + ORTHO (CALIGEO) REFLECTANCE (ENVI FLAASH) 14 III. Análisis y aplicaciones - Empirical Line Calibration: Herramienta de corrección atmosférica Método Empírico: Espectroradiómetro de Campo ASD Field Hand Held 2 Comparación entre firmas espectrales: - Reflectancia de agua con microalgas en laguna Reflectancia agua teledetección con AISA Reflectancia agua en campo con ASD III. Análisis y aplicaciones - Cross-Track Illumination Correction: Eliminación de variación de luz en las imágenes Análisis de luminosidad 16 III. Análisis y aplicaciones Acimut del sol en función de las líneas de vuelo 17 III. Análisis y aplicaciones - Corrección de la iluminación 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 18 III. Análisis y aplicaciones - Aplicación de otras herramientas básicas o o o o o Resize Data Subset Data Low Pass Filters Registration Image to Map Mosaicking Filtro de paso bajo 3x3 Georeferenciación desde polígonos Mosaico IR de líneas de vuelo 19 III. Análisis y aplicaciones b. Post-proceso - Índices de Vegetación avanzados: Vegetation Index Calculator Visible NDVI Antocianina Carotenoide 20 III. Análisis y aplicaciones - Detección de cambios en el vigor de la vegetación en la cuenca del río Claro 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 21 III. Análisis y aplicaciones - Agricultural Stress 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 22 III. Análisis y aplicaciones - Lineal Spectral Unmixing: Encontrar firmas de elementos puros o extremos Recolección de endmembers % 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 23 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. 24 III. Análisis y aplicaciones - Minimum Noise Fraction Transform Análisis espectral Reducción de dimensiones MNF-PCA. Firma espectral 63 bandas MNF-PCA (Componentes principales) RGB 25 III. Análisis y aplicaciones - Supervised Classification Hortaliza Polígonos de entrenamiento Esclerófilo Almendro Lúcumo Palto Suelo desnudo Clasificación de píxeles 26 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)) 27 III. Análisis y aplicaciones Bosque Templado Parque Katalapi -0,2 -0,058 28 28 III. Análisis y aplicaciones - Otros índices vegetacionales Verdor de banda angosta ( Narrowband Greenness) Vogelmann Red Edge 2 Área de hoja de canopia Clorofila foliar Contenido de agua Estudios fenológicos Agricultura de precisión Modelos de productividad Carbono senescente o seco Reflectancia senecencia foliar Carotenoides sobre Clorofila Estrés de dosel Senescencia Maduración de frutos Producción de cultivos Pigmentos foliares Reflectancia antocianina Presencia de antocianina Cambio de canopia, crecimiento o muerte 29 III. Análisis y aplicaciones - Estimación de variables mediante correlación entre datos en terreno y de la imagen hiperespectral Medición puntos de profundidad Mapa de Profundidad Menor Correlación de datos Mayor 30 III. Análisis y aplicaciones Mapa de clorofila a total (ug/l) Sólidos Suspendidos (mg/l) 31 III. Análisis y aplicaciones - Aplicación de otras herramientas o Decision Tree Evaluación de área de estudio: Parque Nacional La Campana Identificación de Palma Chilena (Jubea Chilensis) Recopilación de firmas espectrales en área de estudio 32 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 33 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 Aplicación de la clasificación Clasificación de valores de acuerdo a la delimitación espectral Mosaico de líneas de vuelo 34 III. Análisis y aplicaciones o Band Mask Cuerpo de agua de la Laguna Rapel 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 35 III. Análisis y aplicaciones o ROI Tools – Band Threshold Identificación de variables mediante rangos de de bandas Valor de píxel de fondo = 0 Generación de ROI como fondo de imagen para efectos visuales 36 CONSULTAS 37 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) 38