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