You are on page 1of 0

APLICACIN DE TCNICAS DE

PROCESADO DIGITAL A
IMGENES TERRA-MODIS PARA
CARTOGRAFA DE REAS
INCENDIADAS
Autoras:
Vanesa Gordillo Alonso
Patricia Martn Panero
Tutora:
Dra. Carmen QuintanoPastor
INDICE
1. INTRODUCCIN
2. DESCRIPCIN DEL TRABAJ O
2.1. Material empleado
2.2. Metodologa
2.3. Resultados
3. CONCLUSIONES Y EXTENSIONES
INDICE
1. INTRODUCCIN
2. DESCRIPCIN DEL TRABAJ O
2.1. Material empleado
2.2. Metodologa
2.3. Resultados
3. CONCLUSIONES Y EXTENSIONES
1. INTRODUCCIN
632 incendios en 2004 en Castilla y Len
15000 hectreas
Posibilidad de contar con imgenes MODIS
Validar una metodologa para la cartografa de
superficies forestales afectadas por grandes
incendios en Castilla y Len basada en el empleo
del Modelo Lineal de Mezclas Espectrales
(MLME), unitemporal
1. INTRODUCCIN
Respecto a la aplicacin del MLME
Determinar las bandas adecuadas
Determinar los componentes bsicos
Respecto a la reclasificacin
Determinar qu imgenes fraccin son ms adecuadas
Determinar qu clasificador es el ms adecuado
Respecto al tipo de imgenes
Determinar qu producto MODIS es el ms adecuado
Determinar qu fecha resulta ms idnea
1. INTRODUCCIN
MODIS (ModerateResolutionImaging
Spectroradiometer)
Viaja a bordo del satlite TERRA
Integra monitoreo de incendios
36 canales con diferentes longitudes de onda y
resoluciones espaciales
Canales 1 y 2 250 m de resolucin
Canales 3 a 7 500 m de resolucin
Canales 8 a 36 1 km de resolucin
1. INTRODUCCIN
Hay 44 productos estndar MODIS para muy
diferentes aplicaciones y diferentes tipos de
imgenes dentro de estos productos
Los que hemos utilizado son:
MOD 09: Reflectanciade la superficie
GHK: 500 m de resolucin y 7 bandas espectrales
GQK: 250 m de resolucin y 2 bandas espectrales
MOD 13: ndices de vegetacin
13Q1: 250 m de resolucin y 4 bandas espectrales
1. INTRODUCCIN
INDICE
1. INTRODUCCIN
2. DESCRIPCIN DEL TRABAJ O
2.1. Material empleado
2.2. Metodologa
2.3. Resultados
3. CONCLUSIONES Y EXTENSIONES
2. DESCRIPCIN DEL TRABAJ O
Datos de la campaa de incendios 2004 en Castilla
y Len, considerando slo incendios mayores de
100 hectreas
Imgenes MODIS:
MOD09GHK, MOD09GQK, MOD13Q1: 1 julio 31
octubre
Partes oficiales y contornos de los incendios
proporcionados por la J unta de Castilla y Len
Versin 3.6 de ENVI (Enviroment for Visualizing
Images)
2.1. MATERIAL EMPLEADO
PREPROCESADO
ANLISIS
ESPECTRAL
CLASIFICACIN
VERIFICACIN
Descarga de las imgenes
Seleccin visual de las fechas
Recorte de las imgenes
Preparacin de los ficheros
vectoriales
Definicin de endmembers
MLME
Supervisadas
No supervisadas
Muestreo
Matriz de confusin
ndice Kappa
2. DESCRIPCIN DEL TRABAJ O
2.2. METODOLOGA
MLME supone que la reflectividadque recoge el sensor se
puede considerar la combinacin lineal de la reflectividadde
cada cubierta existente en cada pxel, siendo el factor de
ponderacin la fraccin del rea del pxel ocupada por dicha
cubierta.
X = R * f + e
X: pxel considerado (de la imagen original)
R: matriz con la reflectividadde las cubiertas definidas
(endmembers)
f: imagen fraccin imagen de salida
e: trmino de error (RMS)
2. DESCRIPCIN DEL TRABAJ O
2.2. METODOLOGA
Definicin de endmembers
Transformacin MNF (MinimunNoiseFraction);
El resultado son una serie de bandas siendo las
primeras las que contienen ms informacin
PPI (Pixel PurityIndex)
Constelacin de pxeles ms puros
Definicin de endmembers
2. DESCRIPCIN DEL TRABAJ O
2.2. METODOLOGA
La clasificacin busca una imagen de clases que
identifique diferentes coberturas (quemado, no
quemado).
Supervisadas: parten de un conocimiento previo del
terreno, reas de entrenamiento.
No supervisadas: es necesario determinar el nmero de
clases de salida.
2. DESCRIPCIN DEL TRABAJ O
2.2. METODOLOGA
Supervisadas
Paraleleppedos: se definen las fronteras de cada clase
teniendo en cuenta los valores mximos y mnimos de
reflectividad.
Mnima distancia: Cada pxel se asigna a la clase
respecto a la que tiene una distancia menor.
Mxima probabilidad: Asigna cada pxel a la clase a
la que sea ms probable que pertenezca segn la media
y desviacin tpica de sta.
2. DESCRIPCIN DEL TRABAJ O
2.2. METODOLOGA
No supervisadas
IsoData: Calcula el promedio de las clases en cada
iteracin y reclasifica los pxeles en funcin del
resultado.
K-Means: Tiene en cuenta la posibilidad de una
desviacin estndar o un umbral en las clases.
2. DESCRIPCIN DEL TRABAJ O
2.2. METODOLOGA
Es necesario verificar los resultados
Matriz de Confusin
A partir de los resultados de la clasificacin
comparndolos con verdad - terreno.
Recoge los conflictos entre categoras.
2. DESCRIPCIN DEL TRABAJ O
2.2. METODOLOGA
ndice KAPPA
Medida de la exactitud.
Se calcula a partir de los valores de la matriz de
confusin.
Se mide en tanto por 1.
Buena 0.61 0.80
Moderada 0.41 0.60
Dbil 0.21 0.40
Pobre <0.20
FUERZA DE LA
CONCORDANCIA
VALOR DE
K
2. DESCRIPCIN DEL TRABAJ O
2.2. METODOLOGA
Preprocesado.
Anlisis espectral.
Clasificacin.
Verificacin de resultados.
Los resultados mostrados corresponden a imgenes
GHK, GQK del 21 de julio e imgenes 13Q1 del 28 de
julio.
2. DESCRIPCIN DEL TRABAJ O
2.3. RESULTADOS
Descarga de las imgenes
Seleccin visual de las fechas sin nubes
MOD09GHK y MOD09GQK: 21 de julio, 14 de
agosto, 29 de agosto y 14 de octubre
MOD13Q1: 28 de julio, 13 de agosto, 29 de agosto,
14 de septiembre, 30 de septiembre y 16 de octubre
Recorte de las imgenes para seleccionar la zona
deseada (Castilla y Len)
Preparacin de los ficheros vectoriales a partir de
los partes oficiales y los contornos de los
incendios
2. DESCRIPCIN DEL TRABAJ O
2.3. RESULTADOS
PREPROCESADO
173
638
260
2026
378
HAS
Villarino 37 01 / 07
Portillo / La
Parrilla/
Aldeamayor
47 18 / 06
Almaraz de
Duero
49 30 / 06
Fonfra 49 17 / 07
Tbara 49 18 / 06
TRMINO
MUNICIPAL
PROV FECHA
1. Definicin de endmember.
Modificando las bandas de entrada de la transformada
MNF.
Modificando las bandas de entrada del algoritmo PPI .
Variando el nmero de endmember de la constelacin.
2. Aplicacin del MLME
Modificando las bandas MNF de entrada al Modelo.
Variando el nmero de endmember considerados.
2. DESCRIPCIN DEL TRABAJ O
2.3. RESULTADOS
ANLISIS ESPECTRAL
2. DESCRIPCIN DEL TRABAJ O
2.3. RESULTADOS
ANLISIS ESPECTRAL
Imagen PPI
Constelacin de pxeles ms puros
Matriz de firmas espectrales
Imagen fraccin del Modelo
correspondiente al endmember
quemado
RMS
Media prxima a 0
Desviacin <0,5
RMS prximo a 0
2. DESCRIPCIN DEL TRABAJ O
2.3. RESULTADOS
ANLISIS ESPECTRAL
Se utilizan los 5 clasificadores
anteriormente presentados
Para cada uno de ellos se varan:
Las imgenes fraccin de entrada
Quemado, Vegetacin1, Vegetacin2 y Agua.
Parmetros segn tipo de cada clasificador
Definicin de clases (reas de entrenamiento) en
supervisados.
Nmero de clases en no supervisados.
2. DESCRIPCIN DEL TRABAJ O
2.3. RESULTADOS
CLASIFICACIN
Mxima
probabilidad
GHK
2. DESCRIPCIN DEL TRABAJ O
2.3. RESULTADOS
Supervisada
GQK
2. DESCRIPCIN DEL TRABAJ O
2.3. RESULTADOS
Mxima
probabilidad
Supervisada
13Q1
2. DESCRIPCIN DEL TRABAJ O
2.3. RESULTADOS
Mxima
probabilidad
Supervisada
13Q1
IsoData
2 clases
2. DESCRIPCIN DEL TRABAJ O
2.3. RESULTADOS
No Supervisada
GQK
2. DESCRIPCIN DEL TRABAJ O
2.3. RESULTADOS
IsoData
10 clases
No Supervisada
GQK
2. DESCRIPCIN DEL TRABAJ O
2.3. RESULTADOS
2 clases
IsoData
10 clases
No Supervisada
A partir de contornos oficiales obtenemos la
imagen verdad terreno.
Se aplica un muestreo pseudoaleatorio(ecualizado
y desproporcionado) variando la proporcin de
muestras consideradas en cada clase.
Resultados:
Supervisados de forma general kappa<0,6.
No supervisados de forma general un ndice kappa
entre 0,6 y 0,7. 13Q1 kappahasta 0,8.
Los mejores resultados se obtuvieron empleando un
nmero similar de muestras para ambas clases.
2. DESCRIPCIN DEL TRABAJ O
2.3. RESULTADOS
VERIFICACIN
Clasificacin
no supervisada
IsoData
para imgenes 13Q1
INDICE
1. INTRODUCCIN
2. DESCRIPCIN DEL TRABAJ O
2.1. Material empleado
2.2. Metodologa
2.3. Resultados
3. CONCLUSIONES Y EXTENSIONES
Se ha logrado el objetivo de desarrollo de una
metodologa vlida (basada en el empleo de
MLME) para cartografa de reas incendiadas
utilizando imgenes TERRA-MODIS
3. CONCLUSIONES Y EXTENSIONES
3.1. CONCLUSIONES
MNF a todas las bandas de la imagen original.
PPI a las bandas con ms informacin
Nmero y tipo de componentes bsicos ms
adecuado:
GHK: 4 bandas MNF y 3 componentes (quemado,
vegetacin y agua)
GQK: 2 bandas MNF y 2 componentes (quemado y
agua)
13Q1: 4 bandas MNF y 3 componentes (quemado,
vegetacin y agua)
3. CONCLUSIONES Y EXTENSIONES
3.1. CONCLUSIONES
RESPECTO A LA APLICACIN DE MLME
Mejores resultados con las combinaciones de
bandas
GHK
Quemado y vegetacin1
Quemado, vegetacin1, vegetacin2 y agua
GQK
Quemado y agua
13Q1
Quemado y vegetacin
Quemado, vegetacin y agua
El clasificador ms adecuado es
Mxima probabilidad para GHK
Cualquiera de los no supervisados para GQK y 13Q1
3. CONCLUSIONES Y EXTENSIONES
3.1. CONCLUSIONES
RESPECTO AL PROCESO DE CLASIFICACIN
El producto MODIS ms adecuado para la
aplicacin es el MOD13Q1.
Las imgenes de fechas ms alejadas en el tiempo
del incendio considerado ofrecen peores
resultados.
3. CONCLUSIONES Y EXTENSIONES
3.1. CONCLUSIONES
RESPECTO A LA ELECCIN DE IMGENES MS
ADECUADAS
3.2. EXTENSIONES
A pesar de que los resultados obtenidos con la
metodologa son aceptables hay que ampliar el
estudio a otras fechas sobre la misma zona para
poder asegurar su validez.
Ampliacin a otras zonas de caractersticas similares
Imgenes procedentes de otros sensores
4. AGRADECIMIENTOS
J unta de Castilla y Len (Servicio de
Defensa del Medio Natural, Consejera de
Medio Ambiente).
Datos de la campaa de incendios 2004,
NASA'sEarthScienceEnterprise,
preprocesadas por MODAPS (MODIS
Adaptive Processing System) y
distribuidas por Goddard DAAC
(Distributed Active Archive Center).
Imgenes MODIS
APLICACIN DE TCNICAS DE
PROCESADO DIGITAL A
IMGENES TERRA-MODIS PARA
CARTOGRAFA DE REAS
INCENDIADAS
Autoras:
Vanesa Gordillo Alonso
Patricia Martn Panero
Tutora:
Dra. Carmen QuintanoPastor