Professional Documents
Culture Documents
La teledetección no refiere sólo a la captación de datos desde el aire o desde el espacio sino también
a su posterior tratamiento. Una definición formal la describe como la técnica de adquisición y
posterior tratamiento de datos de la superficie terrestre desde sensores instalados en plataformas
espaciales, en virtud de la interacción electromagnética existente entre la tierra y el sensor, siendo la
fuente de radiación bien proveniente del sol, en el caso de la teledetección pasiva, o del propio
sensor, cuando se trata de una técnica de teledetección activa. (INNOVANET, 2004)
Las técnicas de teledetección se han desarrollado en los últimos años de una manera espectacular y
tienen aplicación en casi todas las áreas de las ciencias de la tierra. Frabegat (2004) menciona
algunas de las ventajas de la utilización de sistemas de teledetección, entre las que se destacan:
Así como ventajas, la teledetección presenta una serie de limitaciones, por lo que en cualquier
aplicación deben fijarse unos objetivos acordes a su capacidad; este planteamiento es fundamental a
la hora de acometer cualquier trabajo, evitándose así que esta herramienta sea considerada más
vistosa que útil. (Chuvieco, 1990)
En los últimos años esta técnica ha tenido fuertes aplicaciones en el campo de las geociencias, al
punto de validar la aplicación de la misma en proyectos de zonificación de amenaza por
movimientos en masa; algunos trabajos de investigación incluso han concentrado esfuerzos en el
monitoreo de avance de grandes deslizamientos, determinación de las condiciones de humedad del
suelo y la vegetación, entre otros. La teledetección se debe considerar como un método indirecto de
reconocimiento de movimientos en masa, y que apoya decididamente la zonificación de amenaza
por este tipo de eventos, aunque deben tenerse presentes las limitaciones que tiene implícitas.
ESTUDIO COMPARATIVO DE METODOLOGÍAS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA APLICADO AL SECTOR RURAL DE VILLAVICENCIO
Este sensor fue alojado en el espacio por medio del vehículo de lanzamiento Delta II, dentro del
programa Landsat 7 en abril de 1999, su altitud es de 705 Km. y el ancho de cobertura de su haz es
de 185 Km. El Landsat 7 está heliosincronizado, o sea que siempre pasa a la misma hora por un
determinado lugar, su orbita es descendente, o sea de norte a sur, y cruza la línea del ecuador entre
las 10:00 y las 10:15 (hora local) en cada pasaje.
Las principales características del sensor, en lo que refiere a los diferentes tipos de resolución se
presentan en la Tabla A4.1.
Tabla A4.1. Diferentes tipos de resolución del sensor Landsat 7 ETM (+)
Path: 007
Row: 057
Sensor: ETM +
Fecha de toma: 25 de julio de 2001
Hora de toma: aproximadamente 10:00 a.m.
Se selecciona una imagen del año 2001 debido a que el objeto de este estudio es mostrar las
posibilidades que tiene el uso de imágenes de satélite en el reconocimiento de diversos tipos de
movimientos en masa, pretendiendo plantear la forma de calibrar un mapa morfodinámico a futuro.
256
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO AMBIENTAL
ANEXO 4 APLICACIÓN DE TÉCNICAS DE TELEDETECCIÓN Y PROCESAMIENTO DIGITAL DE IMÁGENES
SATELITALES EN PROYECTOS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA
No obstante se trata de identificar los movimientos en masa, se plantea la utilización del mapa
morfodinámico levantando por INGEOMINAS a través de una tarea conjunta de fotointerpretación
y trabajo de campo. Se cuenta entonces con una clasificación de movimientos en masa y un
inventario de dichos eventos georreferenciados dentro del área de estudio, lo cual hace posible por
medio de transformaciones simples de coordenadas, unificar los sistemas de referencia de la imagen
y de los movimientos en masa, con el objeto de analizar el comportamiento espectral de cada tipo de
movimiento y tratar de establecer tendencias en la generación de cada clase de movimiento en masa.
El trabajo desarrollado por INGEOMINAS tiene como referencia el origen de coordenadas planas
(falsos Norte y Este) Bogotá 1’000.000 m N, 1’000.000 m E, luego para llevar a cabo los análisis se
proyectaron todas las coberturas generadas por INGEOMINAS al sistema de referencia de la imagen
(UTM–18N), empleando la herramienta de conversión Projections del ArcToolBox del software
ArcGIS.
A partir de un análisis previo de los valores máximo y mínimo de ND (numero digital) en una
imagen, puede llegarse a una estimación de lo adecuado que puede resultar la aplicación de una u
otra técnica de realce digital. Para determinar los valores máximo y mínimo del ND de la imagen, en
257
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO MBIENTAL
ESTUDIO COMPARATIVO DE METODOLOGÍAS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA APLICADO AL SECTOR RURAL DE VILLAVICENCIO
cada una de sus bandas, basta con visualizar sus propiedades a través del Composer en el software
IDRISI. La Tabla A4.2 muestra los valores máximo y mínimo de ND para cada una de las bandas de
la imagen.
Tabla A4.2. Valores máximo y mínimo de ND para las diferentes bandas de la imagen.
Del análisis previo de esta Tabla Ase puede ver que la presencia de valores ND de 255, impedirá la
aplicación de técnicas de realce de una manera productiva. Sin embargo se comprueba esta hipótesis
por medio del análisis de los histogramas. En la Figura A4.1 se despliegan los histogramas de cada
una de las bandas en su estado original, ya que proporciona una apreciación de la calidad de los
datos de la imagen.
frec.
60000
BANDA 1 (Azul)
BANDA 2 (Verde)
50000
BANDA 3 (Rojo)
BANDA 4 (IR cercano)
30000
20000
10000
0
0 50 100 150 200 250
Valores de ND
Para interpretar estos histogramas en lo referente al contraste de la imagen, se analiza la apertura del
mismo, de tal forma que histogramas estrechos representan un contraste bajo, al tiempo que
histogramas amplios representan un contraste alto. En cuanto a la tonalidad de las imágenes se dice
que un histograma sesgado hacia la derecha corresponde a una imagen recargada de tonos claros,
mientras que un histograma sesgado hacia la izquierda corresponde a una imagen recargada de tonos
oscuros.
258
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO AMBIENTAL
ANEXO 4 APLICACIÓN DE TÉCNICAS DE TELEDETECCIÓN Y PROCESAMIENTO DIGITAL DE IMÁGENES
SATELITALES EN PROYECTOS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA
Visualmente las seis bandas de la imagen se despliegan con bajo contraste, lo cual se aprecia
también en la poca apertura de sus histogramas, esto indica algún tipo de concentración de los
valores de frecuencia. Del análisis visual y del histograma de cada una de las bandas de la imagen,
en lo referente al contraste se tiene lo siguiente:
Tabla A4.3. Análisis del contraste en cada una de las bandas de la imagen Landsat 7 ETM (+)
Las técnicas de realce del contraste pretenden mejorar la calidad de las imágenes bajo los criterios
subjetivos del ojo humano. Un aumento de contraste no revelará nunca una información nueva que
no esté contenida en la imagen. El contraste solamente presentará la misma información existente en
los datos brutos, pero de una forma más clara para el usuario, de ahí que el contraste entre dos
objetos puede ser definido como la razón entre sus niveles de gris medios. (SPRING, 2004)
En lo referente a los métodos lineales se aplican el estiramiento lineal simple y el estiramiento lineal
con saturación. En teoría, el contraste se puede mejorar si se amplia el rango de representación de
los números digitales (ND), generando números visuales (NV) que abarquen todo el rango dinámico
de 0 a 255, lo cual se puede lograr con un estiramiento lineal simple. En la Figura A4.2 se
despliegan los histogramas de frecuencias para las seis bandas de la imagen, luego de aplicarles el
estiramiento lineal simple. En este caso, el estiramiento lineal no es una medida útil, ya que por la
presencia de nubes, todas las bandas presentan valores máximos de 255, así que un estiramiento de
este tipo no tiene efecto positivo para mejorar el contraste de la imagen, lo cual también se puede
apreciar al analizar comparativamente los histogramas de las bandas originales y los de las bandas
con estiramiento lineal.
259
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO MBIENTAL
ESTUDIO COMPARATIVO DE METODOLOGÍAS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA APLICADO AL SECTOR RURAL DE VILLAVICENCIO
frec
60000
BANDA 1 (Azul)
BANDA 2 (Verde)
30000
20000
10000
0
0 50 100 150 200 250
Valore de ND
Figura A4.2. Histogramas de las seis bandas luego de aplicarles el estiramiento lineal simple.
Posteriormente se aplicó el estiramiento lineal con saturación al 1%, reuniendo así en una sola clase
los valores de ND con las frecuencias más bajas, lo cual permite una mejor redistribución de los
valores del ND para obtener valores de NV que aún abarcando todo el rango de 0 a 255, permitan
tener un histograma con mayor apertura, lo que teóricamente permitiría tener un mejor contraste en
la imagen. Una vez finalizada ésta aplicación se encontró que tampoco es una técnica útil para
mejorar el contraste y la tonalidad en esta imagen. En la Figura A4.3 se despliegan los histogramas
para las seis bandas de la imagen luego de aplicarles el estiramiento lineal con saturación al 1%.
f
60000
BANDA 1 (Azul)
BANDA 2 (Verde)
30000
20000
10000
0
0 50 100 150 200 250
Valore de ND
Figura A4.3. Histogramas de las seis bandas luego de aplicarles el estiramiento lineal con saturación al 1%.
260
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO AMBIENTAL
ANEXO 4 APLICACIÓN DE TÉCNICAS DE TELEDETECCIÓN Y PROCESAMIENTO DIGITAL DE IMÁGENES
SATELITALES EN PROYECTOS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA
En la Figura A4.4 se despliegan los histogramas de la banda del azul antes y después de aplicarle las
técnicas de estiramiento; el 1.0% de saturación significa que todos lo valores de ND que se
encuentren en el rango de frecuencias que abarca de 0 a 1.0% del total de las mismas, serán
reasignados a un valor NV de 0, y todos aquellos que estén incluidos entre el 99.0 y el 100% del
total de las frecuencias, serán reasignados a un valor NV de 255.
f
60000 Corrimiento del pico del
histograma, haciéndolo aún Banda 1Or iginal
más sesgado hacia la
izquierda, lo cual genera una Banda 1 con Est iramient o
50000 marcada t onalidad oscura en Lineal
la imagen. Banda 1con Est ir amient o
Lineal con Sat uración 1%
40000
30000
20000
0
0 50 100 150 200 250
Va l or e de N D
Para finalizar la etapa de análisis, se llevó a cabo el ejercicio de ecualización de los histogramas,
esperando obtener mejores resultados en el realce digital para favorecer el despliegue visual de la
imagen. Esta es una forma de manipulación de histograma que reduce automáticamente el contraste
en las áreas muy claras o muy oscuras de una imagen, también expande los niveles de gris a lo largo
de todo el intervalo. Consiste en una transformación no lineal que considera la distribución
acumulativa de la imagen original, para generar una imagen resultante cuyo histograma será
aproximadamente uniforme (SPRING, 2004).
La opción de ecualización parte del principio que el contraste de una imagen sería optimizado si
todos los 256 niveles de intensidad posibles fueran igualmente utilizados o, en otras palabras, todas
las barras verticales que componen el histograma fueran de la misma altura. Obviamente esto no es
posible debido a la naturaleza discreta de los datos digitales de una imagen de percepción remota.
Sin embargo, se consigue una aproximación al dispersar los picos del histograma de la imagen,
dejando intocadas las partes más chatas. (SPRING, 2004)
En la Figura A4.5 se despliegan los histogramas de las seis bandas analizadas, luego de practicarles
la ecualización.
261
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO MBIENTAL
ESTUDIO COMPARATIVO DE METODOLOGÍAS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA APLICADO AL SECTOR RURAL DE VILLAVICENCIO
f r ec.
BANDA 1( Azul)
60000
BANDA 2 (Ver de)
BANDA 3 (Rojo)
30000
20000
10000
0
0 50 100 150 200 250
V a l or e de N D
Figura A4.5. Tendencia general de los histogramas de las seis bandas luego de aplicarles la ecualización.
Del análisis de los histogramas ecualizados es claro que los picos corresponden a los tipos
dominantes de objetos sobre la imagen, luego cada uno de estos grupos de valores alrededor del pico
puede estar representando un elemento. De este ejercicio se nota que los histogramas quedan mucho
mejor distribuidos, aunque debe anotarse que este procedimiento tiene el inconveniente de
generalizar alguna información, sobre aquellos valores de frecuencia que no son muy altos, lo cual
lleva a perder detalle en la imagen, impidiendo realizar un análisis visual favorable.
El objetivo que se persigue con este ejercicio es el reconocimiento de características que permitan
reconocer movimientos en masa en las imágenes de satélite, eventos que solo se harán evidentes
cuando son de gran dimensión, debido a la baja resolución espacial con que se trabaja (30 metros).
Como conclusión de los análisis antes desarrollados, se tiene que las técnicas normales de realce de
imágenes, no facilitan de manera significativa, las tareas de reconocimiento visual que se han
propuesto; no obstante este percance, se estudiaron visualmente las imágenes de las seis bandas, a
través de análisis de respuesta espectral de algunas coberturas presentes en el área de estudio, con el
objeto de evaluar su comportamiento y analizarlo basándose en las firmas típicas de los mismos
tipos de cobertura, así es posible adoptar criterios de reconocimiento a la hora de interpretar las
imágenes en busca de las características que permitan reconocer movimientos en masa.
Inicialmente se hace un análisis de las características de discriminación del sensor, para luego a
partir de ellos, poder determinar el comportamiento espectral típico de algunas coberturas de fácil
identificación, para lo cual se apoyo el reconocimiento en una composición RGB : 321, conocida
como de color verdadero o composición natural. En la Tabla A4.4 se presentan las características de
discriminación de elementos para el sensor Landsat ETM, que son básicamente las mismas del
sensor Landsat TM, ya que tienen muy pocas diferencias, entre ellas algunas variaciones en lo que
refiere a la resolución espectral, pero sin que estas variaciones afecten o diferencien la capacidad de
discriminación de coberturas de cada uno de los sensores.
262
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO AMBIENTAL
ANEXO 4 APLICACIÓN DE TÉCNICAS DE TELEDETECCIÓN Y PROCESAMIENTO DIGITAL DE IMÁGENES
SATELITALES EN PROYECTOS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA
LONGITUD
BANDA TÓPICO A DISCRIMINAR
DE ONDA
Diseñada para penetrar cuerpos de agua, de ahí su utilidad en la
generación de mapas de batimetría y en el mapeo de costas.
0.45 - 0.52
ETM + 1 Discrimina suelos y rocas de vegetación. Permite la identificación de
(Azul)
elementos culturales/urbanos. Es útil en la discriminación de la calidad
del agua
Diseñada para medir en el pico de reflectividad que presenta la vegetación
en el verde, lo que facilita su aplicación en la generación de mapas de
0.53 - 0.61
ETM + 2 vegetación verde y estudios de valoración de la vigorosidad.
(Verde)
Permite la identificación de elementos culturales/urbanos.
Es útil en la discriminación de la calidad del agua.
Diseñada para medir en la región de absorción de la clorofila, lo que
permite su aplicación en la diferenciación de áreas vegetadas y no
0.63 - 0.69
ETM + 3 vegetadas, a la vez que permite discriminar especies vegetales por
(Rojo)
absorción de la clorofila.
Permite la identificación de elementos culturales/urbanos.
Estimación del vigor de la vegetación y biomasa, identificación de tipos
0.78 - 0.90 de plantíos y vegetación.
ETM + 4
(IR cercano) Delimitación de cuerpos de agua.
Discriminación de suelos húmedos.
1.55 - 1.75 Indicativa de la cantidad de humedad en las plantas y el suelo.
ETM + 5
(IR medio) Permite distinguir entre nieve y nubes
10.4 - 12.5 Discriminación de stress en las plantas, humedad del suelo por radiación
ETM + 6
(IR termal) termal, mapas termales (urbano, agua)
Tabla A4.4. Tópicos a discriminar en cada una de las bandas del sensor Landsat 7 ETM (+)
En este análisis debe tenerse presente que para una misma superficie, el flujo de energía recibido por
el sensor no sólo depende de la reflectividad de la superficie, sino también de otros factores, tales
como: el ángulo de iluminación solar (depende de la fecha y hora de toma de la imagen), orientación
de las laderas y pendiente del terreno, la influencia de la atmósfera (fenómenos de dispersión y
absorción)y las variaciones medioambientales de la superficie y el sustrato edafológico o litológico,
entre otros. (INNOVANET, 2004)
Se tomaron medidas de reflectividad espectral en las seis bandas no termales de la imagen, para
coberturas que en una composición de color verdadero son fácilmente reconocibles, tales como
vegetación estresada, vegetación vigorosa, suelo semidesnudo, suelo desnudo con contenido de
materia orgánica (humus), zona urbana y agua de río con sedimentos.
1
http://ltpwww.gsfc.nasa.gov/IAS/handbook/handbook_htmls/chapter6/chapter6.html
2
http://www.aeroterra.com/HTMs/landsat7ETM.htm
263
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO MBIENTAL
ESTUDIO COMPARATIVO DE METODOLOGÍAS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA APLICADO AL SECTOR RURAL DE VILLAVICENCIO
En la Tabla A4.5 se presentan los datos de reflectividad espectral que fueron tomados por medio de
una colección de datos raster, sobre las bandas inmodificadas de la imagen, ya que son estas las que
contienen la información captada por el satélite. Una vez hecho esto, se determina la reflectividad
espectral en términos de porcentaje (calculado como el ND medido dividido en el ND máximo
posible), para luego graficarla y dar lugar a una pseudo firma espectral de cada una de las coberturas
estudiadas (Figura A4.6). La toma de muestras se llevó a cabo por medio de polígonos digitalizados
con radio máximo de 60 píxeles y con una tolerancia de 6 niveles digitales, lo que indica la máxima
diferencia permitida entre los ND de cada una de las coberturas involucradas en la colección de
datos raster.
Cobertura
Vegetación Vegetación Suelo Suelo desnudo Agua con
. . Zona urbana
estresada vigorosa semidesnudo (Humus) sedimentos
Banda .
Azul 0.515 - 0.450 24 26 29 45 40 32
Verde 0.605 - 0.525 18 23 26 46 33 25
Rojo 0.690 - 0.630 13 15 25 56 34 26
IRC 0.900 - 0.750 32 54 35 30 21 11
IRM_5 1.750 - 1.550 29 41 49 64 43 12
IRM_7 2.350 - 2.090 13 17 26 62 36 10
Fuente: Cálculos propios.
Tabla A4.5. Valores promedio de porcentaje de reflectividad espectral medidos en la colección de datos raster.
100
Verde visible
Rojo visible
Azul visible
Banda 1:
Banda 2:
Infrarrojo
Banda 3:
Banda 4:
Banda 5:
cercano
90 Banda 7:
Infrarrojo
Infrarrojo medio
medio
80
70
60
50
40
Vegetación
estresada
30
Vegetación
vigorosa
20
Suelo desnudo
(Humus)
10
Agua con
sedimentos
0
0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0 2.2 2.4
Longitud de onda (µm)
Fuente: Cálculos propios.
264
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO AMBIENTAL
ANEXO 4 APLICACIÓN DE TÉCNICAS DE TELEDETECCIÓN Y PROCESAMIENTO DIGITAL DE IMÁGENES
SATELITALES EN PROYECTOS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA
Una vez graficadas los porcentajes de reflectividad para estas coberturas (Figura A4.6.), y
compararlas contra los porcentajes de reflectividad típicos (Figura A4.7), se ve que siguen un
comportamiento que se aproxima al esperado, lo cual permite concluir que las medidas de
reflectividad no se encuentran muy distorsionadas por la presencia perturbadora de los factores
mencionados con anterioridad, permitiendo entonces concentrar la búsqueda de evidencias de
movimientos en masa, en torno a un comportamiento típico del suelo desnudo, que se denomina
firma o signatura espectral, aclarando que la poca variabilidad espectral que presenta la imagen,
permite discriminarlos de otras superficies. Los movimientos en masa así estudiados, son procesos
morfodinámicos de grandes dimensiones, asociados principalmente a procesos erosivos y a grandes
movimientos en masa que dejan al descubierto una gran proporción de suelo desnudo.
Porcentaje de relectividad
90
Banda 4: Banda 5: Banda 7:
Verde visible
Azul visible
Rojo visible
Banda 3:
Banda 2:
70
60
Vegetación sana
Vegetación enferma
50
Suelo
Agua turbia
40
30
20
10
0
0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0 2.2 2.4
Longitud de onda (µm)
La vegetación conforma una pantalla que hace difícil captar la radiación del sustrato geológico, sin
embargo, algunas características de este sustrato se detectan gracias a las anomalías que puede
presentar la vegetación, tales como la distribución peculiar de especies, crecimiento o densidad
irregular, alteraciones de la pigmentación o del ciclo fenológico. (Alzate, 2003) La ciencia que se
dedica a estudiar dichas anomalías, es la llamada geobotánica, tema que supera los alcances de este
trabajo. Por esta razón los movimientos en masa de tipo más bien superficial y que no dejan al
descubierto suelo desnudo, no son objeto de este análisis, por lo tanto en esta fase del trabajo solo se
persigue determinar la ubicación y posible dimensión de los principales procesos denudacionales.
Las propiedades espectrales del suelo son relativamente simples, la transmisión es nula, por tanto
toda la energía se absorbe o refleja. Para determinar la presencia de suelo desnudo en la imagen, se
265
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO MBIENTAL
ESTUDIO COMPARATIVO DE METODOLOGÍAS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA APLICADO AL SECTOR RURAL DE VILLAVICENCIO
debe tener en cuenta que su comportamiento es más uniforme que el de la vegetación. La curva
espectral que presentan es bastante plana y de carácter ligeramente ascendente, pues su reflectividad
es relativamente baja para todas las bandas aunque aumenta hacia el infrarrojo. Los principales
factores que intervienen en la respuesta espectral del suelo son la composición química, su textura y
estructura y el contenido en humedad.
• Características químicas
La composición química es la causante del color con el que los vemos; un suelo de origen calcáreo
tiende al color blanco, indicando alta reflectividad en todas las bandas visibles, mientras que los
arcillosos ofrecen una respuesta relativamente baja, con una mayor reflectividad en el rojo, como
consecuencia de su contenido de óxido de hierro. En cuanto al contenido de materia orgánica,
produce una baja en la reflectividad, especialmente en el rojo.
• Características físicas
La reflectividad espectral presenta mayores valores al aumentar el tamaño medio de las partículas de
suelo (los suelos arenosos tienen mayor reflectividad que los arcillosos). El problema, según señala
Liu (2004), es que la textura afecta también al contenido de humedad por lo que no resulta fácil
diferenciar (con imágenes de satélite entre ambos factores). Los minerales de la arcilla tienen, por su
parte, una caída en reflectividad entorno a 2.2 µm que no tienen las arenas.
Hay una cierta dependencia entre reflectividad y contenido en agua del suelo, cuanto mayor es el
segundo, mayor es la primera. Este aumento se ve interrumpido en aquellas regiones en las que el
agua absorbe energía (infrarrojo medio), por tanto cuanto mayor sea el contenido de agua en el
suelo, mayor va a ser la disminución en reflectividad de estas regiones. Cuanto más seco,
apelmazado y sin materia orgánica sea un suelo, mayor será su reflectividad. (Alonso, 2003)
El contenido en materia orgánica también afecta a la reflectividad, cuanto mayor sea su contenido y
cuanto menos descomupesta se encuentre más oscuro resulta el suelo (menor reflectividad). La
composición química y mineralógica también va a influir en la respuesta espectral, así por ejemplo
el contenido en óxidos de hierro va a incrementar la reflectividad en el rojo. (Alonso, 2003)
Alonso (2003) señala que la fuerte correlación entre muchos de los factores que influyen sobre la
respuesta espectral del suelo, imposibilita el que puedan sacarse conclusiones claras del análisis de
una imagen de unas zonas cuyas características edáficas se desconocen. En todo caso se ha
comprobado que las áreas de suelo desnudo de una misma imagen siguen una serie de pautas
reconocibles. La más estudiada es que si se hace una representación gráfica con la reflectividad en el
rojo en abcisas y la reflectividad en el infrarrojo cercano en ordenadas, las zonas de suelo desnudo
aparecen formando una línea que se conoce como línea del suelo.
Usualmente las bandas de una imagen multiespectral están correlacionadas entre si, incluso algunas
de ellas son muy similares y almacenan en esencia, la misma información. El análisis de
componentes principales (PCA) es una de las técnicas comúnmente usadas para reducir la
redundancia en datos multiespectrales. PCA es una transformación lineal que produce un grupo
nuevo de bandas, denominadas componentes, por medio de una combinación lineal ponderada de las
266
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO AMBIENTAL
ANEXO 4 APLICACIÓN DE TÉCNICAS DE TELEDETECCIÓN Y PROCESAMIENTO DIGITAL DE IMÁGENES
SATELITALES EN PROYECTOS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA
imágenes originales de las bandas; las imágenes que se generan de aplicar este tratamiento a bandas
originales, ya no presentan información redundante y por ende no guardan correlación entre ellas,
ordenándose en términos de la cantidad de varianza que cada una de ellas explica, siendo la
componente uno la que explica el mayor contenido de varianza, razón por la cual en algunos análisis
es común eliminar aquellas componentes que explican las menores cantidades de varianza.
Para desarrollar un análisis de componentes principales (PCA) es indispensable hacer uso de algunas
medidas de dispersión estadística, siendo lo más común estudiar la varianza y covarianza, a la vez
que se determinan también los coeficientes de correlación entre pares de bandas. A continuación se
presentan las definiciones más aceptadas de estos conceptos, con el propósito de hacer claridad en
torno a qué medida se usa y porqué.
Varianza (σ2)
La varianza proporciona un valor de dispersión (inercia) de la variable alrededor de su media (centro
de gravedad). La varianza, σ2, se calcula como la media de las diferencias cuadráticas de n valores
con respecto a su media aritmética, es decir:
2
1 n
σ = ⋅ ∑ (xi − x )
2
(4.1)
n i =1
Se elevan al cuadrado las desviaciones alrededor de la media para que no se compensen las
diferencias negativas y positivas, ya que de no hacerlo se demuestra que la media de las
desviaciones de las observaciones a la media es de cero. Si se pretende usar con propósitos de
estimación de la varianza poblacional, conviene usar (n – 1) en vez de (n) a la hora de calcular la
media del cuadrado de las desviaciones. La Varianza mide la dispersión de los valores y marca el
punto de inflexión de las curvas en los histogramas, por ende su magnitud no es igual a la de las
observaciones.
1 n
⋅ ∑ (xi − x )
2
σ = σ2 = (4.2)
n i =1
Covarianza (Λ)
Este valor indica el grado de similitud entre las conjuntos a y b, o sea, cómo los datos están
correlacionados entre sí. Cuanto mayor es la covarianza, mayor es el grado de correlación entre los
datos. La covarianza entre dos conjuntos de datos numéricos a y b, con n puntos se calcula como:
267
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO MBIENTAL
ESTUDIO COMPARATIVO DE METODOLOGÍAS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA APLICADO AL SECTOR RURAL DE VILLAVICENCIO
1 n
Λ a ,b = ⋅ ∑ (xa (i ) − x a (i ) ) ⋅(xb (i ) − x b (i ) ) (4.3)
n i =1
Ahora bien, si se asimila la covarianza como una medida específica para variables bidimensionales,
es posible calcularla con la siguiente expresión, que en esencia es igual a la primera que se presentó
para determinar este valor.
1 n
Λ a ,b = ⋅ ∑ (xi − x ) ⋅( yi − y ) (4.4)
n i =1
O lo que es lo mismo:
1 n
Λ x , y = ⋅ ∑ ( xi ⋅ yi ) − (x ⋅ y ) (4.5)
n i =1
Un valor positivo para la covarianza corresponde a una dependencia directa, mientras que un valor
negativo correspondería a una dependencia inversa, entre los datos.
Λ a ,b
α a ,b = (4.6)
(σ a2 ⋅ σ b2 )
Λ x, y
α x, y = (4.7)
(σ x2 ⋅ σ y2 )
La Tabla A4.6 corresponde a la matriz de varianza-covarianza para las seis bandas de la imagen
Landsat ETM (+). Las casillas sombreadas (diagonal de la matriz) corresponden a los valores de
varianza, los demas términos corresponden a la covarianza, tal como se ha explicado. Estos datos
268
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO AMBIENTAL
ANEXO 4 APLICACIÓN DE TÉCNICAS DE TELEDETECCIÓN Y PROCESAMIENTO DIGITAL DE IMÁGENES
SATELITALES EN PROYECTOS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA
son útiles para hacer análisis de similitud entre bandas y tienen aplicación a la hora de definir las
mejores bandas para desarrollar composiciones a color.
ETM (+) ETM (+) ETM (+) ETM (+) ETM (+) ETM (+)
VAR/COVAR
Banda 1 Banda 2 Banda 3 Banda 4 Banda 5 Banda 7
ETM (+) Banda 1 2525.09 2544.41 2815.88 1056.85 1825.73 1819.61
ETM (+) Banda 2 2544.41 2597.69 2856.93 1153.47 1931.35 1876.03
ETM (+) Banda 3 2815.88 2856.93 3177.46 1186.89 2110.13 2081.28
ETM (+) Banda 4 1056.85 1153.47 1186.89 963.24 1140.87 886.76
ETM (+) Banda 5 1825.73 1931.35 2110.13 1140.87 1838.11 1582.88
ETM (+) Banda 7 1819.61 1876.03 2081.28 886.76 1582.88 1520.59
Fuente: Cálculos propios.
Tabla A4.6. Matriz varianza-covarianza para las seis bandas de la imagen Landsat ETM (+).
Matriz de Correlación
La Tabla A4.7 corresponde a la matriz de correlación para el análisis de componentes principales en
las seis bandas estudiadas. En esta tabla es fácil apreciar cuales son las bandas que guardan mejor
correlación, información muy útil y que complementa la obtenida en el análisis de la matriz de
varianza covarianza, a la hora de definir grupos de bandas para hacer composiciones a color.
ETM (+) ETM (+) ETM (+) ETM (+) ETM (+) ETM (+)
COR MATRX
Banda 1 Banda 2 Banda 3 Banda 4 Banda 5 Banda 7
ETM (+) Banda 1 1.000000 0.993471 0.994111 0.677652 0.847449 0.928612
ETM (+) Banda 2 0.993471 1.000000 0.994411 0.729197 0.883856 0.943931
ETM (+) Banda 3 0.994111 0.994411 1.000000 0.678429 0.873141 0.946857
ETM (+) Banda 4 0.677652 0.729197 0.678429 1.000000 0.857399 0.732712
ETM (+) Banda 5 0.847449 0.883856 0.873141 0.857399 1.000000 0.946795
ETM (+) Banda 7 0.928612 0.943931 0.946857 0.732712 0.946795 1.000000
Fuente: Cálculos propios.
Tabla A4.7. Matriz de correlación entre las seis bandas de la imagen Landsat ETM (+).
Como se puede observar en la matriz hay buena correlación ( > 0.90) entre las siguientes bandas:
269
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO MBIENTAL
ESTUDIO COMPARATIVO DE METODOLOGÍAS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA APLICADO AL SECTOR RURAL DE VILLAVICENCIO
Las bandas 1, 2 y 3 son las que mejores resultados presentan en materia de correlación, visualmente
las bandas son muy similares, y aunque la banda 2 parece tener un mejor contraste, las tres muestran
los mismos componentes principales y muy pocos componentes secundarios que las diferencien.
Estas conclusiones también pueden entenderse al analizar de manera conjunta los histogramas de
frecuencias de las tres imágenes (banda 1, banda 2, banda 3). En la Figura A4.1, se pudo ver que las
bandas 1 y 3, guardan un amplio parecido en sus histogramas, y aunque en la matriz la correlación
es alta, entre estas y la banda 2, es claro que los histogramas tienen formas similares pero están un
poco desplazados entre si.
En la Tabla A4.8, sumario de los componentes, se despliegan los valores y los vectores propios.
Mientras los primeros expresan la cantidad de varianza explicada por cada componente, los
segundos son los coeficientes de las ecuaciones de transformación. Cada uno de estos ha sido
sumado como un porcentaje de la varianza (%Var.), medido en el tope de cada columna.
COMPONENTE C1 C2 C3 C4 C5 C6
% var. 92.63 5.36 1.59 0.25 0.1 0.08
eigenval. 11691.36 676.38 200.37 31.61 12.6 9.87
eigvec.1 -0.457583 -0.280955 -0.166127 0.030155 -0.710686 0.422019
eigvec.2 -0.471574 -0.227675 -0.238126 -0.030083 -0.700619 0.421078
eigvec.3 -0.517832 -0.277089 -0.094212 0.134059 0.000000 0.792606
eigvec.4 0.210366 -0.705486 0.613008 0.268280 0.060061 0.081706
eigvec.5 0.365113 0.532811 -0.463357 0.598674 0.000000 0.098454
eigvec.6 0.350035 0.104173 0.562444 -0.741504 0.021253 0.000000
Fuente: Cálculos propios.
Del análisis de la Tabla A4.8 y el despliegue visual de las componentes y de las bandas originales,
se tiene que las imágenes son muy similares en apariencia, tanto en contraste como en tonalidad,
para las primeras tres bandas y primeras tres componentes. La componente seis no guarda buena
correlación con ninguna de las bandas, y de hecho es claro que con la única banda que guarda
correlación positiva es con la banda 3, que corresponde a la banda del rojo. La componente seis debe
270
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO AMBIENTAL
ANEXO 4 APLICACIÓN DE TÉCNICAS DE TELEDETECCIÓN Y PROCESAMIENTO DIGITAL DE IMÁGENES
SATELITALES EN PROYECTOS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA
Por último se analiza la Tabla A4.9, que presenta la información referente al grado de correlación
entre los nuevos componentes producidos (las columnas) y las bandas originales (las filas).
LOADING C1 C2 C3 C4 C5 C6
ETM (+) Banda 1 0.984609 -0.145410 -0.046797 -0.003374 0.050197 -0.026381
ETM (+) Banda 2 1.000433 -0.116175 -0.066135 -0.003319 -0.048789 -0.025951
ETM (+) Banda 3 0.993302 -0.127842 -0.023658 -0.013372 0.000000 0.044168
ETM (+) Banda 4 0.732895 0.591174 -0.279587 0.048602 0.006868 0.008270
ETM (+) Banda 5 0.920820 0.323208 0.152985 -0.078512 0.000000 -0.007213
ETM (+) Banda 7 0.970594 0.069478 0.204170 0.106915 -0.001934 0.000000
Fuente: Cálculos propios.
A manera de conclusión se tiene que la información tabular obtenida del análisis de componentes
principales, indica que la primera componente describe el 92.63% de la varianza presente en el
conjunto original de las seis bandas. Todas las bandas de entrada tienen “loadings” altos y positivos
para el componente 1, se podría entonces interpretar que este componente representa el “brillo”
general de toda la imagen. El segundo componente tiene “loadings” positivos para las bandas
infrarrojas y negativos para las bandas del visible (azul, verde y rojo), puede ser interpretada
entonces como una imagen que describe la vegetación, independiente del ‘brillo’ general de la
imagen. Los otros componentes, describen un poco de la varianza original y parecen representar las
interferencias atmosféricas y de otro tipo en la imagen.
Una de las técnicas más utilizadas para analizar imágenes multiespectrales es la relación de bandas,
que consiste básicamente en la realización de operaciones matemáticas entre las bandas. Liu (2004),
señala que, en general la multiplicación y adición de bandas son operadores que tienden a realzar la
información que correlaciona las bandas, mientras que la división y sustracción son operadores que
tienden a realzar la información que decorrelaciona las mismas.
Adición
Se emplea para obtener una nueva imagen con menor influencia del ruido, pues el promedio
disminuye los valores altos. Habitualmente, para esta aplicación se emplean bandas cercanas
espectralmente, bien sea dos del infrarrojo o dos del visible. (Alzate, 2003)
271
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO MBIENTAL
ESTUDIO COMPARATIVO DE METODOLOGÍAS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA APLICADO AL SECTOR RURAL DE VILLAVICENCIO
Sustracción
Suele usarse para resaltar e identificar los cambios ocurridos en una misma área, entre imágenes de
fechas distintas. Para normalizar el resultado puede adicionársele a la diferencia 255 y dividir entre
2, de esta forma lo que no cambia va a mantenerse gris medio. (Alzate, 2003)
Cociente
Las operaciones de relación entre bandas pueden llegar a reducir las variaciones medioambientales
inducidas sobre los valores ND de una de las bandas, tales como variaciones en el brillo causadas
por la pendiente y el aspecto de las laderas, efectos de sombra o cambios estacionales en el ángulo e
intensidad de la luz solar. En consecuencia, la relación de bandas tiende a enfatizar y realzar las
variaciones sutiles en las respuestas espectrales de varias coberturas, además de proporcionar
información que no está disponible en cada una de las bandas de manera singular, y que en este caso
será útil para distinguir suelos y vegetación. (Liu, 2004)
Para orientar la selección de bandas, Alzate (2003) presenta el criterio desarrollado por Chávez et al.
(1984), el cual se basa en el Factor de Índice Óptimo (OIF), que proporciona información acerca de
las bandas con mayor varianza original. El OIF se calcula como la sumatoria de la desviación
estándar de las bandas involucradas, dividida entre la suma de la correlación entre cada par de esas
bandas, y se puede calcular para el número deseado de bandas, aunque en el caso de cocientes se
hace para cada uno de los 15 pares posibles de relación entre bandas del Landsat ETM.
En la Tabla A4.10 se presentan los resultados de calcular los Factores de Índice Óptimo (OIF) para
las 15 combinaciones posibles en las seis bandas, en grupos de dos. El criterio para clasificar los
OIF consistió en tomar como altos aquellos valores que superaban el valor promedio de los
resultados, a la vez que se clasifican como bajos los restantes.
Tabla A4.10. Resultados del cálculo del OIF para los posibles grupos de bandas a combinar en cocientes de bandas.
272
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO AMBIENTAL
ANEXO 4 APLICACIÓN DE TÉCNICAS DE TELEDETECCIÓN Y PROCESAMIENTO DIGITAL DE IMÁGENES
SATELITALES EN PROYECTOS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA
Alzate (2003) explica que el contenido del cociente de bandas puede variar de acuerdo con la
correlación de las imágenes; así se tiene que cuando la correlación de bandas es baja, mayor es el
contenido de información del cociente entre ellas. En este caso el OIF se usa para ordenar la utilidad
de varios cocientes de bandas, el mayor OIF que se obtenga de entre las posibles combinaciones,
será el que tiene más información, con menor cantidad de duplicidad.
Como se pudo apreciar en el cálculo del OIF, para las seis bandas no termales del Landsat ETM, hay
30 diferentes combinaciones de relación (15 originales y 15 reciprocas). A continuación se
presentan la descripción dada por Liu (2004), en lo que refiere a la utilidad general de algunas de
estas relaciones:
• Las relaciones 3/1 (Rojo/Azul) y 3/2 (Rojo/Verde), son importantes para delinear rocas
con alto contenido de hierro (tonos claros) y rocas con bajos contenidos del mismo (tonos
oscuros).
• La relación 3/7 (Rojo/IRM) es útil para observar diferencias en la turbidez del agua.
También es útil para identificar carreteras y otras características culturales que aparecen
en tonos claros debido a su relativa alta reflectividad en la banda del rojo (ETM 3) y baja
en el infrarrojo medio (ETM7).
• La relación 4/3 (IRC/Rojo) permite distinguir diferentes tipos de vegetación,
correspondiendo los tonos más claros a la presencia de mayor cantidad de vegetación.
Tiene su mayor aplicación en la cartografía, seguimiento y control de la vegetación.
• La relación 5/2 (IRM/Verde) es útil para distinguir diferentes tipos de vegetación.
Recíprocamente es usada para identificar cuerpos de agua y suelos muy humedos.
• La relacion 5/7 es util para identificar rocas arcillosas (tono claro), ya que los minerales
arcillosos muestran una fuerte absorción en la region de los 2.2 µm (banda 7) y alta
reflectividad en la region de 1.6 µm (banda 5).
• Las relaciones 5/4 y 7/4 pueden utilizarse para separar vegetación y suelos desnudos.
Es común usar cocientes normalizados y no cocientes simples, para evitar que haya valores de cero
en el denominador de la operación de cociente, lo cual es posible que suceda para la aplicación del
cociente simple, pero no para el normalizado. La forma de normalizar este cociente en el software
IDRISI consiste en aplicar la siguiente ecuación:
Cociente normalizado =
[Primera Banda ETM - Segunda Banda ETM ] (4.8)
[Primera Banda ETM + Segunda Banda ETM ]
Donde Primera Banda hace relación a la banda que haría las veces de numerador, mientras que
Segunda Banda corresponde a la que serviría de denominador, en un cociente simple.
Una vez llevado a cabo el cociente de bandas es necesario transformar este archivo a imagen byte
para que asuma valores entre 0 y 255, y sea posible así desarrollar luego una composición a color
involucrando esta imagen. Igualmente con esta transformación se ayuda al contraste, ya que se
aprovechan al máximo los 256 colores de la paleta que puede desplegar una pantalla de computador.
273
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO MBIENTAL
ESTUDIO COMPARATIVO DE METODOLOGÍAS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA APLICADO AL SECTOR RURAL DE VILLAVICENCIO
Se empleó un cociente de bandas simple entre las bandas 4 y 3, para reducir los efectos de las
sombras del relieve sobre las imágenes de satélite; de esta manera se minimizaron las diferencias en
los valores radiométricos, debidas a los efectos de topografía. En la imagen de salida los valores del
cociente para un mismo objeto de la superficie de la tierra, tienden a aproximarse, removiendo la
variación debida a efectos topográficos.
La Figura A4.8 muestra los histogramas de las bandas originales 3 y 4, a la vez que el histogramas
de la imagen resultado del cociente entre dichas bandas. Al comparar estas tres imágenes se hace
evidente que la imagen que se obtiene del cociente es mucho más clara, a la vez que los efectos de
las sombras se reducen considerablemente.
frec.
50000
35000
30000
25000
20000
15000
10000
5000
0
0 50 100 150 200 250
Valores de ND
Figura A4.8. Histogramas de las bandas 3, 4 y de la imagen resultado del cociente entre dichas bandas
Al aplicar cocientes de bandas sobre coberturas donde había sombras, se obtiene una eliminación de
las mismas, desenmascarándose la información que antes del cociente de bandas no era posible
analizar; aunque al mismo tiempo se presenta una generalización de la información que estaba
cubierta por sombras o cerca de ellas, lo cual lleva a perder detalle.
274
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO AMBIENTAL
ANEXO 4 APLICACIÓN DE TÉCNICAS DE TELEDETECCIÓN Y PROCESAMIENTO DIGITAL DE IMÁGENES
SATELITALES EN PROYECTOS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA
NDVI =
(NIRC − RED )
(4.9)
(NIRC + RED )
Donde:
NDVI es el índice de diferencia normalizado.
NIRC es el valor del ND en la banda del infrarrojo cercano.
RED es el valor del ND en la banda del rojo.
Usando la ecuación del NDVI con algunos valores de ejemplo se puede ver lo siguiente:
Del análisis de la Tabla A4.11 se puede ver que para valores bajos en el infrarrojo y altos en el rojo,
lo que correspondería a una superficie sin vegetación, se tiene un valor NDVI negativo y cercano a -
1; del mismo modo para valores bajos en el rojo y altos en el infrarrojo, lo que correspondería a una
superficie con vegetación, se tiene un valor NDVI positivo y cercano a 1. En conclusión, este índice
minimiza efectos topográficos y produce escala lineal de medición, entre -1 y 1, con el valor de cero
representando el valor aproximado donde empieza la ausencia de vegetación, al tiempo que los
valores negativos representan superficies sin vegetación.
La utilidad del NDVI, en este caso, se limitará a ofrecer la posibilidad de reclasificar la imagen
producto de aplicar este índice, asumiendo que todo lo que tenga valor inferior a uno es suelo
desnudo, siendo posible generar una imagen de enmascaramiento para el suelo.
Las ocho bandas espectrales que componen una imagen Landsat ETM (+), pueden ser combinadas
de distintas formas para obtener variadas composiciones de color u opciones de procesamiento. En
el caso de datos digitales, tres valores correspondientes al rojo, verde y azul se combinan de diversas
formas para producir un nuevo color. Por ejemplo en el software IDRISI la función de composición
primero expande las imágenes originales a seis niveles (numerados de 0 a 5). La imagen resultante
275
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO MBIENTAL
ESTUDIO COMPARATIVO DE METODOLOGÍAS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA APLICADO AL SECTOR RURAL DE VILLAVICENCIO
debe tener valores entre 0 y 255, de tal forma que cada valor pueda ser desplegado con la paleta de
colores que trae el software. Por esto, seis, es el máximo número de niveles que puede ser usado,
para garantizar este rango (6*6*6 = 216). Cada combinación de píxeles de las tres bandas es
representado en la composición con un valor (por ende color) diferente. A su vez cada una de esas
combinaciones tiene diferentes patrones de respuesta espectral, por lo tanto correspondería a un
diferente tipo de cobertura. (Alzate 2003)
Para la selección de las posibles bandas a trabajar en una composición es necesario conocer las
estadísticas de las imágenes originales. Alzate (2003) presenta de nuevo el criterio del Factor de
Índice Óptimo (OIF), señalando que se deben seleccionar aquellas bandas que tengan la mayor
varianza original, para lo cual se asume que el grupo de tres bandas que presente el mayor valor de
OIF será el que tenga la mayor cantidad de información sin duplicidad. Concluye que generalmente
las mejores combinaciones incluyen: una banda del visible, una del IR medio y una del IR cercano.
En la Tabla A4.12 se presentan los resultados de calcular los Factores de Índice Óptimo (OIF) para
las veinte combinaciones posibles de las seis bandas, en grupos de tres. Debe tenerse presente que
este índice no es una medida absoluta, sino que más bien es un indicador, y que para su cálculo se
determina el número total de grupos de bandas por medio de combinaciones y no de permutaciones,
ya que para efectos de su cálculo no importa el orden de las bandas, lo que si es fundamental a la
hora de realizar las composiciones a color. Se emplea el mismo criterio usado con anterioridad para
clasificar los OIF.
Tabla A4.12. Resultados del cálculo del OIF para los posibles grupos de bandas a combinar en composiciones a color.
276
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO AMBIENTAL
ANEXO 4 APLICACIÓN DE TÉCNICAS DE TELEDETECCIÓN Y PROCESAMIENTO DIGITAL DE IMÁGENES
SATELITALES EN PROYECTOS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA
Las composiciones a color más apropiadas para desarrollar este análisis, teóricamente deben ser
aquellas que presenten los valores más altos del Factor de Índice Óptimo (OIF), aunque con un
análisis diferente, en el que se tiene en cuenta las características del sensor Landsat ETM (+), en lo
que respecta a los tópicos que tiene capacidad de discriminar en cada una de sus bandas (Tabla
A4.4.), es claro que dichas composiciones deben involucrar las bandas 4, 5 y 7, correspondientes a
la región del infrarrojo cercano y medio, ya que estas son las que mejor discriminan materiales
(rocas y suelos) y vegetación de otras coberturas, por su composición mineral y vigorosidad
respectivamente.
Las primeras composiciones que se generaron, fueron R-G-B: 3-2-1, R-G-B: 4-3-2, R-G-B: 5-4-3 y
R-G-B: 7-4-3. En todas las composiciones se aplicó estiramiento lineal con saturación al 1%. El
criterio para elegir estas composiciones se respalda en los resultados del cálculo del OIF, tanto en
grupos de dos bandas (análisis de cocientes) como en grupos de tres (análisis de composiciones), a
la vez que se tienen en cuenta las capacidades de discriminación del sensor Landsat ETM (+) en
cada una de sus bandas. Después de visualizar estas composiciones, se procedió a involucrar los
cocientes de bandas (4/3) y (5/3), en algunas composiciones, para disminuir los efectos de las
sombras. En la Tabla A4.13 se presenta el uso dado a cada una de las combinaciones utilizadas en el
análisis y los canales en los que se trabajó cada una de las bandas involucradas en dichas
composiciones.
Combinación de Bandas
ETM (+) Según canal TÓPICO A DISCRIMINAR
Rojo Verde Azul
Composición en Color Verdadero: Se usa para orientar la distinción entre
3 2 1
diferentes tipos de coberturas.
Composición en Falso Color: Se usa para distinguir claramente entre tipos de
4 3 2
vegetación por vigorosidad y para distinguir suelo de vegetación.
Cociente Disminuye el efecto de las sombras y facilita la distinción entre tipos de
3 2
4/3 vegetación y suelos.
Cociente Discrimina muy bien las áreas cubiertas por vegetación y permite distinguir áreas
5 3
4/3 de suelos semidesnudos.
Cociente
4 3 La mejor composición posible para definir el límite del agua con el suelo.
5/3
Cociente Cociente Aunque las nubes se pueden distinguir con mucha facilidad, se empleo esta
3
5/3 4/3 composición para distinguir las nubes de otras coberturas.
Se usa para distinguir el límite agua – suelo, y suelo – vegetación, a la vez que
7 4 3
para distinguir entre tipos de vegetación.
Cociente Es una de las composiciones que se usa para reconocer los sitios de muestreo al
7 3
4/3 momento de realizar la clasificación supervisada de la imagen.
Fuente: Ejercicio propio.
Las primeras composiciones generadas fueron las simples. Una vez revisadas estas composiciones,
se modifican incluyendo en ellas los cocientes de bandas. Primero se realizó un cociente de bandas
entre la 4 y la 3, luego la imagen resultante se usó como substitución de la banda 4 en las
composiciones R-G-B: 4-3-2, R-G-B: 5-4-3 y R-G-B: 7-4-3; este tipo de composiciones, como ya se
ha mencionado, presentan disminuido el efecto de sombras por pendientes. Del mismo modo se
realizó un cociente entre las bandas 5 y 3, luego la imagen resultante se usó como substitución de la
banda 5 en la composición R-G-B: 5-4-3; igual que en el primer caso, lo que se persigue con esta
modificación es aclarar más las imágenes, facilitando así la tarea de reconocimiento.
Al comparar las tres imágenes, las dos bandas originales y el resultado de aplicar el cociente
normalizado entre ellas, se hace evidente que la imagen que se obtiene del cociente tiene una
tonalidad mucho mas clara, a la vez que los efectos de las sombras se reducen considerablemente.
Evidentemente al comparar las dos composiciones (antes y después de incluir el cociente de bandas)
es muy notoria la reducción del efecto de sombra, favoreciendo de esta manera la discriminación
entre las coberturas que mejor reflejan en cada una de las bandas involucradas en el cociente
normalizado.
Sobre las composiciones a color R-G-B: 7-4-3 y R-G-B: 7-(Cociente 4/3)-3, se identificaron los
principales procesos denudacionales y por medio de polígonos digitalizados en pantalla, se
definieron como sitios de muestreo; el mismo procedimiento se llevó a cabo para áreas con
vegetación, áreas urbanas, áreas correspondientes a barras de sedimentos en el río Guatiquía, al
tiempo que áreas que cubren agua con sedimentos en el mismo río.
Una vez definidos los sitios de muestreo, se crean los archivos de firma espectral para cada uno de
ellos, dichos archivos contienen información estadística acerca de los valores de reflectividad de los
píxeles dentro de cada uno de los sitios de prueba.
Una forma de verificar la calidad de los sitios de prueba es a través de una salida gráfica del
software (Figura A4.10), en la que se plotean los valores de reflectividad para la banda roja como
variable dependiente (Y), y para la banda infrarroja como variable independiente (X); en dicho
grafico es posible superponer recuadros que representan cada una de las muestras tomadas, si los
recuadros se sobreponen entre si, como sucede en este caso, quiere decir que los sitios de muestreo
no se han elegido correctamente, aunque también puede ocurrir que ciertas coberturas realmente
posean patrones de reflectividad comunes. Esto último es lo que se asume sucede en esta imagen, ya
278
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO AMBIENTAL
ANEXO 4 APLICACIÓN DE TÉCNICAS DE TELEDETECCIÓN Y PROCESAMIENTO DIGITAL DE IMÁGENES
SATELITALES EN PROYECTOS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA
que luego de varios intentos de muestreo, el mejor resultado es el que se presenta en la Figura
A4.10., donde se ve que el recuadro de procesos morfodinámicos se superpone a otros dos, que
corresponden a zonas urbanas (arriba) y suelos semidesnudos (derecha), se asume entonces que
estos tres elementos poseen patrones de reflectividad comunes.
En la Figura A4.9 se presenta el esquema general de un gráfico tipo scatter, mientras que en la
Figura A4.10 se presenta la salida del software IDRISI. En esta última se puede observar que hay
una fuerte superposición de los recuadros de las áreas urbanizadas, áreas de suelo semidesnudo y
áreas definidas como de procesos morfodinámicos, esto permite concluir que la clasificación de la
imagen no permitirá distinguir claramente entre estos tres tipos de coberturas, teniendo que asumir
criterios más específicos para diferenciarlas entre si.
255
Valor de reflectividad
del píxel en la Banda
del Rojo Visible (3) 2 * Desviación
estándar en el
sitio de muestreo
0 255
Fuente: Modificado de Alzate, 2003.
279
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO MBIENTAL
ESTUDIO COMPARATIVO DE METODOLOGÍAS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA APLICADO AL SECTOR RURAL DE VILLAVICENCIO
5: nubes
2: zonas
urbanizadas
1: agua con
sedimentos
6: suelos semidesnudos
3: vegetación vigorosa
7: proceso morfodinámico
4: vegetación menos vigorosa
La Figura A4.11 presenta la salida grafica del software IDRISI para las firmas espectrales de los
sitios de muestreo.
Después de tener los archivos de firma espectral, se procede a clasificar las imágenes, proceso que el
software desarrolla píxel a píxel, comparando la respuesta espectral del mismo contra las que se
calcularon en los archivos de firma espectral. Dependiendo del tipo de clasificador que se use, un
280
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO AMBIENTAL
ANEXO 4 APLICACIÓN DE TÉCNICAS DE TELEDETECCIÓN Y PROCESAMIENTO DIGITAL DE IMÁGENES
SATELITALES EN PROYECTOS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA
píxel es asignado a una u otra clase, lo cual depende ampliamente de la calidad de los sitios de
prueba escogidos.
Los clasificadores que se usan aquí, son catalogados como “severos”, ya que estos producen una
decisión dura acerca de la identificación de cada píxel, caso contrario al de los clasificadores
“suaves”, que expresan el grado con el cual un píxel pertenece a cada clase considerada. A
continuación se presentan las definiciones dadas por Alzate (2003) para cada uno de los
clasificadores aquí empleados.
Clasificador de paralelepípedo
Este clasificador crea “cajas” usando unidades de desviación estándar, o valores de reflectividad
máximos y mínimos dentro de los sitios de prueba. Si un píxel determinado cae dentro de la “caja”
de una de las firmas espectrales, es asignado a esa categoría. Este es el más rápido de los
clasificadores.
Si los sitios de prueba están muy bien definidos, el clasificador de máxima probabilidad producirá el
mejor resultado; sin embargo, cuando esto no es así el desempeño es muy pobre. En tales casos el
clasificador de distancia mínima con distancias normalizadas produce mejores resultados. El
clasificador de paralelepípedo con la opción de desviación estándar es una opción razonable si se
tienen buenos sitios de prueba. (Alzate, 2003)
En las Figuras A4.15 y A4.16 se presenta la salida gráfica de esta operación de reclasificación.
281
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO MBIENTAL
ESTUDIO COMPARATIVO DE METODOLOGÍAS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA APLICADO AL SECTOR RURAL DE VILLAVICENCIO
Figura A4.12. Salida gráfica del software IDRISI para el clasificador de mínima distancia.
282
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO AMBIENTAL
ANEXO 4 APLICACIÓN DE TÉCNICAS DE TELEDETECCIÓN Y PROCESAMIENTO DIGITAL DE IMÁGENES
SATELITALES EN PROYECTOS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA
Figura A4.13. Salida gráfica del software IDRISI para el clasificador de mínima distancia normalizado.
283
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO MBIENTAL
ESTUDIO COMPARATIVO DE METODOLOGÍAS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA APLICADO AL SECTOR RURAL DE VILLAVICENCIO
Figura A4.14. Salida gráfica del software IDRISI para el clasificador de máxima probabilidad.
284
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO AMBIENTAL
ANEXO 4 APLICACIÓN DE TÉCNICAS DE TELEDETECCIÓN Y PROCESAMIENTO DIGITAL DE IMÁGENES
SATELITALES EN PROYECTOS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA
Figura A4.15. Salida gráfica del software IDRISI para el clasificador de paralelepípedo con umbral Mínimo/Máximo.
285
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO MBIENTAL
ESTUDIO COMPARATIVO DE METODOLOGÍAS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA APLICADO AL SECTOR RURAL DE VILLAVICENCIO
Figura A4.16. Salida gráfica del software IDRISI para el clasificador de paralelepípedo con umbral en términos de la
desviación estándar.
286
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO AMBIENTAL
ANEXO 4 APLICACIÓN DE TÉCNICAS DE TELEDETECCIÓN Y PROCESAMIENTO DIGITAL DE IMÁGENES
SATELITALES EN PROYECTOS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA
En este caso la evaluación de resultados se llevó a cabo por medio del análisis de las áreas de
afectación definidas en cada uno de los procesos de calificación. La evaluación se hace
estableciendo los porcentajes de afectación en el área considerada de laderas, para lo cual se hace
indispensable el modelo digital de elevaciones y la generación de un mapa de pendientes.
Como se ha mencionado, el criterio establecido por INGEOMINAS para definir el área de laderas,
es considerar como tal, la que corresponda con pendientes superiores al 5% ( > 2.862405° ); sobre
ese sector se establece el porcentaje de área clasificada como proceso morfodinámico. Con base en
este criterio, se estableció, por medio del software, que de un área total de la zona de estudio por
movimientos en masa, de 192.61 Km2, el área de ladera correspondiente equivale a 177.30 Km2.
En la Tabla A4.14 se presentan los resultados del análisis de porcentajes de área afectas por
procesos morfodinámicos, en ella se presentan los resultados tal cual provienen de un análisis
automático, sin evaluar la certeza de dicho análisis.
Tabla A4.14. Áreas de coincidencia entre laderas y áreas estimadas de procesos morfodinámicos.
Como es claro, para cada clasificador se obtiene un porcentaje diferente de área de ladera afectada,
pero al analizar los resultados presentados en las Figuras A4.12 a A4.16, se puede ver que ninguno
de los clasificadores es absolutamente correcto, por cuanto las áreas que se están considerando como
afectadas, al ser comparadas con la distribución real de procesos morfodinámicos, no corresponden
adecuadamente.
287
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO MBIENTAL
ESTUDIO COMPARATIVO DE METODOLOGÍAS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA APLICADO AL SECTOR RURAL DE VILLAVICENCIO
Las razones pueden ser muy diversas, pero la más contundente es que lo que realmente se está
clasificando es la respuesta típica del suelo desnudo, así una gran cantidad de esa área que se estima
es afectada, es en realidad suelo desnudo.
En la Tabla A4.15 se presentan los resultados de analizar las áreas coincidentes, esta vez entre áreas
afectadas según se definen por cada uno de los clasificadores y áreas realmente afectadas, según lo
establece el mapa de procesos morfodinámicos levantado en campo por INGEOMINAS.
Tabla A4.15. Áreas de coincidencia entre procesos morfodinámicos estimados y procesos morfodinámicos medidos.
Al indagar sobre las posibles causas que conllevan tener estimaciones tan poco acertadas, se
encontraron los siguientes inconvenientes, que deben superarse para que la metodología se pueda
aplicar con mayor certeza:
Se clasifican los procesos morfodinámicos por medio de una firma espectral que corresponde
con suelo desnudo, mientras que al evaluar los resultados, se hace la comparación contra
todos los procesos morfodinámicos. Al determinar áreas de coincidencia entre las áreas de
afectación estimadas y las que realmente corresponden con procesos morfodinámicos, que se
caracterizan por presentar una gran superficie de suelo desnudo, los resultados son aún más
desalentadores.
288
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO AMBIENTAL
ANEXO 4 APLICACIÓN DE TÉCNICAS DE TELEDETECCIÓN Y PROCESAMIENTO DIGITAL DE IMÁGENES
SATELITALES EN PROYECTOS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA
A pesar de haber llevado a cabo la proyección de coordenadas para la imagen, con el más
absoluto cuidado, y con software de alta precisión, se encontró un desfase entre las
coberturas de la imagen y las que se generaron desde el sistema de coordenadas Bogotá. Este
hecho constituye uno de los mayores inconvenientes, ya que su solución no es inmediata,
pues el desfase se presenta en dos direcciones y con un pequeño ángulo de rotación.
Debido a los resultados obtenidos en el análisis antes desarrollado, se propone el análisis de los
principales procesos denudacionales, según fueron caracterizados estos por INGEOMINAS (2001)
como se muestra a continuación:
Carcavamiento Vereda Lourdes: proceso erosivo complejo asociado a la Falla de Servitá, que se
desarrolla en rocas de la Formación Luititas de Macanal, afectando desde la divisoria de las
Quebradas Negra y Guadual. Actualmente afecta cerca de 21 ha e involucra más de 200.000 m3 de
material inestabilizado.
Deslizamiento Terraza de San José (Puente Abadía): deslizamiento que se desarrolla en una de las
terrazas aluviales de la margen izquierda del Río Guatiquía. Se activó en mayo del 2001 y destruyó
en esa ocasión la bocatoma del acueducto de Villavicencio. Actualmente amenaza con destruir la vía
Villavicencio – Santa Teresa.
Carcavamiento Vereda San Cristóbal: proceso erosivo complejo que se desarrolla en rocas de la
Formación Capas Rojas del Guatiquía y ha inestabilizado depósitos de coluvión de la parte alta de la
quebrada del mismo nombre. Es significativo su aporte de material al río Guatiquía.
289
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO MBIENTAL
ESTUDIO COMPARATIVO DE METODOLOGÍAS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA APLICADO AL SECTOR RURAL DE VILLAVICENCIO
La Tabla A4.16 presenta las respuestas espectrales promedio de los principales procesos
denudacionales. Del mismo modo la Figura A4.17 presenta graficadas dichas curvas espectrales, y
con su análisis se demuestra que conservan una respuesta típica de suelo desnudo, ya que para las
dimensiones de los procesos caracterizados, son zonas fáciles de identificar en la imagen de satélite.
Los datos para esta aplicación se obtuvieron a partir de una tarea de reconocimiento visual sobre una
composición a color R-G-B : 5-4-3, junto con el análisis de los resultados de los diferentes procesos
de clasificación.
Tabla A4.16. Análisis de la respuesta espectral promedio de los principales procesos denudacionales
60.000
% de ND
50.000
40.000
Lourdes
Puente Abadia
San Cristobal
Quebrada Blanca
30.000 Servitá
Ocoa
20.000
10.000
Verde visible
Rojo visible
Azul visible
Banda 5:
Infrarrojo
Banda 1:
Banda 2:
Banda 3:
Banda 4:
cercano
Banda 7:
Infrarrojo
Infrarrojo medio
medio
0.000
0.000 0.200 0.400 0.600 0.800 1.000 1.200 1.400 1.600 1.800 2.000 2.200 2.400
Longitud de onda (mm)
290
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO AMBIENTAL
ANEXO 4 APLICACIÓN DE TÉCNICAS DE TELEDETECCIÓN Y PROCESAMIENTO DIGITAL DE IMÁGENES
SATELITALES EN PROYECTOS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA
291
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO MBIENTAL
ESTUDIO COMPARATIVO DE METODOLOGÍAS DE ZONIFICACIÓN DE AMENAZA POR MOVIMIENTOS EN MASA APLICADO AL SECTOR RURAL DE VILLAVICENCIO
292
UNIVERSIDAD NACIONAL DE COLOMBIA – BOGOTÁ INGEOMINAS – SUBDIRECCIÓN DE AMENAZAS GEOLÓGICAS Y ENTORNO AMBIENTAL