shane runquist us peace corps volunteer semarnat puebla 19 agosto, 2009 srunquist@gmail.com
Post on 07-Jan-2015
5 Views
Preview:
TRANSCRIPT
Shane RunquistUS Peace Corps Volunteer
SEMARNAT Puebla19 agosto, 2009
srunquist@gmail.com
¿Para Qué? Proceso General Mi Proceso y Herramientas Limitaciones y Dificultades Conclusión
Entre 2 fechas especificas: Identificar áreas de pérdida o aumento
significante en vegetación (año-a-año) Estudiar sucesión estacional (cambio de
vegetación entre estaciones de 1 año) Identificar cambios no vegetales
(urbano, humedales, costales, etc.)
¡Y es posible hacerlo completamente gratis!
1. Preparar Definir los detalles: metas, presupuesto,
etc. Seleccionar herramientas Seleccionar imágenes:
• Del área de interés• De tiempos apropiados• De sensores apropiados
compatibles espectralmente y espacialmente resolución buena con cobertura de luz visible y infrarrojo (“NIR”)
• Sin muchos nubes
1 2 3 4 5 6
2. Corregimientos Corregir imágenes
radiométricamente – minimizar diferencias en• Angulo del sol• Intensidad del sol (distancia de la Tierra)• Distorsión atmosférica (recomendable)
Normalizar 1 imagen a la otra (recomendable)
1 2 3 4 5 6
3. Calcular un índice vegetativo para ambas
Objeto es enfocar en los datos vegetales
Usualmente NDVI, TCT, o una variación
4. Restar mapas de índice Pixel por pixel diferencia Tiempo 2 – Tiempo 1 = Mapa de
cambios vegetales
1 2 3 4 5 6
5. “Clasificar” los cambios Para destacar cambios más grandes
6. Analizar los cambios destacados No de interés: nubes, sombra,
desalineamento, sucesión estacional Contra bases de datos: incendios,
inundaciones, predios de manejo forestal Marcar el resto para investigación: tala
clandestino, plaga, sequía, polución, etc.
1 2 3 4 5 6
Preparar - definir metas: Identificar gran cambios en bosque /
selva en el estado de Puebla Imágenes 1990-2009, intervalos de 5
y 10 años, invierno preferable Usar datos y herramientas gratis si
posible
Preparar - seleccionar herramienta(s): ERDAS Imagine, IDRISI, ENVI – todos
son muy buenas … y muy cara$ Análisis de imágenes gratis: ILWIS,
MultiSpec, OpenEV
Selecioné ILWIS porque es gratis y poderoso - tiene “scripts”
Scripts de ILWIS me permitió automatizar y simplificar el proceso, como las más cara$
Preparar - seleccionar imágenes: Fuentes no gratises:
• ASTER, ALI, Hyperion, IKONOS, Orbview, QuickBird, WorldView, AWiFS
• SPOT – cuesta ~€2000-€3000 para 10-20m res. PERO, convenio permite solicitud por SEMARNAT
Fuentes gratises:• MODIS – 250m-1000m, mal para áreas pequeños• NALCMS (North American Land Cover Change Monitoring System) – base
es MODIS y mapas no publicados todavía• Landsat 5 y 7 – 30m, 6 bandas reflectivas
X
?
?X
Imágenes de Landsat – gratis en línea
Almanaque de escenas por año y sensor
Selección de Imágenes Landsat
Corregir y normalizar
Calcular TCT - condensar 6 capas a 3: brillante, verde, y húmedo
Restar las 3 capas para obtener cambios de cada
“Clasificar” los mapas de cambios Para resultados mejores, debería ser hecho
por tipo de ecosistema. Ecosistemas de interés de INEGI:
bosque coníferasbosque encinobosque mesófiloselva caducifoliaselva perennifolia
Bosque coníferasen norte de
Puebla
Clasificación requiere lo más esfuerza …• o definir muestros
antes (supervisada) • o interpretar
resultados automaticos (no supervisada)
Este ejemplo es no supervisado – hay que eligir sentido a cada clase
Ahora, estoy interpretando algunos resultados…
1999 2003
¿Área bajo de manejo forestal?
Ahora, estoy interpretando algunos resultados…
1999 2003
Cambios interesantes a la derecha … pero a la izquierda es probable sucesión no forestal (diciembre a februero)
Ahora, estoy interpretando algunos resultados…
1999 2003
¿Incendio reciente?
Ahora, estoy interpretando algunos resultados…
1999 2003
Cambio de uso de suelo – carretera nueva
Ahora, estoy interpretando algunos resultados…
1999 2003
Cambios de sombra por ángulo del sol … o “offset” (error de coregistración geografica)
Funciona solamente con pares de imágenes – no serie ni conjuntos
Disponibilidad limitada de imágenes buenas en algunas áreas• Opciones limitadas de años (brincar años) y fechas (riesgo de offset
estacional)• En caso de Landsat en México, después de 2002 hay pocas de L5
para el sur, solo de L7 … que son defectuosas (“SLC-off” huecos)
Enigma de resolución • Inferior – no puede detectar cambios pequeños
Ej., aclarar de bosque o ligero cambios de límites Cambios pequeños (en área o en cantidad de cambio) perdidos en el
ruido. Usar períodos más que solo 1-3 años … cambios graduales son más notable.
• Superior – imágenes cubren menos Hay que procesar más pares para la misma cobertura. Ej., 3 Landsat
imágenes cubren Puebla … pero ~15 requeridas de SPOT.
Riesgo – quizás los polígonos de tipos de ecosistemas usados en clasificación no corresponden bien a ambas imágenes
Riesgo – errores técnicos• ej. Coeficientes incorrectos en calculo de
correcciones o índice vegetal Riesgo – hacer juicios mal durante
clasificación y interpretación
Generalmente in mis resultados limitados, los cambios destacados corresponden a• Pérdida o aumento de vegetación• Cambios de sombra de terreno• Sucesión estacional (evitable con mejor selección de
fechas)
Tengo dudas en áreas más verde (ej. bosque mesófilo) que pueda distinguir bien bosque original y crecimiento de plantas nuevas.
Proceso es complicado, pero flexible y poderoso
Se puede obtener resultados útiles con esfuerzo … y GRATIS con un poco más esfuerzo
top related