imÁgenes hiperespectrales: anÁlisis y...

Sebastián Quiñones F. Cartógrafo

Centro de Ecología Aplicada [email protected]

IMÁGENES HIPERESPECTRALES: ANÁLISIS Y APLICACIONES

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

3

• Conceptos

I. Introducción a la Teledetección Hiperespectral

4

• Diferencias entre imágenes Multiespectrales e Hiperespectrales

Multiespectral

Registro espectral

Hiperespectral

IR

Cubo de información

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.


5

• 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.


6

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

7

II. Levantamiento de imágenes hiperespectrales Sensor Hiperespectral aerotransportado

Alt

ura

so

bre

terr

en

o

FOV

7 CEA. Elaboración propia.

Sensor Especificación

Rango Espectral 400 - 970 nm

Resolución espectral 2,3 - 10 nm

N° bandas espectrales 64 - 244

Modo de operación Hiperespectral

Frecuencia de barrido <60 Hz

Dimensión barrido espacial 960 píxel

8

• Planificación

Objetivos de medición: Superficie a medir.

Ubicación geográfica: Condiciones topográficas.

Definición de la plataforma aérea.

Parámetros del levantamiento: Resoluciones de la imagen.


9

• Registro histórico CEA

Salar de Huasco

Salar de Coposa

Salar de Michincha

Salar de Punta Negra

Salar de Aguas Calientes IV

Salar de Maricunga

Río Lamas

Laguna Verde

Laguna del Negro Francisco

N

Pampa del Tamarugal

Río Copiapó bajo

Río Huasco bajo

Embalse Puclaro

Río Choapa

Punta Chungo y Lag. Conchalí

Quebradas Hualtatas,

Piuquenes y Manque

Palmas de Ocoa e Hijuelas

Laguna Aculeo

Embalse Rapel

Tranque Carén

Viñas del Maipo

Salar de

Atacama



10

Puerto Montt

Colaboración científica.

Calibración de resultados

de imágenes sobre

recursos forestales

Subcuenca Río Claro de

Rengo Identificación de Cultivos

y estimación de demanda

hídrica CNR

Lag. Aculeo



11

Categoría Componentes Sitio de Estudio Región Objetivo Plataforma

Conservación

Vegetacional Terrestre

Palmas de Ocoa (P.N.

la Campana) V

Censo especie en categoría

de conservación Palma

Chilena (Jubea Chilensis)

Cessna 401

Pampa del Tamarugal

(R.N. Pampa del

Tamarugal)

I

Estado vegetacional del

Tamarugo (Prosopis

tamarugo)

Twin Otter

Sistemas

Lacustres Acuático

Embalse Rapel VI

Apoyo de estudio

limnológico, distribución de

microalgas y sedimentos

Cessna 401

Laguna Aculeo RM Caracterización limnológica Cessna 401 y

helicóptero R44

Bosque Nativo

Parque Katalapi X

Experimiento de

Metodologías de captura de

CO2 en Bosque Templado

Helicóptero R44

Sistemas

Fluviales Acuático

Río Aconcagua V

Diseño del inventario de

humedales y seguimiento

ambiental

Twin Otter

Cultivos Cuenca Claro

de Rengo VI

Determinación de superficie

regada, tipos de cultivo y

demanda hídrica

Lear Jet

• Estudios públicos


12

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,

Carotenoid FLAASH

Empirical Line Calibration Linear Spectral Unmixing

Cross Track Illumination Correction

Unsupervised Classification: Isodata & K-

Means

Minimum Noise Fraction Transform

Supervised Classification

Band Math

Básicas

Resize Data Decision Tree

Subset Data Band Mask

Low Pass Filters

Band Threshold Registration- Image to Map

Mosaicking


- CALIGEO: Herramienta proporcionada por AISA Eagle Specim

1) RAW DN 2) Radiancia

W/m2/sr/nm 3) Georectificación

Transformación de números digitales a valores de radiancia

Georectificación de la imagen mediante archivo de vuelo registrado por el IMU (Inertial Movement Unit)

14

- 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

RAD + ORTHO (CALIGEO) REFLECTANCE (ENVI FLAASH)

Agua

Vegetación


a. Pre-proceso

- Empirical Line Calibration: Herramienta de corrección atmosférica

Método Empírico: Espectroradiómetro de Campo ASD Field Hand Held 2

Reflectancia agua

teledetección con AISA

Reflectancia agua en campo con ASD

Comparación entre firmas espectrales: - Reflectancia de agua con microalgas en laguna


16

- Cross-Track Illumination Correction: Eliminación de variación de luz en las imágenes

Análisis de luminosidad


17

Acimut del sol en función de las líneas de vuelo


18

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

- Corrección de la iluminación


19


- Aplicación de otras herramientas básicas

o Resize Data o Subset Data o Low Pass Filters o Registration Image to Map o Mosaicking

Filtro de paso bajo 3x3

Georeferenciación desde polígonos Mosaico IR de líneas de vuelo

20


b. Post-proceso

- Índices de Vegetación avanzados: Vegetation Index Calculator

Visible NDVI Antocianina Carotenoide

21



- Detección de cambios en el vigor de la vegetación en la cuenca del río Claro

22

- Agricultural Stress



23


- Lineal Spectral Unmixing: Encontrar firmas de elementos puros o extremos

% 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

Recolección de endmembers

24


- 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.

25


- Minimum Noise Fraction Transform

RGB

Firma espectral 63 bandas

MNF-PCA

(Componentes principales)

Análisis espectral

Reducción de dimensiones MNF-PCA.

26


- Supervised Classification

Suelo desnudo

Hortaliza

Esclerófilo

Palto

Lúcumo

Almendro Polígonos de entrenamiento

Clasificación de píxeles

27


- Band Math

Aplicación de índices y otras funciones matemáticas

Ejemplo sintáxis Red Edge NDVI:

(float(b750)-float(b705))/(float(b750)+float(b705))

28 28

-0,2 -0,058

Bosque Templado Parque Katalapi


29


Reflectancia senecencia foliar Carotenoides

sobre Clorofila

Reflectancia antocianina Cambio de canopia,

crecimiento o muerte

Vogelmann Red Edge 2 Área de hoja de canopia

Clorofila foliar

Contenido de agua

Estudios fenológicos

Agricultura de precisión

Modelos de productividad

Verdor de banda angosta ( Narrowband Greenness)

Carbono senescente o seco

Estrés de dosel

Senescencia

Maduración de frutos

Producción de cultivos

Pigmentos foliares

Presencia de

antocianina

- Otros índices vegetacionales

30


- Estimación de variables mediante correlación entre datos en terreno y de la imagen hiperespectral

Medición puntos de profundidad

Menor Mayor

Mapa de Profundidad

Correlación de datos

31

Sólidos Suspendidos (mg/l) Mapa de clorofila a total (ug/l)


32

- Aplicación de otras herramientas


o Decision Tree

Identificación de Palma Chilena (Jubea Chilensis)

Recopilación de firmas espectrales en área de estudio

Evaluación de área de estudio: Parque Nacional La Campana

33


Creación de un árbol de decisión a partir de las diferencias espectrales de las firmas recopiladas

Resultado de la clasificación. Identificación de palmas

34


Delimitación de cuerpos de agua Creación de un árbol de decisión a partir de las diferencias espectrales de las firmas recopiladas

Mosaico de líneas de vuelo

Aplicación de la clasificación

Clasificación de valores de acuerdo a la delimitación espectral

35


o Band Mask

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

Cuerpo de agua de la Laguna Rapel

36

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

37

CONSULTAS

38

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)

imÁgenes hiperespectrales: anÁlisis y...

Documents