<< Volver atrás

Tesis:

Explotación semiautomática de datos multiespectrales para la confección de mapas temáticos

  • Autor: FERNANDEZ ADRIO, José Antonio

  • Título: Explotación semiautomática de datos multiespectrales para la confección de mapas temáticos

  • Fecha: 1982

  • Materia: CIENCIAS DE LA TIERRA Y EL ESPACIO. Teseo;GEOGRAFIA. Teseo;GEOGRAFIA DE LOS RECURSOS NATURALES. Teseo

  • Escuela: E.T.S. DE INGENIEROS AGRONOMOS

  • Departamentos: SIN DEPARTAMENTO DEFINIDO

  • Acceso electrónico:

  • Director/a 1º: LOPEZ DE SAGREDO, Fernando

  • Resumen: Con objeto, fundamentalmente, de automatizar lo más posible la obtención o variación de la información temática básica para la confección y actualización de mapas de cultivos y aprovechamientos hemos investigado la capacidad y precisión que se puede lograr con la teledetección multiespectral aeroportada. Para ello hemos utilizado como zona piloto un área de unas mil setecientas hectáreas, centrada alrededor del paraje denominado Cortijo de San Isidro, enmarcada en los regadíos de la vega del río Tajo, dentro del término de Aranjuez, sensiblemente llana y con gran variedad de cultivos. Se ha empleado un barredor multiespectral M2S de once bandas de la casa norteamericana Bendix, capaz de detectar simultáneamente, utilizando detectores de energía radiante, tanto la reflejada como la emitida por los objetos de la superficie terrestre. Dicho barredor iba instalado en un avión Dornier tipo 28D2, que voló la zona a unos dos mil, metros de altura sobre el terreno. La explotación de la información adquirida la hemos llevado a cabo utilizando el sistema ER-MAN II, que opera con un ordenador IBM 370, conectado a un terminal especial para teledetección. Para obtener el máximo rendimiento de dicha información sometemos a la imagen original a una serie de tratamientos para eliminar las distorsiones geométricas y radiométricas que presenta. Aplicamos una corrección radiométrica para eliminar los efectos de atenuación y retrodispersión de la radiación producidos por la atmósfera. Para ello utilizamos un método muy sencillo que considera la dependencia de estos efectos con la altura solar y el ángulo de barrido para que las variaciones que dependen de la escena no influyan en la propia corrección, y calculamos, por mínimos cuadrados, tres parámetros para aproximar la curva obtenida, promediando para todas las líneas la radiación recibida en cada "pixel" o elemento de resolución. Por medio de la regla de clasificación de la máxima verosimilitud cuantificamos la mejoría conseguida al corregir la imagen radiométricamente, comparando los resultados obtenidos en la imagen original y en la corregida al efectuar una clasificación de cultivos por dicho método. Utilizamos la técnica del algoritmo "clustering" para hacer una clasificación supervisada, considerando los "clusters" obtenidos en cada clase como subclases de las mismas, mejorando considerablemente los porcentajes de clasificación correcta. Efectuamos una transformación en componentes principales para reducir la dimensionalidad de los datos sin pérdida significativa de información. Obtenemos dichas componentes por medio de la transformación de Karhunen-Loéve, como combinaciones lineales de las once bandas originales, eliminando la información redundante al obtener una imagen de tres bandas no correlacionadas entre sí, que contienen las tres primeras componentes principales, donde está acumulada casi toda la información. Efectuamos una corrección panorámica de la imagen para eliminar el error debido a la forma de registro del barrido y una corrección geométrica de la misma para eliminar las distorsiones asociadas con el sobrebarrido y los movimientos perturbadores de la plataforma. Para ello empleamos un método que no precisa de puntos de apoyo terrestres, sino que utiliza simplemente los parámetros de orientación tomados mismo tiempo que la información proveniente del terreno barrido, para restituir la imagen por uso directo de las ecuaciones de colinealidad, que relacionan las coordenadas del punto-objeto con las de su imagen. Hacemos, finalmente, una clasificación supervisada, apoyándonos en el conocimiento adquirido de la "verdad terreno" sobre nueve clases distintas correspondientes a las especies más representativas. Para definir los patrones de respuesta espectral de dichas clases seleccionamos previamente una serie de campos de entrenamiento, que representamos en el espacio bidimensional de las dos primeras componentes principales. Utilizamos un método de clasificación mucho más rápido que el usado corrientemente basado en la regla de la máxima verosimilitud, que consiste en una tabla auxiliar formada por una matriz de 256 *256 elementos, donde cada uno de éstos es un "byte", conteniendo un número o símbolo representativo de cada clase. Esta tabla se obtiene a partir de la representación bidimencional anterior de los campos de entrenamiento. Obtenemos un mapa de clasificación, imagen monobanda multicolor resultante de cambiar cada "pixel" de la imagen completa por el elemento correspondiente de la matriz o tabla de clasificación, donde aparece cada clase con un color diferente. Evaluamos la seguridad del procedimiento utilizado clasificando 418 campos "test", con una superficie equivalente a casi mil hectáreas, asignando cada campo "test" del mapa de clasificación a la clase que contienen un mayor número de "pixels", y calculando los porcentajes de decisiones correctas (considerando los campos "tests" en cuanto a número de parcelas y en cuanto a superficie) y la precisión conseguida en una separación simultánea de los cultivos y aprovechamientos. Presentamos, por último, los mapas temáticos obtenidos a 1:5.000, donde aparecen tramadas las parcelas, cuyo cultivo o aprovechamiento, dentro de las nueve agrupaciones-clase seleccionadas, fue clasificado correctamente por el procedimiento propuesto. El alto porcentaje de aciertos en la identificación y la buena exactitud métrica obtenida con el sistema propuesto son una garantía para utilizarlo, incluso operacionalmente, en la confección o actualización de la cartografía agrícola