Identificar, mapear y cuantificar los tipos de uso de la tierra es uno de los requerimientos más comunes para un geógrafo o cualquier profesional afín. Un mapa de uso de la tierra y cobertura vegetal, es una de las variables fundamentales en un diagnóstico de sitio, ya sea para una línea base, estudio multitemporal, evaluación de impacto ambiental, desarrollo de proyecto de ingeniería, ubicar el sitio más apto para determinado proyecto etc.
Generar o actualizar un mapa de uso de la tierra requiere dos insumos fundamentales:
1.- Recorrido de campo para constatar los usos de la tierra y formaciones vegetales (o algún artilugio que nos permita obtener datos actualizados del terreno)
2.- Una imagen reciente o de la fecha que deseamos generar el mapa, que cubra la extensión de terreno en estudio
Otros elementos de suma importancia son: definir la escala de trabajo (estará supeditada a la resolución de la imagen) y contar con una cartografía base.
Un mapa de uso de la tierra y cobertura vegetal puede ser elaborado manualmente delineando las clases de uso/cobertura sobre la imagen mediante interpretación visual y observaciones de campo (modalidad que cubriremos en un próximo tutorial), sin embargo, cuando hablamos de clasificar imágenes de satélite para generar dichos mapas, nos adentramos en el campo del procesamiento digital de imágenes de satélite.
La clasificación de imágenes de satélite: es un proceso semi automático que permite la delineación de las clases de uso y coberturas vegetales en la imagen aplicando diversos algoritmos, que explotan las estadísticas de las imágenes y su relación con el comportamiento espectral.
¿Cómo clasificar imágenes en QGIS?
QGIS No cuenta con módulos para la clasificación digital de imágenes de satélite, esto lo podemos verificar al consultar el menú “Raster” o los “Geoalgoritmos Raster” en la “Caja de Herramientas de Procesos”.
Sin embargo, de forma análoga al artículo, en el cual le dimos capacidades de dibujo de precisión mediante el PlugIn QAD, es posible convertir a QGIS en una poderosa plataforma de procesamiento digital de imágenes de satélite
Clasificación Semi-Automática (SCP)
Complemento desarrollado por Luca Congedo el cual ha ido mejorando continuamente, recientemente ha salido una nueva versión (SCP 6) compatible con la nueva versión QGIS 3.
El SCP nos permite llevar a cabo la descarga, preparación previa y posterior clasificación supervisada de las imágenes de satélite, es tan completo que podemos realizar nuestro trabajo de diversas formas y probar (iterar) hasta lograr el resultado deseado. Incluye herramientas para evaluar previa y posteriormente nuestro resultado, así como para afinarlo.
Pasos para generar nuestro mapa de uso de la tierra por Clasificación Supervisada :
Para este ejemplo utilizaremos una imagen Landsat 8, específicamente la escena en el Path 05 Row 53, de fecha 01-09-2017
1.- Descargar la imagen de satélite
Pueden seleccionar y descargar la imagen de diversas fuentes, les recomiendo los siguientes geoportales: Remotepixel, Earth Explorer del USGS o directamente desde QGIS.
2.- Pre procesar las bandas
El pre procesamiento consistirá en una corrección atmosférica con el fin de atenuar las distorsiones atmosféricas y convertir los valores de los pixeles a reflectancia de superficie, este procedimiento es muy sencillo con el SCP, si se va analizar una sola escena (una sola imagen) podemos saltarnos este paso aunque es recomendable realizarlo.
Si descargamos las imágenes utilizando el complemento con la opción “Preprocesar imágenes” se realiza la corrección automáticamente, en caso contrario seleccionamos el botón “Preprocesamiento” luego la casilla “LandSat”, se nos despliega una serie de opciones, es importante contar con el archivo de Metadatos de la imagen (extensión .mtl) ya que el contiene los datos necesarios para realizar el proceso.
3.- Cortar la imagen
Luego que tenemos corregida la imagen es recomendable cortar las imágenes a nuestra área de estudio, esto mejorara notablemente nuestro desempeño. Para este paso es recomendable generar un archivo vectorial de polígono (shapefile) y dibujar un polígono que abarque nuestra área de estudio.
Los pasos para recortar las bandas son muy sencillos, nuevamente seleccionamos “preprocesamiento” luego “Recortar múltiples ráster”, en la caja de dialogo le damos clic al botón “recargar lista” y se despliegan las bandas, seleccionamos las que queremos recortar, luego seleccionamos a su vez el archivo de polígono con el que vamos a recortar, al darle ejecutar nos pide que escojamos la carpeta donde vamos a guardar el resultado.
4.- Combinando las bandas
Otro paso opcional pero recomendable es combinar las bandas en una sola imagen, esta combinación podemos realizarla de forma sencilla o mediante una fusión (Pan Shaperning) que utilice la banda pancromática para generar una imagen multibanda de resolución espacial “aparentemente” mejorada.
La combinación de las bandas también la podemos realizar en la opción “preprocesamiento” seleccionando la opción “Stack Ráster de Bandas” luego “recargamos la lista” como en el caso anterior y damos clic en ejecutar, aquí debemos tener cuidado que las bandas estén en el orden adecuado, porque así quedaran en la imagen multibanda resultante
5.- Configurando datos de entrada
Este paso es muy importante, aquí configuramos la imagen multibanda y los sitios de entrenamiento que utilizaremos para clasificar la imagen.
Esto lo podemos realizar utilizando el “Panel del SCP”, es muy importante entender cómo trabaja el panel dado que casi todo el trabajo lo realizaremos aquí. Para desplegar más opciones damos clic a las etiquetas en la parte inferior del Panel (ver figuras)
Primero damos clic recargar lista y seleccionamos la imagen preparada anteriormente. Luego en el mismo panel creamos el archivo vectorial que almacenara los “sitios de entrenamiento”, damos clic al botón con el icono como una hoja blanca con un punto color amarillo (“crear nuevo entrenamiento de entrada”), esto despliega una caja de dialogo para definir el nombre y ubicación del archivo
6.- Definiendo los sitios de entrenamiento (ROI)
Consiste en identificar zonas dentro de la imagen cuyas coberturas vegetales o usos son conocidos, ya sea porque los hemos verificado previamente o porque es evidente en la interpretación visual de la imagen. La clasificación de una imagen de satélite generalmente se realiza posterior a una interpretación visual, por lo cual, ya tenemos una idea del número y tipos de clases que se van a crear.
En nuestro ejemplo definiremos cinco grandes clases: 1.-Agua, 2.- Aguas someras, 3.- Zonas urbanas, 4.- Suelo, 5.- Vegetación. Para la definición de los sitios de entrenamiento utilizaremos la barra de herramientas del SCP.
Tenemos dos formas de crear los sitios de entrenamiento: dibujar el polígono con el botón “Crear ROI de polígono” o utilizar el “Puntero ROI”, este último utiliza un algoritmo incremental, es decir, que va agrupando pixeles con características similares al pixel que seleccionamos al hacer clic, podemos alterar la cantidad de pixeles permitida para expandirse y la diferencia espectral considerada para incluir o no un pixel. Esta herramienta es útil para zonas muy homogéneas como espejos de aguas de lagos o embalses:
Creación de ROI mediante algoritmo incremental:
Al abrir el “Panel para la clasificación” continuamos la asignación del ROI. La creación de un sitio de entrenamiento requiere tres pasos, su delimitación, asignarle la clase a la que pertenece y finalmente guardarlo.
7.- Definiendo el algoritmo que será utilizado para clasificar
En el mismo Panel SCP, seleccionamos la pestaña “Algoritmo de Clasificación” en la cual podemos seleccionar el método que será utilizado para clasificar la imagen.
El complemento de Clasificación Semi Automática cuenta con Cuatro (04) algoritmos: Paralelepipedo (opción LCS en el Panel), Mínima Distancia, Máxima Probabilidad y Angulo Espectral, para conocer más detalles sobre estos métodos consultar el manual de usuario. Podemos clasificar seleccionando uno de ellos o combinándolos.
8.- Vista previa de la clasificación
La clasificación de una imagen es un proceso de ensayo y error, en el cual probamos diferentes métodos (algoritmos) y condiciones (por ejemplo sitios de entrenamiento), el complemento SCP nos permite generar clasificaciones previas en una región de la imagen, cuya extensión podemos modificar.
9.- Resultado de la clasificación
Luego de encontrar la clasificación que satisfaga nuestras expectativas podemos generar nuestro mapa final, en formato ráster y vectorial, para ello entramos en el Panel en la opción “Resultado de la Clasificación”.
10.- Consideraciones finales
A pesar de lo extenso de este tutorial, quedan muchos aspectos que estudiar, estos los iremos abordando en posteriores artículos
Luego de una clasificación es recomendable realizar una evaluación posterior, este ítem lo tocaremos en el artículo “Evaluación de la Clasificación”
Autor: Luis Eduardo Pérez Graterol
Profesión: Ingeniero en Recursos Naturales
País: Venezuela
Web: www.mundocartogeo.blogspot.com
Muchas gracias Franz, excelente aporte. Dios le bendiga.
Muchas gracias Luis, excelente aporte. Dios le bendiga.
Excelente articulo.
Me interesa el “Pan Shaperning”, como es el metodo? se utiliza el mismo plugin?
Muchas gracias
Saludos,gracias por tu comentario, el PanShaperning es otro item muy interesante, el complemento SCP tiene la opción para el PanShaperning, pero, por lo menos a mi, no me ha resultado a menos que previamente corte la imagen al area de estudio.
He realizado el panshaperning con OTB y lo llevo despues a QGis
Es un buen tema para un proximo articulo, lo tendre pendiente
Excelente, gran aporte!
Un saludo
Muchas Gracias por toda la información que nos proporcionas nos sacas de apuros.
Tengo una pregunta. Hay manera de Crear automáticamente el mapa de uso del suelo pero en ArcGIS ?
Me prodrias guiar.
Agredeciaria cualquier ayuda que me puedas proporcionar
Claro que si, aquí esta paso a paso: https://acolita.com/clasificacion-supervisada-no-supervisada-en-arcgis/
Debes tomar en cuenta que las nuevas versiones de ArcGis tienen, ademas de los descritos, métodos nuevos y mas potentes, pero los fundamentos son los mismos
También tienes este manual de clasificación con ILWIS que te puede servir la teoría: https://acolita.com/guia-practica-clasificacion-de-imagenes-satelitales-ilwis/