PROBLEMA:
El
satélite Landsat 7 ha provisto de información casi ininterrumpida desde su
lanzamiento en Abril de 1999[1], actualmente su sensor Enhaced
Thematic Mapper Plus (ETM+) presenta problemas con las imágenes pues estas
comenzaron a presentar franjas de datos inválidos o también llamados gaps a causa
de una falla en el instrumento. Por medio del software ERDAS se implementa una metodología
para corregir los valores perdidos en las escenas del Landsat 7 haciendo uso de
las herramientas de Histograma Match y Mosaicos; siendo este un impacto directo
en los estudios cartográficos y el seguimiento o análisis multitemporal de
distintos fenómenos medioambientales del país.
ANTECEDENTES:
Los problemas que
presenta este sensor son posteriores al 31 de Mayo de 2003 [2], de tal manera que se han
presentado a lo largo del mundo una serie de soluciones para la corrección de
estos problemas, diversas técnicas han sido planteadas las cuales se pueden
separar en tres grupos[3]:
- Basados en múltiples imágenes: En este tipo de
técnica se reconstruyen los gaps usando otras imágenes, que contienen información
de la zona correspondiente en fechas muy cercanas, aquí se encuentran las técnicas
de ajuste lineal local del Histograma de la imagen[4].
- Basados en una sola
imagen: estos funcionan utilizando las correlaciones entre los pixeles de las imágenes,
obtenidas por técnicas de interpolación, las áreas son reconstruidas usando
datos de la propia imagen [5].
- Híbridos: este grupo incluye técnicas
de las dos anteriores como las de relleno a las áreas vacías aplicando un
proceso de interpolación. Uno de los más utilizados es el Phase 2 Gap-Fill
Algorithm propuesto y utilizado por la USGS[6].
JUSTIFICACIÓN:
La implementación de
un proceso capaz de corregir el problema SLC-off de las imágenes Landsat 7 tendría
un impacto directo sobre los estudios cartográficos y en el seguimiento o análisis
multitemporal de distintos fenómenos medioambientales. Cabe tener en cuenta que
dicho problema genera una pérdida de información de cerca del 22% de la imagen
lo cual no permite dar una exactitud muy alta en el momento de realizar
distintos tipos de estudios empleados a través de las imágenes Landsat 7.
OBJETIVO GENERAL: Corregir mediante la
implementación de un proceso en ERDAS los valores radiométricos perdidos en las
imágenes Landsat 7 con el fin de viabilizar los análisis y seguimientos a
distintos fenómenos medioambientales.
OBJETIVOS ESPECIFICOS:
•Utilizar las
herramientas de Histogram Match y Mosaicos del software ERDAS para la solución
de los gaps de una imagen Landsat 7 haciendo uso de dos imágenes de la misma
zona y con fechas muy cercanas.
•Realizar un análisis
multitemporal entre dos imágenes Landsat siendo una de ellas la imagen Landsat
7 ya sin el problema de los gaps, con el fin de determinar ciertos fenómenos
medioambientales.
•Hacer uso de distintos
software de procesamiento digital de imágenes para el estudio multitemporal,
como el Plugin v.4.3.0 “Rome” de QGIS.
MARCO
TEÓRICO
1. Sistema corrector de Exploración de linea (SLC)
A partir del 31 de
Mayo de 2003, Landsat 7 sufre el fallo en su sistema corrector de exploración
de línea (SLC), esta es la parte del sensor ETM+ que compensa el movimiento
hacia adelante del satélite durante la adquisición de las imágenes, sin este
sistema el área escaneada por el sensor delinea un patrón de zigzag provocando
un bandeado o efecto de gaps en la imagen [6]. Los gaps provocan aproximadamente, la pérdida
de un 22% de la información de cada imagen
2. Sensor Enhanced Thematic Mapper Plus (ETM+)
Este sensor es un
instrumento de barrido (whisk-broom), con ocho bandas espectrales, capaz de
proveer imágenes de la superficie de la tierra a una buena resolución espacial.
Las características principales son una banda pancromática con una resolución
espacial de 15 metros, un calibrador solar de apertura completa, el 5% de
calibración radiométrica absoluta y un canal en IR térmico con una resolución
espacial cuatro veces mejor que en el sensor Thematic Mapper (TM) [7].
3. Histogram Match
Matemáticamente
determina una tabla de búsqueda que convierte el histograma de una imagen que
se asemeja el histograma de otro,[8]. Es el proceso de
determinar una tabla de búsqueda que convierte el histograma de una imagen que
se asemejan al histograma de otro. Es útil para hacer coincidir los datos de las
mismas o adyacentes escenas que fueron escaneadas por separado en días, o son
un poco diferente debido a ángulo de sol.
4. Mosaicos
Este proceso
consiste en combinar las imagines para crear un archivo largo, para realizar el
mosaico todas las imágenes que se empleen deben estar georreferenciadas en el
mismo sistema de coordenadas, permite ampliar la zona de estudio a través de
imágenes que posean áreas en común [8].
METODOLOGIA:
1. Para la solución del problema de los gaps en las imágenes Landsat 7 es
necesario inicialmente la descarga de dos imágenes de la misma zona y de fechas
muy cercanas entre si teniendo en cuenta que la posición de los gaps es
diferente entre ellas esto a través del portal del USGS: earthexplorer.usgs.gov
2. Continuo
a ello se preparan las escenas es decir realizar la imagen multiespectral, el
recorte de la zona y el proceso de calibración radiométrica el aplicado fue el
“ganancia” y “sesgo” esto a través del software ERDAS.
3. Listas
las dos imágenes iniciamos el proceso con la herramienta Histograma Match.
4. Realización
de un mosaico entre la imagen resultado del Histograma y una de las imágenes
iniciales.
5. Realizado
el proceso de solución de los gaps obtenemos una imagen ya sin dicho problema y
procederemos a realizar una clasificación semi automática a través del software
QGIS y el plugin “Semi-Automatic Classification” [9] que se basa en una metodología
realizada por Luca Congedo en la ciudad de Roma a través de dicho software
libre [10].
RESULTADOS ESPERADOS
Obtención
de una imagen sin el problema de los gaps
manteniendo el aspecto radiométrico en referencia a las dos imágenes
utilizadas para el proceso
REFERENCIAS
[1] USGS,
“Landsat 7 History.” 27-Nov-2013.
[2] P. Scaramuzza, E. Micijevic, and G.
Chander, “SLC-off Gap-Filled Products Gap-Fill Algorithm Methodology. Phase
2.” 07-Oct-2004.
[3] N.
Rodriguez Ramos, “Rellenado de los gaps provocados por la falla del Scan Line
Corrector en las imágenes Landsat 7 ETM+,” La Habana, 2009.
[4] J. Chen, X. Zhu, J. E. Vogelmann, F. Gao,
and S. Jin, “A simple and effective method for filling gaps in Landsat ETM+
SLC-off images,” Remote Sens. Environ., vol. 115, no. 4, pp. 1053–1064,
Abril 2011.
[5] X. Zhu, D. Liu, and J. Chen, “A new
geostatistical approach for filling gaps in Landsat ETM+ SLC-off images,” Remote
Sens. Environ., vol. 124, pp. 49–60, Sep. 2012.
[6] P. Scaramuzza, E. Micijevic, and G.
Chander, “SLC Gap-Filled Products Phase One Methodology.” 18-Mar-2004.
[7] Nasa, “The Thematic Mapper.” 22-Nov-2014.
[8] L. Leica Geosystem Geospatial Imaging,
“ERDAS Field Guide.” 2005.
[9] L. Congedo, “Semi-Automatic
Classification Plugin Documentation.” de Agosto de-2015.
[10] L. Congedo and M. Munafó, “Development of a
Methodology for Land Cover Classification in Dar es Salaam using Landsat
Imagery,” Sapienza University, Rome, Jan. 2012.
