Planteamiento de una metodología para corregir las imágenes Landsat 7

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.