See discussions, stats, and author profiles for this publication at: https://www.researchgate.

net/publication/343295557

Fundamentos Básicos para la Teledetección Ambiental

Presentation · January 2019

DOI: 10.13140/RG.2.2.20684.44161

CITATIONS READS
0 8,430

1 author:

Cristián López-Montecinos
Universidad Católica del Norte (Chile)
10 PUBLICATIONS   0 CITATIONS   

SEE PROFILE

Some of the authors of this publication are also working on these related projects:

Capacitación y Sensibilización para la Gestión e Información Ambiental Local Región del Maule View project

Sistema de Inteligencia Geoespacial para la Justicia Ambiental View project

All content following this page was uploaded by Cristián López-Montecinos on 29 July 2020.

The user has requested enhancement of the downloaded file.

 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

FUNDAMENTOS BÁSICOS DE
TELEDETECCIÓN
Preparado por:
Dr. Cristián López Montecinos

Basados en:
- SIG y Teledetección de la licenciatura de Ciencias Ambientales e Introducción
a los Sistemas de Información Geográfica de la licenciatura de Geografía en la
Universidad de Murcia, España.
- Mappinggis, equipo de difusión de las Tecnologías de la Información
Geográfica.
- Francisco Eugenio González Javier Marcello Ruiz y Ferran Marqués Acosta,
Universidad de Las Palmas de Gran Canarias España, Unión Europea.
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

Introducción

La teledetección o percepción remota (‘Remote Sensing’) es una disciplina científica que

integra un amplio conjunto de conocimientos y tecnologías utilizadas para la observación, el
análisis y la interpretación de fenómenos terrestres y atmosféricos. Sus principales fuentes de
información son las medidas y las imágenes obtenidas con la ayuda de plataformas aéreas y
espaciales. Como su nombre indica, la teledetección supone la adquisición de información a
distancia, sin contacto directo con el objeto estudiado. Tú mismo, al leer estas líneas, estás
efectuando un acto de percepción remota: un ente físico, la luz que emana de la fuente emisora,
en este caso la pantalla de su PC, atraviesa cierta distancia hasta que es capturada por un sensor,
los ojos, que la envían a un procesador, tú cerebro.

La adquisición de información a distancia implica la existencia de un flujo de información

entre el objeto observado y el captador. El portador de esta información es la radiación
electromagnética, esta puede ser emitida por el objeto o proceder de otro cuerpo y haber sido
reflejada por este. Todos los cuerpos (planetas, seres vivos, objetos inanimados) emiten
radiación electromagnética; la cantidad y tipo de esta radiación emitida depende
fundamentalmente de su temperatura.

Los actuales sistemas de teledetección, a diferencia de los existentes en los inicios del desarrollo
de estas tecnologías, han experimentado un vertiginoso desarrollo, especialmente en la última
década, siendo una tecnología imprescindible en el seguimiento de múltiples procesos que
afectan a la superficie terrestre y atmósfera circundante, de gran impacto, especialmente, para
nuestro planeta, como puede ser el cambio climático, la deforestación, la desertificación, etc.
Así, existen sistemas de satélites operacionales que muestrean prácticamente todas las
regiones del espectro electromagnético, con resoluciones espaciales desde 0.5 a 5.000 m. El
gran interés por parte de la comunidad científica en estudios espacio– temporales de cambios
globales, monitorizaciones del entorno y los efectos humanos sobre el mismo, conlleva
necesariamente la utilización de datos de teledetección

Los sistemas de teledetección, particularmente aquellos ubicados sobre satélites, proporcionan

una visión repetitiva y sinóptica de la Tierra de inestimable valor en su monitorización y análisis
del efecto de las actividades humanas sobre la misma como puede ser la evaluación y
monitorización del entorno (crecimiento urbano, residuos peligrosos), detección y
monitorización de cambios globales (reducción del ozono atmosférico, deforestación,
calentamiento global), exploración, tanto de recursos no– renovables (minerales, petróleo, gas
natural) como de recursos naturales renovables (océanos, bosques, terrenos), meteorología
(predicción meteorológica, procesos dinámicos atmosféricos), mapeado (topografía,
utilización de tierras, ingeniería civil), etc.
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

1. Fundamentos de la teledetección

Teledetección es la técnica que permite obtener información a distancia de objetos sin que
exista un contacto material. Para que ello sea posible es necesario que, aunque sin contacto
material, exista algún tipo de interacción entre los objetos observados; situados sobre la
superficie terrestre, marina o en la atmósfera; y un sensor situado en una plataforma (satélite,
avión, etc.).

En el caso la teledetección la interacción que se produce va a ser un flujo de radiación que parte
de los objetos y se dirige hacia el sensor. Este flujo puede ser, en cuanto a su origen, de tres
tipos:

• Radiación solar reflejada por los objetos(luz visible e infrarrojo reflejado)

• Radiación terrestre emitida por los objetos (infrarrojo térmico)
• Radiación emitida por el sensor y reflejada por los objetos (radar)

Las técnicas basadas en los dos primeros tipos se conocen como teledetección pasiva y la última
como teledetección activa.

Teledetección Pasiva Teledetección Activa

• Radiación solar reflejada por los • Radiación emitida por el sensor y

objetos(luz visible e infrarrojo reflejado). reflejada por los objetos (radar)

• Radiación terrestre emitida por los

objetos (infrarrojo térmico)

La radiación (solar reflejada, terrestre o emitida por el sensor y reflejada) que llega de la
superficie terrestre y que ha atravesado la atmósfera, es almacenada en formato digital. Una
vez recuperados los datos en el centro de control del satélite, permitirán obtener información
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

acerca de la superficie terrestre y de la atmósfera. El tipo de información que se obtiene

dependerá de la longitud de onda en la que el sensor capte radiación.

El análisis de esta información permite el reconocimiento de las características de los objetos

observados y de los fenómenos que se producen en la superficie terrestre y oceánica y en la
atmósfera. Por tanto son muchas las ciencias, tanto naturales como sociales, interesadas en su
uso (Geografía, Geología, Meteorología, Agronomía, etc.).

Región Rango de longitudes

Rayos γ <0,03nm
Rayos X 0,03nm - 3nm
Ultravioleta 3nm - 0,3µ
Visible 0,3µ - 0,7µ
Infrarrojo 0,7µ - 300µ
Radio-TV > 200cm
Regiones del espectro electromagnético

1.1. Naturaleza de la radiación

La naturaleza de la radiación electromagnética puede ser explicada a partir de dos modelos

aparentemente contradictorios y en el fondo complementarios. El módelo de onda asume que
la radiación se produce en forma de ondas que resultan de oscilaciones en los campos eléctrico
y magnético en las inmediaciones de los objetos y se desplazan por el espacio a la velocidad de
la luz. Las ondas se definen fundamentalmente por su longitud (λ) o distancia entre dos picos de
onda (se mide en µm, es decir 10−6 metros). El modelo de partícula asume que la energía viaja
como un flujo de elementos discretos: los fotones. La energía transportada por cada fotón (Q)
depende de la longitud de onda, de este modo ambos modelos se relacionan mediante la
ecuación:

Q = hc / λ

donde h es la constante de Planck (6,626x10−34Js) y c la velocidad de la luz (300000m/s). La

ecuación implica que a menor longitud de onda mayor es la energía transportada por la
radiación.

El conjunto de todas las longitudes de onda se denomina espectro electromagnético.

 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

Dentro del espectro electromagnético se distinguen una serie de regiones, las más utilizadas por
las diferentes
técnicas de teledetección son la luz visible, el infrarrojo reflejado, el infrarrojo térmico y las
microondas (radar).

Cualquier cuerpo en la naturaleza emite radiación y lo hace con diferentes longitudes de onda.
La cantidad de energía que emite un cuerpo por radiación como la distribución de esta energía
en diferentes longitudes de onda depende fundamentalmente de la temperatura de dicho
cuerpo (ley de Stefan-Boltzman):

M = σT 4
por otro lado la ley de Wien:

λmax =2898 / T

nos permite calcular a que longitud de onda se produce el pick de máxima emisión de energía
de un cuerpo a una temperatura T. Como puede observarse a mayor temperatura menor
longitud de onda. La temperatura se expresa en grados Kelvin.
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

La temperatura del Sol es de aproximadamente 6000oK mientras que la de la Tierra es de 300oK.

Esto significa que la radiación solar va a ser máxima para una longitud de onda de 0.48 µ (región
visible) y la terrestre máxima en una longitud de onda de 9.66 µ (infrarrojo térmico).

Determinados fenómenos de la superficie terrestre (por ejemplo los incendios) implican una
temperatura mucho mayor (548,5−693,5 oK) que la habitual de la superficie terrestre, esto
significa que el total de radiación emitida va a ser mucho mayor y que el pick de emisión va a
estar en longitudes de onda de 5.28 - 4.3 µ, también en el infrarrojo térmico pero con valores
considerablemente diferentes a los correspondientes a la temperatura normal de la Tierra.

Por tanto puede concluirse que la radiación solar domina aquellas regiones del espectro
electromagnético que corresponden a la radiación visible y al infrarrojo reflejado. La radiación
terrestre domina el infrarrojo térmico, mientras que las radiaciones que corresponden a las
microondas (radar) no aparecen en la naturaleza, deben ser por tanto de origen artificial,
generadas por el propio sensor que las recibe posteriormente reflejadas.

1.2 Interacciones entre la radiación y los objetos

Todos los objetos (independientemente de la radiación que emitan) van a recibir radiación,
fundamentalmente del sol, que, en función del tipo de objeto que estemos considerando, puede
seguir tres caminos:

• reflejarse (la radiación es reenviada de vuelta al espacio)

• absorberse (la radiación pasa a incrementar la energía del objeto)

• transmitirse (la radiación se transmite hacia los objetos situados detrás).

La fracción de energía que se refleja se denomina reflectividad o albedo (ρ ); la fracción de

energía que se absorbe se denomina absortividad (α ); la fracción de energía que se transmite
se denomina transmisividad (τ ) cumpliendose que ρ + τ + α = 1. Las tres variables tienen
lógicamente valores entre 0 y 1.

La interacción de la radiación con la atmósfera y con los objetos terrestres, es decir los valores
de ρ, τ y α de un cuerpo concreto, va a depender de la longitud de onda de que se trate y de las
características de ese cuerpo. Unas primeras líneas generales acerca del comportamiento de
diferentes objetos respecto a su interacción con la radiación serían:
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

Atmósfera despejada:

• ρ muy baja para todas las longitudes de onda

• α depende de la longitud de onda
• τ depende de la longitud de onda

Nubes :

• ρ muy alta en el visible

• α depende de la longitud de onda
• τ depende de la longitud de onda

Agua:

• ρ muy baja en todas las longitudes de onda

• α depende de la longitud de onda
• τ depende de la longitud de onda

Superficie terrestre:

• ρ y α muy variable, dependiendo de la longitud de onda y del tipo de cobertura

• τ nulo

1.3. Interacción atmósfera-radiación electromagnética

Algunos de los gases que componen la atmósfera absorben radiación en determinadas

longitudes de onda. La radiación no absorbida se transmite a la superficie terrestre aunque se
ve afectada por procesos de dispersión (responsables del color azul del cielo y de que podamos
ver en zonas de sombra). Los gases responsables de la absorción son fundamentalmente:

• Ozono: Absorbe radiación ultravioleta

• Dióxido de carbono: Absorbe radiación en 13 − 17,5µ;
• Vapor de agua: Absorbe radiación en 5,5 − 7µ y por encima de 27µ;

De este modo aparecen una serie de regiones en el espectro en las que la radiación es absorbida
por uno o varios de los gases. Esto deja, por otro lado, regiones del espectro en las que no se
produce absorción, son las denominadas ventanas atmosféricas.
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

• Visible e infrarrojo cercano (0,3 − 1,35µ)

• Varias en el infrarrojo medio (1,5 − 1,8µ; 2 − 2,4µ; 2,9 − 4,2µ; 4,5 − 5,5µ) Infrarrojo
térmico (8 − 14µ)
• Microondas, por encima de 1cm la atmósfera es prácticamente transparente

Problema aparte supone la aparición de partículas líquidas (nubes) o sólidas que reflejan gran
parte de la radiación solar que reciben. Las nubes emiten su propia radiación en el infrarrojo
térmico, diferente a la terrestre debido a su menor temperatura, con lo que ocultan la superficie
terrestre en ambas regiones del espectro. Debido a la saturación en vapor de agua, su capcidad
de absorber radiación en la banda de absorción del vapor de agua dependerá de su espesor.

A la hora de diseñar un sensor, existen tres posibilidades fundamentales:

• Captar radiación solar reflejada por la superficie (en una longitud de onda
correspondiente a una ventana atmosférica)
• Captar radiación infrarroja procedente de la superficie terrestre o las nubes
• Captar radiación de una banda en la que un gas presente una elevada capacidad de
absorción para así estimar la concentración de este gas. Cuanto menos radiación llegue
mayor será la cantidad de gas.

Las tres bandas de Meteosat son un ejemplo de cada una de estas posibilidades:

1. La imagen visible capta radiación solar reflejada integrando todas las longitudes de
onda del visible y parte del infrarrojo reflejado (0,5 − 0,9µ), cuanto mayor sea el valor
recibido por el sensor mayor es el albedo (colores claros).
2. La imagen del infrarrojo térmico capta radiación emitida por la Tierra (5,7−7,1µ) que,
por tanto, depende de su temperatura, a mayor temperatura mayor energía recibida
(colores oscuros).
3. La imagen del vapor de agua (10,5 − 12,5µ) capta energía en la longitud de onda en
que mayor es la absorción del vapor de agua; por tanto cuanto mayor sea la cantidad
de vapor de agua presente en la columna atmosférica menor es la cantidad de
energía que capta el sensor (colores claros).

La combinación de estas tres bandas permite distinguir:

• Tierra de oceano, por su diferente albedo y temperatura

• Temperatura de la superficie terrestre sin cubierta nubosa
• Nubes bajas (albedo muy alto, temperatura moderada, contenido en vapor de agua
moderado)
• Nubes altas (albedo muy alto, temperatura muy baja, contenido en vapor de agua
moderado)
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

• Nubes de desarrollo vertical (albedo muy alto, temperatura muy baja, contenido en
vapor de agua elevado)

En general se considera que si el día es suficientemente despejado la absorción atmosférica

puede despreciarse en las ventanas. Dispersión y refracción son más difíciles de evitar,
introduciendo distorsiones que deben ser corregidas.

En todo caso, los problemas relacionados con la interacción de la atmósfera tienen mayor
importancia en estudios multitemporales. Si se trabaja con imágenes de una sola fecha se asume
que la distorsión atmosférica es equivalente en todo el espacio (al menos en las imágenes de
alta resolución que cubren una pequeña porción de la superficie terrestre).

2. Interacción de los elementos de la superficie terrestre con la radiación

De cara a la identificación de objetos y procesos en la superficie terrestre, lo que nos interesa es

la reflectividad de estos objetos respecto a las diferentes longitudes de onda. Cada tipo de
material, suelo, vegetación, agua, etc. reflejará la radiación incidente de forma distinta, lo que
permitirá distinguirlo de los demás si medimos la radiación reflejada. A partir de medidas de
laboratorio se ha obtenido la reflectividad para las distintas cubiertas en diferentes longitudes
de onda.

Si asumimos que la influencia de la atmósfera es mínima, ya que estamos trabajando en una

ventana atmosférica y en un día despejado, podemos calcular la reflectividad como:

ρ = Rsen / Rsol
donde:
• Rsen es la radiación que ha recibido el sensor procedente
de un punto de la superficie terrestre y
• Rsol es la radiación que, emitida por el sol en las longitud
de onda correspondiente al canal con que se está
trabajando, llega a dicho punto de la superficie terrestre.
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

El gráfico que, para 80

cada longitud de onda,
Lreflejada
nos da la reflectividad 70
r=
en tanto por ciento se Lincidente
60
conoce como firma
50

% reflectividad
espectral y constituye
una marca de 40

identidad de los 30
agua
objetos. Resulta así vegetación
20
fácil por ejemplo arena
hormigón
distinguir entre suelo y 10 nieve

vegetación, e incluso
0
entre diferentes tipos 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2 2,2 2,4 l (µm)
de suelo o diferentes
A V R IRC SWIR
tipos de vegetación.

2.1. Respuesta espectral del agua

El agua clara tiene unas excelentes propiedades en cuanto a transmisión de la radiación

electromagnética en el espectro visible y de absorción en el infrarrojo. En cuanto a la
reflectividad, aparece un pico en el verde que va reduciéndose hasta el infrarrojo. Esta falta de
reflectividad en el infrarrojo va a ser la clave para distinguir entre áreas de tierra y agua tanto
en costas o lagos como en ríos, incluso en ríos pequeños.

El carácter tridimensional de las superficies de agua hace que en su respuesta espectral aparezca
un componente debido a la superficie, otro a la columna de agua y un tercero al fondo. Por lo
tanto, cualquier variación tanto en la columna de agua como en los materiales del fondo van a
alterar su respuesta; un fondo de arena clara proporciona mayor reflectancia que otro
compuesto por materia orgánica en descomposición. Sin embargo, debido a la escasa capacidad
de penetración de la radiación, estas consideraciones sólo son válidas en aguas muy someras.

La profundidad a la que la luz puede penetrar depende de la longitud de onda. En el agua clara
la profundidad de penetración son 10 m entre 0,5y0,6µ cayendo hasta 10 cm en 0,8 − 1,1µ. Por
tanto al incrementarse la profundidad del agua la reflectancia, en cualquier longitud de onda,
desciende.

Cuando el agua contiene turbidez, las consecuencias sobre la respuesta espectral van a
depender del tipo de turbidez. Si se trata de fitoplancton, aparecen importantes alteraciones en
el verde (aumenta) y en el azul (disminuye). Estos resultados han permitido el desarrollo de
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

diversas ecuaciones empíricas. Si se trata de sedimentos inorgánicos la reflectividad aumenta,

especialmente en el rojo

La reflectividad en la nieve es completamente diferente a la del agua, alta en todas las longitudes
de onda, especialmente en el caso de la nieve fresca, pudiendo incluso saturar los sensores1. Es
posible confundir nieve con nubes altas (al fin y al cabo formadas por partículas de hielo) con la
salvedad de que la reflectividad de la nieve cae hasta cero para longitudes de onda mayores de
1,4µ mientras que la de las nubes sigue siendo alta.

2.2. Respuesta espectral de la vegetación

La vegetación sana tiene una reflectividad baja en el visible, aunque con un pico en el color verde
debido a la clorofila, ese pigmento aparece en concentraciones entre 5 y 10 veces mayores que
otros como el caroteno). La reflectividad es muy alta en el infrarrojo reflejado o próximo debido
a la escasa absorción de energía por parte de las plantas en esta banda. En el infrarrojo medio
hay una disminución especialmente importante en aquellas longitudes de onda en las que el
agua de la planta absorbe la energía. Durante el otoño, las hojas pierden los cloroplastos
(órganos que contienen la clorofila) ya que dejan de ser necesarios, por tanto deja de ser la
clorofila el pigmento principal y las plantas adquieren un color pardo-amarillento debido a la
cada vez mayor importancia relativa de carotenos y otros pigmentos.

Esta curva tan contrastada se debilita en el caso de la vegetación enferma en la que disminuye
el infrarrojo y aumenta la reflectividad en el rojo y azul. Se observa también que la reflectividad
de una planta depende de su contenido en agua. Cuando el contenido de agua aumenta
disminuye la reflectividad ya que aumenta la absorción de radiación por parte del agua
contenida en la planta.

La cantidad de energía de los fotones que viajan con longitudes de onda mayores (infrarrojo
cercano) es demasiado baja para ser aprovechada por la vegetación por lo que sólo se absorbe
en torno al 5 %, el resto se transmite (40 %) o refleja (55 %). Sin embargo, la energía transmitida
acabará llegando a otra hoja situada por debajo, y portanto el 55 % de ese 40 % se volverá a
reflejar. Este proceso, repetido en diferentes capas hace que se incremente el tanto por ciento
de energía reflejada por un dosel vegetal. El envejecimiento de la planta conlleva también una
reducción en la reflectividad en el infrarrojo. Las variaciones en la estructura interna de las hojas
son la causa principal de que los patrones de respuesta espectral sean diferentes de unas
especies a otras.

1
Un sensor se satura cuando la radiación que recibe es superior al máximo que puede recibir dada su resolución
radiométrica
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

En cuanto al infrarrojo medio, el agua presente en los tejidos vegetales absorbe la radiación en
diversas longitu- des de onda hasta alcanzar valores de α = 0,9 que afectan incluso a las
longitudes de onda vecinas de aquellas en las que se produce máxima absorción. En general
cuanto menor sea el contenido de agua de una planta, mayor será su reflectividad en el
infrarrojo medio.

2.3. Respuesta espectral del suelo

Las propiedades espectrales del suelo son relativamente simples, la transmisión es nula, por
tanto, toda la energía se absorbe o refleja. La reflectividad es relativamente baja para todas las
bandas aunque aumentando hacia el infrarrojo. Hay una cierta dependencia entre reflectividad
y contenido en agua del suelo, cuanto mayor es el segundo, mayor es la primera. Este aumento
se ve interrumpido en aquellas regiones en las que el agua absorbe energía, por tanto cuanto
mayor sea el contenido de agua en el suelo, mayor va a a ser la disminución en reflectividad de
estas regiones.

Otros factores que afectan la respuesta espectral del suelo son la textura con una mayor
reflectividad al aumentar el tamaño medio de las partículas de suelo, los suelos arenosos tienen
mayor reflectividad (se ven más claros) que los arcillosos. El problema es que la textura afecta
también al contenido de humedad por lo que no resulta fácil diferenciar (con imágenes de
satélite) entre ambos factores. Los minerales de la arcilla tienen, por su parte, una caida en
reflectividad en torno a 2.2 µ que no tienen las arenas.

El contenido en materia orgánica también afecta a la reflectividad, cuanto mayor sea su

contenido y cuanto menos descomupesta se encuentre más oscuro resulta el suelo (menor
reflectividad). La composición química y mineralógica también va a influir en la respuesta
espectral, así por ejemplo el contenido en óxidos de hierro va a incrementar la reflectividad en
el rojo.

La fuerte correlación entre muchos de los factores que influyen sobre la respuesta espectral del
suelo, imposibilita el que puedan sacarse conclusiones claras del análisis de una imagen de unas
zonas cuyas características edáficas se desconocen. En todo caso se ha comprobado que las
áreas de suelo desnudo de una misma imagen siguen una serie de pautas reconocibles. La más
estudiada es que si se hace una representación gráfica con la reflectividad en el rojo en abscisas
y la reflectividad en el infrarrojo cercano en ordenadas, las zonas de suelo desnudo aparecen
formando una línea que se conoce como línea del suelo.
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

2.4 Regiones Espectrales Utilizadas para la Observación Remota de la Tierra

• Espectro visible (0.4-0.7 mm):

Rango de frecuencias del ojo
humano. Máxima radiación solar.
Subdividido en tres bandas: R,G,B.
• Infrarrojo cercano (0.7-1.1 mm):
Denominado IR fotográfico o
reflejado. Energía solar que reflejan
los cuerpos. Comportamiento
similar al espectro visible.
• Infrarrojo medio (1.1 –8 mm): Se
entremezclan radiación solar y
emisión. La atmósfera afecta
sensiblemente: aprovechado para
medir concentraciones de vapor de
agua, ozono, aerosoles...
• Infrarrojo térmico (8-14 mm): Radiaciones emitidas por los propios cuerpos. Se puede
determinar la Tp de un cuerpo (IR térmico). Se puede disponer de imágenes a cualquier
hora del día.
• Microondas (1mm-1m): Interés creciente de la Teledetección en esta banda. Las
perturbaciones atmosféricas son menores y es transparente a las nubes. Se suelen
utilizar sensores activos.
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

3. Caracterización de las imágenes de satélite

3.1. Plataformas, sensores y canales

Se entiende por plataforma los satélites (LANDSAT, METEOSAT, NOAA, SPOT, SENTINEL) o
aviones que transportan los aparatos necesarios para captar, almacenar y transmitir imágenes
a distancia incluso drones (sensores).

Un sensor es el aparato que reúne la tecnología necesaria para captar imágenes a distancia y
que es transportado en una plataforma. Puede captar información para diferentes regiones del
espectro y cada una de estas regiones se denomina canal o banda.

Por ejemplo, landsat es una plataforma que contiene dos sensores landsat-TM y landsat-MSS,
el primero de los cuales tiene 7 bandas (azul, verde, rojo, 3 en el infrarrojo cercano y 1 en el
infrarrojo térmico y el segundo 4 bandas (verde, rojo y 2 en el infrarrojo cercano). La siguiente
figura muestra la ubicación, dentro del espectro electromagnético, de las 6 bandas de landsat
que corresponden con el espectro solar.

La salida de radiación (emitida o reflejeda) de la superficie terrestre es un fenomeno continuo

en 4 dimensiones (espacio, tiempo, longitud de onda y radiancia). Un sensor debe muestrear en
este continuo discretizándolo en cada una de esas dimensiones. El modo en que esta
discretización se lleva a cabo define los cuatro tipos de resolución con los que se trabaja en
teledetección:
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

1. Resolución espacial (tamaño de pixel)

2. Resolución temporal (tiempo que tarda el satélite en tomar dos imágenes del mismo
sitito)
3. Resolución espectral (capacidad de discriminar entre longitudes de onda vecinas en el
espectro, así como el número de bandas disponible).
4. Resolución radiométrica (número de intervalos de intensidad que puede captar el
sensor)

La figuras siguiente muestra como cambios en la resolución espacial de una imagen afectan a su
calidad:

Primera Imagen: Esta Imagen procede del

sensor Quick Bird, con una resolución
espacial de aproximadamente 1 metro, y es
una composición de 3 bandas (rojo, verde y
azul) en color real, la resolución radiométrica
es de 256 niveles de gris por banda
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

Segunda Imagen: En esta imagen se ha

simulado una reducción de la resolución
espectral agrupando las tres bandas del
visible en una sóla banda pancromática que
se representa con 256 niveles de gris.

Tercera Imagen: En esta imagen se simula

una reducción de la resolución radiométrica
a 4 niveles por banda en lugar de los 256
anteriores, lo que da un total de 12 colores
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

Cuarta Imagen: En esta imagen se simula

una reducción de la resolución radiométrica
a 4 niveles por banda en lugar de los 256
anteriores, lo que da un total de 4 colores

Quinta Imagen: Esta imagen muestra una

reducción de la resolución espacial a 25
metros.
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

Sexta Imagen: Esta imagen muestra una

reducción de la resolución espacial a 50
metros.

En la tabla siguiente aparecen estas características para varios sensores y plataformas. Se trata
de un resumen ya que en algunos casos (Spot, Ikonos) se dispone también de una banda
pancromática (todo el visible integrado, como si se tratase de una fotografía en blanco y negro)
generalmente con mayor resolución espacial que las restantes; en otros casos no todas las
bandas tienen la misma resolución espacial.

Sensor Resolución Tamaño de Resolución Resolución Resolución

espacial imagen temporal Radiométrica espectral
Meteosat 2500 m Toda la esfera 0.5 horas 256 ND 1Vis 1Ir 1 It
NOAA AVHRR 1100 m 2700 x 2700 Km 12 horas 1024 ND 2Vis 1Ir 1It
Landsat TM 30 m 185x185 Km 16 días 256 ND 3Vis 3Ir 1It
SPOT HRV 20 m 60x60 Km 20 días 256 ND 2Vis 1Ir
SPOT Vegetation 1150 m 2200x200 Km 1 día 1024 ND 2Vis 2Ir
MODIS 250 - 100 m 2330x2330 Km 1 1024 ND 36 bandas
IKONOS (Quick 4m 100x100 Km a petición 2048 ND 3Vis 1Ir
Bird)
SENTINEL 2 10 y 60 290x290 km 5 días 4096 ND 13 bandas
m
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

Como ejemplo se presenta a continuación la resolución espacial y resolución espectral detallada

para SENTINEL 2

Bandas Resolución espacial Resolución espectral

Banda 1 (Aerosol) resolución 60 m/px 443 nm
Banda 2: (azul) resolución 10 m/px 490 nm
Banda 3: (verde) resolución 10 m/px 560 nm
Banda 4: (rojo) resolución 10 m/px 665 nm
Banda 5: (IRC) resolución 20 m/px 705 nm
Banda 6: (ultrarojo) resolución 20 m/px 740 nm
Banda 7: (rojo lejano) resolución 20 m/px 783 nm
Banda 8: (infrarrojo cercano) resolución 10 m/px 842 nm
Banda 8a: (infrarrojo cercano) resolución 20 m/px 865 nm
Banda 9: (vapor de agua) resolución 60 m/px 945 nm
Banda 10: (onda corta infarroja - Cirrus) resolución 60 m/px 1375 nm
Banda 11: (onda corta infrarrojo) resolución 20 m/px 1610 nm
Banda 12: (onda corta infrarrojo 2) resolución 20 m/px 2190 nm

La altura a la que se sitúa el satélite y sus movimientos van a condicionar las características
geométricas y la resolución temporal de las imágenes que producen
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

Los satélites que como meteosat se sitúan en órbita geoestacionaria (36.000 Km) permanecen
fijos y producen una imagen que abarca la mayor parte de la porción del globo terrestre a la que
apuntan, sin embargo las distorsiones que aparecen hacia los polos limitan su utilización a la
porción entre 50oN y 50oS. El área de la superficie abarcada por cada pixel es necesariamente
grande (2500 o 5000 metros dependiendo de las bandas) su resolución espacial es por tanto
pequeña. Al permanecer fijos su resolución temporal puede ser muy grande, en el caso de
Meteosat hay una imagen cada 30 minutos.

El problema de la correlación negativa entre resolución espacial y temporal se está solucionando

en parte debido a la existencia mejores sistemas de almacenamiento de datos y al desarrollo de
la teledetección aerotransportada, los sensores se colocan en aviones que vuelan a la altura
(resolución espacial) deseada en el momento que se requiera.

Al recibir la radiación procedente de la superficie terrestre, el sensor almacena un número

entero, se trata de un intervalo de intensidad o nivel digital a partir del cual se puede obtener
de nuevo la radiación recibida mediante una sencilla transformación lineal. El número de niveles
de intensidad se denomina resolución radiométrica

Una imagen de satélite en estado bruto es un conjunto de imágenes (una por banda) similares
a las que se obtienen haciendo una fotografía digital. Los pixeles están organizados en un
sistema de filas y columnas pero sin referencia a coordenadas reales.
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

3.2. Análisis de imágenes de satélite en un SIG

Una imagen de satélite en bruto, tal como normalmente llega al usuario final, consiste en un
conjunto de matrices, una por cada canal del sensor, en la que aparecen números del 0 al 255.
El cero índica que no llega nada de radiación desde ese punto y el 255 que llega el valor más alto
de radiación. Estos valores se denominan Niveles Digitales y será necesario transformarlos en
algún tipo de variable física.

El tratamiento de una imagen de satélite previo a su análisis incluye:

• Georreferenciación (paso de un sistema de filas y columnas a un sistema de coordenadas

estándar). Para ello debe obtenerse una muestra de puntos de control de los que
conozcamos tanto sus coordenadas reales como sus coordenadas en la imagen, deben
ser por tanto objetos de un tamaño adecuado para resultar identificables tanto en la
imagen como sobre el terreno, el tamaño dependerá lógicamente de la resolución de la
imagen. A partir de estos puntos de control se obtendrán por regresión unas ecuaciones
que permitirán a cada par fila, columna un par de coordenadas X,Y.

• Paso de nivel digital a radiación recibida por el sensor. Normalmente a través de una
ecuación lineal cuyos parámetros se suministran junto con la imagen. Que van junto con
la irradiancia solar extraterrestre, cantidad de energía solar que llega al límite de la
atmósfera que se utiliza para calcular la reflectividad.

• Corrección atmosférica (para eliminar las interferencias producidas por la absorción,

dispersión y refracción en la radiación recibida)

• Corrección de luminosidad (para eliminar el efecto de solana-umbría)

• Dependiendo de la región del espectro de que se trate:

- Cálculo de la reflectividad dividiendo la radiación recibida por el sensor entre

la radiación estimada en superficie (ventana atmosférica en el visible). A
partir de la reflectividad en diferentes bandas pueden obtenerse índices que
se comporten como indicadores de desertificación. Puede tabien clasificarse
los distintos pixeles de la imagen en función de sus valores de reflectividad
en clases que se correspondan con tipos de suelo, vegetación, etc. Ejemplos:
Landsat, NOAA.
- Estimación de la concentración del gas que absorbe la radiación en la región
del espectro manejada (zona de absorción): Ejemplos TOMS y Meteosat
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

- Estimación de la temperatura del cuerpo emisor utilizando la banda de

infrarrojo térmico. Casi todos los satélites recogen radiación en alguna región
del infrarrojo térmico.

• En ocasiones no se llevan a cabo todos los pasos incluidos, depende de los objetivos que
se persigan con el empleo de la teledetección, en algunos casos es suficiente trabajar
con los ND georreferenciados. El paso siguiente suele incluir todas o alguna de las
siguientes fases:

- Visualización y composiciones de color

- Obtención de variables físicas a partir de los valores de reflectividad
- Clasificación de la imagen
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

4. Aplicaciones de la Teledetección

Las aplicaciones de
la Teledetección son múltiples
y, además, muy variadas. Se
trata de un campo de aparición
relativamente reciente y que
aún se encuentra en un
proceso de desarrollo que
genera muchas expectativas.

La Teledetección puede utilizar

múltiples plataformas para la
toma de imágenes, como por
ejemplo drones o satélites. Si
bien, hemos de tener en
cuenta, que puede ser
necesario un tratamiento previo de la imagen tomada, como la aplicación de filtros, realces y
mejoras visuales o correcciones, con el objetivo de mejorar la calidad visual de la misma para
que sean más evidentes los rasgos de interés que pretendemos analizar.

Hay muchas ciencias que demandan actualmente el tratamiento de imágenes digitales, entre
las que podemos destacar:

• Geografía
• Biología
• Geología
• Agronomía
• Oceanografía
• Arqueología

En adelante comentaremos una serie de problemáticas que podemos analizar y afrontar con la
aplicación de la Teledetección y mostraremos un ejemplo de aplicación con QGIS.

La observación terrestre a través de satélites en el espacio proporciona una información muy

valiosa sobre el estado de la cubierta vegetal, marina y terrestre de nuestro planeta. A
continuación, vamos a enumerar algunas de las principales áreas de estudio en las que
las imágenes de satélite juegan un papel muy importante:
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

4.1 Agricultura

Alrededor del 37% de la superficie terrestre de nuestro planeta se emplea para fines agrícolas lo
que supone cada vez mayores demandas a la agricultura y, al mismo tiempo, supone una
degradación del medio por factores como la erosión, el agotamiento de minerales o la sequía.

En este campo, los satélites se aplican a la agricultura de varias formas en combinación con
otras herramientas como las proporcionadas por un SIG.

1. Mapeo de los bosques del mundo. Empleando imágenes de satélite, los científicos han
creado un mapa global que cuantifica la cantidad de madera de nuestros bosques, una
clave para comprender el ciclo del carbono de La Tierra y, en última instancia, el cambio
climático.

Los bosques juegan un papel crucial en el ciclo del carbono de La Tierra. En general, los bosques
son “sumideros de carbono” ya que absorben y almacenan dióxido de carbono de la atmósfera.
Los bosques que se talan o queman, sin embargo, liberan partes del carbono almacenado en
la atmósfera.

2. Rendimientos de cultivos. La frecuencia sin precedentes de las observaciones

de Sentinel captura los rápidos cambios en la producción agrícola desde la escala nacional
hasta el propio campo, sirviendo como un importante apoyo para el monitoreo ambiental
y el control de subsidios agrícolas. Los satélites Sentinel se utilizan, también, para
estudiar los cambios en la agricultura de forma semanal, con una resolución de 10 metros
y con una política de datos abiertos y gratuitos.
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

3. Política agrícola. La previsión del rendimiento de los cultivos se utiliza de forma

operacional para abarcar zonas continentales, como Europa, a los efectos de las
decisiones de política agrícola. Las técnicas también se están implementando en todo el
mundo en áreas más críticas para apoyar programas de ayuda.
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

4. Otros usos Agrícola: Otros usos pueden ser seguimiento de catástrofes sobre cosechas;
seguimiento de pastoreo nómada en los países más pobres del mundo; Silvicultura y Usos
del suelo.

4.2 Atmósfera

La atmósfera es la fuente de todo el aire que respiramos y, además, nos protege de

las radiaciones dañinas. Aunque el cambio está en el aire, desafortunadamente la actividad
humana en curso está alterando la composición de la misma, aumentando los niveles de dióxido
de carbono, nitrógeno, metano o aerosoles, por ejemplo.

Los sensores en el espacio ayudan a detectar cambios invisibles a través de su sensibilidad

a componentes químicos.

1. Calidad del aire. La contaminación del aire se vincula a millones de muertes en todo el
mundo, por lo que se hace importante controlar el aire que respiramos. Por ello, se van
a destinar recursos con el satélite Sentinel-5 del proyecto Copernicus, para el monitoreo
de nuestra atmósfera.
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

2. Otros usos en Análisis de Atmósfera: Otros usos pueden ser Análisis de masas nubosas
en tiempo real; Predicción de huracanes; Efectos de los cambios de estación sobre la
cubierta vegetal; Química atmosférica; Estudio de variables referentes al cambio
climático; Predicción de precipitaciones; Medición de cambios en la capa de ozono;
Modelado meteorológico para el pronóstico del tiempo; Modelado de procesos de
radiación; Medición de los vientos y apoyo a proyectos de energía renovable eólica.

4.3 Suelos

La corteza terrestre está en constante movimiento, impulsada por cambios

geológicos graduales que, ocasionalmente, se aceleran, en forma de terremotos o volcanes.

La vigilancia espacial nos muestra que el suelo bajo nuestros pies no es tan sólido como parece.

1. Tectónica o actividad sísmica. El East African Rift es un área donde dos placas
tectónicas se están separando, lo que la convierte en una región de alta actividad
geológica, hogar de varios volcanes. Las imágenes del Envisat pueden detectar el
desplazamiento de la superficie con precisión centimétrica desde una altitud aproximada
de 800 kms.
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

2. Otros usos en Análisis de Suelos: Otros usos pueden ser Estudio y medición del geoide
de La Tierra; Monitoreo de variaciones locales y globales del campo geomagnético,
precursoras del cambio climático; Prevención de eventos sísmicos de fuerza
considerable.

4.4 Agua

Toda la vida en nuestro planeta depende de la superficie de agua dulce que se encuentra,
principalmente, en forma de ríos, lagos y humedales. Como zonas de alta biodiversidad, a
menudo mantienen a poblaciones locales con el sustento de agua potable por lo que requieren
de un estudio cuidadoso con el objetivo de su protección. Estas masas de aguadeben su
existencia al ciclo del agua, con el vapor de agua transportado desde los océanos
por evaporación hasta caer en el suelo, mientras la lluvia se remonta al mar con la ayuda de
la gravedad.

Como todo proceso impulsado por energía solar, el ciclo del agua puede verse interrumpido por
el calentamiento global.
1. Calidad del agua. El monitoreo de la calidad de las masas de agua continentales es
crucial en áreas de escasos recursos hidrológicos como África. Además, existe una
creciente necesidad de monitorizar los efectos de la contaminación en nuestro ciclo del
agua. Esto incluyen mapas de turbidez causada por partículas en el agua, muy
importantes para el seguimiento de los sedimentos de actividades agrícolas o vertidos
industriales.

2. Otros usos en Análisis de Agua: Otros usos pueden ser Gestión de recursos hídricos.
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

4.5 Superficie terrestre

La superficie terrestre de nuestro planeta representa el terreno más variado de todo el sistema
solar, transformado gradualmente por el movimiento geológico, el clima atmosférico y
la actividad biológica sostenida. Su evolución continúa hasta el día de hoy, ayudada por
la humanidad: los desiertos se expanden, los bosques se despejan y las ciudades crecen.

1. Explotación de recursos naturales. Empleando las bandas infrarrojas del satélite

Landsat podemos identificar nuevos yacimientos de recursos como, por ejemplo,
petróleo.

2. Expansión urbana. Con el análisis de imágenes de satélite en diferentes periodos sobre

un núcleo urbano, podemos identificar aquellas áreas de nueva construcción.
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

3. Otros usos en Análisis de Superficie Terrestre: Otros usos pueden ser el Control de la
humedad presente en el suelo; Creación de Modelos Digitales de Elevaciones (MDE) y
cambios en áreas de hundimiento y levantamiento de tierra; Apoyo al desarrollo
industrial; Planificación y control poblacional; Estudio del entorno y cambios en los
humedales.

4.6 Océanos y costas

Siete décimas partes de la superficie de nuestro planeta está cubierta por mares y océanos.
Estos son el motor de nuestro sistema climático, absorbiendo aproximadamente la mitad de
la energía solar alrededor del ecuador para alimentar poderosas corrientes que se extienden
hasta los polos.

Sus aguas también proporcionan gran parte del aire que respiramos, pues las poblaciones
microscópicas de fitoplancton realizan la mitad de toda la fotosíntesis, a pesar de formar menos
del 1% de la biomasa global. Además, los océanos absorben gran parte del dióxido de
carbono adicional producido por la actividad humana, evitando que el calentamiento
globalempeore.

1. Geomorfología costera. Nuestras costas están en continuo cambio debido a la erosión,

cambio del nivel del mar e impacto humano. El monitoreo de dicho cambio es el enfoque
principal de esta aplicación como un aporte para el manejo de nuestras áreas costeras.

2. Otros usos en Análisis de Océanos y Costas: Otros usos pueden ser el Estudio de la
variabilidad estacional y espacial de las áreas de pesca; Estudio de la proliferación de
algas y distribución del fitoplancton; Estudio de corrientes oceánicas y topografía;
Medición del movimiento de la superficie del océano; Medición de la temperatura de la
superficie del mar.
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

4.7 Nieve y hielo

Una décima parte de la superficie terrestre de nuestro planeta está ocupada de forma
permanente por capas de hielo o glaciares, pero el dominio de la criosfera se extiende tres
veces más.

La criosfera es un importante regulador del clima global, su albedo refleja la luz solar al espacio
y su presencia influye en el clima regional y las corrientes oceánicas globales, alguno de los usos
de la teledetección son:

1. Análisis de capas de hielo y nieve. Gracias a las imágenes de satélite Landsatpodemos

conocer como los cambios climáticos afectan entornos de latitudes altas. Así, por
ejemplo, los cambios en la temperatura del aire y la precipitación invernal han afectado
al tiempo, duración y espesor de la capa de hielo en los lagos del Ártico.

2. Otros usos en Análisis de Nieves y Hielos: Otros usos pueden ser el Estudio del
comportamiento del hielo marino; Estudio de la migración de la fauna en las masas de
hielo; Movimientos de icebergs para enrutamientos náuticos.
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

4.8 Desastres naturales

Nos encontramos en un momento en el que nos preguntamos si la frecuencia de desastres
naturales está aumentando, o bien, las sociedades humanas nos estamos volviendo más
susceptibles a ellas.

En los últimos años, los satélites de observación de La Tierra se han convertido en un nuevo
activo a disposición de los equipos de respuesta ante emergencias, pues permiten realizar, de
forma rápida, mapas de daños que ayudan a guiar a los equipos de rescate.

1. La sequía. Con el empleo de imágenes de satélite, los científicos están mejorando su

comprensión en la relación entre sequías y olas de calor, con la previsión de que ambas
se incrementen a consecuencia del cambio climático.

2. Otros usos en Análisis de Desatres Naturales: Otros usos pueden ser la Predicción de
terremotos y erupción de volcanes; Identificación de puntos calientes en incendios;
Monitoreo de inundaciones; Predicción de ruta en huracanes; Predicción y prevención
ante deslizamientos de tierra; Seguimiento de fugas petrolíferas.
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

4.9 Vigilancia de incendios forestales con QGIS

Una de las aplicaciones más importantes de los Índices de Vegetación es aquella orientada a los
riesgos de incendios forestales. Estos pueden permitir la creación de sistemas de evaluación de
peligro con el objetivo de la planificación de actividades de planificación de incendios.

Los incendios son indicadores en las áreas donde es necesario llevar a cabo determinadas
medidas como la reducción de combustibles, la asignación de recursos antes y durante el
desarrollo de temporadas de incendios, etc..

En este caso, se pondrá el ejemplo el incendio que afectó a la isla de Madeira (Portugal) el 10 de
agosto de 2016. Para su análisis, se debe apoyr en unas imágenes MODIS descargadas con ayuda
del plugin Semi-Automatic Classification, sobre las que se ha calculado el NDVI y, después, se
ha caracterizado su simbología para poder interpretar visualmente el alcance del incendio.

Los valores más bajos del NDVI se concentran en la zona del incendio.
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

Una vez se analizan y comparan los resultados del cálculo del NDVI en imágenes anteriores y
posteriores al incendio, se puede emplear una ecuación para identificar de forma cuantitativa
las áreas calcinadas. Esta ecuación se denomina Índice de Calcinación Normalizado (NBR,
Normalized Burn Ratio).

Este índice compara matemáticamente las bandas del infrarrojo cercano e infrarrojo de onda
corta 2 (bandas 5 y 7 respectivamente de Landsat 8) para determinar la gravedad de la
calcinación.

Para calcular el NBR la ecuación sería:

(NIR – SWIR) / (NIR + SWIR)

Además, podemos calcular la diferencia NBR (dNBR) entre dos imágenes, antes y después del
incendio, lo que nos da idea de la gravedad de la calcinación, y cuya fórmula es:

DNBR = NBR_prefire – NBR_postfire

Todas estas operaciones de cálculo con la ejecución de fórmulas pueden realizarlas utilizando
la Calculadora de bandas del plugin o, también, otras herramientas como la Calculadora
ráster de QGIS o incluso la herramienta BandMath del proveedor Orfeo.

Se puede ver que los valores más altos de dNBR representan una severidad del fuego más alta
(por supuesto, debemos excluir la cobertura de nubes de esta imagen).
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

Para una evaluación precisa de la gravedad del incendio se debería comparar estos valores
de dNBR con la medición in situ. Se puede monitorear la recuperación de la vegetación
repitiendo el cálculo de NBR y dNBR de las imágenes adquiridas varios meses después del
incendio.

El mismo método se puede aplicar a las imágenes Sentinel-2, en cuyo caso se debería descargar
la banda 8A y la banda 12 para el cálculo NBR. Por último, se podría realizar clasificaciones de la
cubierta terrestre para identificar especies de vegetación y mejorar la identificación del área
quemada.
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

5. Obtención de variables. Índices y transformaciones

Cuando interesa detectar algún aspecto específico de la superficie terrestre, pueden utilizarse
índices que utilicen algunas de las bandas. Estos índices suponen a su vez una transformación
de las bandas.

En general podemos hablar de dos tipos de transformaciones:

Orientadas: Se sabe lo que se busca

• Índices de vegetación
• Transformación Tasseled Cap

No orientadas: No sabemos a priori lo que buscamos

• Análisis de Componentes Principales

5.1. Indices de vegetación

El más conocido es el Indice Normalizado de Vegetación (NDVI) cuya ecuación es:

NDVI = (ρ4 − ρ3) / (ρ4 + ρ3)

Este índice se basa en que la vegetación tiene una reflectividad muy alta en la banda 4 de landsat
y muy baja en la banda 3. Por tanto cuanto mayor sea la diferencia entre ambas bandas mayor
es el porcentaje de cobertura vegetal y más sana es esta. El dividir el índice entre la suma de
ambas reflectividades compensa tanto el efecto de mayor o menor luminosidad como el efecto
de la atmósfera.

Se han propuesto distintas variantes para mejorar este índice. El objetivo fundamental es
eliminar la influencia que el suelo puede tener sobre las reflectividades en el rojo y el infrarrojo
y que pueda enmascarar las de la vegetación.

Otros índices, utilizando otras bandas, permitirían analizar otros aspectos como puede ser la
litología. Este tipo de índices pueden calcularse en un SIG ya que , en definitiva, no son más que
operadores sencillos de álgebra de mapas.
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

NDVI ABRIL 1993

NDVI SEPTIEMBRE 1993

 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

5.2. Transformación Taselled Cap

La transformación tasseled cap supone pasar de las 6 bandas de landsat a 3 bandas con un claro
sentido físico que representan el brillo de la imagen (albedo), el verdor y la humedad. Estas
nuevas bandas se obtienen mediante:

En estas ecuaciones Ckb significa Coeficiente para obtener brillo

(b) en la banda k. Los coeficientes Ckb, Ckv y Ckh de estas
ecuaciones aparecen en la tabla siguiente. Permiten llevar a cabo
análisis de la densidad y estado de salud de la vegetación.

Componente TM1 TM2 TM3 TM4 TM5 TM7

Brillo 0.3037 0.2793 0.4743 0.5585 0.5082 0.1863

Verdor -0.2848 -0.2435 -0.5436 0.7243 0.0840 -0.1800

Humedad 0.1509 0.1973 0.3279 0.3406 -0.712 -0.4572

5.3 Análisis de Componentes Principales

Uno de los problemas que aparecen en la clasificación estadística es la alta correlación entre
variables. En este caso la introducción de varias variables en la clasificación no aporta más
información. En la figura 2 aparece un ejemplo en el cual las bandas 3 y 4 de Landsat TM podrían
resumirse en una sola variable.

Las diferentes técnicas de análisis multivariante permiten transformar una serie de variables en
nuevas variables denominadas componentes incorrelacionadas, que absorben la varianza
(variabilidad) total de los datos. Estos componentes están ordenados además de mayor a menor
en relación al porcentaje de la varianza total que absorben. Ello permite eliminar los
componentes que absorban un escaso porcentaje de la varianza original y quedarnos con los
que absorban mayor variabilidad.
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

Para ello hace falta analizar los resultados

del análisis de componentes principales: la
matriz de vectores propios y el vector de
valores propios. Sin embargo los modulos de
análisis de componentes principales de los
programas de SIG no suelen aportar toda la
información necesaria.

Sin entrar demasiado en los detalles del

procedimiento, en la Región de Murcia, el
primer componente suele poder asimilarse
al albedo, el segundo a la presencia de
vegetación y el tercero a la presencia de
agua, por lo que son similares a la
transformación tasseled cap. Los últimos
componentes, puesto que absorben
fundamentalemnte aleatoriedad, ruido,
tienen un aspecto similar a una televisión no sintonizada.
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

6. Clasificación de imágenes

La elaboración de una clasificación del área de estudio en una serie de clases relativas a litología,
tipos de vegetación, usos del suelo, etc., es uno de los objetivos fundamentales en
teledetección.

La clasificación en teledetección es, por tanto, un caso particular del problema general de
clasificar N individuos en un conjunto de K clases en función de una serie de variables
cuantitativas ( X1, X2,...,Xn). Para resolver este problema se necesita una medida de la
semejanza o diferencia entre los diferentes individuos y entre los individuos y las clases. Dos
individuos muy parecidos pertenecerán probablemente a la misma clase, mientras que dos
individuos distintos pertenecerán a diferentes clases. La medida más utilizada es la distancia
euclidiana:

di,j =

aunque pueden utilizarse otro tipo de distancias. Para estimar los valores de X1, X2,...,Xn para
las diferentes clases se utiliza la media aritmética de los valores de los pixels incluidos en la clase.

Puesto que en la práctica no podemos saber con certeza a que clase corresponde cada uno de
los pixels, el problema de la clasificación se convierte en un problema de probabilidad de
pertenencia a cada una de las clases de un conjunto, por tanto se suelen usar métodos
estadísticos.

El procedimiento de clasificación supone dos fases:

• Definición de las clases

• Adjudicación de cada uno de los pixels del terreno a las clases previamente definidas

6.1. Definición de clases

Suponiendo que los datos han pasado ya todo tipo de correcciones de tipo geométrico o
atmosférico, existen dos métodos complementarios para afrontar la definición de clases, estos
son válidos tanto en imágenes de satélite como en cualquier otro campo.

• Clasificación supervisada.
• Clasificación no supervisada.
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

6.1.1 Clasificación no supervisada

En la clasificación no supervisada no se establece ninguna clase a priori, aunque es necesario

determinar el número de clases que queremos establecer, y se utilizan algoritmos matemáticos
de clasificación automática. Los más comunes son los algoritmos de clustering que divide el
espacio de las variables en una serie de regiones de manera que se minimice la variabilidad
interna de los pixeles incluidos en cada región. Cada región de este espacio de variables define
de este modo una clase espectral.

Definición no supervisada de clases en el espacio de variables

El procedimiento consta de una serie de pasos, en cada paso se identifican los dos individuos
más próximos, se hace una clase con ellos y se sustituyen por el centroide de la clase resultante.
De este modo cada paso analiza un individuo menos que el anterior ya que los individuos van
siendo sustituidos por clases. El proceso se detiene cuando se ha alcanzado un número de clases
igual al número de clases que habia sido establecido a priori.

El resultado final de un proceso de clustering suele ser un dendrograma en el que puede verse
como los diversos individuos se aglutinan en clases, primero los que estan a un menor distancia
(los mas parecidos), y como posteriormente las clases se unen entre si. A partir de un
dendrograma podemos elegir el número de clases que queremos mantener en función de
diferentes criterios.
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

Puesto que una imagen de satélite contiene del orden de millones de pixels no tendría sentido
hacer un dendrograma completo, ni siquiera utilizar todos los pixeles. En su lugar se establece
una muestra con la que se inicia el proceso. El usuario debe decidir a priori con cuantas clases
quiere trabajar y el programa parará en el momento que toda la muestra inicial se haya reducido
a ese número de clases. El resultado final será la caracterización de cada una de las clases
obtenidas.

Dendrograma obtenido a partir de los pixels de las áreas de entrenamiento

6.1.2 Clasificación supervisada

La clasificación supervisada se basa en la disponibilidad de áreas de entrenamiento. Se trata de

áreas de las que se conoce a priori la clase a la que pertenecen y que servirán para generar una
signatura espectral característica de cada una de las clases. Se denominan clases
informacionales. Estas deben ser areas lo más homogeneas posibles y en las que sepamos lo
que había el día que se tomó la imagen. Por ello esta opración se realiza el mismo día en el que
el satélite toma la imagen y luego se compra esta. Otra posibilidad es utilizar fotografía aerea o
información de otro tipo.
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

Obtener las características de reflectividad de cada una de las clases implica una simple consulta
a las imágenes. La respuesta espectral de una clase será la respuesta espectral media de sus
pixels.

6.2. Asignación de pixeles a clases

Una vez que se dispone de un conjunto de clases y de sus firmas espectrales características,
vamos a tratar de adjudicar cada uno de los pixeles a una clase. Los primeros métodos que se
utilizaron eran de tipo no estadístico y con ellos se obtenían resultados bastante mediocres. Su
análisis es, sin embargo, útil para comenzar a indagar en los problemas del proceso de
clasificación.
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

6.2.1 Clasificación por mínima distancia

Evidentemente el pixel x se asignará a la clase respecto a la cual su distancia sea mínima. En
definitiva, se definen una serie de hiperesferas que rellenan el hiperespacio de variables sin
interceptarse.

Este método no es demasiado bueno ya que sobreclasifica la imagen, es decir ningún pixel queda
sin clasificar. Aunque algunos autores señalan esto como una ventaja, realmente es un problema
ya que es preferible dejar áreas sin clasificar que clasificarlas sin garantías.

6.2.2 Clasificación por paralelepípedos

En este método se definen una serie de paralelepípedos, hiperparalelepípedos manteniendo la

nomenclatura anterior, que definen las fronteras de cada clase. La definición de cada uno de los
paralelepípedos debe hacerse teniendo en cuenta los valores máximos y mínimos de
reflectividad para cada una de las bandas. Con este método pueden aparecer pixeles sin asignar
o pixels asignados a varias clases.

Aquellas celdillas que quedan sin clasificar representan otras clases que no se han tenido en
cuenta o bien que resultan demasiado complejas para adjudicarlas a una clase.

6.2.3 Clasificación por máxima verosimilitud

Puesto que se tiene una muestra de reflectividades para cada clase y cada banda, puede
calcularse la media y la desviación típica de cada una de las clases, y utilizar algún modelo de
distribución de probabilidad. El clasificador de máxima probabilidad asume que los datos siguen
una función de distribución normal para asignar la probabilidad de que un pixel cualquiera
pertenezca a cada una de las clases. El pixel se asigna de este modo a la clase a la que es más
probable que pertenezca.

Este método puede usarse de forma automática, o puede establecerse algún criterio que
permita asignar pixeles a una clase sólo si la probabilidad correspondiente es superior a
determinado umbral. Permite por otro lado definir algún tipo de criterio para medir la calidad
de la asignación, por ejemplo, la diferencia entre la máxima probabilidad y la siguiente.

Aquí aparecen una serie de elipses rodeando a cada uno de los centroides, se trata de líneas de
isoprobabilidad, por tanto, el pixel se clasificará como perteneciente a la clase en la que sus
valores resulten más probables.

Sin embargo, la hipótesis de que los datos de reflectividad siguen una distribución normal no
siempre se cumple y debería verificarse siempre.
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

6.2.4 Clasificación de contexto

Todos los métodos estudiados hasta ahora utilizan, para clasificar una celdilla, sólo los valores
de reflectividad recogidos en dicha celdilla. Este hecho no es demasiado problemático si el
tamaño de la celdilla es mayor que los diferentes elementos físicos que componen el paisaje.
Sin embargo, si el tamaño es más pequeño que las unidades de paisaje podría utilizarse la
información de los pixels de alrededor para estimar la pertenencia a una clase o confirmar la
estimación.

Puede resultar un método útil en combinación con el de máxima probabilidad ya que permite
incluir la información de los pixels circundantes para tomar una decisión en caso de que las
probabilidades para dos clases sean similares o no exista una clase con probailidades de
pertenencia suficientemente altas.

6.2.5 Contexto espacial

Se trata de incorporar otras fuentes de información distintas a las bandas para la clasificación.
Entre esta información estaría la altitud, pendiente, litología, etc. Las distintas formaciones
vegetales tienen mayor capacidad para desarrollarse en determinados entornos definidos en
parte por estas variables. Por tanto puede ser útil establecer cuál es la formación vegetal con
mayor probabilidad de desarrollarse en un determinado pixel (en función de topografía y
litología) y combinar esta información con la de las bandas.

6.2.6 Clasificaciones multitemporales

Si lo que se pretende es distinguir entre clases cuya respuesta espectral varían con el tiempo,
por ejemplo, entre diferentes usos del suelo, puede ser interesante integrar imágenes obtenidas
en diferentes fechas. Imágenes de primavera y otoño tienen un gran valor discriminante ya que
las superficies vegetales, especialmente las de cultivo muestran grandes diferencias.

Si se utiliza esta técnica, resulta imprescindible realizar una buena corrección atmosférica de las
imágenes. Si todas son de la misma fecha, la influencia de la atmósfera es la misma para todas
por tanto podemos asumir que no influye demasiado en la clasificación. Sin embargo, si las
imágenes proceden de diferentes fechas, la diferente influencia de la atmósfera puede
enmascarar y distorsionar los cambios en la respuesta espectral.

6.2.7 Clasificación por redes neuronales

Se basan en el uso de redes neuronales artificiales que, se supone, imitan a las redes neuronales
reales en el desarrollo de tareas de aprendizaje. Una neurona artificial es un objeto lógico (se
trata de software no de hardware) que recibe diversas entradas, hace una media ponderada de
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

las mismas y produce una salida a partir de la aplicación de una función umbral a la media
ponderada.

Si conectamos las salidas de unas neuronas como entradas de otras obtenemos una red
neuronal. Uno de los ejemplos más típicos de red neuronal es el la Back Propagation Neural
Network.

Consta de una capa de entrada con tantas neuronas como variables de entrada se vayan a
introducir en el modelo (en el caso de la teledetección sería una por cada banda utilizada para
clasificar), una capa oculta que realiza la mayor parte del cálculo y una capa de salida con tantas
neuronas como posibles clases existan. En teledetección esta salida suele consistir en un valor
numérico entre 0 y 1 para cada clase, cuanto mayor sea este valor más verosímil resulta que el
pixel pertenezca a la clase en cuestión

Para trabajar con una red neuronal existen varias fases:

• Entrenamiento. Se le introducen a la red la respuesta espectral de pixeles cuya clase se

conoce y se compara la salida con la realidad. A partir de esta comparación se modifican
los coeficientes de ponderación de todas las neuronas para que se obtenga la respuesta
adecuada (se trata de un procedimiento automático) es decir un 1 en la clase correcta y
ceros en las incorrectas
• Estabilización. Al principio del entrenamiento, los factores de ponderación cambian muy
deprisa, pero conforme este se desarrolla (y si las áreas de entrenamiento se han
seleccionado correctamente) se estabilizan (no se modifican aunque se vuelvan a
introducir los pixels de entrenamiento). En este momento finaliza la fase de
entrenamiento
• Clasificación. Se introducen las respuestas espectrales de los pixeles cuya clase no se
conoce y se adjudican a la clase que de una respuesta más alta (que no va a ser
necesariamente 1).

Se trata en definitiva de un método de clasificación no paramétrico robusto que da buenos

resultados cuando las respuestas espectrales de las clases no siguen una distribución normal. La
clave está en el conjunto de coeficientes de ponderación que constituyen un conjunto de
parámetros que deben ajustarse a unos datos de entrada y salida. Por tanto en cierto modo es
equivalente a una regresión multivariante no paramétrica.
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

6.2.8 Arboles de clasificación

Suponen un análisis exhaustivo de las respuestas espectrales de las clases y del conjunto de
datos disponibles, consiste en ir haciendo preguntas a cada pixel cuya respuesta positiva o
negativa conducirá a otra pregunta y así sucesivamente hasta obtener la clase a la que
pertenece. Se basa en los mismos principios que los sistemas expertos.

6.2.9 Clasificadores borrosos

Sea cual sea el procedimiento de clasificación utilizado, surge el problema de que algunos pixels
resultan inclasificables, bien porque sus probabilidades de pertenencia a cualquier clase sean
muy bajas (máxima verosimilitud, salidas de un método de redes neuronales, etc.) o porque
aparezcan dos o más clases con muy alta probabilidad que se disputen el pixel. En estos casos
tiene más sentido no clasificar los pixels de forma unívoca sino establecer cual es su posibilidad
de pertenencia a cada una de las clases (el concepto de posibilidad no es exactamente igual al
de probabilidad).
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

7. Validación. Error de clasificación

Existen dos posibilidades, evaluar una estimación teórica del error en función de las
características del algoritmo de clasificación o analizar una serie de áreas test obtenidas del
mismo modo que las áreas de entrenamiento. El segundo modo de proceder permite obtener
una estimación más realista de los errores mientras la muestra de pixels para la estimación del
error sea lo suficientemente grande y representativo.

Un método simple y apropiado de evaluaciones de los errores es utilizar la matriz de confusión

de clases

Con este tipo de análisis, se obtiene, no sólo una caracterización del error cometido, sino
también una medida sobre la adecuación de las clases consideradas a la realidad y de los
parámetros utilizados para caracterizarlas. Puede por tanto utilizarse para definir un nuevo
conjunto de clases para realizar una clasificación.

A B C D E F Ni ni/Ni niic nici

A 50 3 0 0 2 5 60 83.3 10 21

B 4 62 3 0 0 1 70 88.5 8 10

C 4 4 70 0 8 3 86 81.4 19 6

D 0 0 0 64 0 0 64 100.0 0 3

E 3 0 2 0 71 1 78 91.0 6 10

F 10 3 1 3 0 33 50 66.0 17 10

408 85.8

En la tabla aparece un ejemplo de matriz de confusiones, los valores en filas representan las
clases reales y en columnas aparecen (en la parte izquierda de la tabla) las clases obtenidas tras
la clasificación. Por tanto debe interpretarse como el número de pixels que perteneciendo a la
clase fila han sido adjudicados a la clase columna. En la parte derecha de la tabla aparece: Ni es
el número total de pixels de cada clase, el porcentaje de pixels clasificados correctamente para
cada clase. (ni)ci es el número de pixels que correspondiendo a la clase y han sido adjudicados
a otras, y (nic)i es el número de pixels adjudicados a i cuando en realidad pertenecen a otra
clase. La última fila presenta la totalización de estos resultados.
 Facultad de Ingeniería y Ciencias Geológicas
Departamento de Ingeniería Química
Carrera de Ingeniería Civil Ambiental

8. Bibliografía

• Chuvieco,E. (2000) Fundamentos de Teledeteccion espacial, RIALP, 568 pp.

• Chuvieco, E. (2002) Teledetección Ambiental, Ariel,

• Mather,P.M (1999) Computer Processing of Remotely-Sensed Images. An

Introduction,Wiley,. 292 pp

View publication stats