aa Flashcards
¿Qué es el procesamiento digital de imágenes satelitales y cuál es su objetivo?
El procesamiento digital de imágenes satelitales es la aplicación de técnicas matemático-estadísticas para visualizar, analizar, transformar, extraer, reducir, generalizar o obtener nueva información a partir de imágenes digitales. Su objetivo es mejorar la interpretación y utilidad de los datos obtenidos por sensores remotos.
¿Cuáles son las dos etapas principales del procesamiento digital de imágenes satelitales?
Las dos etapas son el pre-procesamiento, que no transforma los ND, y el procesamiento, que sí transforma los ND de la imagen. El pre-procesamiento incluye operaciones como realce de contraste, filtros y corrección geométrica.
¿Cómo se agrupan las técnicas de tratamiento de información proveniente de satélites?
Se agrupan en correcciones (radiométricas y geométricas), mejoramiento (filtros y contrastes) y extracción de información (reconocimiento de patrones, análisis de datos hiperespectrales, detección de cambios).
¿Qué es la radiometría y qué busca la corrección radiométrica?
La radiometría mide la radiación electromagnética en términos de su intensidad. La corrección radiométrica busca ajustar los valores de píxeles para que reflejen con mayor precisión la energía electromagnética que llega a la superficie terrestre.
¿Qué aborda la corrección atmosférica y cómo se logra la calibración?
La corrección atmosférica aborda las operaciones que ajustan la radiancia o reflectancia a tope de atmósfera (producto 1B) para obtener valores análogos sobre la superficie terrestre. La calibración transforma las cuentas digitales (DN) a una magnitud física de radiación o reflectancia.
¿Cuáles son algunas técnicas de mejoramiento de imágenes satelitales?
Algunas técnicas son estiramiento de contraste lineal, estiramiento por ecualización del histograma, filtrado espacial (pasa bajo, pasa alto, direccionales), y técnicas basadas en parámetros estadísticos como histogramas y entropía.
¿En qué consiste el estiramiento de contraste lineal y cuál es su objetivo?
El estiramiento de contraste lineal identifica los umbrales mínimos y máximos del histograma de una imagen y aplica una transformación para expandir ese rango, mejorando el contraste y realzando detalles sutiles.
¿Qué parámetros estadísticos se utilizan para cuantificar características de imágenes?
Se utilizan histograma, entropía, valores máximos-mínimos-media, varianza, desviación estándar para cada banda y coeficiente de correlación entre bandas.
¿Cómo se logra el estiramiento por ecualización del histograma y en qué situaciones se utiliza?
Se utiliza cuando el conjunto de datos de entrada no tiene una distribución uniforme en el histograma. Con esta técnica, se asigna mayor rango (más valores) a la porción con mayor frecuencia en el histograma original, mejorando la visibilidad de detalles en esas áreas.
¿Qué es el filtrado espacial y cuál es la relación entre frecuencia espacial y textura
El filtrado espacial modifica datos de la imagen basándose en la frecuencia espacial, relacionada con la textura. Frecuencia espacial alta indica textura áspera, mientras que baja indica textura suave.
¿Cuáles son algunos ejemplos de filtros espaciales y sus aplicaciones?
Ejemplos incluyen filtros pasa bajo (suavizan la apariencia), filtros pasa alto (enfatizan detalle fino) y filtros direccionales o de detección de bordes (resaltan caracteres lineales).
¿Qué implica el análisis e interpretación de una imagen satelital y cómo se clasifica el análisis?
El análisis e interpretación implican procesos para extraer información y sintetizarla en mapas, gráficos o recomendaciones. Se clasifica en visual (criterios subjetivos) y digital (procesamiento matemático y estadístico).
¿Qué criterios de análisis visual son relevantes en la interpretación de imágenes satelitales?
Los criterios incluyen brillo, color, elementos distinguibles, textura, forma y tamaño, patrón espacial, sombras y contexto.
¿Cuál es la diferencia entre análisis visual y digital en la interpretación de imágenes satelitales?
El análisis visual depende de la percepción subjetiva del intérprete, mientras que el análisis digital se basa en el procesamiento matemático y estadístico de datos numéricos de píxeles.
¿Por qué es relevante la capacidad del intérprete para incorporar criterios complejos en el análisis visual de imágenes satelitales?
La capacidad del intérprete para incorporar criterios complejos es crucial porque al mirar una imagen, se observan varios criterios a la vez, procesándolos simultáneamente en el cerebro, a diferencia del análisis digital que se basa en el procesamiento de datos numéricos de píxeles.
Qué son las variables biofísicas y cómo se pueden medir?
Las variables biofísicas permiten caracterizar el ambiente biológico y las condiciones atmosféricas. Se pueden medir directa (reflectividad, temperatura, altitud) e indirectamente (clorofila, índice de área foliar, humedad del suelo, evapotranspiración).
¿Cómo se obtienen la mayoría de las variables biofísicas de imágenes satelitales?
La mayoría de las variables biofísicas se obtienen a través de la aplicación de índices espectrales, cocientes o ratios, que son relaciones matemáticas entre las bandas de la imagen
¿Cuáles son los dos tipos de modelos utilizados en la relación entre el sensor y el parámetro a estimar?
Los dos tipos de modelos son inductivos (empíricos) que establecen relaciones numéricas locales, y deductivos (teóricos) que buscan establecer modelos de validez general independientes de condiciones locales.
¿Qué son los índices espectrales y cuándo se emplean?
Los índices espectrales consisten en realizar una división pixel a pixel entre los ND almacenados en dos o más bandas de la misma imagen. Se emplean para mejorar la discriminación de coberturas y reducir el efecto relieve en la caracterización espectral.
¿Para qué son útiles los índices de vegetación?
Los índices de vegetación son útiles para conocer de manera indirecta variables biofísicas como el índice de área foliar, contenido de agua en hojas, clorofila, lluvia recibida por la cubierta vegetal y la evapotranspiración potencial.
¿Cuáles son algunos ejemplos de índices de vegetación y sus aplicaciones?
NDVI (índice de vegetación de diferencia normalizada): Monitorea el vigor de las cubiertas vegetales.
SAVI (índice de vegetación ajustado al suelo): Incorpora una constante de suelo para vegetación de diferente densidad.
MSI (índice de estrés hídrico): Utiliza bandas R, NIR e IRM para evaluar el contenido de agua.
NDWI (índice de agua de diferencia normalizada): Mide la cantidad de agua en la vegetación o la saturación de humedad del suelo.
MNDWI (índice de agua de diferencia normalizado mejorado): Facilita caracterizar cubiertas con predominio de agua, minimizando la influencia de otros factores.
