Facultad de Ciencias Agrarias y Ambientales

Departamento de Ingeniería Cartográfica y del Terreno

Nilda Sánchez Martín

Asignatura ‘SIG y Teledetección’. 4º curso Grado en Ingeniería Agrícola. Curso 2017-

18.

PRÁCTICA 1. DESCARGA Y PRETRATAMIENTO DE DATOS

ESPACIALES

RESUMEN

• Visita de páginas y portales de ámbito nacional, regional o local: cartografía

digital, información agrícola.
• Visita de páginas de descarga de imágenes de satélite.
• Descarga de: Mapas generales del territorio
Mapas temáticos
Ortofotografías
Imágenes de satélite Landsat
Imágenes de satélite MODIS
• Tratamiento previo: metadatos, visualización, transformación de formatos,
integración en entorno espacial. ArcGis 10.5 (ArcMap) y Geomatica 2017
(Focus).

DATOS NECESARIOS

 Cartografía 1:10000 incluyendo ortofoto y modelo digital del terreno

 Cartografía de límites administrativos de CyL (provincias, términos, etc.)
 Bandas de imagen Landsat 8 de 16 de julio de 2016 en formato tif

NOTA:
 1. PÁGINAS Y PORTALES DE ÁMBITO NACIONAL, REGIONAL O LOCAL.
DESCARGA DE DATOS CARTOGRÁFICOS

Se va a realizar una explotación en una parcela de la que se ha buscado información

previa en el SIGPAC (Figura 1). Los datos son: Provincia de Salamanca/Término
Municipal 142 (Galindo y Perahuy)/Polígono catastral 2/Parcela 36. De esta parcela se
quieren obtener los mapas digitales siguientes:

- Mapa de la provincia de Salamanca

- Mapa del Término Municipal
- Toda la cartografía general posible de la zona: relieve, hidrografía, núcleos de
población, comunicaciones, etc.
- Cartografía temática: mapa de usos de suelo
- Ortofotografía digital

1.1. SIGPAC http://sigpac.mapa.es/fega/visor/

El SIGPAC es el Sistema de Información Geográfica de Parcelas Agrícolas,

ideado para recoger de forma gráfica todas las parcelas rústicas que puedan ser objeto
de ayudas de la PAC. Por tanto consta de una parte gráfica, en la que se pueden hacer
consultas, mediciones, etc., y otra parte administrativa en la que se gestionan las
solicitudes (Figura 1). En el SIGPAC se pueden visualizar las parcelas desde la ortofoto
y con sus límites vectoriales (parcela y recinto), pero los datos NO se pueden descargar
desde esta aplicación (pero sí desde otros enlaces oficiales, como se explica más
adelante).
En esta página se debe localizar la parcela mediante búsqueda progresiva, por
ejemplo, y también anotar información importante, como la pendiente del terreno y el
uso actual.
Figura 1. Localización y datos de parcela de trabajo en el SIGPAC.
 1.2. Portal del ITACyL http://www.itacyl.es/opencms_wf/opencms

El Instituto Tecnológico Agrario de Castilla y León, organismo dependiente de la

Junta de Castilla y León, ofrece innumerable información de interés para agricultores y
usuarios, entre la que se encuentra un servicio de mapas con descarga directa. Se
propone localizar la ortofoto en la que se encuentra la parcela anterior y descargar datos
asociados a ella, como los límites administrativos y los usos de suelo.

- Visitar la página del ITACyL y entrar en Información al ciudadano/Servicio de

mapas/Modo de acceder a los datos cartográficos/descarga directa (Figura 2).
Esta es la forma más sencilla de descarga de datos, y especialmente la ortofoto,
pero se debe conocer previamente en qué ortofoto se encuentra la parcela y en
qué hoja del Mapa Topográfico Nacional (MTN)
Figura 2. Portal del ITACyL con el acceso a datos cartográficos y el apartado de índices, de
utilidad general.

- Para conocer estos datos, pinchar en el enlace de índices (Figura 3) y descargar

el fichero ‘Gráfico General.pdf’. Se trata de un mapa de Castilla y León en el que
aparecen las hojas MTN y los cuadrantes de las ortofotos. Observar la
leyenda de este mapa y prestar atención a la diferente numeración de las
cuadrículas de las ortofotos a resolución 25 cm y a 50 cm.

Figura 3. Enlace a ‘índices’, donde se encuentran datos generales de la cartografía, límites

administrativos, etc.

- La parcela objeto de estudio está en el cuadrante SO de la comunidad. Localizar

y anotar la hoja del MTN de la zona y el número de ortofoto (se ha preferido la
 ortofoto a 25 cm). En la figura 4 se indica la numeración de las cuadrículas a 25
cm y a 50 cm en una hoja MTN, para mayor facilidad, y se incluye la ortofoto
buscada.

Figura 4. Distribución y numeración ortofotos en MTN

- En el mismo apartado de descarga de los índices se encuentran las divisiones

administrativas de la región (Figura 5) ‘límites administrativos’. La información
administrativa es de vital importancia en los mapas de localización y situación
de los proyectos y estudios. Descargar las provincias y los términos municipales
de CyL.

Figura 5. Descarga directa de límites administrativos desde el ITACyL.

- La ortofoto correspondiente a la parcela resulta también del mayor interés para

presentar la zona del proyecto, mostrar la situación actual (o la más cercana en
el tiempo) y presentar datos vectoriales sobre ella. La ortofoto, contrariamente
a un simple ‘pantallazo’ (por ejemplo del SIGPAC) es un documento cartográfico
con coordenadas UTM precisas y referencia espacial. Para descargar la ortofoto
desde el ITACyL, volver a la página de descargas del ftp (Figura 3) y entrar en
Ortofotografía. Elegir el año más reciente y seleccionar ‘color’ (para
visualizaciones convencionales) o ‘infrarrojo’ (para tratamientos digitales más
avanzados). Seleccionar la hoja MTN y la numeración adecuada. La ortofoto
 está en formato .tif; los ficheros .xml almacenan los metadatos, no la imagen en
sí misma.

- Otra información de interés para proyectos y estudios es el mapa de usos y

coberturas del suelo. Se utiliza en valoraciones, catastro, situación actual, etc 1.
Volviendo a la página de descargas, acceder al enlace SIOSE (Sistema de
Información de Ocupación de Suelos de España) y buscar la hoja
correspondiente. Descargar el fichero comprimido y descomprimir en la carpeta
de trabajo.

- Por último, una información de muchísimo interés para la ingeniería agronómica

y agrícola son los datos SIGPAC, que desde hace pocos años ya están
disponibles también en el servidor del ITACyL: ftp://ftp.itacyl.es en la carpeta de
cartografía. La información se distribuye ordenada por provincias completas o
por términos municipales concretos.

1.3. Portal del IDECyL. http://www.cartografia.jcyl.es/

La Infraestructura de Datos Espaciales de Castilla y León (antes el Servicio de

Información Territorial) tiene a disposición de los ciudadanos un servicio de cartografía
muy potente y completo (Figura 6). Es un portal que permite tanto la descarga directa
como indirecta a través de un visor (los datos se envían vía email) o de un servidor de
mapas vía World Map Service (WMS).

1
En las prácticas de teledetección se aprenderá cómo obtener un mapa de usos de suelo a partir de una
imagen de satélite o una ortofoto infrarroja.
 Figura 6. Portal del IDECyL, la Infraestructura de Datos Espaciales de Castilla y León, de la
Junta de CyL.

Dentro de las descargas directas (Figura 7) se encuentran datos que ya se habían

descargado desde el ITACyL (pero que conviene revisar en algún caso, como las
ortofotos, ya que están más actualizadas que allí). Sin embargo, para la descarga de
cartografía vectorial a escalas de detalle (1:10000 y mayores), este es el portal que aloja
y mantiene las series cartográficas. Para series de escalas menores, como las 1:50000
(Base Cartográfica Numérica correspondiente al MTN) o la 1:200000 de los mapas
provinciales, el organismo que las produce es el Instituto Geográfico Nacional, con un
servidor de mapas propio.

Figura 7. Página de descarga directa de datos cartográficos del IDECyL

- En los proyectos de agricultura y agronomía, la escala de trabajo suele ser la

de la parcela rústica. La serie cartográfica más próxima a este ámbito es la
1:10000 y la 1:5000. Mientras que la 1:10000 está disponible para todo el
territorio de la comunidad, para la 1:5000 no siempre hay mapas. Y la serie
1:1000 suele estar restringida a las zonas urbanas. Son series que se componen
de categorías temáticas: hidrología, curvas de nivel, vegetación,
construcciones, etc. La descarga de estos datos se puede realizar de forma
 directa descargando directamente toda la provincia (Figura 8) desde un ftp que
agrupa los datos por dichas categorías temáticas. Están en formato shape, de
ArcGis.

Figura 8. Descarga de cartografía vectorial general 1:10000.

- Para realizar la descarga de todos los datos posibles de la zona (hidrografía,

curvas de nivel, comunicaciones, servicios e instalaciones, nombres geográficos,
etc.) a escala 1:10000 se utilizará en este caso el recientemente abierto
geoportal del IDECyL (Figura 9) mediante buscador de datos (la lupa de las
figuras 6 y 7), o la dirección:

http://www.idecyl.jcyl.es/geonetwork/srv/spa/catalog.search#/home
 Figura 9. Nuevo geoportal de descarga y selección de datos geográficos del IDECyL

En este geoportal se pueden buscar datos directamente, seleccionar por categorías (en
cuyo caso aparecen muchas opciones, Figura 10)

Figura 10. Página de descarga del geoportal del IDECyL, en este caso de elevaciones.

2. VISUALIZACIÓN DE LOS DATOS EN ARCGIS Y REALIZACIÓN DE MAPAS

DE LOCALIZACIÓN Y SITUACIÓN

Como se comentó, el objetivo de la práctica es obtener todos los datos posibles de

la zona de estudio e integrarlos en un mapa-tipo para su presentación en proyectos,
estudios, etc. Como mínimo, esos datos servirán para hacer un mapa de localización en
el país, la región o la provincia; y de un mapa de situación en el término municipal
incluyendo la ortofoto y otros datos de detalle (curvas de nivel, carreteras, núcleos, etc.).
Para ello se utilizará la aplicación ArcMap, de ArcGis.

- En la ‘Vista de confección de mapa’ se presentan sobre el papel los datos de la

‘Vista datos’ (que van organizados por marcos de datos). Para empezar, es
necesario configurar el tamaño y formato del mapa, y añadir el cajetín. Si se abre
directamente el fichero Cajetin_plantilla_arcgis. mxd de forma automática se
añade el cajetín y la página se configura en A3 horizontal. Después esa
configuración se podría cambiar con el botón derecho en ‘configuración de
página e impresión’.
- Abrir las capas de provincias y términos municipales en un marco de datos nuevo
que se llamará ‘Localización’. Comprobar las coordenadas, características de
las capas, tablas asociadas, etc.
- Abrir las capas de la zona de estudio en un nuevo marco de datos llamado
‘Situación’ (Figura 11). Comprobar las coordenadas, características de las
capas, tablas asociadas, etc. Cambiar las leyendas y los colores. Utilizar
etiquetas para los nombres geográficos.

Figura 11. Marco de datos de situación, con diferentes capas visualizadas.

- Realizar un mapa de localización con los dos marcos de datos.

- Realizar un mapa de situación actual con el marco de situación, presentando
toda la información posible.
- Utilizar en todos los casos leyenda, cuadrícula de coordenadas, barra de escala,
etc.
 3. PORTALES DE DESCARGA DE IMÁGENES DE SATÉLITE DE LIBRE
DISTRIBUCIÓN. OBTENCIÓN DE UNA ESCENA LANDSAT Y
TRANSFORMACIÓN A PCI GEOMATICA

No son muchas las imágenes de satélite gratuitas que pueden descargarse

libremente; no obstante existen varios portales de descarga (algunos piden registro).
Uno de los más habituales es la Global Land Cover Facility, http://glcf.umd.edu/, que
integra una herramienta muy sencilla para la descarga de imágenes, ESDI (Figura 12):

Figura 12. Portal de GLCF con la herramienta ESDI de descarga de datos.

- Para buscar imágenes de cobertura global, principalmente MODIS y AVHRR,

utilizar la herramienta ‘Product search’
- Para buscar productos concretos, incluyendo Landsat, ASTER, modelos
digitales de elevación de todo el globo, y los productos anteriores, usar la
herramienta ‘map search’.
- Para buscar imágenes Landsat, previo conocimiento de la zona y su
nomenclatura de path y row de la escena, se usa la herramienta de búsqueda
según ese criterio.

El portal anterior no recoge datos del último satélite del programa Landsat, las
imágenes Landsat 8, las más recientes y potentes de esta misión. Haciendo una
búsqueda de descargas de Landsat 8 se accede fácilmente al portal de United States
Geological Service, http://earthexplorer.usgs.gov/, el organismo gestor de los datos
Landsat (Figura 13). Se debe indicar el path/row (automáticamente pondrá las
coordenadas y un icono en el mapa), las fechas (sólo a partir de 2014), y el producto-
sensor: OLI (bandas visible e infrarrojo) y TIRS (bandas térmicas) (Figura 14).

NOTA:

Figura 13. Búsqueda de imágenes Landsat 8 a través del USGS.

 Figura 14. Búsqueda de imágenes Landsat 8: sensores OLI (visible e infrarrojo) y TIRS
(térmico).
Finalizada la búsqueda, se pueden inspeccionar los resultados y proceder a la
descarga de las fechas y escenas seleccionadas (Figura 15). Para descargar los
productos L8, la opción necesaria es Level 1 Geotiff, el resto son productos elaborados
para visualizar, no para analizar la imagen. Se observa que es necesario registrarse.

Figura 15. Descarga de ficheros Landsat 8.

 Para una visualización inicial de la imagen Landsat 8 se utiliza el programa Focus,
que está preparado para leer estas imágenes. Para cargarla en la aplicación,
simplemente ir a la carpeta donde se ha descomprimido el fichero, seleccionar el archivo
TXT y arrastrarlo hasta la zona de archivos y mapas del interface (sección izquierda de
la pantalla). Se puede seleccionar la banda pancromática, la multiespectral y la térmica
(Figura 16). Seleccionando la multiespectral, se genera automáticamente una
visualización de todas las bandas (Figura 17). El resultado se puede exportar a un
fichero del formato de Geomatica para trabajar posteriormente en él (se trabajará en las
prácticas 4 y 5).

9
Figura 16. Alternativas de generación de bandas L8.

Figura 17. Visualización en color verdadero de bandas multiespectrales Landsat 8 de la imagen

de 16 de julio de 2016.
 Facultad de Ciencias Agrarias y Ambientales
Departamento de Ingeniería Cartográfica y del Terreno
Prof. Dra. Nilda Sánchez Martín

Asignatura ‘SIG y Teledetección’. 4º curso Grado en Ingeniería Agrícola. Curso 2017-

18.

PRÁCTICA 1. INTRODUCCIÓN A ARCGIS 10.5. VISUALIZACIÓN

DE DATOS ESPACIALES Y CONFECCIÓN DE MAPAS

RESUMEN:

• El paquete de aplicaciones ArcGis, de ESRI. Primeros pasos en ArcMap.

• Manejo de datos espaciales vectoriales y raster. Archivos y formatos.
• Confección de mapas sencillos de localización, situación, temáticos, etc. con el
cajetín de la titulación.
• Integración de otras fuentes de datos: CAD, GPS, Google Earth.
• ArcGis Online y WMS.

NOTA:

DATOS NECESARIOS
• Shapes de España, provincia de Salamanca y Término Municipal de Arcediano.
• Ortofoto tif ‘PNOA_CyL_SW_2011_25cm_OF_rgb_etrs_hu30_h05_0478_1-
4.tif’
• Datos CAD: fichero 478-3-1.dxf de Autocad
• Datos GPS: listado de coordenadas X,Y, ‘puntos GPS parque.txt’
• Conexión a internet

1. La interfaz de ArcMap

- Interfaz: menús, barra de botones, TOC (table of contents), vista de mapa/vista de

datos, barra de dibujo
- Cajas de herramientas: arcToolbox
- Data frames/Marco de datos
- Layers/capas
- Editor
 - ArcCatalog
- ArcScene, ArcGlobe

ArcGis permite gestionar y visualizar la gran mayoría de formatos vectoriales e

imagen. Su formato propio vectorial ha sido tradicionalmente el ‘shape’ o fichero de
forma (shp). Pero cuando se prevé trabajar con bastantes datos de distinto origen es
preferible crear una geodatabase (gdb), que es una especie de ‘caja’ donde metemos
distintas fuentes de datos. Por último, se puede guardar la sesión de trabajo con todas
las capas y características en un fichero de mapa (mxd), para conservar todos los datos
en la siguiente sesión. [Cuidado: el mxd no guarda los datos de las capas, sólo la
configuración y visualización de las mismas].

Para gestionar los ficheros, se abre el ArcCatalog desde

inicio/programas/ArcGis. Si se quiere crear la geodatabase, hay que seleccionar la
carpeta, y luego archivo/nuevo/geodatabase de archivo (tiene menos limitaciones que
la personal). Para ir añadiendo ‘datasets’ (capas) a la geodatabase, con el botón
derecho/importar se selecciona el tipo de datos que se van a añadir. No es muy
conveniente incluir muchos archivos raster para no aumentar demasiado el tamaño de
la geodatabase; es preferible trabajar con los ficheros de formato imagen de forma
independiente.

ArcMap trabaja con ‘marcos de datos’ a los que se puede dar nombre y manejar
desde las pestañas de las propiedades. En estos marcos se irán incluyendo los datos,
ya sean shapes, geodatabases, imágenes, tablas, etc. Es MUY IMPORTANTE trabajar
siempre en un sistema geodésico y proyección conocidos que se adapten a los datos
que se van a incluir en el marco. Por lo tanto se debe asignar al marco una proyección
(Por ejemplo UTM, huso 30) y sistema geodésico (ETRS89) 1 a la vista de capas
(capa/btón dcho/propiedades/sistema de coordenadas, Figura 1). Además, cada capa
tiene asimismo su sistema de coordenadas y proyección (que se verifica en propiedades
de la capa/fuente), y, si no estuvieran asignados, es conveniente definir el sistema desde
la herramienta ‘definir proyección’ (Figura 2).

1
Estos son el sistema geodésico y la proyección oficiales de la cartografía española, por tanto son los
más frecuentes. También es posible utilizar coordenadas geográficas (longitud, latitud) en lugar de X,Y.
 Figura 1. Configuración de la proyección y el sistema geodésico al marco de datos.

Figura 2. Configuración de la proyección y el sistema geodésico al marco de datos.

Para aprender a visualizar datos vectoriales en ArcGis, se añadirán a la vista las

capas ‘España’, ‘ProvinciaSalamanca’ y ‘Arcediano’ en formato shape. Cada uno de
estos shapes es de un único tipo (puntos, líneas o polígonos) y contiene ENTIDADES.
Las entidades se representan gráficamente con su referencia espacial en la vista, y se
manejan con los zoom, encuadre, etc. Pero además, las entidades están almacenadas
en una tabla de atributos asociada al shape (Figura 3). Las entidades de la vista y de la
tabla están vinculadas y se pueden seleccionar bien desde la vista o desde la tabla. Esta
característica es un gran potencial de los SIG, que permiten manejar datos espaciales
(las entidades) que tienen asociados gran cantidad de datos temáticos (las columnas o
‘campos’ de la tabla). Ambos conjuntos se pueden editar, manipular, etc., siempre
conservando la concordancia entre ellos.

Figura 3. Tabla de atributos de la capa Arcediano. Obsérvese que al seleccionar en la tabla

varias filas, las entidades correspondientes a esas filas se seleccionan automáticamente en la
vista del mapa.

Para visualizar cada capa cada una se explorarán diferentes tipos de leyendas
(Figura 4):
• El tipo ‘entidades/símbolo único’ establece un único símbolo y color para todas
las entidades.
• El tipo ‘categorías/valores únicos’ establece un único símbolo y color para CADA
entidad de la capa. Hay que asignar el campo con valores, que se refiere a la
columna o campo de datos que queremos representar visualmente. Se utiliza
normalmente para datos categóricos, no numéricos.
• El tipo ‘cantidades’ permite representar datos numéricos de un campo de la capa
en forma de rampas de color, tamaño de símbolos, densidad de puntos, etc. Por
tanto es para datos que expresen cantidades.
• El tipo ‘gráficos’ permite hacer gráficos convencionales combinando varios
campos de la tabla de atributos.
 Figura 4. Tipos de leyenda en la pestaña ‘Simbología’ de las propiedades de capa.

Una primera aplicación de ArcMap es realizar mapas temáticos basados en los

datos de la tabla. Por ejemplo, se puede hacer un mapa de los usos SIGPAC del
municipio, un mapa de superficies, etc.

o Manejar distintos tipos de leyenda para la capa Arcediano. Hacer un mapa

de usos SIGPAC de Arcediano. Utilizar leyenda de ‘cantidades’ para hacer
un mapa de superficies de las parcelas.

Tras estudiar el tipo de leyenda más conveniente, ArcMap permite hacer un

documento gráfico (‘layout’ o vista de composición de mapa; se accede o bien desde el
menú ‘vista’ o desde la pequeña pestaña inferior de la vista). Desde esta pantalla se
puede también acceder a la vista de las capas usando las herramientas de zoom (Figura
5). Desde el menú ‘insertar’ se pueden incluir en el mapa leyendas, símbolos, textos,
etc. También se pueden insertar el papel varios marcos de datos con diferentes escalas
y datos. Por último, también se puede insertar una cuadrícula de coordenadas (muy
importante!) desde el menú de contexto del marco de datos (Figura 6)
Figura 5. Composición de mapa con las herramientas de diseño. Se ha sacado también la caja
de herramientas de la vista que permite acceder a las capas de datos ‘dentro’ del dibujo.

Figura 6. Selección de una cuadrícula de coordenadas para el marco de datos.

o Realizar un mapa de localización de una parcela cualquiera del municipio de

Arcediano. Para ello, utilizar tres distintos marcos de datos (País, Provincia,
Municipio). En este último, localizar la parcela deseada. Realizar una
composición de mapa con los tres marcos, usando:
  Cuadrícula de coordenadas
 Textos y títulos
 Escala gráfica y símbolo de norte (opcional, ya que tenemos
coordenadas).
 Rótulo con la escala numérica. Probar diferentes escalas para la
vista y elegir convenientemente (Figura 7)
 Probar diferentes ‘templates’ o plantillas prediseñadas para las
composiciones de mapas

Figura 7. Herramienta de escala numérica para la vista de datos.

Para facilitar la confección de este tipo de mapas, se facilita una plantilla llamada
“Cajetin_plantilla_arcgis.mxd”, que contiene el cajetín de Ingeniería Agrícola al tamaño
adecuado. Abrir este archivo e ir incorporando las capas que se quieren mostrar en el
mapa, procediendo al diseño del mismo con las cuadrículas, leyendas, escalas, etc.
Guardar con otro nombre (para conservar el original de la plantilla).

2. Conexiones a WMS y ArcGis online

No necesariamente hay que descargar datos espaciales y guardarlos. Con

ArcMap se pueden hacer conexiones remotas a servidores de datos cartográficos y
trabajar en modo visualización (no se pueden editar ni modificar). Para ello se utiliza la
herramienta de añadir datos, pero en este caso se busca la conexión ‘servidores SIG’ y,
dentro de las categorías posibles, la más usada, que es la de servidores World Map
Server (WMS) (Figura 8). Previamente se habrá buscado el servidor que interese y
copiado la dirección URL (Figura 9)
Figura 8. Acceso a los WMS de ArcMap y conexión a una base de datos del IDECyL
(Topográfico 1:5000).
 Figura 9. Página del servicio de mapas del IDECyL.

Otra posibilidad más sencilla es trabajar con los mapas que tiene disponibles
ESRI a través de los mapas base que incorpora ArcMap (Figura 10) y los de la utilidad
‘ArcGis online’ (Figuras 10 y 11). Por ejemplo, se hace la búsqueda de mapas de España
de tipo general y se obtienen diferentes opciones (Figura 11).

Figura 10. Menú de datos base para añadir de forma sencilla en la vista.
 Figura 11. ArcGis online a través de ArcMap con una búsqueda de mapas de España.

3. Otros posibles formatos en ArcMap

3.1. Formatos raster

ArcMap maneja los formatos raster imagen y tiene gran cantidad de herramientas
para ello (por ejemplo, la caja ‘Spatial Analyst’ y la ventana de análisis de imagen, a la
que se accede desde el menú Ventana (Figura 12). Las imágenes de satélite, fotografía
aérea y sus productos derivados se pueden leer y manejar sin problemas en ArcMap.
Por ejemplo, se puede manejar la ortofoto
‘PNOA_CyL_SW_2011_25cm_OF_rgb_etrs_hu30_h05_0478_1-4.tif’. Existen infinidad
de herramientas de conversión en el ArcToolbox (Figura 13).
 Figura 12. Ventana de análisis de imagen.

Figura 13. Algunas cajas de herramientas para trabajar con datos raster, como Spatial Analyst
y administración de datos raster.
 3.2. Integración de cartografía vectorial de CAD

Se dispone del fichero ‘478-3-1.dxf’ que contiene la cartografía vectorial de la

zona de Salamanca en formato Autocad. Este tipo de archivos se puede añadir a la vista
directamente con todo su contenido, añadiendo el dxf; o en función del tipo de entidad
(Figura 14). Obsérvese la visualización de las distintas capas de entidades en ambos
casos.

Figura 14. Datos CAD en formato .dxf para insertar en la vista.

Análogamente a los archivos anteriores de la práctica, se deben comprobar las

coordenadas y proyección del archivo. Si no tiene definido nada, conviene asignarle
proyección y sistema geodésico tal como se indicó anteriormente. Después, para
convertir cada capa en un shape se procede capa por capa mediante el botón
secundario (datos/exportar). Se pueden separar los puntos, las líneas, los polígonos,
etc., en archivos diferentes. Y dentro de cada archivo de líneas, por ejemplo, a su vez
se pueden separar por colores, grosores, niveles, etc. Por eso conviene usar capas y
niveles diferentes al trabajar en un CAD; especialmente cuando se van a pasar esos
datos al SIG para hacer análisis con ellos.

3.3. Conversión de listado de coordenadas GPS de campo en archivo shape de

puntos

Los pequeños navegadores GPS proporcionan coordenadas con precisiones en

torno a 1-5 m de forma muy sencilla. Permiten almacenar los datos en ficheros de texto
y descargarlos en el ordenador; así como realizar algún tipo de edición con ellos si tienen
un software adecuado. ArcGis tiene un paquete específico para ello, el ArcPad. Pero
cuando se toman datos con el GPS, muchas veces son pocos puntos los que se
necesitan (p.e., el contorno de una parcela), y una solución rápida es simplemente
anotar las coordenadas de los puntos que nos interesen en un papel.
Previamente se abre el bloc de notas (es la forma más sencilla y que da menos
problemas, aunque también se puede hacer con un fichero Excel) y se genera un archivo
con las coordenadas X, Y, Z (.txt) y el número o nombre de punto separados POR
TABULADORES (Figura 15):
 Figura 15. Introducción de coordenadas GPS en un fichero de texto.

Para convertir esas coordenadas a un fichero de puntos y visualizarlo en

ArcMap, utilizar la herramienta de administración de datos/entidades/agregar
coordenadas XY (Figura 16). En la ventana de la herramienta se busca el archivo y se
indica el nombre de las columnas donde está la X y la Y. De manera automática ArcGis
muestra los puntos. Obsérvese que desde esa misma ventana se puede introducir el
sistema de coordenadas. Análogamente al caso de datos CAD, es conveniente exportar
los puntos al formato shape (botón dcho en la capa de puntos/data/export data)

Figura 16. Introducción de coordenadas GPS desde un fichero de texto.

3.4. Exportación a GoogleEarth

Cualquiera de los datos de ArcGis se pueden exportar a formato de google earth

(klm o kmz) en ArcToolbox/herramientas de conversión/a klm (Figura 17). Obsérvese
que se puede exportar la capa o también el mapa completo. Tanto para exportar a shape
como a klm, es conveniente asignar la proyección y datum, como ya se indicó, desde
ArcToolbox/herramientas de administración de datos/proyecciones y transformaciones.
Figura 17. Herramientas de exportación de datos a Google Earth.
 Facultad de Ciencias Agrarias y Ambientales
Departamento de Ingeniería Cartográfica y del Terreno
Nilda Sánchez Martín

Asignatura ‘SIG y Teledetección’. 4º curso Grado en Ingeniería Agrícola. Curso 2017-

18.

PRÁCTICA 3. EDICIÓN DE TABLAS Y ANÁLISIS ESPACIAL EN

ARCGIS 10.5.

RESUMEN:

Se propone trabajar con varios shapes con los que editar la tabla de atributos y realizar
análisis espacial entre las capas:

• Crear nuevos campos (texto y numéricos) y registros, suprimir otros.

• Realizar operaciones numéricas con los nuevos datos de las tablas.
• Realizar operaciones de análisis espacial como recortes y áreas de influencia.
• Creación de nuevos shapes.

NOTA:

DATOS NECESARIOS
• Shape del SIGPAC del término municipal de Vilvestre(Salamanca): “353.shp”
• Shapes de la provincia de Salamanca de curvas de nivel e hidrografía: cn.shp;
hidro.shp

La capa de Vilvestre contiene una información no pública ni descargable en ningún

enlace. Las capas de Salamanca se han descargado del Instituto Geográfico Nacional,
de la base de datos cartográfica a escala provincial, como alternativa a los datos de
Castilla y León que se han utilizado en las prácticas previas.

1. Inspeccionar el shape del parcelario

Abrir el shape con las parcelas del término de Vilvestre en ArcMap. Es una capa con los
datos de las parcelas procedentes del SIGPAC. Se recomienda inspeccionar la zona en
el visor SIGPAC de la Junta de Castilla y León para una mejor comprensión y ubicación
de la zona (coordenadas, huso UTM, etc. Figura 1, arriba). Al abrir las propiedades de
la capa/fuente (Figura 1, abajo) se comprueba que no tiene (aparentemente) sistema de
coordenadas ni proyección, aunque por las coordenadas que aparecen en ArcMap se
puede deducir que son metros en la proyección oficial de la cartografía, la UTM.
 Figura 1. Localización en el SIGPAC de la zona (arriba) y propiedades de la capa de parcelas
de Vilvestre (abajo). Se observa que no aparece un sistema de coordenadas definido ni
unidades de la realidad.

El primer paso será, por tanto, definir la proyección y sistema geodésico (UTM huso 29,
en ETRS89). En caja de herramientas/Herramientas de administración de
datos/Proyecciones y Transformaciones/Definir proyección (Figura 2)

Figura 2. Definición de la proyección y sistema geodésico mediante la herramienta “definir

proyección”.

Este procedimiento sirve para tener correctamente localizada y dimensionada la zona

en el sistema oficial. Ahora ya se podrá medir, hacer mapas, etc. Es conveniente definir
también la misma proyección en el marco de datos (botón derecho en el nombre,
propiedades, pestaña ‘Sistema de coordenadas’).

2. Abrir, consultar y editar la tabla de atributos de un shape

Abrir la tabla con el botón derecho sobre la capa/open attribute table y observar los
valores de los campos y los registros. Poner especial atención en los campos: hay un
tipo de datos geométricos procedentes de la digitalización (en un programa de CAD), y
hay datos temáticos sobre el SIGPAC.

2.1. Selección y consulta por atributos

Los registros (filas) y los campos (columnas) pueden ser seleccionados desde la tabla.
Obsérvese que cuando se seleccionan uno o varios registros de la misma (quedan
resaltados en un color turquesa), las entidades correspondientes a esos registros se
resaltan a la vez en la vista. De manera inversa, si se seleccionaran parcelas en el mapa
con la herramienta de selección, los registros correspondientes a esas parcelas
quedarían resaltados en la tabla. Es decir, existe un vínculo entre cada elemento de la
tabla y la vista y viceversa. Ésta es precisamente una de las características de los SIG.

Nota:

Las consultas a la tabla (por ejemplo, consultar qué parcelas tienen menos de 1 ha; qué
parcelas hay de olivos, etc.) se realizan, con la tabla abierta, mediante la herramienta
“seleccionar por atributos” (Figura 3).

Figura 3. Selección por atributos en la tabla.

La consulta por atributos se realiza seleccionando el campo (columna) que se quiere

consultar, el tipo de consulta (igual, mayor, etc.) y el valor (1 hectárea, ‘tierra arable’,
etc.). En la figura 4 se indican, a modo de ejemplo, las consultas de parcela mayor de 1
ha (izq.) y de parcelas de tierra arable (dcha.):
Figura 4. Selección por atributos. Izquierda, parcelas mayores de 1 ha. Derecha, parcelas de la
categoría “tierra arable”.

Obsérvese, en la parte superior de la consulta, el método elegido. Por defecto, se crea

una nueva selección con el resultado (que se activa tanto en el mapa como en la tabla).
Pero hay otras opciones que permiten añadir o quitar datos a una selección previa o
realizar consultas anidadas (seleccionar datos sobre datos ya resultantes de otra
consulta).

2.2. Cálculo y manejo de campos

Otras opciones para manejar la tabla, además del menú anterior (crear campo, uniones
y relaciones, crear gráfico, etc.), es seleccionar el campo que se desea manejar y ver
las opciones del botón dcho. (Figura 5).
 Figura 5. Menú contextual para un campo de la tabla de atributos.

- ordenar en orden ascendente o descendente

- crear un fichero ‘resumen’ de los valores de la columna (sobre todo estadísticos).
Alternativamente se pueden ver estadísticas de los valores de la columna (sólo para los
campos numéricos).
- hacer cálculos aritméticos o lógicos con los datos de la columna con la “calculadora de
campo”.
- Calcular geometría, lo que es especialmente interesante para calcular coordenadas,
área y perímetro.
- inmovilizar la columna para tenerla siempre visible.
- borrar campos. Podemos borrar algunos campos inservibles de la tabla de las
parcelas. Para ello seleccionamos una a una las columnas o bien varias a la vez
pulsando ctrl., botón dcho y “eliminar campo”

Nota:

Para añadir nuevos campos hay que volver al menú de la tabla (Figura 6). Se deberá
tener en cuenta qué tipo de datos se van a introducir, números enteros o decimales,
textos alfanuméricos, fechas, etc.
 Figura 6. Creación de nuevos campos en la tabla.

Por ejemplo, se va a añadir un campo que se llame “pond_uso” y que represente un

factor de ponderación de la parcela en función de su uso SIGPAC. Este campo ha de
ser de tipo flotante ya que vamos a establecer valores de ponderación entre 0 y 1 con
al menos un decimal. “Precisión” es el número total de cifras que tendrán los valores del
campo. “Escala” representa el número de cifras que aparecen después de la coma. Para
no perder precisión, poner 100 en cada casilla.

2.3. Edición de la tabla y los registros

Para introducir valores en la tabla y añadir registros de forma manual o ayudándose de

alguna herramienta de consulta, hay que hacer a la tabla editable (Figura 7) desde la
caja de botones del Editor/comenzar edición”
 Figura 7. Edición de la tabla en el editor.

Ahora ya se pueden ir introduciendo los datos manualmente en cada casilla del nuevo
campo. También se pueden generar nuevas filas o registros desplazándose hasta la
última fila e ir añadiendo datos. Sin embargo, en lugar de introducir datos uno por uno
manualmente se puede utilizar herramientas de búsqueda y de cálculo automáticos. Por
ejemplo, se propone dar un valor a cada uso SIGPAC en el nuevo campo “pond_uso” y
luego multiplicar ese nuevo campo por la columna de la superficie, de la forma:

Valoración=ponderación por uso*superficie

Para ello:

- Ir seleccionando cada uso SIGPAC en la tabla mediante la consulta por atributos. Con
los registros resultantes seleccionados, se utiliza la función de calculadora de campo
con el botón dcho en el campo “pond_uso” para asignarle el valor de ponderación que
se haya considerado (Figura 8). Al pulsar aceptar se le ha asignado el valor 0,1 a los
registros ‘agua’ de la tabla. Ir asignando sucesivamente el resto de valores deseados.
Obsérvese que la calculadora puede introducir operaciones aritméticas y matemáticas
mucho más complejas.

Nota:

Figura 8. Asignación del factor de ponderación por uso una vez realizada la selección de
registros.

- Una vez rellenos todos los registros del nuevo campo se trata de multiplicarlos por la
superficie y almacenar el resultado en un nuevo campo. Crear un campo “valoración” de
tipo flotante y aplicar la calculadora para realizar la operación (Figura 9).
 Figura 9. Asignación de fórmula para el cálculo de la valoración en la calculadora de campo.

Finalmente se puede manipular la leyenda para realizar un mapa del Término con las
nuevas valoraciones. Este método se puede aplicar para calcular bases imponibles,
impuestos, estimaciones de producción, etc., sin más que aplicar selección de atributos
y fórmulas en las que intervengan distintos campos.

3. Análisis espacial

ArcMap permite, además de editar y analizar la tabla (análisis temático), realizar tareas
de análisis de tipo geométrico en las capas y las entidades, llamado análisis espacial.
Se trata de realizar operaciones de análisis espacial con las capas de información
geográfica de la provincia (curvas de nivel e hidrografía) y el parcelario de Vilvestre,
sobre el que ya se trabajó la tabla.

3. 1. Recortar las capas del provincial con la zona del término de Vilvestre

Empezar una nueva sesión de ArcMap y añadir las capas de las curvas de nivel y la
hidrografía de la provincia. Se pretende trabajar sólo con la zona de Vilvestre, por lo que
se sugiere recortar los dos mapas de la provincia para circunscribirlas a la zona del
municipio y luego trabajar las tres capas (parcelario, curvas nivel e hidrografía)
conjuntamente a la escala del Término.

Nota:
- La opción de recortar es muy frecuente, por lo que está implementada en el menú de
Geoprocesamiento (Figura 10). La capa de entrada serían las curvas y la hidrografía
(hay que hacerlo una por una), con el parcelario 353.shp como límite del recorte
(entidades de recorte). Recordar ir a la ruta adecuada y darle un nombre significativo
(p.e., “hidro_clip”)

Figura 10. Herramienta de recorte.

Una vez recortadas, comprobar el resultado y quitar del marco de datos las originales
de la provincia. Investigar qué datos contienen las tablas de esas capas y utilizar una
leyenda adecuada. Probar a etiquetar alguna entidad en función de los datos.

2. Buffer o área de influencia

Un “buffer” es un área de influencia alrededor de las entidades vectoriales, sean del tipo
que sean. Por ejemplo, se puede determinar un buffer de 100 m alrededor de los cursos
de agua (entidades lineales) para determinar qué parcelas están dentro de esa zona,
con objeto de darles una valoración más alta. También se puede determinar un área
alrededor del casco urbano (entidades poligonales) para investigar la distancia límite a
la que se puede implantar una determinada explotación. Igualmente se puede utilizar
para entidades puntuales, por ejemplo para estudiar la repercusión de un vertido o
contaminante alrededor de un punto.

La herramienta de ArcMap es Geoprocesamiento/Área de influencia. Se propone

realizar el área de influencia de 100 m alrededor de la hidrografía previamente recortada
del Término. La capa input será la hidrografía y la distancia 100 m. El resto no hace falta
modificarlo (Figura 11). Darle un nombre y ruta al resultado (p.e., “hidro_buff.shp”)
 Figura 11. Herramienta de área de influencia y resultado.

A continuación se realiza la intersección del buffer con las parcelas para ver qué
parcelas tienen acceso al agua a menos de 100 m. Se realiza desde el menú principal
Selección/Seleccionar por Localización (la otra opción, Selección por Atributos, es la
selección en la tabla). Nótese que las entidades que se seleccionan son las parcelas
(353.shp), y la entidad que sirve para intersectar es el buffer hecho a la hidrografía
(Figura 12):
Figura 12. Selección por localización (en este caso, intersección de la capa de parcelas con el
área de influencia de la hidrografía).

Obsérvese que se podría haber obtenido el mismo resultado, sin necesidad de obtener
la capa buffer como paso intermedio, utilizando la opción “aplicar una distancia de
búsqueda”. En ese caso se podría utilizar directamente la capa de hidrografía (recortada
pero sin el buffer) e introducir 100 m como distancia. Obsérvense también las múltiples
opciones para selección espacial en el desplegable del método de selección.
 Figura 13. Utilización de la selección por localización y el área de influencia en un solo paso.

En el resultado de la figura 12 se aprecia que se han incluido los caminos en la selección,

ya que son considerados como parcelas, pero que no interesan. Para ello se hace una
selección por atributos en la capa 353.shp, que tiene ahora las parcelas seleccionadas,
en el menú Selección/Selección por Atributos. En este caso se indica que seleccione
todo lo distinto a viales (CA), teniendo cuidado de asignar el método “Seleccionar de la
selección actual” (Figura 14), para que se seleccionen parcelas de las previamente
seleccionadas con el buffer.

Figura 14. Selección por atributos dentro de las parcelas seleccionadas previamente con el
área de influencia.
Se pueden guardar los resultados en un shape nuevo para realizar posteriores análisis
(botón derecho en la capa 353/datos/exportar datos).

4. Creación de nuevos shapes

Pese a que se han descargado o trabajado ficheros shapes de la cartografía oficial por
distintas fuentes, es habitual la necesidad de trabajar con ficheros generados por el
propio usuario. Es el caso típico en el que no se dispone del parcelario y se necesita
tener un plano de la parcela de estudio. ArcMap cuenta con infinidad de herramientas
de dibujo y edición; aunque en muchos casos se prefiere dibujar la parcela (o los
elementos que sean) en CAD y luego importarlos desde ArcMap.

En este caso, por la facilidad de dibujo en ArcMap y la sencillez del proceso, se propone
crear un shape vectorial de tipo poligonal y digitalizar la parcela. El resultado quedará
almacenado en el fichero, con coordenadas y dimensiones reales, y estará listo para
cualquier aplicación posterior.

En una sesión nueva, añadir la ortofoto de la zona de estudio o, alternativamente, añadir

un mapa base de imágenes u ortofotos que sirva de base para delimitar el recinto de la
parcela. Desde el catálogo, ir a la carpeta de trabajo y con el botón
derecho/nuevo/shapefile, darle un nombre y tipo de entidad al fichero (polígonos, en
este caso). Es importante asignarle coordenadas y proyección con el botón de “editar”
(Figura 15).

Figura 15. Creación de un nuevo shape para una parcela y asignación del sistema de
coordenadas y proyección.
El nuevo shape se añadirá a la tabla de contenidos. Para comenzar a digitalizar la
parcela, activar el editor con el botón del lápiz y Editor/Comenzar la edición (Figura 16),
que dará paso a la edición. Se habrá abierto la ventana de crear entidades. Seleccionar
la nueva capa y en la parte inferior, en “Herramientas de construcción”, seleccionar
“polígono”. Ir a la vista y comenzar a introducir puntos alrededor del recinto hasta acabar
por donde se empezó, terminando con un doble clic. La entidad estará ya terminada. En
la barra del editor, detener la edición y guardar los cambios.

Figura 16. Edición y creación del nuevo shape.

 Facultad de Ciencias Agrarias y Ambientales
Departamento de Ingeniería Cartográfica y del Terreno
Nilda Sánchez Martín

Asignatura ‘SIG y Teledetección’. 4º curso Grado en Ingeniería Agrícola. Curso

2017-18.

PRÁCTICA 4. VISUALIZACIÓN DE DIFERENTES IMÁGENES DE

SENSORES REMOTOS

RESUMEN

• Imágenes de satélite: misiones, sensores y formatos. Resoluciones de la

imagen.
• Formas de visualización. Análisis visual.
• Inspección estadística de las imágenes.
• Otras herramientas de análisis visual: scatter plot, spectral plot.

DATOS NECESARIOS
 Imagen multiespectral Sentinel-2:
“Sentinel-2_5_agosto_2016_10m_Bandas2-3-4-8-11-12.pix”
 Imagen multiespectral Landsat-8 corregida atmosféricamente:
“ATCORCorrected_Landsat-8_16julio2016_mulitespectral.pix”
 5 imágenes multiespectrales Deimos-1 de 2011 de la forma:
“DE01_SL6_22P_1T_2011…. .tif”

SOFTWARE: Focus y PCI Geomatica 2017

PLANTEAMIENTO DE LA PRÁCTICA

En esta práctica se trabajarán las imágenes de satélite desde el punto de vista de su

interpretación visual y estadística, usando herramientas del software y mejora visual.
Dentro de la amplia oferta de imágenes de teledetección se proponen, por su mayor
aplicabilidad en agricultura y vegetación además de su facilidad de interpretación visual,
tres tipos de imágenes en el rango óptico e infrarrojo del espectro electromagnético
(Figura 1). Estas imágenes provienen de los programas espaciales Landsat-8, Deimos-
1 y Sentinel-2.

1
 Figura 1. Espectro de la energía electromagnética de aplicación en teledetección y otras
aplicaciones.

1. Características de las imágenes: sensores y resoluciones

Antes de cualquier tratamiento de los ficheros imagen es recomendable investigar y

recopilar la información más relevante de los sensores/misiones de los que se derivan
dichas imágenes. Estas características determinarán su posterior análisis y sus
aplicaciones más idóneas. Para los tres programas espaciales Landsat-8, Deimos-1 y
Sentinel-2 se recopilará información relativa a:

- Características de la misión (empresa pública o privada, vigencia de la misión,

ámbito, etc.).
- Resolución espacial genérica del sensor (tamaño del pixel en el terreno). La
resolución espacial puede cambiar en función de la banda almacenada.
- Resolución espectral genérica del sensor (bandas de energía que almacena).
- Resolución temporal del satélite (tiempo de revisita)....

2. Imágenes de satélite: formatos ráster

Los formatos digitales de las imágenes se derivan de la forma que tienen los sensores
de registrar la energía que captan por el objetivo. La imagen almacena la energía que
refleja la superficie terrestre de manera natural cuando incide sobre ella la energía solar.
El sensor electrónico tiene una placa o ‘chip’ con millones de unidades fotosensibles,
que captan los fotones de energía reflejada y los transforman en respuesta eléctrica que
puede ser almacenada. Cada unidad se corresponde con un píxel de la imagen. Por
tanto la imagen es una matriz de píxeles que almacenan la energía en formato digital
(bits). La visualización de la imagen se realiza asignando un nivel de gris a cada nivel
de energía almacenada (Figura 2). Los sensores remotos tienen un chip para cada
región de energía electromagnética que se quiere estudiar. A diferencia de una cámara
fotográfica convencional, que sólo tiene tres bandas de energía (en el visible: azul, verde
y rojo), los sensores de teledetección tienen más de tres bandas y pueden llegar a
decenas, lo que amplia enormemente las posibilidades de análisis. Por ese motivo se
llaman imágenes multiespectrales 1.

1
En algunos casos se habla de imágenes hiperespectrales, ya que pueden llegar a almacenar cientos de
bandas.

2
 Figura 2. Formato raster, niveles digitales y niveles de visualización.

Los formatos de tipo raster son innumerables (jpeg, gif, bmp, etc.), aunque no tanto los
que son capaces de soportar coordenadas (tiff, hdf, img, ceos, etc.). Además de estos
formatos genéricos, cada software tiene su propio formato. El formato digital del software
PCI es .pix. Estos archivos soportan las imágenes propiamente dichas (las bandas),
pero además pueden almacenar datos del sensor, metadatos de la imagen, entidades
vectoriales, tablas de color, etc.

3. Formas de visualización. Análisis visual

En Focus, al igual que en el resto de programas de tratamiento de imágenes (remotas

o no), la visualización de imágenes se puede realizar al menos de tres maneras:

- Banda a banda en blanco y negro

- Con tres bandas en una composición RGB (Figura 3)
- Una sola banda en pseudocolor o tabla de colores

Figura 3. Composición RGB en color verdadero a partir de las bandas azul, verde y roja, que
individualmente sólo se pueden ver en niveles de gris.

La visualización banda a banda permite analizar visualmente qué banda tiene más
energía, cuáles son las zonas de mayor y menor energía en la zona, si hay algún defecto
o característica relevante, etc. La composición RGB usa tres bandas cualesquiera de la
imagen y les aplica los tres canales de color azul, verde y rojo. Cuando esos tres canales
se aplican precisamente a las bandas de energía en esas zonas del espectro (azul con
la banda azul, verde con banda verde y rojo con banda roja, Figura 3) se dice que es

3
una composición en “color verdadero”, ya que corresponde a lo que de forma natural se
vería desde el espacio. La composición en color verdadero es la más parecida a nuestra
visión y permite un análisis más intuitivo de la realidad que se percibe en las imágenes,
por ejemplo para distinguir los usos de suelo, identificar las diferentes zonas, relacionar
con la fecha de adquisición, etc. Cuando los canales RGB se aplican a otras bandas
(por ejemplo, el infrarrojo) o a otras combinaciones distintas al color verdadero se dice
que son en “falso color”. Las combinaciones en falso color permiten destacar cubiertas,
distinguir coberturas que no se ven en una composición normal, etc.

- Se propone abrir las imágenes Landsat-8 y Sentinel-2 y analizar en Focus las

siguientes características de estas imágenes concretas y ver si coinciden con las
características genéricas de la misión investigadas en la sección 1:
o Resolución espectral.
o Resolución espacial. Nótese que en el caso de Sentinel-2, aunque todas
las bandas tienen aparentemente 10 m de resolución, se aprecia
visualmente una peor resolución para las bandas SWIR, debido a su peor
resolución original.
o Resolución radiométrica (capacidad de almacenamiento de niveles
digitales de cada imagen en bits/bytes).
o Sistema de coordenadas y/o proyección.
- Realizar una composición en color verdadero y tratar de analizar visualmente lo
que se puede identificar, en combinación con la fecha de adquisición. Nótese
que al ser imágenes georreferenciadas se produce de forma automática la
geolocalización al abrirlas en Focus. Ello facilita la interpretación de las imágenes
en comparación con otras herramientas (Google Earth, SIGPAC, etc.). Identificar
ciudades, cultivos, carreteras, zonas de bosque, ríos, etc. y sus diferentes
colores. Interpretar los colores en función de la fecha de adquisición de la
imagen, que en ambos casos es verano.
- Realizar alguna composición en falso color en ambas imágenes. Investigar de
qué color se ven algunas de las posibles clases anteriores (por ejemplo dehesa,
regadío, secano, urbano, agua, u otras que se puedan identificar).
- Realizar una composición en falso color de Deimos-1 (coger una fecha de verano
también, la de 20 de julio). Para esta imagen es imposible realizar color
verdadero ya que no tiene banda azul, como se investigó en el apartado 1.
Analizar los colores resultantes en función de la fecha y de las coberturas de
suelo.

NOTA:

Figura 4. Botones y herramientas de Focus, entre los que se indica el realce visual.

4
 4. Visualización multitemporal

Se han proporcionado una serie de 5 imágenes del sensor Deimos-1 de los meses de
febrero, abril, junio, julio y septiembre (en formato original tif). En este caso, a la
capacidad multiespectral de las imágenes se añade la capacidad multitemporal, ya que
podemos estudiar la evolución de cada pixel a lo largo del tiempo. El análisis
multitemporal permite monitorizar los cultivos a lo largo de los ciclos fenológicos y hacer
análisis muy avanzados.

En este caso la propuesta es abrirlas todas en una sola sesión nueva de Focus y
observar visualmente los cambios que van presentando las distintas zonas de la imagen
en función de la evolución fenológica de la vegetación. Se propone hacer un cuadro-
resumen indicando las coberturas vegetales más fácilmente identificables (forestal-
pradera, secano, regadío, vegetación de ribera) con su estado fenológico aproximado
en cada fecha y su correspondiente visualización (color) en cada una de las imágenes.

Una herramienta visual de Focus para visualizar la secuencia temporal es el ‘loop’ del
menú View/visualization tools que permite ver todas las fechas de forma continua
(Figura 5).

Figura 5. Herramienta ‘loop’ para ver la secuencia temporal de forma dinámica.

5. Mejora de la visualización. Análisis estadístico

En el apartado anterior se estudió la visualización de las bandas una a una o en

composiciones RGB para facilitar el análisis. Existe otro tipo de herramientas de análisis
visual que manejan las bandas desde el punto de vista estadístico, ya que la imagen es
una matriz numérica y por tanto se le pueden aplicar conceptos estadísticos. Para
comprender estas herramientas previamente se ha debido analizar la resolución
radiométrica de las bandas, es decir, qué tipo de números (niveles digitales de energía)
se almacenan para cada uno de los pixeles imagen: números enteros, con signo, reales,
etc. y qué rango de niveles se almacenan (mínimo y máximo).

Desde el punto de vista estadístico, para cada banda se puede construir un diagrama
que indique el número de píxeles que tienen un nivel determinado de energía. Esta

5
representación se denomina histograma, y representa (Figura 6) en el eje de abscisas
la resolución radiométrica o niveles de energía posibles, y en el de ordenadas el número
de píxeles. Cada histograma con sus estadísticos se debe estudiar por separado.Al
histograma de cada banda (Figura 6) se accede desde varias opciones, con el menú de
contexto (botón dcho.) tanto desde la pestaña de “maps” como la de “files”, y desde el
menú layer

Figura 6. Histograma de una banda con indicación de estadísticos.

El histograma ayuda a la comprensión de la energía de la imagen. La forma indica la

distribución de la energía, que normalmente tiene la conocida forma de campana de
Gauss (distribución ‘normal’). Cuanto más apaisada sea la campana, significará una
mayor variabilidad de niveles de energía, lo que se refleja en un mayor contraste. Al
contrario, si el histograma es muy apuntado, la imagen original tiene menor contraste.
La posición del histograma también indica la mayor o menor energía de la banda. En la
herramienta de histograma de Focus se indican también los estadísticos de mínimo,
máximo, media, desviación estándar, etc. Se deben analizar, para cualquiera de los
ficheros imagen propuestos, las diferencias entre los histogramas de cada banda, y
comentar los resultados en relación con la fecha de la imagen elegida.

Como se ha dicho anteriormente, cualquier software de visualización de imágenes,

como Focus, convierte todos los niveles digitales de energía originales a una escala de
visualización en grises (o en colores). No los modifica, simplemente convierte los
números digitales a una escala de visualización, es decir, convierte los niveles de
energía en niveles de grises. La asignación se realiza mediante una tabla llamada Look
Up Table (LUT). Esta tabla se puede configurar, editar, crear, o simplemente se puede
escoger alguna conversión de las que ofrece el programa (Figuras 7 y 8).

6
 Figura 7. Menú de realces y LUTs. Los realces también están disponibles en el botón
“enhancements” de la figura 4.

A estas herramientas se les llama realces porque permiten visualizar con mejor
contraste la imagen. El programa Focus incorpora varios realces automáticos (lineal,
ecualizado, etc.). Alternativamente, se podrían también utilizar las herramientas de
ajuste de brillo y contraste de forma manual (Figura 4, a la derecha de los realces). En
la ventana de edición de la LUT (Figura 8) se observa la diferencia de ver la banda sin
LUT (‘none’) o aplicando cualquiera de ellas. Además, la LUT se puede manipular y
personalizar.

Figura 8. Herramienta de edición de LUTs. Nótese la diferencia entre el histograma original (en
gris) y tras la aplicación de la LUT (en rojo).

7
Otra herramienta que maneja las bandas desde el punto de vista numérico, en este caso
tomando bandas dos a dos, es el ‘scatter plot’ o diagrama de dispersión. Enfrenta los
niveles digitales de una banda frente a otra, comparando cada píxel (Figura 9). En otras
palabras, establece la correlación espacial (calculada para todos los píxeles) entre dos
bandas, enfrentando los niveles digitales. Nótese que esta herramienta proporciona el
coeficiente de correlación 2 entre bandas, y por tanto nos indica el grado de similitud
entre ambas. Esta herramienta está disponible desde el menú layer o desde el menú
contextual de la banda en la vista. Es muy útil para saber qué bandas son más similares
entre ellas y por tanto son redundantes y podrían ser eliminadas en los siguientes
análisis.

Figura 9. Scatter plot para dos bandas landsat

- Analizar los histogramas de cada banda e imagen y discutir los resultados.

Analizar qué bandas tienen más energía, qué forma y valores tienen los
histogramas, cuáles son los máximos y mínimos, etc.
- Aplicar diferentes realces y evaluar el resultado sobre la visualización de las
bandas y las composiciones en color.
- Realizar el scatter plot para las bandas de una de las imágenes y comentar y
analizar los resultados.

2
Coeficiente de correlación, R, de Pearson.

8
 6. Diagrama espectral

Es una herramienta que sirve para conocer los niveles digitales de un determinado pixel
(que se ha indicado con el cursor) en cada banda (Figura 10). De esta forma se
proporciona la signatura o firma espectral de ese píxel, y por tanto de la cobertura o uso
que tiene ese pixel. Cuantas más bandas tenga el sensor, más completa y precisa será
esa firma espectral. Puesto que cada uso de suelo tiene un diagrama espectral diferente,
esas diferencias servirán para clasificar los píxeles de la imagen en dichos usos de
suelo, como se verá en la práctica siguiente.

Figura 10. Diagrama espectral para varios pixel imagen que se han tomado “from image”,
pinchando en la vista.

Se propone realizar y analizar el diagrama espectral de las clases antes comentadas:

- Utilizando alguna de las imágenes, observar el diagrama espectral de píxeles de

diferentes usos o coberturas (secano, regadío, urbano, bosque, etc.) y estudiar
la diferente respuesta o signatura espectral de cada uno.
- Comparar el diagrama de una misma localización del terreno en cada una de las
imágenes propuestas y analizar el resultado.

9
 Facultad de Ciencias Agrarias y Ambientales
Departamento de Ingeniería Cartográfica y del Terreno
Nilda Sánchez Martín

Asignatura ‘SIG y Teledetección’. 4º curso Grado en Ingeniería Agrícola. Curso

2017-18.

PRÁCTICA 5. TRATAMIENTO DIGITAL DE IMÁGENES REMOTAS

RESUMEN:

• Recorte de la zona de estudio.

• Manipulación de los niveles digitales originales de las imágenes haciendo
transformaciones globales y locales a la imagen.
• Álgebra de bandas e índices de vegetación.
• Clasificación supervisada y no supervisada.
• Aplicación de filtros.
• Exportación de resultados a otros formatos.

DATOS NECESARIOS:

 Imagen multiespectral Sentinel-2:

“Sentinel-2_5_agosto_2016_10m_Bandas2-3-4-8-11-12.pix”

SOFTWARE: Focus y PCI Geomatica 2017

PLANTEAMIENTO DE LA PRÁCTICA

Tras la visualización y análisis de las imágenes de satélite se pasa a un nivel de mayor

complejidad que consiste en el tratamiento digital de las mismas, que implica la
manipulación y transformación de los ficheros originales. En primer lugar se recorta la
imagen a la zona de estudio, conservando las bandas originales. En segundo lugar se
modifican los niveles digitales originales para convertirlos a valores físicos de
reflectividad, y se aplican índices de vegetación mediante operaciones algebraicas entre
bandas. En tercer lugar se aplican métodos de agrupamiento y segmentación de los
píxeles (clasificaciones) y operadores de contexto (filtros). Finalmente, se aprenderá a
exportar los resultados a archivos imagen de formato estándar, con el fin de obtener
productos derivados de interés en agricultura.

1
1. Recorte (clip) de la zona de estudio

La imagen que se va a manipular es una Sentinel-2, de la Agencia Espacial Europea,

de una zona que comprende el NO de Salamanca, la zona limítrofe de Portugal y el SO
de Zamora. Tiene 6 bandas: 3 visibles, 1 infrarrojo cercano (NIR) y 2 infrarrojo de onda
corta (SWIR). El ancho de banda en nm está indicado en cada banda del fichero. La
resolución espacial es de 10 m y tiene coordenadas proyectadas, que se visualizan
como UTM (x,y) o geográficas (long,lat). Se propone recortar esta imagen a una zona
más pequeña de trabajo, conservando las bandas y resolución originales.

Para recortar se utiliza la herramienta de recorte o clip del menú tools/clipping-subsetting

(Figura 1), que permite diferentes opciones de recorte. En este caso se utilizará el
recorte por coordenadas (del tipo “Geocoded”, es decir, en UTM):

Upper left: 258890; 4553160

Lower right: 309840; 4508580

Utilizar el 0 como “No Data value” para evitar datos nulos.

Figura 1. Herramienta de recorte de Focus, con las diferentes opciones de recorte (en este
caso se usa el fichero previamente recortado de Sentinel-2).

2. Calculadora raster: conversión a reflectividades

La imagen Sentinel-2 tiene una resolución radiométrica de 16 bits, lo que implica que
los niveles de energía están codificados a niveles digitales comprendidos entre 1 y

2
65535 1. Para obtener las reflectividades entre 0-1 habría que dividir los niveles digitales
originales entre 10000. Para hacer esa conversión, o cualquier otra de tipo numérico, se
utiliza la calculadora raster, que permite aplicar fórmulas o expresiones matemáticas o
lógicas a las bandas, tomadas una a una o entre ellas.

Abrir una nueva sesión de Focus con la imagen Sentinel-2 únicamente y abrir la “raster
calculator” desde el menú tools (Figura 2). La operación consiste en seleccionar cada
banda y dividirla/10000; nótese que de dicha operación se obtendrán valores decimales,
así que es necesaria la opción de “32 bit real chanel”. Se debe generar un nuevo fichero,
con el mismo nombre pero con ‘ref’ al final. Se hace la operación para cada banda,
cambiando el número en la fórmula, se le da el nombre de la misma (ATENCIÓN: pulsar
la tecla ENTER cada vez que se le da nombre a la nueva banda: blue, green, red etc.)

y se van guardando en dicho fichero (Figura 2) ejecutando la función con “run” .

Figura 2. Herramienta “raster calculator”.

1
Ese valor resulta de 2^16=65536. El valor 0 se considera como ‘no data’, por tanto hay valores entre 1 y
65535.

3
 Figura 3. Conversión a reflectividades mediante la calculadora raster y creación de un nuevo
fichero con las nuevas bandas.

Por defecto el fichero se abre en la pestaña files. Observar el resultado de las bandas y
comprobar los nuevos valores respecto del fichero original. Observar y analizar también
los histogramas. Obsérvese también que el fichero resultante tiene mayor tamaño que
el original debido a que las bandas de 32 bits ocupan mucha más memoria.

3. Álgebra de bandas: índices de vegetación

Los índices de vegetación tratan de extraer y caracterizar las zonas de vegetación en la

imagen, usando en la mayoría de los casos la banda infrarroja (donde la vegetación
refleja más energía) y la roja (donde la vegetación absorbe la energía para la
fotosíntesis). Esta relación inversa se verificó en la práctica de visualización anterior en
el diagrama espectral. Los diferentes índices de vegetación son del máximo interés en
agricultura, ya que pueden describir el estado fenológico del cultivo, sus características
y estado, y su evolución a lo largo del tiempo.

El índice de vegetación más común tiene forma de un cociente (Ec. 1) o un cociente

normalizado (Ec. 2) entre la banda infrarroja y roja. Un valor alto de índice indica máximo
en el infrarrojo y mínimo en el rojo, detectando los píxeles donde hay actividad
vegetativa:

ρ NIR
IV = Ec. 1
ρR

ρ NIR − ρ R
NDVI = Ec. 2
ρ NIR + ρ R

en las que ρ es la reflectividad de las bandas roja e infrarroja. El índice de vegetación

calculado como un simple ratio entre bandas (IV) toma un valor mayor que 0 que va
aumentando conforme aumenta el vigor de la vegetación, sin un rango específico, ya
que depende de los valores de reflectividad. Sin embargo, el Normalized Diference

4
Vegetation Index (NDVI) toma un valor normalizado entre -1 y 1, aunque la interpretación
de ambos es similar. Al ser normalizado, el NDVI tiene un valor que varía entre -1 y 1, y
que es comparable para cualquier fecha o sensor, por lo que es mucho más
recomendable que el cociente simple. De manera simplificada, valores altos representan
vegetación activa y sana (entre 0.3 y 0.8). Valores cercanos a 0 representan zonas de
suelo desnudo. Valores negativos indican superficies de agua o suelo muy húmedo.

Para calcular el NDVI se usa nuevamente la herramienta tools/raster calculator y se

introduce la fórmula de la Ec. 2, poniendo atención en qué número de banda están
almacenados las reflectividades del rojo y el NIR, y usando paréntesis. El tipo de salida
debe ser también de 32 bits, para almacenar los decimales. Almacenar el resultado
como una banda nueva del propio fichero que se llame NDVI, pulsar intro y ejecutar con
el botón ‘run’, al igual que en el apartado anterior.

El resultado (Figura 4) se visualiza como una banda de grises, en la que los valores
altos (blanco) corresponden a zonas con vegetación vigorosa y los bajos (negro) a
ausencia de vegetación o poco vigor vegetal. Además de la inspección visual se debe
analizar y estudiar su histograma, valores mínimos y máximos, cultivos y valores que le
corresponden, zonas de agua, urbanas, etc.

Figura 4. Resultado del NDVI para la imagen Sentinel-2 de agosto previamente recortada a la
zona cercana de Salamanca.
.
Se propone:

o Calcular los NDVI del resto de imágenes propuestas en prácticas y

comentar los resultados imagen a imagen y en comparación con las
distintas imágenes y fechas. Analizar teniendo en cuenta la exploración

5
 visual previa que se hizo de cada una, viendo los resultados de cada uso
de suelo detectado.
o Probar con otras formulaciones en la calculadora raster. Por ejemplo,
probar con el Enhanced Vegetation Index (EVI), cuya formulación es (Ec.
3):

ρ NIR − ρ R
EVI = 2,5 Ec. 3
ρ NIR + 6ρ R − 7,5ρ Blue + 1

NOTA:

3. Agrupamiento de píxeles: clasificaciones

La clasificación implica la agrupación de los píxeles de la imagen en un número reducido

de categorías en función de su respuesta espectral. Las categorías pueden ser
determinadas de forma automática por el programa, o pueden asignarse con un
“entrenamiento” previo en el que le designamos algunas zonas en las que se conoce
(bien por un análisis visual o bien mediante datos de campo) la clase a la que
pertenecen.

En Focus se accede a los métodos de clasificación en Analysis/Image classification.

Existe un procedimiento supervisado y otro no supervisado.

3.1. Clasificación NO supervisada (unsupervised)

En este método se decide únicamente los inputs que se van a clasificar (bandas) y el
algoritmo que se va a aplicar. Se necesita también añadir una banda o canal para
almacenar los resultados de la clasificación, en este caso de 8 bits ya que las clases
son números enteros. El programa, de forma automática, agrupa los píxeles basándose
en el algoritmo escogido y las diferentes reflectividades de los píxeles.

La configuración de inputs y outputs (Figura 5) se realiza accediendo desde el menú,

indicando el fichero, y a continuación en el menú sessions/new session para configurar
los parámetros del procedimiento. En la primera session el panel superior está vacío ya
que es la primera vez que se clasifica. Posteriormente se puede acceder a las anteriores
clasificaciones desde aquí y cambiar la configuración. Se debe añadir una banda vacía
(“add layer”) para almacenar el resultado de la clasificación. En “input channels” indicar
las bandas que se van a clasificar, y en “output channel”, la que se acaba de crear para
almacenar los resultados. “Red, green, blue”, representan los colores con los que se
ven las bandas seleccionadas antes de la clasificación; si se quiere ver en color
verdadero hay que cambiar el orden de las bandas.

6
 Figura 5. Configuración de clasificación no supervisada.

A continuación se pasa de forma automática a la ventana de selección del algoritmo.

Obsérvese que en la pestaña de “maps” se ha abierto un layer nuevo, “classification
metalayer” del que dependen una visualización RGB (la indicada en la configuración) y
una capa “output”, por el momento vacía (Figura 6). Recibe el nombre de “metalayer” ya
que cuando se acabe el proceso desparecerá.

Focus propone tres algoritmos de clasificación no supervisada, K-Means, Fuzzy K-

means e Isodata. Cada algoritmo requiere parámetros diferentes y dará resultados
diferentes.

Figura 6. Configuración de clasificación no supervisada y metalayer del proceso en la pestaña

“maps”.

7
Se presentan varias opciones en la ventana de clasificación junto con los algoritmos
(Figura 6). Se puede crear una tabla de color con los colores asignados a cada clase,
Pseudocolor Table, (PCT), un informe (“show report”), o salvar las estadísticas de la
firma espectral de cada clase (“save signatures”). La opción “show report” proporciona
un informe estadístico que indica el número de pixeles que se ha asignado a cada clase
y la media y la desviación estándar de la reflectividad de cada clase en las bandas input.

NOTA:

Figura 7. Visualización del mapa de clases resultante de la clasificación no supervisada con la

opción de pseudocolor. Se despliega también la leyenda de colores en la pestaña de mapas.

Se propone aplicar los tres algoritmos y evaluar los resultados. Debido a las
características de la zona, se recomienda bajar el número de clases requeridas (por
ejemplo a seis). También se puede considerar introducir el NDVI como input o excluirlo
y comparar los resultados. Analizar el resultado de la clasificación: ¿la asignación
automática de clases responde a la realidad de los usos de suelo que se ha
inspeccionado visualmente?, ¿existe confusión entre las zonas que ha diferenciado el
programa como clases diferentes y la interpretación visual?, ¿sería conveniente
aumentar o disminuir el número de clases?

3.2. Clasificación supervisada

Este método implica un mayor grado de decisión sobre el proceso. Se llama supervisado
porque el usuario tiene que decidir sobre la leyenda de clases, además del resto de
opciones (inputs y algoritmo), y sobre todo porque tiene que “entrenar” al programa para
que distinga correctamente las clases buscadas. El proceso general de clasificación
supervisado tiene las siguientes fases:

1. Establecer la leyenda deseada.

2. Determinar y configurar los inputs y outputs de la clasificación.
3. Configurar e introducir las áreas de entrenamiento.
4. Configurar y aplicar el algoritmo de clasificación.
5. Analizar estadísticamente los resultados del proceso de clasificación.

8
 6. Analizar los resultados del mapa clasificado.

El proceso difiere del anterior en que, en lugar de ser un procedimiento automático de

asignación de los píxeles a las clases, es el usuario el que indica las clases buscadas y
algunas zonas concretas en las que se tiene certeza de que existen esas clases
(“training areas” o áreas de entrenamiento). Por ello en primer lugar hay que crear dos
canales nuevos, uno para almacenar los resultados del mapa y otro para las training
areas. También se indican los inputs y outputs como en el caso de la no supervisada
(Figura 8).

Figura 8. Configuración de clasificación supervisada.

Desde la ventana de edición de clases que aparece a continuación (“Training site editor”,
Figura 9) se van creando nuevas categorías de ocupación de suelo asignándole un color
y nombre a cada una. Obsérvese que nuevamente se crea un metalayer de la
clasificación, pero en este caso con una capa para las áreas de entrenamiento, que
debe estar activada (en azul).

9
 Figura 9. Configuración de las clases de entrenamiento.

Por ejemplo, para una clasificación de usos de suelo generales, las clases en esta zona
podrían ser:

- Agua
- Urbano
- Secano
- Regadío
- Dehesa
- Se podría añadir también barbecho, vegetación de ribera u otras clases según la zona.

Esta ventana del editor de las áreas de entrenamiento debe estar abierta mientras se
introducen las áreas, con una clase activa sobre la que se trabaja (recuadrada con una
línea roja). A continuación se empiezan a introducir las áreas de entrenamiento. Se
pueden utilizar alguna de las herramientas de trazado (por ejemplo, elipses) para dibujar
las zonas (Figura 10). En todo momento se pueden borrar las clases y las áreas de cada
una con el menú Edit del training sites editing. También se puede utilizar la “goma de
borrar” de los botones generales de Focus para borrar un área concreta introducida
erróneamente.

10
 Figura 10. Introducción de las áreas de entrenamiento.

Las áreas de entrenamiento deben recoger las clases en diferentes zonas de la imagen
para que se representen distintas tipologías dentro de la misma clase. Por ejemplo, la
clase de dehesa-forestal puede contener zonas con más o menos densidad de árboles,
suelo con pasto o cultivado, etc. y se deben incluir zonas de todas ellas dentro de la
clase para que sea representativa. También es importante que las áreas no sean muy
grandes, para no mezclar tipos, ni muy pequeñas, para que no sean demasiado
específicas para unos pocos píxeles.

En cualquier momento se puede visualizar una pre-clasificación desde el metalayer de

la clasificación, con el botón derecho, utilities/classification preview. Este menú de
contexto incluye además varias opciones: cambiar la configuración del proceso, volver
a la ventana de edición de las áreas, cambiar las clases, ejecutar la clasificación o
comprobar los resultados.

Al terminar las áreas, se salvan las clases y se cierra la ventana del editor. Antes de
ejecutar la clasificación se debe estudiar la separabilidad de las clases (menú de
contexto en el metalayer, utilities/signature separability). La separabilidad expresa el
grado de confusión o de mezcla de cada clase basándose las áreas de entrenamiento
introducidas. Se expresa mediante una matriz en la que se enfrenta cada categoría o
clase a las demás (Figura 11). La separabilidad se mide en términos estadísticos, y se
expresa con un valor de 2 cuando es la óptima. Cruzando los valores de la matriz se
detectan las clases que mejor “se separan”, o dicho de otro modo, que se confunden
menos. Se pueden ir analizando las clases a la luz de la separabilidad estadística y del
conocimiento de la fecha y la zona que se tenga. La separabilidad también nos ayuda a
refinar la selección de clases, quitando, añadiendo o agregando clases.

Figura 11. Matriz de separabilidad para una clasificación supervisada para la imagen QuickBird
de julio 2002.

El siguiente paso es la ejecución de la clasificación, eligiendo un algoritmo de los

propuestos (Figura 12). Uno de los más efectivos es el de máxima probabilidad
(Maximum Likelihood), en el que se puede configurar una clase nula para aquellas zonas

11
en las que el software no encuentre similitud espectral con las áreas de entrenamiento.
Esto significa que si las clases son demasiado específicas, habrá muchos píxeles que
no pueda clasificar en esas clases y los incluirá en una clase nula que tendrá mucho
protagonismo en el resultado. Por el contrario, puede dar buenos resultados cuando por
desconocimiento de la zona de trabajo se haya pasado por alto algún uso de suelo,
quedando la clase nula asignada a esas zonas 2. En el caso de la supervisada, conviene
crear la tabla de color PCT para que al exportar el resultado, como se verá a
continuación, se almacenen los colores seleccionados por el usuario.

Figura 12. Algoritmos de clasificación supervisada en Focus.

Además del criterio de separabilidad, es necesario comprobar el procedimiento de

entrenamiento propiamente dicho. Para ello se analizan los resultados del informe
(Figura 13): media, desviación estándar de cada clase; superficie real de ocupación de
cada clase (número de pixeles multiplicado por la superficie del mismo; o también en
porcentaje). También se debe analizar la precisión de cada clase y la general del
procedimiento mediante el valor de % de acierto y el estadístico kappa. El porcentaje no
debe ser menor del 80%; mientras que un valor de kappa por debajo de 0.85 no es
tampoco aceptable (la kappa óptima es 1).

2
No necesariamente se tienen que clasificar todos lo píxeles de la imagen, también se puede buscar alguna
clase concreta y dejar lo demás para una clase nula.

12
 Figura 13. Resultados del informe de clasificación con los estadísticos de exactitud y Kappa.

Finalmente, la verificación del proceso de entrenamiento no garantiza la calidad del

mapa de clases resultantes (Figura 14, en la que se aprecia, por ejemplo, la
sobreestimación de zonas urbanas). Los resultados deben ser comprobados
independientemente. Para ello se deberían tener zonas ‘verdad terreno’ observadas in
situ o un mapa de referencia. En su defecto, se puede hacer un análisis e interpretación
visual para verificar si salen zonas coherentes con la realidad.

13
 Figura 14. Resultados del mapa de clases mediante el proceso supervisado.

La clasificación es un proceso que no suele dar un resultado óptimo hasta no hacer

sucesivas iteraciones. Y los resultados nunca son iguales debido a la subjetividad de las
áreas de entrenamiento. Por ejemplo, se deben probar varios algoritmos y/o clase nula
para comparar resultados, o cambiar los inputs. También es posible que haya que
reagrupar las clases o crear algunas nuevas; así como modificar las áreas de
entrenamiento. Se propone hacer distintas pruebas con algoritmos y alternativas y
analizar los resultados. También se pueden clasificar el resto de imágenes facilitadas
en las prácticas, incluyendo las ortofotos.

4. Operadores de contexto: filtros

Tanto en la clasificación como en los índices de vegetación se segmentan los pixeles

de la imagen basándose exclusivamente en su respuesta espectral. El algoritmo asigna
la clase de cada pixel atendiendo a su nivel digital, bien de forma automática o bien
apoyándose en los criterios que el operador le dicta en las áreas de entrenamiento. Es
un tratamiento que se aplica a todos los píxeles de la imagen a la vez, por lo que se
consideran tratamiento globales. Sin embargo existe otra forma de tratamiento de la
imagen que se realiza a través de la respuesta espectral que cada pixel tiene en relación
con la de “sus vecinos”, (de ahí el nombre de tratamiento de contexto), ya que se
transforma el valor de un pixel según una relación con los más próximos “pixel a pixel”.
Entre los más usuales están los tratamientos de filtros y los de textura. En ambos casos
se define un tamaño de matriz y una operación matemática o estadística (por ejemplo
la moda o la media) y esta matriz va recorriendo la imagen y recalculando los pixeles en
función de la operación matemática aplicada a los pixeles vecinos.

14
Una secuencia muy habitual en el tratamiento digital es realizar una clasificación y
después aplicar un filtro para mejorar la visualización del resultado. Para ello, una vez
terminado el proceso de clasificación, se elimina el metalayer y se carga el mapa
clasificado con la opción de pseudocolor (Figura 11). Este mapa se puede filtrar con
diferentes opciones (Figura 15), a las que se accede con el menú de contexto en la capa
del mapa.

Figura 15. Opciones de filtrado en Focus.

Los filtros de media, mediana y moda se aplican usualmente para agrupar los pixeles
resultado de la clasificación y que no queden pixeles sueltos (efecto ‘sal y pimienta’). En
la figura 16 izquierda, se puede observar que el resultado del mapa de usos/coberturas
de suelo presenta píxeles dispersos, aparentemente mal asignados a la clase por toda
la imagen. Es un resultado normal debido a las diferentes respuestas de los píxeles
dentro de una misma zona, pero debe evitarse para mostrar un resultado más uniforme.
Para eliminar en lo posible este efecto se puede aplicar un filtro de paso bajo y mejorar
la visualización del resultado. Los filtros de paso bajo que incorpora Focus (media,
mediana y moda) se aplican usualmente para agrupar los pixeles resultado de la
clasificación y evitar los pixeles sueltos (Figura 16, derecha). El tamaño de la matriz del
filtro repercute en un mayor o menor suavizado del resultado.

15
Figura 16. Fragmento del mapa clasificado antes (izquierda) y después (derecha) de aplicar un
filtro de moda.

El resultado de aplicar el filtro se puede simplemente visualizar o guardar en la misma

banda a la que se aplicó.

5. Exportación a otros formatos

Una forma usual de trabajo es realizar el tratamiento digital de las imágenes de satélite
en un programa específico de teledetección y luego exportar el resultado a otro
programa en el que se pueda integrar con otros datos. El caso típico es la exportación
a un software de SIG (raster o vectorial) del resultado de una clasificación, por ejemplo,
para que pueda ser legible por cualquier usuario no experto en teledetección.

Para exportar el mapa clasificado es recomendable usar el formato .tif, que conserva las
coordenadas de la imagen y además es un formato raster estándar. Desde la pestaña
“file”, con el botón derecho se exporta la banda que contenga la clasificación
supervisada (Figura 17).

16
 Figura 17. Exportación de la clasificación a formato tif.

Si se quiere conservar los colores de la leyenda de la clasificación, debe exportarse

también la PCT junto con la banda (Figura 17). Seleccionar el formato tif y la carpeta de
destino.

17