Método híbrido de análisis de imágenes de satélite que combina procesamiento digital e interpretación visual
El análisis de imágenes de satélite para la elaboración de mapas de cubierta y uso del suelo en estados como Michoacán no es una tarea fácil por las siguientes razones:
- Existe una gran diversidad de tipos de vegetación y usos del suelo. Adicionalmente, la vegetación puede presentar diversos estados fenolóficos y diferentes niveles de degradación. Estos elementos se traducen en un gran número de respuestas espectrales para la misma categoría y/o respuestas espectrales parecidas para diferentes categorías (confusión espectral).
- El paisaje presenta un alto grado de fragmentación y está compuesto por un mosaico de pequeñas unidades (parcelas, fragmentos de vegetación secundaria). Muchas veces, los usos del suelo son múltiples. Por ejemplo, áreas de agricultura de temporal y bosques degradados sirven para la ganadería, de tal forma que un sistema clasificatorio excluyente (solo se puede asignar una unidad a una categoría) conlleva un cierto grado de ambigüedad.
- Las cubiertas forestales presentan varios grados de alteración que pueden verse reflejados en diferentes atributos de la vegetación: cobertura forestal más o menos abierta, biomasa, diversidad florística. Es por lo tanto difícil definir una vegetación degradada o una conservada, y aún más distinguirla espectralmente.
- El paisaje es dinámico y presenta cambios en diferentes escalas de tiempo (cambios fenológicos, quemas, rotaciones de cultivos versus cambios más definitivos como desmontes para el establecimiento de cultivos perennes o asentamientos humanos).
En este contexto, el análisis digital de las imágenes, que utiliza únicamente la respuesta espectral, genera muchos errores de clasificación. Por otro lado, la interpretación visual de las imágenes puede ser mucho más precisa pero representa una tarea muy tardada. Se propone aquí un método híbrido entre clasificación digital e interpretación visual que se detalla a continuación.
El método híbrido
Este método permite actualizar un mapa con base en una imagen reciente. En las figuras a continuación se ilustran los pasos metodológicos utilizando un mapa de 2007 y una imagen SPOT de 2014 de una pequeña región situada a unos kilómetros al oeste de Zacapu. El principio general del método de actualización es el siguiente: Se segmenta la imagen más reciente (2014). Cada segmento es un grupo de pixeles juntos en el espacio que son espectralmente parecidos. Cada segmento corresponde generalmente al mismo objeto en el terreno (una parcela agrícola, un fragmento forestal, etc.) (Figura 1).Se realiza una sobreposición entre los segmentos y el mapa desactualizado (2007) para asignar una categoría a cada segmento (Figura 2 ). Para cada categoría, se elabora una “función de densidad” que indica cual es la respuesta más frecuente de los segmentos de dicha categoría. Esta función permite por lo tanto identificar segmentos que presentan una respuesta atípica para la categoría que recibieron del mapa. Es probable que estos segmentos correspondan a cambios ocurridos entre 2007 y 2014 (Figura 3).
Adicionalmente, se realiza una clasificación digital de cada segmento con el fin de asignar una categoría a cada segmento, esta vez con base en la respuesta espectral de la imagen reciente.
Se inspeccionan visualmente los segmentos atípicos y los que presentan una categoría obtenida por la clasificación digital diferente de la del mapa. El intérprete decide si el segmento permanece con la categoría de 2007 o presenta un cambio.
Figura 1 – Segmentación de la imagen reciente (límites de los segmentos en negro). Cada segmento corresponde a una área con una respuesta espectral particular.
Figura 2 – Asignación de una categoría a cada segmento de 2014 con base en el mapa de 2014.
Figura 3 - La función de densidad indica la probabilidad a una categoría (D) en función de la respuesta espectral (R). En este caso la respuesta del segmento indicado por la flecha azul no parece corresponder a la categoría a la cual fue asignado por el mapa. Este segmento se revisará visualmente. La figura a la derecha representa una función de densidad basada en dos bandas (dos dimensiones).
Para más detalles acerca del método, ver las publicaciones.