Resumen de metodología de la cartografía forestal del año 2012
Fichas
Resumen de la metodología empleada en la Cartografía Forestal 2012.
La cartografía forestal 2012 fue realizada por la empresa Aeroterra en el marco del proyecto PROBIO. Por mayor información comunicarse con la división Evaluación e Información de la Dirección General Forestal.
Selección de imágenes Landsat 5 disponibles
Se seleccionar imágenes del satélite Landsat TM 5. No obstante, como este satélite presenta problemas de almacenamiento de datos a bordo, no adquiriendo imágenes en forma continua y exhibiendo significativas lagunas temporales entre capturas de cada órbita; y tomando en cuenta la naturaleza del trabajo, la fecha más cercana a la actualidad y la presencia de nubosidad, se seleccionaron las catorce (14) imágenes indicadas en la tabla 1.
Tabla 1: Imágenes Landsat TM 5
Path-Row | Fecha |
225-81 225-82 225-83 225-84 224-81 224-82 224-83 224-84 223-82 223-83 223-84 222-82 222-83 222-84 | 06/09/2011 06/09/2011 30/03/2011 06/09/2011 17/10/2011 24/04/2011 24/04/2011 24/04/2011 11/11/2011 03/05/2011 08/09/2011 01/09/2011 01/09/2011 03/12/2010 |
Las imágenes Landsat TM 5 originales utilizadas en este proyecto fueron evaluadas a través del sitio WEB de CONAE, Argentina (http://catalogos.conae.gov.ar/LANDSAT/defaultl.asp) y desde el catálogo de imágenes de INPE, Brasil (http://www.dgi.inpe.br/CDSR/).
Procesamiento de las imágenes
Las imágenes fueron recepcionadas desde la página de INPE, Brasil. El formato de bajada fue .TIFF, banda secuencial, comprimidas (.RAR), georreferenciadas a través de sus efemérides satelitarias (en estos casos el error puede oscilar en varios cientos de metros).
Debido al formato original (TIFF- BSQ) cada imagen está conformada por siete archivos de datos, cada uno de ellos correspondiente a una banda espectral distinta. A los efectos de obtener la máxima capacidad operacional, se importaron los siete archivos TIFF a un archivo formato Erdas (.IMG) conteniendo las siete bandas, a través del módulo LAYER STACK de Erdas IMAGINE.
Para cada imagen Landsat 5 TM se efectuó, a través de un desarrollo propio en el módulo SPATIAL MODELER de Erdas IMAGINE., la correspondiente corrección atmosférica, a fin de estandarizar las condiciones de reflectancia de cada una de las bandas.
Atento a que se realizará una clasificación espectral de las imágenes, se decidió utilizar un método linear para evitar la divergencia relativa producida por polinomios de mayor grado. Específicamente se utilizó el Método de Chávez, por su simplicidad y probada eficacia en trabajos de esta naturaleza con datos Landsat 5 TM.
Las catorce imágenes satelitarias Landsat 5 TM, fueron georreferenciadas y orto-corregidas en su geometría utilizando puntos de control (GCPs) extraídos desde la cartografía en escala 1:50.000 del Servicio Geográfico Militar de la Dirección Nacional de Topografía, y un modelo digital de elevación o DEM, elaborado por Aeroterra a partir de datos disponibles. Se utilizaron las herramientas de software Erdas IMAGINE.
El sistema de coordenadas y el sistema de referencia utilizado para la generación de las ortoimágenes fue WGS84-UTM, Zona 21 Sur.
Culminado el proceso de corrección geométrica de las imágenes Landsat 5 TM se procedió a la elaboración de un mosaico digital único de todo el territorio de Uruguay. Para este fin se seleccionaron las bandas TM5, TM4 y TM3 (Infrarrojo Medio, Infrarrojo Cercano y Rojo). Todo el proceso de generación de mosaico se llevó a cabo a través del módulo Mosaic Pro de Erdas IMAGINE.
Clasificación Supervisada
Se utilizó el programa Erdas IMAGINE para extraer la información temática forestal mediante Clasificación Supervisada.
Si bien se contaba para esta tarea con 1.529 datos propios del año 2012 y de 1.605 puntos extras provenientes del Inventario 2009-2010 provistos por DGF, para la generación de las firmas espectrales se utilizaron una parte de los puntos provenientes de la visita a campo 2012, y cuando era necesario, algunos puntos del inventario para completar las muestras requeridas por el procedimiento.
Para la generación de las firmas espectrales y la posterior clasificación de las ortoimágenes se utilizó el módulo principal Classification de Erdas IMAGINE. Los polígonos AOIs (Area of Interest) fueron definidos sobre las ortoimágenes incluyendo el punto muestral, evitando los bordes, donde siempre la firma es impura por varias razones y cuidando para cada polígono demarcado, no abarcar zonas como senderos, espacios deforestados, cortafuegos, etc.
Una vez definidos los AOIs con las repeticiones necesarias para estabilizar la deriva estadística, fueron generadas, automáticamente por el sistema, las firmas espectrales de las distintas clases temáticas. Este paso se llevó a cabo a través del uso de la herramienta Signature Editor, presente en el módulo de clasificación del software.
Para todas las clases e imágenes de este trabajo se trabajó con las seis bandas reflectivas del sensor, dejando de lado la banda TM6 por ser banda emisiva.
Las firmas espectrales fueron analizándose y depurándose interactivamente. Esta minuciosa selección de las muestras y depuración de sus respuestas espectrales, posibilitó lograr la máxima representatividad de cada clase dentro del espacio espectral, lo cual permitió llevar a cabo de forma óptima, la posterior decisión del clasificador.
Este último paso se llevó a cabo con la herramienta Supervised Classification, y el método de decisión utilizado fue el de Máxima Verosimilitud (Maximum Likelihood).
El algoritmo de Máxima verosimilitud está implementado en ERDAS de tal forma que se generan dos imágenes ráster; la imagen de clases y la de distancias estadísticas, encontrándose ambas ordenadas y correspondidas geográficamente píxel a píxel. Luego, a través del uso de la herramienta Threshold se define, para cada firma espectral, el porcentaje de la misma que es utilizado para decidir la pertenencia o no de todos y cada uno de los píxeles de la correspondiente ortoimagen Landsat.
Se filtró la imagen obtenida en la clasificación por operadores de mayoría de vecindad. De esta forma el píxel aislado, pertenezca a una clase o no, es clasificado según la clase preponderante en sus alrededores. Para este trabajo en particular todas las clasificaciones brutas obtenidas fueron filtradas, dependiendo de las características, por filtros temáticos de vecindad 4 u 8 en una ventana de 3x3 píxeles, con función Majority aplicados a todas las clases.
Las clasificaciones e interpretaciones finales fueron unidas mediante el módulo Mosaic Pro de Erdas, obteniéndose una imagen temática única que incluye toda la República Oriental del Uruguay. Mientras que con la herramienta Subset se procedió a recortar esta imagen con los límites internacionales de Uruguay para obtener el producto final.
La matriz de confusión obtenida mostró una precisión de la clasificación entre el 93 y 99%; valores que se encuentran dentro de los márgenes de error aceptables para estos trabajos.