Primeros pasos y explorar las imágenes
Para evaluar los daños del granizo en los maizales de la zona, usará imágenes de satélite. En primer lugar, se pondrá en marcha con el proyecto y los datos y, después, empezará a explorar las imágenes.
Descargar y abrir el proyecto
Primero, descargará el proyecto que contiene las imágenes necesarias para el tutorial y lo abrirá en ArcGIS Pro.
- Descargue el archivo Corn field damage.zip.
- Localice el archivo Corn field damage.zip descargado en su equipo.
Nota:
Dependiendo de su navegador web, puede que se le pida que elija la ubicación de archivo antes de iniciar la descarga. La mayoría de los navegadores descargan los archivos de manera predeterminada en la carpeta Descargas del equipo.
- Haga clic con el botón derecho en el archivo Corn field damage.zip y extráigalo en una ubicación que pueda encontrar fácilmente, como su carpeta Documentos.
A continuación, abrirá el proyecto en ArcGIS Pro.
- Inicie ArcGIS Pro. Si se le pide, inicie sesión en su cuenta de organización con licencia de ArcGIS.
Nota:
Si no tiene acceso a ArcGIS Pro o una cuenta de organización de ArcGIS, consulte las opciones de acceso a software.
- En ArcGIS Pro, en el área Proyectos recientes, haga clic en Abrir otro proyecto.
- En la ventana Abrir proyecto, vaya a la carpeta Corn field damage que extrajo. Haga clic en Corn field damage.aprx para seleccionarlo y haga clic en Aceptar.
Se abrirá el proyecto.
El proyecto contiene dos imágenes capturadas el 4 y el 8 de agosto de 2019, antes y después de la granizada en el área de Taber y Barnwell en Alberta: Before_storm.tif y After_storm.tif. También contiene la capa vectorial Field boundaries, que usará más adelante en el tutorial.
Nota:
Las dos imágenes son imágenes de satélite PlanetScope producidas por la empresa de observación terrestre Planet Labs. PlanetScope es una constelación de 120 satélites que permite la captura de nuevas imágenes a diario para cualquier área de la Tierra.
Observar las imágenes en color natural
A continuación, observará las dos imágenes anteriores y posteriores a la tormenta. Son multiespectrales, lo que significa que contienen varias bandas espectrales separadas. Cada imagen contiene tres bandas enumeradas en el panel Contenido:
- Rojo (o Band_3)
- Verde (o Band_2)
- Azul (o Band_1)
También contienen una cuarta banda que no está visible actualmente:
- Infrarrojo cercano (o Band_4)
Nota:
La luz de infrarrojo cercano no es visible para el ojo humano, pero a menudo se captura con sensores de imágenes aéreas y de satélite, ya que resulta útil para muchas aplicaciones, como verá más adelante en el tutorial.
Actualmente, las imágenes aparecen en color natural usando las bandas Rojo, Verde y Azul, que se corresponden con el espectro de luz visible para el ojo humano. El color natural se aproxima el aspecto que tendrían los colores para una persona. Observará y comparará visualmente las dos imágenes.
- Observe la vista actual del mapa, que muestra la imagen Before_Storm.tif. Puede acercar y alejar la imagen con el botón de rueda del ratón para ver más detalles.
Puede ver muchos campos; muchos tienen forma circular y otros rectangular. Tienden a ser muy verdes, ya que en agosto, antes de la tormenta, muchos cultivos se aproximan a la madurez. Ahora la comparará con la imagen de después de la tormenta, usando la herramienta Swipe.
- En el panel Contenido, active After_storm.tif marcando la casilla de verificación.
Nada cambia visiblemente en el mapa, ya que After_Storm.tif aparece debajo de Before_Storm.tif.
- Haga clic en imagen Before_storm.tif para seleccionarla.
- En la cinta, en la pestaña Capa ráster, en el grupo Comparar, haga clic en Swipe.
- En Map Viewer, arrastre de arriba abajo para mostrar la imagen After_Storm.tif y compárela con la imagen Before_Storm.tif.
A primera vista, puede ver que la imagen posterior a la tormenta tiene unos tonos algo más claros en algunas áreas que la imagen previa a la tormenta. En concreto, parece que hay algunos trazos de color claro que atraviesan el área del eje noroeste a sureste. Sin embargo, es difícil recopilar información más precisa sobre los daños en los cultivos en este punto.
- Cuando haya terminado de explorar, en la cinta, en la pestaña Mapa, en el grupo Navegar, haga clic en el botón Explorar para salir del modo de barrido.
Para visualizar mejor los daños provocados por la tormenta, se centrará en las bandas Rojo e Infrarrojo cercano.
Explorar los valores de las bandas Rojo e Infrarrojo cercano
Para visualizar mejor los cambios en los cultivos, puede usar las bandas Rojo e Infrarrojo cercano (NIR), que resultan útiles para evaluar la salud de la vegetación.
- La clorofila de la vegetación sana absorbe la mayor parte de la luz de la banda Roja para utilizarla en la fotosíntesis, por lo que refleja muy poca de esta.
- La estructura celular de una vegetación sana refleja en gran medida la luz NIR.
Dado que el sensor de satélite captura la cantidad de luz reflejada en las distintas bandas, los valores de un píxel de imagen que muestre vegetación sana suelen ser bajos para la banda Roja y altos para la banda NIR. Esto se muestra en el gráfico de perfil espectral que aparece a continuación. Por el contrario, la vegetación estresada o a punto de morir absorberá menos luz roja (de modo que reflejará más de esta) y reflejará menos luz NIR. El gráfico también muestra que un píxel que representa el suelo desnudo reflejaría aún más luz roja y menos luz NIR.
Para entender mejor la variabilidad de los valores de reflectancia de las bandas Rojo e Infrarrojo cercano de sus imágenes de Alberta, usará la herramienta Información de imagen, que proporciona información de perfil espectral en el nivel de píxel.
- En el panel Contenido, compruebe que la imagen Before_storm.tif esté seleccionada. En la cinta, en la pestaña Imágenes, en el grupo Herramientas, haga clic en Información de imagen.
Aparece el panel Información de imagen.
- En Map Viewer, apunte a un campo de color verde oscuro, lleno de vegetación densa y sana.
En el panel Información de imagen, aparece un gráfico de perfil espectral del píxel en la ubicación actual del puntero. Como se esperaba, el valor de reflectancia de la banda Rojo (simbolizado en rojo) es muy bajo y el valor de reflectancia de la banda NIR (simbolizado en gris) es alto.
Nota:
Las bandas se muestran en el gráfico en el orden proporcionado por la imagen, que es Azul (banda 1), Verde (banda 2), Rojo (banda 3) e Infrarrojo cercano (banda 4).
- En Map Viewer, apunte a un área beis o marrón claro correspondiente al suelo desnudo y a la ausencia de vegetación.
En el panel Información de imagen, el gráfico de perfil espectral se actualiza. El valor de reflectancia de la banda Rojo es ahora comparativamente mayor y, el valor de reflectancia de la banda NIR, menor.
- Apunte a más áreas de las imágenes y observe cómo varían los valores Rojo y NIR.
Ahora que comprende mejor la relación entre las dos bandas, puede ver que calcular la diferencia entre los valores de Rojo y NIR podría ser un buen método para medir la cantidad de vegetación sana presente en el suelo. Lo hará aplicando el índice SAVI a sus imágenes.
Realizar análisis del cambio con el índice SAVI
A continuación, aprenderá qué es el índice SAVI y cómo se basa en los valores de las bandas Rojo y NIR para proporcionar una medida de la salud de la vegetación. Aplicará el índice SAVI a ambas imágenes de antes y después de la tormenta, calculará la diferencia entre los dos rásteres resultantes y extraerá el promedio de pérdida de vegetación sana de cada campo.
Nota:
Este tipo de análisis se realiza en el nivel de píxel o de celda.
Las imágenes TIFF de satélite, como las que se utilizan en este tutorial, son rásteres. Un ráster son datos que se representan como una cuadrícula de celdas o píxeles.
Cuando realiza un análisis basado en ráster, calcula los valores para cada celda en el ráster. Obtenga más información sobre datos ráster.
Aplicar el índice SAVI
Un índice espectral combina distintas bandas espectrales a través de una fórmula matemática, que generalmente calcula algún tipo de ratio. La salida resultante es una nueva imagen ráster.
Nota:
Existen muchos índices diferentes que combinan distintas bandas espectrales y utilizan distintas fórmulas matemáticas. Cada índice está pensado para resaltar un fenómeno distinto, como vegetación sana, agua, desarrollo urbanístico, presencia de minerales ferrosos en el suelo y muchos más. ArcGIS Pro tiene muchos índices listos para usar en su Galería de índices.
Para resaltar la vegetación sana, hay varios índices entre los que elegir. Utilizará el Índice de vegetación ajustado al suelo (SAVI), que se basa en las bandas Rojo y NIR y utiliza la siguiente fórmula de ratio:
SAVI = ((NIR - Red) / (NIR + Red + L)) * (1 + L)
Lo más importante es que el SAVI mide la diferencia entre las bandas NIR y Rojo (NIR – Red). Un valor de SAVI más alto indica una mayor presencia de vegetación sana.
Nota:
SAVI es una mejora del NDVI más clásico, que utiliza una fórmula más simple sin el factor L. El factor L se agrega a la fórmula para minimizar la influencia de la variación del brillo del suelo en el valor de salida. Por lo general, a L se le asigna el valor de 0,5 para las escenas de imágenes con cobertura de vegetación intermedia. El valor final del SAVI varía de -1,5 a +1,5 (cuando L=0,5). Si lo desea, puede obtener más información sobre el Índice de vegetación ajustado al suelo.
A continuación, aplicará el índice SAVI a las imágenes Before_storm.tif y After_storm.tif.
- En el panel Contenido, asegúrese de que la imagen Before_storm.tif esté seleccionada.
- En la cinta, en la pestaña Imágenes, en el grupo Herramientas, haga clic en Índices. En el panel Índices, seleccione el índice SAVI.
- En la ventana SAVI, elija estos valores:
- En Índice de banda cercano a infrarrojo, elija 4 - Band_4.
- En Índice de banda roja, elija 3 - Band_3.
- En Factor de corrección de brillo del suelo, mantenga 0,5.
- Haga clic en Aceptar.
Aparece una nueva capa, SAVI_Before_storm.tif.
Nota:
A diferencia de las imágenes de satélite originales, la capa ráster SAVI no es multibanda. Cada celda ráster contiene exactamente un valor de SAVI numérico que resume el buen estado de vegetación en esta ubicación.
Además, la herramienta del índice SAVI es una función ráster, lo que significa que la capa SAVI resultante se calcula dinámicamente y no se guarda en el disco. Dado que no se crean datasets intermedios, los procesos se pueden aplicar rápidamente.
- Del mismo modo, aplique el índice SAVI a la imagen After_storm.tif.
Aparece una nueva capa, SAVI_After_storm.tif. Usará nuevamente la herramienta Swipe para comparar las dos capas de SAVI.
- En el panel Contenido, arrastre SAVI_Before_storm.tif sobre SAVI_After_storm.tif para que aparezca primero en la lista de capas. Asegúrese de que ambas capas estén activadas y, en caso necesario, haga clic en SAVI_Before_storm.tif para seleccionarla.
- En la cinta, en la pestaña Capa ráster, en el grupo Comparar, haga clic en Swipe.
- En Map Viewer, arrastre de arriba abajo para mostrar la imagen SAVI_After_Storm.tif y compárela con la imagen SAVI_Before_Storm.tif.
Los valores de SAVI más altos se simbolizan en tonos blanco o gris claro y representan las áreas con mayor presencia de vegetación sana. Puede ver que muchos campos parecen tener valores de SAVI mayores antes de la tormenta que después. Sin embargo, sigue siendo difícil ver si algunos campos se vieron más afectados que otros por la tormenta. A continuación, calculará la diferencia entre las dos capas de SAVI para medir el cambio en la vegetación con más precisión.
- Cuando haya terminado de explorar, en la cinta, en la pestaña Mapa, en el grupo Navegar, haga clic en el botón Explorar para salir del modo de barrido.
- Pulse Ctrl+S para guardar el proyecto.
Calcular el cambio entre las dos capas SAVI
Para medir el cambio en la vegetación provocado por la tormenta, calculará la diferencia entre las dos capas de SAVI con la función ráster Calcular cambio. Para cada píxel, se restará el valor de SAVI de SAVI_After_storm.tif al valor de SAVI de SAVI_Before_storm.tif. Un valor positivo resultante significa la pérdida de vegetación sana.
- En la cinta, en la pestaña Imágenes, en la pestaña Análisis, haga clic en el botón Funciones ráster.
- En el panel Funciones ráster, escriba Calcular cambio en el cuadro de búsqueda y haga clic en la herramienta Calcular cambio para abrirla.
- En el panel Propiedades de Calcular cambio, introduzca los siguientes valores de parámetros:
- En Desde ráster, elija SAVI_After_storm.tif.
- En Hasta ráster, elija SAVI_Before_storm.tif.
- En Método de cálculo del cambio, asegúrese de que Diferencia esté seleccionado.
- Haga clic en Crear capa nueva.
Aparece la nueva capa, Calcular cambio_SAVI_After_storm.tif_SAVI_Before_storm.tif.
Las áreas en tonos morados indican una pérdida de vegetación sana (valores numéricos positivos), con la pérdida más sustancial simbolizada en morado oscuro. Una inspección visual indica con bastante claridad que la granizada atravesó esta área en diagonal en el eje noroeste a sureste, dañando a su paso la mayoría de campos de esa área diagonal. Los campos en los lados superior derecho e inferior izquierdo de la imagen parecen mucho menos afectados.
Nota:
Observará varias áreas simbolizadas en verde (valores numéricos negativos) que parecen indicar pequeñas mejoras en la vegetación. Dado que solo cuatro días separan las dos imágenes, es poco probable que se haya producido mucho crecimiento de la vegetación agrícola durante ese tiempo. Sin embargo, es posible que en algunas áreas de suelo desnudo que estuvieran secas, debido a las condiciones meteorológicas de agosto, comenzara a crecer rápidamente la maleza después de que se empaparan de lluvia y granizo derretido tras la tormenta.
Las pequeñas mejoras en la vegetación no son relevantes para el análisis de los daños en los cultivos, así que eliminará todos los valores por debajo de 0 en el ráster con la función ráster Reasignar.
- En el panel Funciones ráster, busque y abra Reasignar.
- En el panel Propiedades de Reasignar, introduzca los siguientes valores de parámetros:
- En Ráster, elija Calcular cambio_SAVI_After_storm.tif_SAVI_Before_storm.tif.
- En Tipo de definición de reasignación, mantenga Lista.
Expresará con una regla de reasignación que indica que todos los valores negativos del ráster deben eliminarse, es decir, cambiarse a NoData. Como se ve en la leyenda del panel Contenido, el valor más bajo de la capa es -0,576915, por lo que usará -0,6 como valor mínimo.
- En la primera fila de la tabla, introduzca los siguientes valores:
- En Mínimo, escriba -0,6.
- En Máximo, escriba 0.
- En NoData, active la casilla de verificación.
- Haga clic en Crear capa nueva.
Aparece una nueva capa ráster, Reasignar_Calcular_cambio_SAVI_After_storm.tif_SAVI_Before_storm.tif. Lo cambiará por un nombre más corto y significativo.
- En el panel Contenido, haga clic dos veces en la capa Reasignar_Calcular_cambio_SAVI_After_storm.tif_SAVI_Before_storm.tif para editarla. Cambie el nombre a Pérdida de vegetación sana y pulse Intro.
- En el panel Contenido, desactive todas las capas excepto el ráster Pérdida de vegetación sana y los mapas base Mapa topográfico mundial y Sombreado mundial.
La nueva capa muestra solo las áreas en las que se ha producido pérdida de vegetación sana. La sombra en morado oscuro indica las pérdidas más profundas.
- Pulse Ctrl+S para guardar el proyecto.
Extraer el promedio de pérdida de vegetación para cada campo
En esta última sección, calculará el promedio de pérdida de vegetación sana para cada campo. Para ello, utilizará la clase de entidad Field boundaries, donde los límites de todos los campos cultivados del área están representados por polígonos. Dicha capa la mantendría la organización de agricultores para la que trabaja.
- En el panel Contenido, arrastre la capa Field boundaries a la parte superior de la lista de capas. Actívela.
Aparecen los polígonos que representan los campos cultivados, simbolizados en rojo.
Para calcular el promedio de pérdida de vegetación, usará la herramienta Estadísticas zonales como tabla. Para cada polígono de Field boundaries, la herramienta calculará el valor medio de todos los píxeles del ráster Pérdida de vegetación sana que se encuentran dentro de ese polígono.
- En la cinta, en la pestaña Análisis del grupo Geoprocesamiento, haga clic en Herramientas.
Se abre el panel Geoprocesamiento.
- En el panel Geoprocesamiento, busque y abra Estadísticas zonales como tabla.
- En la herramienta Estadísticas zonales como tabla, introduzca los siguientes valores de parámetros:
- En Datos de zonas de entidad o ráster de entrada, seleccione Field boundaries.
- En Campo de zona, conserve Field_ID, que se completó automáticamente.
- En Ráster de valor de entrada, elija Pérdida de vegetación sana.
- En Tabla de salida, escriba Tabla_pérdida_vegetación al final de la ruta Corn field damage.gdb.
- En Ignorar los NoData en los cálculos, mantenga activada la casilla.
- En Tipo de estadística, elija Valor medio.
- Acepte el valor predeterminado para cualquier otro parámetro.
- Haga clic en Ejecutar.
La salida de esta herramienta es una tabla, que abrirá ahora.
- En el panel Contenido, en Tablas independientes, haga clic en el botón derecho en Tabla_pérdida_vegetación y haga clic en Abrir.
La tabla se abre. Contiene una fila para cada polígono de campo cultivado. La columna Valor medio indica el valor medio de pérdida de vegetación sana para cada polígono. Ahora debe volver a unir esta tabla a la capa Field boundaries utilizando el Field_ID común.
- Cierre la tabla Tabla_pérdida_vegetación.
- En el panel Contenido, haga clic con el botón derecho en Field boundaries, apunte a Uniones y relaciones y elija Agregar unión.
- En la ventana Agregar unión, elija estos valores:
- En Tabla de entrada, verifique que se ha seleccionado Field boundaries.
- En Campo de unión de entrada, elija Field_ID.
- En Tabla de unión, elija Tabla_pérdida_vegetación.
- En Campo de tabla de unión, elija Field_ID.
- Haga clic en Aceptar.
El valor de Valor medio se ha agregado a cada fila de la tabla de atributos Field boundaries. A continuación, simbolizará la capa Field boundaries basándose en ese valor medio, utilizando un esquema de colores graduados.
- Haga clic en el símbolo de Field boundaries para abrir el panel Simbología.
- En el panel Simbología, si es necesario, haga clic en el botón Atrás.
- En Simbología principal, elija Colores graduados.
- En Campo, elija MEAN.
- En Método, asegúrese de que Cortes naturales (Jenks) esté seleccionado.
- En Clases, elija 4.
- En Esquema de color, expanda la lista desplegable y elija Mostrar nombres. En la lista de rampas de color, elija el esquema de color Amarillo a rojo.
La simbología de Field boundaries se actualiza.
- En el panel Contenido, desactive la capa Pérdida de vegetación sana para simplificar la visualización del mapa.
Cambiará el nombre de la capa Field Boundaries y las etiquetas de simbología para que sean más significativos.
- En el panel Contenido, haga clic en Field boundaries dos veces para editarla. Cambie el nombre a Pérdida de vegetación por campo y pulse Intro.
- En el panel Simbología, en la pestaña Clases, haga clic en el valor de etiqueta de la clase amarilla. Escriba Baja y pulse Intro. De forma similar, cambie el resto de valores de etiqueta a Media, Alta y Muy alta.
Las etiquetas se actualizan también en el panel Contenido.
- Observe el resultado final.
Los campos que parecen haber experimentado una pérdida Alta y Muy alta de vegetación sana se concentran claramente en el mismo eje noroeste a sureste observado antes. Los campos con una pérdida Baja se concentran principalmente en las esquinas superior derecha e inferior izquierda.
Puede observar algunos campos colindantes con diferentes niveles de daños. Esto podría tener muchas causas. Por ejemplo, una granizada podría afectar de manera diferente a los distintos tipos de cultivos. Además, dos campos con exactamente el mismo cultivo, pero cada uno con un nivel de madurez distinto, también podrían verse afectados de forma diferente.
El mapa ofrece una primera evaluación de los daños provocados por la granizada. Se podría usar para guiar una inspección más detallada sobre el terreno.
Nota:
Los siguientes pasos podrían ser publicar el mapa en la web a través de ArcGIS Online e integrarlo en una aplicación de Operaciones de campo. Esto permitirá a los inspectores interactuar directamente con el mapa en sus dispositivos móviles y actualizarlo con sus hallazgos en tiempo real. Puede ver un ejemplo de un flujo de trabajo similar en el tutorial Inspeccionar hidrantes.
- Pulse Ctrl+S para guardar el proyecto.
En este tutorial, ha observado imágenes de antes y después de la tormenta en color natural y ha explorado los perfiles espectrales de los píxeles. Ha aprendido sobre la importancia de las bandas Rojo e Infrarrojo cercano para evaluar la salud de la vegetación y ha aprendido qué es el índice SAVI. Ha aplicado el índice SAVI a ambas imágenes y calculado la diferencia entre los dos rásteres resultantes. Por último, ha extraído el promedio de pérdida de vegetación sana de cada campo de cultivo y creado un mapa que proporciona una primera evaluación de los daños en los cultivos provocados por la tormenta.
Encontrará más tutoriales como este en la página Introducción a imágenes y teledetección.
