Introducción a las imágenes
Comenzar a explorar las imágenes
En primer lugar, abrirá la aplicación Landsat Explorer y se familiarizará con los conceptos básicos de las imágenes multiespectrales y las bandas espectrales.
- Abra la aplicación Landsat Explorer en su navegador web.
Nota:
Para obtener más información sobre la aplicación Landsat Explorer y los datos que contiene, haga clic en el botón Acerca de esta aplicación en la esquina superior izquierda de la aplicación.
También puede obtener más información sobre el programa Landsat, gestionado conjuntamente por el Servicio Geológico de Estados Unidos (USGS) y la NASA, en las páginas web del programa.
En el mapa, puede ver la pequeña ciudad de Redlands (California), en los Estados Unidos. El paisaje no aparece en colores que se ven naturales, de la forma en que aparecerían para el ojo humano. Las áreas urbanas son de color morado claro, mientras que algunas de las áreas con vegetación aparecen de color verde intenso. ¿A qué se debe?
El programa Landsat produce imágenes multiespectrales, es decir, captura información de varios rangos de longitudes de onda, incluidos algunos que son invisibles para el ojo humano. Cada uno de estos rangos se denomina banda espectral y resulta especialmente útil para resaltar un tipo de entidad o propiedad de paisaje. Las imágenes Landsat recogidas desde 2013 por los sensores del Landsat 8 y el Landsat 9 contienen 11 bandas espectrales; las versiones anteriores de los sensores recogían un número ligeramente inferior de bandas. La siguiente tabla describe las principales bandas del Landsat 8 y 9:
Número de banda Nombre de banda Lo que esta banda permite ver mejor 1
Aerosol costero
Agua poco profunda, partículas finas de polvo
2
Azul
Agua profunda, atmósfera
3
Verde
Vegetación
4
Rojo
Objetos fabricados por el hombre, suelo, vegetación
5
Infrarrojo cercano (NIR)
Costas, vegetación
6
Infrarrojo de onda corta 1 (SWIR 1)
Penetración mejorada de las nubes, humedad del suelo y la vegetación
7
Infrarrojo de onda corta 2 (SWIR 2)
Penetración mejorada de las nubes, humedad del suelo y la vegetación
9
Temperatura de la superficie
Mide la temperatura de la superficie terrestre
Nota:
Las imágenes Landsat utilizadas en la aplicación se procesaron en productos científicos de nivel 2, es decir, se aplicaron varias correcciones a las bandas espectrales originales para garantizar que proporcionan la información más fiable y están listas para ser utilizadas por los analistas.
Cuando se trabaja con imágenes multiespectrales, no es posible visualizar todas las bandas espectrales disponibles simultáneamente. Sin embargo, es posible elegir hasta tres bandas y combinarlas en una única imagen compuesta. Las diferentes combinaciones de bandas pueden cambiar drásticamente cómo aparecen las entidades del terreno en las imágenes y pueden utilizarse para resaltar entidades o propiedades específicas. Comparará dos de estas combinaciones de bandas en la aplicación.
- En la barra de herramientas inferior de la aplicación, en Renderizador, señale la tesela Agricultura.
Aparece más información.
Las imágenes del mapa se muestran actualmente con la combinación de bandas Agricultura, compuesta por las bandas Infrarrojo de onda corta 1, Infrarrojo cercano y Azul (o bandas 6, 5 y 2). Esta combinación resalta la vegetación sana en verde intenso y la distingue de otros tipos de cobertura de suelo, como suelo desnudo o áreas urbanas. Cambiará a la combinación de bandas Color natural para compararlo.
- En Renderizador, haga clic en Color natural.
Con esta nueva combinación de bandas Color natural (bandas Rojo, Verde y Azul, o 4, 3 y 2), en las imágenes predominan los tonos tierra. Juntas, las bandas roja, verde y azul forman el espectro de la luz visible para el ojo humano. Combinar estas tres bandas da una idea aproximada del aspecto que el paisaje tendría para una persona.
La combinación de bandas Color natural puede ser útil para algunas aplicaciones, pero los analistas suelen elegir otras combinaciones de bandas en función de las entidades específicas que deseen resaltar.
- Cambie varias veces entre las combinaciones de bandas Color natural y Agricultura para observar mejor las diferencias entre ellas.
Supervisar los manglares de Sundarbans
Su siguiente destino serán los manglares de Sundarbans, en la frontera entre la India y Bangladés. Utilizará imágenes Landsat para supervisar el estado de los manglares en un ecosistema muy susceptible a los cambios. También conocerá una nueva combinación de bandas: Color infrarrojo.
- Haga clic en este vínculo de Landsat Explorer para ir a la región de Sundarbans.
Como los satélites no pueden captar el mundo entero en una sola imagen, toman varias imágenes que se unen en una imagen combinada denominada mosaico. Como en este momento está observando una región bastante extensa, puede ver este efecto de mosaico en el mapa. Además, las imágenes mostradas fueron tomadas en fechas y horas diferentes, por lo que pueden diferir en la intensidad de color.
Nota:
Esta vista de imágenes unidas recibe el nombre de modo Dinámico en la aplicación Landsat Explorer. Este mosaico dinámico muestra automáticamente las imágenes más recientes y sin nubes unidas al vuelo. Más adelante en el tutorial, aprenderá a seleccionar y mostrar imágenes específicas de su elección.
El Sundarbans se extiende al norte de la bahía de Bengala. Una simple observación del área con la combinación de bandas Color natural actual le permitirá distinguir entre la región densamente arbolada de Sundarbans y la ciudad de Calcuta, muy urbanizada, al noroeste. Buena parte del manglar original se taló, pero lo que queda está protegido por los gobiernos indio y bangladesí.
Para distinguir la vegetación de los manglares con más claridad, utilizará la combinación de bandas Color infrarrojo, que combina las bandas Infrarrojo cercano (NIR), Rojo y Verde (o 5, 4 y 3). La banda NIR distingue claramente entre entidades de vegetación y sin vegetación. En la combinación de bandas Color infrarrojo, la vegetación sana aparece de color rojo intenso.
- En Renderizador, haga clic en Color IR (Color infrarrojo).
Las imágenes se actualizan. El manglar de Sundarbans aparece ahora en color rojo intenso, lo que indica una vegetación densa y sana en general. Las masas de agua que pasan a través del manglar (desprovisto de vegetación, pero con muchos sedimentos) aparecen en azul turquesa. Las áreas construidas, como la ciudad de Calcuta, aparecen en tonos grisáceos o beis. Las áreas con agricultura aparecen como un tono más claro de rojo, lo que significa cierta presencia de vegetación, pero menos densa que en el manglar. Por último, las aguas de la bahía de Bengala se muestran en tonos azules intensos.
- En la esquina superior izquierda de la aplicación, haga clic varias veces en el botón Acercar para acercarse al corazón del manglar.
Sugerencia:
También puede acercarse o alejarse con el botón de la rueda del ratón.
- Si es necesario, desplácese con el ratón para centrar el mapa en el manglar.
Sugerencia:
Dado que las imágenes de Landsat se actualizan periódicamente con imágenes más recientes, la imagen más actual de algunas áreas del Sundarbans podría estar nublada o tener neblina. En ese caso, desplácese con el ratón hasta otra área del manglar que parezca más clara. Como alternativa, puede utilizar este mapa, que muestra una única imagen Landsat sin nubes.
En la extensa región del delta, el manglar está atravesado por varios ríos y por complejas vías de agua con régimen de mareas. Muchas de sus pequeñas islas solo son accesibles en barco, lo que dificulta la observación sobre el terreno y aumenta la necesidad de imágenes de satélite para supervisar el manglar. La vegetación más sana aparece en rojo más intenso, pero algunas áreas aparecen en un tono más claro de rojo o beis. Como analista, podría identificar estas áreas como con vegetación potencialmente menos sana y necesitando más investigación.
- Acérquese, aléjese y desplácese para explorar el manglar.
- Vaya al lado este del manglar, donde el color cambia drásticamente de mayoría en rojo a mayoría en beis.
Hay un fuerte contraste donde termina el área protegida del manglar. El suelo del área no protegida anteriormente estaba cubierto por el manglar, pero ahora se ha deforestado por completo. Se muestra en su mayor parte beis o rosa claro, lo que significa una ausencia de vegetación. Como analista, puede utilizar estas diferencias de color para detectar las actividades de tala ilegal en áreas protegidas.
Los manglares son muy propensos a los cambios en el nivel del mar y la salinidad del agua, así como a la contaminación, la tala ilegal y otros factores. La pérdida de manglares no solo pondría en peligro el hábitat de las distintas especies de flora y fauna que viven en la zona (incluidas muchas especies protegidas, como el tigre de Bengala), sino que también dejaría a las localidades vecinas sin un escudo importante contra los monzones. Es importante mantener el manglar en buen estado y las imágenes pueden ayudarnos a conseguirlo.
Nota:
¿Cuál es la diferencia entre las combinaciones de bandas Color infrarrojo y Agricultura? Ambas son buenas para resaltar la vegetación sana (en rojo intenso para Color infrarrojo y en verde intenso para Agricultura). Color infrarrojo es una combinación de bandas más común que está disponible para muchos tipos de imágenes aéreas y de satélite, ya que solo requiere una banda Infrarrojo cercano (NIR), además de las bandas de luz visible Verde y Rojo. La combinación de bandas Agricultura es menos común, ya que requiere no solo una banda NIR, sino también una banda Infrarrojo de onda corta (SWIR). El NIR es útil para resaltar el estado de las plantas, ya que la vegetación verde y sana refleja más luz NIR. SWIR también ayuda a detectar el contenido real de agua de la vegetación. La combinación de bandas Agricultura es versátil y muestra claramente varios tipos de cobertura de suelo.
Visualizar el efecto de isla de calor urbana
Algunos de los sensores de Landsat tienen la capacidad de capturar información sobre temperaturas de la superficie terrestre. Esa información se utiliza posteriormente junto con otras fuentes de datos para producir la banda Temperatura de la superficie, que puede visualizarse en la aplicación a través de una de las opciones del renderizador.
Utilizará esta funcionalidad para visualizar el efecto de isla de calor urbana en Washington, D.C., en Estados Unidos. Las islas de calor son lugares que experimentan temperaturas elevadas de forma sostenida en comparación con las áreas circundantes. Generalmente, se dan en espacios urbanos con una concentración de superficies impermeables (como aceras, tejados y edificios) y pocos árboles u otras formas de cobertura vegetal. Con el aumento de las temperaturas extremas debido al cambio climático, las islas de calor urbanas amenazan la salud y la calidad de vida de los residentes locales.
Resaltará el efecto de isla de calor urbana en un día caluroso de verano durante una ola de calor. Creará un mapa swipe para comparar una imagen Landsat renderizada de dos formas diferentes y resaltará los tipos de cobertura de suelo en un lado y la temperatura de la superficie en el otro. En primer lugar, centrará el mapa en su área de interés.
- En el cuadro de búsqueda Buscar dirección o lugar, escriba Washington, DC y pulse Intro.
El mapa se actualiza para mostrar el área de Washington, D.C.
- En la barra de herramientas inferior, haga clic en Swipe. Confirme que el botón Izquierda esté seleccionado.
El mapa se actualiza al modo Swipe, en el que se divide en dos secciones. Elegirá una imagen (o escena) específica para que aparezca en el lado izquierdo del mapa. En la barra de herramientas inferior, aparece un calendario que le permite elegir escenas capturadas en fechas específicas.
- En Selección de escena, en el menú desplegable de año, elija 2024.
El calendario se actualiza para mostrar las imágenes disponibles para la extensión actual del mapa en 2024, las cuales se indican como pequeños recuadros de color gris claro.
- En el calendario, haga clic en el recuadro del 16 de julio de 2024.
Nota:
Algunas imágenes Landsat contienen nubes que obstruyen el terreno. El control deslizante Nube le permite decidir el porcentaje máximo de cobertura de nubes que deben contener las imágenes.
En el calendario, los recuadros de color gris claro sólido indican las imágenes que se ajustan a este criterio de cobertura de nubes. Los recuadros perfilados en gris claro indican las imágenes con mayor cobertura de nubes.
Es posible que vea más escenas disponibles que en las imágenes de ejemplo, ya que constantemente se agregan nuevas imágenes al dataset de Landsat.
El lado izquierdo del mapa swipe se actualiza con la escena Landsat capturada el 16 de julio de 2024. La mostrará con el renderizado Agricultura para resaltar los distintos tipos de cobertura de suelo del área.
- En Renderizador, haga clic en Agricultura.
El lado izquierdo del mapa swipe se actualiza para mostrar las áreas de vegetación en verde intenso, las zonas urbanas edificadas en tonos púrpura y rosa, y las masas de agua, como los ríos, en azul oscuro.
Sugerencia:
En esta vista, las carreteras están trazadas sobre las imágenes, como parte de la capa Etiquetas del mapa. La casilla de verificación de Etiquetas del mapa le permite activar o desactivar la capa.
Elegirá la misma imagen para mostrarla en el lado derecho del mapa y la renderizará para mostrar las temperaturas de la superficie.
- Haga clic en el botón Derecha.
- En Selección de escena, en el menú desplegable de año, elija 2024. En el calendario, haga clic en la fecha 16 de julio de 2024.
- En Renderizador, haga clic en Temp. superficie (Temperatura de la superficie).
El renderizador Temperatura de la superficie representa las temperaturas del terreno. Los diferentes valores se simbolizan con colores diferentes.
- Señale la tesela Temp. superficie para ver la leyenda.
Los colores del blanco al azul simbolizan temperaturas frías, mientras que del naranja al rojo oscuro simbolizan temperaturas cálidas y del verde al amarillo simbolizan temperaturas medias. El mapa swipe ya está completo. Muestra la misma imagen con el renderizado Agricultura a la izquierda y el de Temperatura de la superficie a la derecha.
- Arrastre el cursor de swipe de izquierda a derecha para comparar los renderizados.
Aunque toda el área alcanzó temperaturas elevadas, las áreas edificadas tuvieron temperaturas más extremas (rojo oscuro) y los espacios cubiertos de vegetación y las masas de agua tuvieron temperaturas relativamente más frescas (rojo más claro o naranja).
- Haga clic en distintos puntos del mapa para ver su valor de temperatura superficial en ventanas emergentes.
El mapa swipe que ha creado ilustra el efecto de isla de calor urbana. Las imágenes multiespectrales son una herramienta potente para comprender y abordar este fenómeno. De media, el centro de una ciudad puede tener una temperatura más de 10 grados superior al campo de alrededor. Una vez identificadas las islas de calor, es crucial planificar estrategias de refrigeración, como plantar más árboles, cambiar a materiales de pavimento frío y crear tejados verdes.
Sugerencia:
Puede copiar la URL de su mapa swipe, o de cualquier otro mapa que elabore con el mapa Landsat Explorer, para compartirlo con la gente de su comunidad. Como referencia, aquí tiene el mapa swipe final que ha creado.
Inspeccionar un oasis con perfiles espectrales
Para comprender mejor las imágenes multiespectrales, viajará al oasis de Fayún, en Egipto, y aprenderá sobre perfiles espectrales, firmas espectrales e índices espectrales.
- Utilice este vínculo de Landsat Explorer para ir al área del oasis de Fayún.
Se muestran las imágenes Landsat, renderizadas con la combinación de bandas Agricultura. Fayún un gran oasis en forma de corazón que ha existido desde la era del antiguo Egipto. Es un remanso de vegetación y agua en medio del desierto del Sáhara. En el lado oriental, el valle del Nilo recorre el mapa en diagonal. El agua del Nilo llega al oasis por medio de canales construidos por el ser humano.
Cuando se trabaja con imágenes multiespectrales, puede resultar útil trazar perfiles espectrales para puntos de interés específicos. Un perfil espectral es un gráfico que muestra el valor de todas las bandas espectrales para un píxel específico de una imagen. Generará perfiles espectrales para varios puntos del área de Fayún.
- En la barra de herramientas inferior, haga clic en Analizar y elija Perfil espectral.
Para utilizar esta opción, debe elegir una imagen Landsat específica.
- En Selección de escena, en el menú desplegable de año, elija 2023. En el calendario, haga clic en la fecha 19 de febrero de 2023.
La imagen aparece en el mapa. El oasis de Fayún aparece en la esquina noreste de la imagen.
Comenzará examinando un píxel que representa la vegetación. La vegetación típica del oasis de Fayún se compone en su mayor parte de campos de cultivos como el algodón, el trébol y los cereales, con algunas palmeras y árboles frutales intercalados en el paisaje.
- En el mapa, utilice el puntero de punto de mira para hacer clic en una ubicación del oasis que parezca cubierta de vegetación (verde intenso).
En la barra de herramientas inferior, en Perfil, aparece el gráfico de perfil espectral de ese píxel concreto. El gráfico se titula Vegetación sana.
Sugerencia:
Si su píxel no se identificó como Vegetación sana, es posible que haya elegido un píxel que contenía edificios, tierra desnuda u otras entidades. En ese caso, haga clic en una o dos ubicaciones más con vegetación hasta que obtenga una identificación de Vegetación sana.
En el gráfico, el eje x (horizontal) representa las diferentes bandas espectrales: Costero, Azul, Verde, Rojo, NIR, SWIR 1 y SWIR 2. El eje y (vertical) muestra los valores de banda del píxel seleccionado. La curva formada por la conexión de los valores de las bandas aparece en gris claro.
Hay una línea de puntos verde trazada en el gráfico. Su leyenda está etiquetada como Perfil espectral de vegetación sana. Cada tipo de cobertura de suelo, como vegetación sana, agua o arena, es proclive a tener un perfil espectral típico y reconocible, denominado firma espectral. Al comparar el perfil espectral de cualquier píxel de imagen con las firmas espectrales típicas, es posible identificar automáticamente el tipo de cobertura de suelo de este píxel. En este gráfico, el perfil espectral del píxel resultó ser el más similar a la firma espectral de Vegetación sana.
- En el mapa, haga clic en ubicaciones que parezcan representar:
- Un lago (azul oscuro)
- El desierto (beis amarillento)
Los gráficos de perfiles espectrales identifican estos puntos como Agua clara y Arena, respectivamente.
Los perfiles espectrales son muy diferentes entre sí. La mayoría de las técnicas de análisis de imágenes recurren a estas variaciones de los perfiles espectrales para detectar automáticamente información sobre los tipos de cobertura de suelo en la imagen.
Una de estas técnicas consiste en calcular los índices espectrales. Un índice espectral aplica una fórmula matemática para calcular un ratio entre diferentes bandas para cada píxel de las imágenes, con el objetivo de resaltar un fenómeno específico. Ahora probará dos de ellos.
- En Renderizador, haga clic en MNDWI.
MNDWI son las siglas en inglés de Índice modificado de agua de diferencia normalizada. Calcula un ratio entre las bandas Infrarrojo de onda corta 1 y Verde para resaltar el agua. Con este índice aplicado, las masas de agua aparecen resaltadas en azul. En el mapa actual, se trata principalmente de lagos que forman parte del oasis de Fayún.
- En Renderizador, haga clic en NDVI a color.
NDVI son las siglas en inglés de Índice de vegetación de diferencia normalizada. Calcula un ratio entre las bandas Infrarrojo cercano y Rojo para resaltar la vegetación. La vegetación espesa y sana se resalta en verde oscuro, y la vegetación escasa, en marrón.
Ahora ya se ha familiarizado con los perfiles espectrales, las firmas espectrales y los índices espectrales. Ha aprendido que las técnicas de análisis de imágenes recurren a las variaciones de los perfiles espectrales para detectar automáticamente información sobre los tipos de cobertura de suelo en las imágenes. Como analista de la región de Fayún, podría utilizar estas técnicas para vigilar el estado de los cultivos, las condiciones de sequía, el impacto de los incendios forestales y otros fenómenos. Con las imágenes multiespectrales, es posible realizar este tipo de vigilancia en regiones extensas, países enteros o incluso en todo el mundo.
Visualice el crecimiento urbano con una animación
Hasta ahora, ha explorado las imágenes que representan un único momento en el tiempo y se ha centrado en las imágenes Landsat capturadas en los últimos años. Pero ¿y si quisiera hacer un seguimiento de las tendencias a lo largo del tiempo? ¿Y si quisiera comparar el estado del manglar de Sundarbans hoy y hace 10 años, o ver cómo se han expandido o reducido los lagos del oasis de Fayún en las últimas décadas? Desde el lanzamiento del primer satélite Landsat en 1972, se dispone de más de 50 años de imágenes Landsat para comparar.
Nota:
Aunque los satélites más antiguos no estaban equipados con todas las prestaciones de los más recientes, incluida la capacidad de detectar ciertas bandas espectrales, sus imágenes siguen siendo importantes para ver cómo ha cambiado el mundo.
Para ilustrar este uso de las imágenes Landsat, creará una animación para visualizar cómo ha evolucionado Hefei, una de las ciudades de más rápido crecimiento de China, desde 1995 hasta ahora.
- Haga clic en este vínculo de Landsat Explorer para ir a Hefei (China).
Se muestran las imágenes Landsat, establecidas en la vista Dinámica. Muestra imágenes recientes y está renderizada con la combinación de bandas Color infrarrojo. Las áreas urbanas aparecen de color marrón o gris, la vegetación que rodea la ciudad, de color rojo intenso, y las masas de agua, de color azul oscuro.
Nota:
Color infrarrojo no siempre es el mejor renderizado para visualizar áreas urbanas, pero, en este caso de uso específico, se comprobó mediante ensayo y error que proporciona una clara delineación de la ciudad a lo largo del tiempo.
- En la barra de herramientas inferior, haga clic en Animar y elija Agregar una escena.
Se agrega una ranura para la primera imagen.
Agregará una escena del año 1995 a la animación.
- En Selección de escena, en el menú desplegable de año, elija el año 1995. En el calendario, haga clic en la fecha 02 de septiembre de 1995.
La imagen capturada el 2 de septiembre de 1995 aparece en el mapa. Hefei aparece como una pequeña ciudad en el centro de la imagen.
A continuación, agregará una escena del año 2000.
- Haga clic en Agregar una escena para agregar una segunda ranura de imagen.
- En Selección de escena, en el menú desplegable de año, elija el año 2000. En el calendario, haga clic en la fecha 15 de septiembre de 2000.
La imagen aparece en el mapa. Desea crear una animación que contenga un total de ocho escenas, con una selección de aproximadamente una escena cada tres a cinco años. Aquí tiene una lista completa:
- 02 de septiembre de 1995 (ya agregada)
- 15 de septiembre de 2000 (ya agregada)
- 12 de agosto de 2005
- 03 de mayo de 2009
- 02 de agosto de 2013
- 25 de julio de 2016
- 17 de mayo de 2020
- 16 de abril de 2023
Para agilizar este flujo de trabajo, abrirá un nuevo mapa en el que ya se han agregado las ocho escenas.
- Haga clic en este vínculo de Landsat Explorer para cargar las ocho escenas.
A continuación, ejecutará la animación.
- Junto a Agregar una escena, haga clic en el botón Reproducir animación.
Las imágenes comienzan a mostrarse una tras otra en orden cronológico, con lo que se crea una animación. La animación es muy rápida, así que la ralentizará.
- Mueva el control deslizante de velocidad a su nivel mínimo.
A medida que la animación se desarrolla a un ritmo más lento, se puede observar que la ciudad de Hefei se ha expandido considerablemente desde 1995.
Nota:
Opcionalmente, puede hacer clic en el botón Copiar vínculo de animación para compartir la animación con otras personas. También puede exportarla a un vídeo MP4 haciendo clic en el botón Descargar animación.
- Cuando haya terminado de ver la animación, haga clic en el botón Detener animación.
Delinear áreas inundadas
Otra forma de aprovechar las imágenes Landsat capturadas en distintos momentos es utilizarlas para la detección de cambios. La detección de cambios consiste en comparar imágenes capturadas en distintos momentos en una misma área para determinar el tipo, la magnitud y la ubicación del cambio. El cambio puede ocurrir debido a una actividad humana, alteraciones naturales abruptas o tendencias climatológicas o medioambientales a largo plazo.
Realizará su propio análisis de detección de cambios aplicado a un suceso de inundación. Debido a las fuertes lluvias caídas en julio de 2022, varias áreas situadas en las regiones de Léré y Guegou en Chad sufrieron graves inundaciones. Como analista, quiere identificar las áreas más afectadas.
- Haga clic en este vínculo de Landsat Explorer para ir al área de Léré.
Se muestran las imágenes Landsat, establecidas en la vista Dinámica. Muestra imágenes recientes y renderizadas con la combinación de bandas Agricultura. La capa Etiquetas del mapa está activada y en ella se incluye una representación de las carreteras principales. Hay dos lagos y varias ciudades y pueblos a su alrededor, como Léré, Lao y Kebi.
- En la barra de herramientas inferior, haga clic en Analizar y elija Detección de cambios. Confirme que elegir Escena A esté seleccionado.
Deberá elegir dos imágenes: una antes de la inundación y otra después.
- En Selección de escena, en el menú desplegable de año, elija el año 2022. En el calendario, haga clic en la fecha 8 de mayo de 2022.
Las imágenes se actualizan para mostrar una escena Landsat capturada el 8 de mayo de 2022, antes de las fuertes lluvias. Se muestra con la combinación de bandas Agricultura seleccionada anteriormente. Los dos lagos, el lago Léré y el lago Tréné, tienen contornos claramente definidos. Las líneas finas azules corresponden a los ríos Mayo Kébbi y Bénoué.
- Haga clic en elegir Escena B.
- En Selección de escena, en el menú desplegable de año, elija el año 2022. En el calendario, haga clic en la fecha 11 de julio de 2022.
- En Renderizador, haga clic en Agricultura para aplicar la misma combinación de bandas a la segunda escena.
Las imágenes se actualizan para mostrar una escena Landsat capturada el 11 de julio de 2022, que muestra la situación mientras se produce la inundación. Grandes áreas que eran tierra seca en la escena anterior ahora están cubiertas de agua, lo que hace que los lagos parezcan demasiado extensos e indistinguibles de los ríos.
A continuación, visualizará el cambio entre la escena A y la escena B.
- Haga clic en el botón Ver cambio.
- Junto a Cambio, elija Índice de agua.
Este análisis de detección de cambios aplica el índice de agua (MNDWI) que conoció anteriormente en el tutorial a las imágenes del antes y el después, con el objetivo de identificar dónde se encuentran los píxeles de agua en cada imagen. A continuación, compara los valores del índice del agua para determinar en cada píxel si había:
- Un aumento del valor de MNDWI (pasando de no tener agua a tener agua)
- Una disminución del valor de MNDWI (pasando de agua a no agua)
- Sin cambios en el valor de MNDWI (pasando de agua a agua o de sin agua a sin agua)
En el mapa, la mayoría de las áreas de suelo aparecen en amarillo, lo que indica que no sufrieron cambios. Sin embargo, las áreas alrededor de los lagos aparecen en azul turquesa intenso, lo que indica que se cubrieron de agua. Aquí es donde se produjeron las inundaciones.
Nota:
Los píxeles que aparecen de color beis claro o azul claro indican un ligero cambio en el valor del índice de agua. Eso no es necesariamente significativo, ya que las imágenes del antes y el después pueden tener intensidades de valor ligeramente diferentes debido a las condiciones meteorológicas y al momento de la captura.
Para que el mapa sea más fácil de interpretar, solo mostrará los píxeles que más claramente pasaron de no tener agua a tenerla.
- En Índice de agua, deslice el manipulador de límite inferior hasta que hayan desaparecido todos los píxeles amarillos, beis y azul claro.
Los píxeles desaparecen cuando el valor del índice de agua es de aproximadamente 0,65.
El mapa muestra ahora las áreas inundadas en azul turquesa intenso.
En Índice de agua, el valor de Área de cambio estimada indica que las áreas inundadas que aparecen en el mapa abarcan unos 10,79 kilómetros cuadrados (la cifra obtenida puede variar ligeramente).
Nota:
Como referencia, aquí tiene el mapa final de detección de cambios que debería obtener.
En este análisis, ha realizadod una detección de cambios para identificar las áreas afectadas por una inundación. El mapa resultante podría compartirse con los equipos de socorro sobre el terreno para ayudarles a concentrar mejor sus esfuerzos.
Nota:
Cada vez con más frecuencia, se utilizan imágenes para ayudar en la gestión de desastres naturales. Sin embargo, debe tener en cuenta que las imágenes Landsat solo capturarán una ubicación determinada como mucho una vez a la semana y su resolución espacial es de solo 30 metros (por píxel), por lo que puede que no siempre proporcionen las imágenes más oportunas y detalladas en el contexto de un suceso catastrófico. Existen otros tipos de imágenes por satélite que proporcionan imágenes más frecuentes con una mayor resolución y que pueden ser preferibles para la gestión de catástrofes, pero quedan fuera del alcance de este tutorial.
Explorar más ubicaciones
La aplicación Landsat Explorer incluye una serie de ubicaciones marcadas de todo el mundo. Estas ubicaciones muestran paisajes llamativos o únicos vistos con combinaciones de bandas concretas que resaltan sus entidades más curiosas. Revisará algunas de estas ubicaciones.
- En la barra de herramientas inferior, haga clic en Explorar y elija Dinámica.
- En Lugares interesantes, haga clic en algunas de las vistas en miniatura para ver las distintas ubicaciones.
A medida que vaya descubriendo estas ubicaciones, podrá aplicar diferentes combinaciones de bandas espectrales e índices espectrales y utilizar las funcionalidades que ha aprendido en el tutorial. Además, también puede utilizar el cuadro de búsqueda para buscar sus propias áreas de interés.
Nota:
Para seguir conociendo las funcionalidades de Landsat Explorer, consulte el artículo Aprender a explorar las imágenes Landsat con Landsat Explorer.
En este tutorial, ha explorado las imágenes Landsat mientras recorría el mundo con la aplicación Landsat Explorer. Ha aprendido conceptos esenciales sobre las imágenes multiespectrales y se ha familiarizado con sus numerosas aplicaciones. Ahora ya tiene los conocimientos necesarios para seguir explorando el mundo a través de las imágenes.
Encontrará más tutoriales sobre imágenes en la colección de tutoriales Introducción a las imágenes y la teledetección.
