Inspeccionar un oasis con perfiles espectrales

Con anterioridad en la serie de tutoriales Explorar imágenes de satélite de África, ha estudiado el oasis egipcio de Fayún con imágenes multiespectrales. Ha identificado diferentes tipos de cobertura de suelo, como agua, vegetación y construcciones (es decir, pueblos y carreteras). Ahora continuará examinando este ejemplo para averiguar por qué es posible identificar los tipos de cobertura de suelo a partir de imágenes multiespectrales. También aprenderá sobre los perfiles y las firmas espectrales.

Nota:

Para recordar qué son las imágenes y las bandas espectrales, consulte el primer tutorial de la serie: Primeros pasos con las imágenes de África.

Configurar y explorar las imágenes

En primer lugar, abrirá la aplicación, configurará su ubicación de interés y elegirá las imágenes más relevantes.

  1. Abra la aplicación Digital Earth Africa Explorer.
  2. La aplicación se abre mostrando todo el continente africano.

    Vista inicial de la aplicación

  3. En el cuadro de búsqueda, escriba Fayún, Egipto y pulse Intro.

    Busque Fayún, Egipto.

    El mapa se actualiza a la nueva ubicación.

  4. Cierre la ventana Resultado de la búsqueda, ya que ya no lo necesita.

    Cierre la ventana de resultados de búsqueda.

  5. Haga clic en el botón Alejar tres veces.

    Botón Alejar

  6. Si es necesario, arrastre el mapa para ajustar su posición.

    Debería tener un aspecto parecido al de la imagen de ejemplo siguiente:

    Vista inicial del oasis de Fayún

    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 Sahara. En el lado oriental también puede apreciarse el Valle del Nilo que recorre el mapa en diagonal. El agua del Nilo llega al oasis por medio de canales construidos por el ser humano.

  7. En la barra lateral, haga clic en el botón Explorar imágenes.

    Botón Explorar imágenes

  8. En la ventana Explorar imágenes, configure las siguientes opciones de los parámetros:
    • En Capa, verifique que se ha seleccionado Sentinel-2 Annual GeoMAD.
    • En Representación, elija Agricultura con DRA.
    • En Fecha, compruebe que se ha seleccionado 1 de enero de 2020.

    Ventana Explorar imágenes

    El mapa se actualiza para mostrar la nueva representación.

    Nota:

    Sentinel-2 es un programa de satélites de observación de la Tierra de la Agencia Espacial Europea que se lanzó en 2015 y que produce imágenes multiespectrales de alta calidad de toda la Tierra. Más información sobre el programa Sentinel-2.

    La capa de imágenes actual, Sentinel-2 Annual GeoMAD, proporciona un resumen año por año de las imágenes de Sentinel-2 en las que se han eliminado las nubes y otros problemas menores. Obtenga más información sobre cómo se crea la capa GeoMAD en la documentación de Digital Earth Africa.

    La combinación de bandas Agricultura utiliza las tres bandas espectrales siguientes: infrarrojo de onda corta, infrarrojo cercano y azul. Resalta varias entidades claramente y, por consiguiente, es una representación versátil. DRA significa ajuste de rango dinámico y es una técnica para mejorar el contraste de la imagen.

    Como recordatorio, las imágenes Sentinel-2 constan de 13 bandas espectrales. Algunas de estas bandas captan la luz que es visible para el ojo humano (como el azul, verde y rojo) y otras captan la luz que no lo es (como el límite rojo, el infrarrojo cercano y el infrarrojo de onda corta). El siguiente diagrama muestra dónde se ubican las 13 bandas en el espectro electromagnético:

    Las 13 bandas espectrales Sentinel-2 se muestran en el espectro electromagnético.

    A continuación, se muestra la lista de bandas con sus números y nombres:

    • Banda 1: aerosol costero
    • Banda 2: azul
    • Banda 3: verde
    • Banda 4: rojo
    • Banda 5: límite rojo 1
    • Banda 6: límite rojo 2
    • Banda 7: límite rojo 3
    • Banda 8: infrarrojo cercano (NIR 1)
    • Banda 8A: estrecha de infrarrojo cercano (NIR 2)
    • Banda 9: vapor de agua
    • Banda 10: infrarrojo de onda corta (Cirrus)
    • Banda 11: infrarrojo de onda corta (SWIR 1)
    • Banda 12: infrarrojo de onda corta (SWIR 2)

    En esta sección ha abierto la aplicación, ha configurado la ubicación de interés y ha elegido una capa de imágenes específica y una representación. Ya está preparado para explorar el oasis de Fayún.

Visualizar gráficos de perfiles espectrales

Ahora visualizará el perfil espectral de varios píxeles de las imágenes. El perfil espectral en un gráfico en el que se representa el valor de cada banda espectral correspondiente a un píxel de imagen concreto. Primero empezará con un píxel que represente la vegetación.

La vegetación típica del oasis de Fayún suele constar de campos de cultivo, como algodón, trébol y cereales, con algunas palmeras intercaladas en el paisaje.

Vegetación típica de Fayún
En esta foto se muestra la vegetación típica de Fayún, incluidos los campos de cultivo y algunas palmeras. El desierto puede verse al fondo.

  1. En la ventana Explorar imágenes, en ¿Qué desea hacer?, elija Explorar perfiles espectrales.

    Opción Explorar perfiles espectrales

  2. En el mapa, haga clic en un punto del oasis que aparezca cubierto de vegetación (verde claro).

    Elija un píxel de vegetación.

    En el mapa aparece un punto rojo en la ubicación seleccionada. En la ventana Explorar imágenes se actualiza el gráfico de perfiles espectrales.

  3. Observe el gráfico de perfiles espectrales.

    Gráfico de perfiles espectrales

    El eje x (horizontal) del gráfico representa las diferentes bandas espectrales. En el eje y (vertical) se muestra el valor de cada banda correspondiente al píxel seleccionado. El valor de cada banda se presenta con un punto rojo. En la aplicación no hay espacio suficiente para escribir el nombre de cada banda, pero puede ver más detalles en los siguientes gráficos expandidos:

    Perfil espectral y espectro electromagnético

    Esta imagen Sentinel-2 Annual GeoMAD contiene 10 de las 13 bandas Sentinel-2 originales. El ojo humano solo puede ver las tres primeras 3 bandas (rojo, verde y azul), pero no las 7 bandas restantes. La cantidad de bandas proporciona mucha información sobre las entidades sobre el terreno, con mucho más detalle de lo que el ojo humano puede captar.

    Nota:

    Las últimas cuatro bandas del extremo derecho del gráfico representan información adicional avanzada que queda fuera del ámbito de este tutorial. Estas se ignorarán.

    Últimas cuatro bandas del perfil espectral

  4. Dirija su atención a la lista de Perfiles espectrales típicos del lado derecho de la ventana Explorar imágenes.

    Lista de perfiles espectrales típicos

    Los tipos específicos de cobertura de suelo, como Vegetación exuberante, Agua o Desierto, son proclives a presentar el mismo perfil espectral típico. Esto se denomina 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.

    El perfil espectral del píxel actual se ha comparado con las firmas espectrales correspondientes a Desierto, Vegetación seca, Vegetación exuberante, Urbano, Piedra, Bosque y Agua, y se ha detectado que se ajusta más a Vegetación exuberante. De hecho, esta parece ser lo que mejor se adapta al área de vegetación que puede incluir hierba y varios cultivos.

    Sugerencia:

    Si el píxel no se ha identificado como Vegetación exuberante, es posible que haya elegido un píxel que incluya varios edificios o suelo de tierra, lo que hace que el perfil espectral sea menos claro. En tal caso, haga clic en uno o varios píxeles de vegetación hasta que se identifiquen como Vegetación exuberante.

    En el gráfico, la firma espectral típica de Vegetación exuberante se representa con una línea de color rosa claro y puede ver que es relativamente similar al perfil espectral del píxel, que presenta valores altos para Límite rojo 2, Límite rojo 3, NIR 1 andy NIR 2.

    A continuación, observará el perfil espectral de un píxel que representa agua. Alrededor del oasis hay unos cuantos lagos, incluidos el lago principal, Qarun, por la parte norte del oasis. Ahí elegirá el píxel de agua.

    Vista del lago Qarun
    En esta foto se muestra una vista del lago Qarun.

  5. Haga clic en un punto del lago Qarun (azul marino).

    Elija un píxel de agua.

    El gráfico de perfiles espectrales se actualiza.

    Perfil espectral del píxel de agua

    Los valores de todas las bandas son muy bajos y el píxel se identifica como Agua.

    Ahora mirará el perfil espectral de un píxel de desierto.

    Vista del desierto de la región de Fayún
    En esta foto se muestra una vista del desierto de la región de Fayún. En el fondo también puede verse un lago.

  6. Seleccione un píxel en el desierto situado al norte del oasis.

    Elija un píxel de desierto.

    El gráfico de perfiles espectrales se actualiza.

    Perfil espectral del píxel de desierto

    La mayoría de los valores son altos, especialmente los de las bandas SWIR 1 y SWIR 2. El píxel se identifica como Desiero.

    Sugerencia:

    Es posible que el píxel se haya identificado como Piedra. Si es así, inténtelo con uno u otros dos puntos hasta que se identifique como desierto.

    A continuación, fijará la vista en un área cubierta de árboles.

  7. Identifique el área de color verde más oscuro hacia el centro del oasis.

    Área verde más oscura hacia el centro del oasis

    Contiene una concentración de árboles, incluidos olivos y huertos frutales, además de algunas palmeras.

    Vista de campos de cultivo y arboledas de Fayún
    En esta foto se muestra una vista de los campos de cultivo de Fayún con árboles de fondo.

  8. Seleccione un píxel del área verde oscuro que tiene árboles en el centro del oasis.

    Elija un píxel de arboleda.

    El perfil espectral se actualiza y el píxel se identifica como Bosque. Por último, dirigirá la mirada a un píxel que representa la cobertura de suelo urbano.

  9. Seleccione un píxel en la ciudad de Fayún.

    Elija un píxel urbano.

    El perfil espectral se actualiza y el píxel se identifica como Urbano.

  10. Cierre la ventana Explorar imágenes.

En este flujo de trabajo ha visualizado los perfiles espectrales de varios píxeles de las imágenes. Ha aprendido que los perfiles espectrales se pueden comparar con firmas espectrales típicas para identificar los tipos de cobertura de suelo.

La mayoría de las técnicas de análisis de imágenes recurren a estas variaciones de los perfiles espectrales. Por ejemplo, el índice de vegetación utilizado en los tutoriales anteriores depende de las diferencias y porcentajes típicos entre valores de banda para distinguir la vegetación sana de la dañada.


Identificar manglares con un diagrama de dispersión espectral

Para adentrarse en la exploración de los datos espectrales, ahora conocerá los diagramas de dispersión espectrales, que son otra forma de considerar los valores de banda espectral. Esto se hará visualizando los manglares y otros tipos de cobertura de suelo del archipiélago de Zanzíbar.

Zanzíbar es un archipiélago situado en el Océano Índico y forma parte de la República Unida de Tanzania. Los manglares están formados por árboles frondosos y arbustos que crecen en las zonas costeras donde se produce una mezcla de agua dulce y salina. Son una parte importante del ecosistema del archipiélago de Zanzíbar. Además de ofrecer una biodiversidad excepcional, los manglares son fundamentales para prevenir la erosión del litoral y proteger el interior de fenómenos meteorológicos extremos. También desempeñan una función esencial en la cría de peces y crustáceos, que son importantes para la economía pesquera local. Lamentablemente, los manglares de Zanzíbar están en peligro debido a la presión demográfica, el desarrollo agrícola y urbano y el cambio climático.

La vigilancia de los manglares con imágenes de satélite puede desempeñar un papel importante en la recuperación y la gestión sostenible de este ecosistema.

Vista de manglar en Zanzíbar
En esta foto se muestra un manglar de Zanzíbar.

Configurar y explorar las imágenes

El estudio se centrará en la Bahía de Makoba, situada en Unguja, que es la isla principal de Zanzíbar. Primero centrará el mapa en esa ubicación y configurará las imágenes.

  1. En el cuadro de búsqueda, escriba Makoba, Zanzíbar y pulse Intro.

    Busque Makoba, Zanzíbar.

    El mapa se actualiza a la nueva ubicación.

  2. Cierre la ventana Resultado de la búsqueda, ya que ya no lo necesita.
  3. Haga clic en el botón Acercar tres veces.

    Botón Acercar

  4. Si es necesario, arrastre el mapa para ajustar su posición.

    Debería tener un aspecto parecido al de la imagen de ejemplo siguiente. (Las etiquetas amarillas no aparecerán en el mapa. Se han agregado aquí para que se oriente).

    Vista inicial de la Bahía de Makoba

    Esta extensión representa una parte de la isla Unguja, con el Océano Índico en la parte occidental de la isla, la Bahía de Makoba al norte y el río que discurre por la bahía a través de un estuario.

  5. En la barra lateral, haga clic en el botón Explorar imágenes para que se vuelva a abrir la ventana Explorar imágenes.
  6. En la ventana Explorar imágenes, verifique que se han seleccionado las opciones de los parámetros siguientes:
    • En Capa, verifique que se ha seleccionado Sentinel-2 Annual GeoMAD.
    • En Representación en pantalla, compruebe que Agricultura con DRA esté seleccionado.
    • En Fecha, compruebe que se ha seleccionado 1 de enero de 2020.

    Opciones Explorar imágenes

    El mapa base actual incluye algunas líneas que indican las carreteras. Cambiará el mapa base para eliminar estas líneas y cualquier otra marca, de manera que no se obstaculice la visión de las imágenes.

  7. En la barra lateral, haga clic en el botón Galería de mapas base.

    Botón Galería de mapas base

  8. En la ventana Galería de mapas base, elija Imágenes y cierre la ventana.

    Ventana Galería de mapas base

    Las líneas que representan carreteras desaparecen.

En esta sección, ha configurado la ubicación que le interesa, las imágenes y el mapa base. Ahora puede explorar la Bahía de Makoba en la isla Unguja.

Explorar un diagrama de dispersión espectral

Ahora creará y explorará un diagrama de dispersión espectral interactivo para su área de interés. El diagrama de dispersión espectral es un gráfico que sirve para examinar la asociación entre dos bandas espectrales y su relación con entidades y tipos de cobertura del suelo. En primer lugar, configurará el diagrama de dispersión.

  1. Si es necesario, vuelva a abrir la ventana Explorar imágenes. En la ventana Explorar imágenes, en ¿Qué desea hacer?, elija Crear diagrama de dispersión espectral.

    Opción Crear diagrama de dispersión espectral

    Se muestra un diagrama de dispersión con la configuración predeterminada. Puede elegir representar cualquier par de bandas espectrales en el diagrama, una en el eje x y otra en el eje y. Elegirá que se muestre NIR 1 y SWIR 2.

  2. En X, seleccione NIR_1 (7); en Y, seleccione SWIR_2 (10).

    Seleccione NIR_1 y SWIR_2.

    El diagrama de dispersión se actualiza. Los píxeles de imagen que estén visibles en el mapa en ese momento se representarán en el diagrama de dispersión en función de sus valores de NIR 1 y SWIR 2. A simple vista, puede ver que los posibles valores de NIR 1 oscilan entre 0,01 y 0,70, y que los valores de SWIR 2 varían de 0,01 a 0,54. Los colores indican la frecuencia. Los lugares del diagrama de dispersión donde se concentran la mayoría de los píxeles aparecen en rojo intenso.

    Nota:

    El diagrama de dispersión puede tener un aspecto algo diferente dependiendo de la extensión exacta del mapa.

    Ahora interactuará con el diagrama de dispersión para entender mejor lo que muestra.

    Primero observará dónde aparecen en el diagrama los píxeles que representan el agua. Puede tratarse de agua del océano, la bahía, el estuario o el río.

    Vista de una playa de Zanzíbar en el Océano Índico
    En esta foto se muestra una playa de Zanzíbar situada en Océano Índico.

  3. En el mapa, haga clic en cualquier píxel que represente el agua, como en el océano, al oeste de la isla (azul marino).

    Aparece una cruz, que indica la posición de ese píxel en el diagrama.

    Haga clic en cualquier punto que represente el agua.

  4. Haga clic en unos cuantos píxeles más del mapa que representen el agua.

    Todos estos píxeles aparecen en la misma área del diagrama de la parte inferior izquierda. Basándose en estas posiciones, parece que todos los píxeles que representan el agua tienen valores de NIR 1 y SWIR 2 muy bajos. A continuación, seleccionará todos estos píxeles para resaltarlos en el mapa.

  5. En el diagrama de dispersión, haga clic y arrastre para dibujar un círculo alrededor del área en la que se concentran todos los píxeles de agua, como en la imagen de ejemplo siguiente:

    Trace un círculo en el área en la que se concentran todos los píxeles de agua.

    Los píxeles incluidos en la selección aparecen resaltados en cian en el mapa.

    Píxeles de agua resaltados en cian.

    Estos son todos los píxeles que representan el agua, ya sea del océano, la bahía, el estuario o el río. Esto incluye un pequeño estanque del interior, al sureste del río.

  6. Si lo desea, puede dibujar la forma otra vez en el diagrama de dispersión hasta que esté satisfecho con el resultado.

    A continuación, hará lo mismo con el manglar. En su área de interés, el manglar está situado principalmente a lo largo de la bahía y el estuario bañado por la marea, y aparece en verde oscuro en las imágenes. En el diagrama, se puede descubrir por propia experiencia que todos los píxeles del manglar aparecen en una franja alargada de la parte inferior del diagrama. Dibuje un círculo alrededor de ella para resaltar los píxeles de manglar en el mapa.

  7. Haga clic en cualquier parte del diagrama una vez para eliminar el resalte anterior.
  8. En el diagrama de dispersión, haga clic y arrastre para dibujar un círculo alrededor de los píxeles de manglar, como en la imagen de ejemplo siguiente:

    Trace un círculo en el área en la que se concentran los píxeles de manglar.

    Estos píxeles tienen valores de SWIR 2 muy bajos, y valores de NIR 1 de intermedios a altos. Todos los píxeles de manglar se resaltan en cian en el mapa.

    Píxeles de manglar resaltados en cian.

    Por otro lado, también pude resaltar los píxeles de vegetación que no forma parte del manglar. Mediante el método de ensayo y error se puede averiguar que todos tienen valores de NIR 1 de intermedios a altos y valores de SWIR 2 entre medio bajos y medio altos.

  9. Haga clic en cualquier parte del diagrama una vez para eliminar el resalte anterior.
  10. En el diagrama de dispersión, haga clic y arrastre para dibujar un círculo alrededor de los píxeles de vegetación que no pertenece al manglar, como en la imagen de ejemplo siguiente:

    Trace un círculo en el área en la que se concentran los píxeles de vegetación que no pertenece al manglar.

    Sorprendentemente, todos los píxeles de vegetación que no pertenece al manglar tienen valores de SWIR 2 más altos que los píxeles de manglar. La diferencia es lo que permite distinguir claramente los dos tipos de vegetación.

    Todos los píxeles de vegetación que no pertenece al manglar se resaltan en cian en el mapa.

    Píxeles de vegetación que no pertenece al manglar resaltados en cian.

    Observará que la vegetación que no forma parte del manglar está repartida por toda la región. En su mayoría se trata de plantas que crecen poco, incluidas mandioca y batata, así como plantas para la producción de condimentos, como clavo, nuez moscada, canela y pimiento negra, entremezcladas con palmeras.

    Por último, resaltará los píxeles de suelo de tierra, que se concentran en la parte superior derecha del diagrama de dispersión.

  11. Haga clic en cualquier parte del diagrama una vez para eliminar el resalte anterior.
  12. En el diagrama de dispersión, haga clic y arrastre para dibujar un círculo alrededor de los píxeles de suelo de tierra, como en la imagen de ejemplo siguiente:

    Trace un círculo en el área en la que se concentran los píxeles de suelo de tierra.

    Estos píxeles suelen tener valores de SWIR 2 muy altos, y valores de NIR 1 de intermedios a altos.

    Todos los píxeles de suelo de tierra se resaltan en cian en el mapa.

    Píxeles de suelo de tierra resaltados en cian.

  13. Si lo desea, puede seguir experimentando con el diagrama de dispersión.

    Por ejemplo, puede hacer clic en más píxeles del mapa para ver dónde aparecen en el diagrama y dibujar más formas en el diagrama para ver los píxeles que se resaltan en el mapa.

Los diagramas de dispersión espectrales son útiles para saber cómo distinguir distintos tipos de cobertura del suelo basándose en dos bandas espectrales. Esto le permitirá identificar el rango de valores de cada tipo de A su vez, estos valores numéricos pueden utilizarse en análisis más avanzados.

Nota:

En este flujo de trabajo ha explorado los diagramas de dispersión NIR 1 y SWIR 2. Estas bandas se han elegido por el método de ensayo y error porque se descubrió que son adecuadas para distinguir los manglares de otros tipos de cobertura del suelo. Las demás combinaciones de bandas, como el azul y el verde, no permiten una distinción tan clara.

Si lo desea, puede explorar otras combinaciones de bandas en el diagrama de dispersión y decidir cuál es la mejor en su caso.

El análisis de imagen permite identificar los manglares y supervisarlos a lo largo del tiempo para saber si se están expandiendo o desapareciendo y a qué ritmo. Como el gobierno de Tanzania está adoptando medidas para proteger y recuperar este precioso ecosistema, también se puede utilizar el análisis de imagen para medir el progreso.

Aunque este tutorial se ha centrado en los diagramas de dispersión espectrales, existen muchos métodos para identificar los manglares con imágenes. Por ejemplo, para saber cómo la Universidad Estatal de Zanzíbar utilizó datos de imágenes de Digital Earth Africa para supervisar los manglares de Zanzíbar, consulte Conservación de los manglares de Zanzíbar.


Explorar una ciudad y obtener información sobre la resolución espacial

Ahora nos centraremos en otro concepto importante de las imágenes: la resolución espacial. Explorará ejemplos de resolución espacial variable a la vez que examina la ciudad sudafricana llamada Ciudad del Cabo.

Ciudad del Cabo es la segunda ciudad más grande de Sudáfrica y es la capital legislativa del país. Situada en el extremo sur de África en el Océano Atlántico, es famosa por sus extraordinarios parajes naturales, como Table Mountain y Signal Hill, así como por su puerto y su pintoresca costa.

Vista de Ciudad del Cabo
En esta foto se muestra Ciudad del Cabo orientada hacia Table Mountain.

Configurar y explorar las imágenes

Primero centrará el mapa en Ciudad del Cabo.

  1. En el cuadro de búsqueda, escriba Ciudad del Cabo, Sudáfrica y pulse Intro.

    El mapa se actualiza a la nueva ubicación.

  2. Cierre la ventana Resultado de la búsqueda, ya que ya no lo necesita.
  3. Haga clic en el botón Acercar tres veces.
  4. Si es preciso, ajuste la ubicación del mapa de forma que se parezca a lo que se muestra en la imagen de ejemplo siguiente:

    Vista inicial de Ciudad del Cabo

    Las imágenes que se muestran siguen siendo la capa Sentinel-2 Annual GeoMAD con la representación de la Agricultura con DRA. Con esta representación en pantalla, puede identificar las áreas construidas (edificios y calles) en morado; Signal Hill y Table Mountain se muestran en tonos marrones. Al norte puede ver Green Point Park en verde intenso, el estadio en forma de anillo de Ciudad del Cabo en morado y más al este, el puerto.

En esta sección, ha centrado el mapa en Ciudad del Cabo y se ha orientado en esta ubicación.

Comparar las resoluciones espaciales de diferentes datasets

La resolución espacial se refiere a la distancia representada por un píxel en la imagen. Por ejemplo, si una imagen se captura con resolución de 30 metros, significa que cada píxel representa un cuadrado de 30 metros por 30 metros en el suelo. Las imágenes con resolución más alta permiten distinguir más detalles y en ellas las entidades pequeñas son más reconocibles. Las imágenes con menos resolución ofrecen menos detalles, pero generan archivos más pequeños que son más fáciles de almacenar. Consulte una ilustración de los diferentes niveles de resolución espacial en los gráficos siguientes:

Ejemplos de niveles de resolución espacial

Utilizará la herramienta Comparar imágenes para comparar la resolución espacial de datasets de imágenes diferentes.

  1. En la barra lateral, haga clic en el botón Comparar imágenes.

    Botón Comparar imágenes

    Aparece la ventana Comparar imágenes. Con esta herramienta, puede especificar que se muestren dos imágenes en los lados izquierdo y derecho del mapa, y deslizar de una a otra.

  2. En la ventana Comparar imágenes, defina las siguientes opciones para la imagen izquierda:
    • Compruebe que la opción Imagen izquierda esté seleccionada.
    • En Capa, verifique que se ha seleccionado Sentinel-2 Annual GeoMAD.
    • En Representación en pantalla, compruebe que Agricultura con DRA esté seleccionado.

    Configuración de la imagen izquierda en la ventana Comparar imágenes

  3. En la ventana Comparar imágenes, defina las siguientes opciones para la imagen de la derecha:
    • Haga clic en Imagen derecha para seleccionarla.
    • En Capa, verifique que se ha seleccionado Landsat 8 Annual GeoMAD.
    • En Representación en pantalla, compruebe que Agricultura con DRA esté seleccionado.

    Configuración de la imagen derecha en la ventana Comparar imágenes

    Nota:

    La capa de imágenes Landsat 8 Annual GeoMAD se genera con el mismo método que Sentinel-2 Annual GeoMAD, pero procede de las imágenes Landsat 8. Puede obtener más información sobre cómo se crean las capas GeoMAD en la documentación de Digital Earth Africa

    Landsat es un programa estadounidense de satélites de observación de la Tierra que produce imágenes multiespectrales. Landsat 8 es la octava misión Landsat y se lanzó en 2013. Más información sobre Landsat 8

  4. En el mapa, use el manipulador de deslizamiento para deslizar repetidamente de izquierda a derecha para comparar las dos imágenes.

    Manipulador de deslizamiento

    La capa Sentinel-2 Annual GeoMAD (izquierda) tiene una resolución espacial de 10 metros, mientras que la capa Landsat 8 Annual GeoMAD (derecha) tiene una resolución de 30 metros. Observe que la capa con resolución superior permite ver las entidades con más detalle y precisión.

    Ahora comparará la resolución espacial del dataset Sentinel-2 Annual GeoMAD y el mapa base de imágenes.

  5. En la ventana Comparar imágenes, defina las siguientes opciones para la imagen de la derecha:
    • Compruebe que Imagen derecha esté seleccionado.
    • En Capa, seleccione Ninguno.

    En Capa, seleccione Ninguno.

    La capa Landsat 8 Annual GeoMAD desaparece y deja el mapa base de imágenes subyacente a la vista.

    Se trata del Mapa base Imágenes del mundo de Esri. Contiene imágenes de varias fuentes, incluidas TerraColor y Maxar, así como datos aportados por la comunidad. Estas imágenes tienen una resolución espacial variable, por lo general bastante alta, con frecuencia de 0,3 metros o mejor.

    Cambiará la combinación de bandas de la capa Sentinel-2 Annual GeoMAD para que se parezca más a la del mapa base de imágenes.

  6. En la ventana Comparar imágenes, defina las siguientes opciones para la imagen izquierda:
    • Haga clic en Imagen izquierda para seleccionarla.
    • En Capa, verifique que se ha seleccionado Sentinel-2 Annual GeoMAD.
    • En Representación, elija Color natural con DRA.

    En Representación, elija Color natural con DRA.

    La capa izquierda se actualiza para mostrar la capa Sentinel-2 Annual GeoMAD en Color natural con DRA. Color natural con DRA combina las bandas azul, verde y roja y muestra colores similares a los que vería el ojo humano.

  7. En el mapa, use el manipulador de deslizamiento para deslizar repetidamente de izquierda a derecha para comparar las dos imágenes.

    Compare Sentinel-2 Annual GeoMAD y el mapa base de imágenes.

    Aunque las dos capas son relativamente similares en cuanto a representación en pantalla, el mapa base de la derecha tiene una resolución espacial mucho más alta.

  8. Haga clic en el botón Acercar una vez y deslice repetidamente.

    En este nivel de zoom, puede ver la diferencia de resolución espacial con más claridad.

  9. Haga clic en el botón Acercar cuatro veces y deslice repetidamente.

    Compare Sentinel-2 Annual GeoMAD y el mapa base de imágenes ampliado.

    En este nivel de zoom, la diferencia de resolución espacial es evidente. El lado izquierdo ahora está muy borroso, pero puede ver claramente las casas y los coches en el lado derecho.

    Al elegir un dataset de imágenes, es importante tener en cuenta su resolución espacial para seleccionar el dataset más adecuado para su propósito. No obstante, esto no sería lo único que habría que tener en cuenta. Por ejemplo, mientras que el mapa base de imágenes puede resultar útil para explorar una ubicación de forma detallada gracias a su alta resolución espacial, tiene otras limitaciones. Solo consta de tres bandas espectrales: azul, verde y rojo. Por consiguiente, no sería posible usarlo en el análisis espectral. Esto contrasta con las capas imágenes derivadas de Landasat y Sentinel, que son mucho más ricas espectralmente gracias a su cantidad de bandas. El nivel de riqueza espectral de un dataset de imágenes se conoce como resolución espectral. Al igual que la resolución espacial, es fundamental tenerla en cuenta para determinar si un dataset de imágenes se adecua a sus objetivos.

    Puede obtener más información sobre la resolución espacial, la resolución espectral y otros tipos de propiedades de imagen en el documento Tipos de imágenes.

En este tutorial ha aprendido conceptos fundamentales de las imágenes, como el perfil espectral y la firma, el diagrama de dispersión espectral y la resolución espacial, mientras explora varias ubicaciones de África. Ahora cuenta con lo necesario para entender las imágenes y utilizarlas en sus proyectos.

Puede encontrar más tutoriales como este en la serie Explorar imágenes de satélite de África.