Taller 5 - Clasificacion de Imagenes en ArcGIS

UNIVERSIDAD NACIONAL DE COLOMBIA
SEDE MEDELLIN
Facultad de Geociencias y Medio Ambiente
CURSO SENSORES REMOTOS

Edier V. Aristizábal G
Profesor Asistente
TALLER PRÁCTICO 5. Clasificación de imágenes satelitales utilizando el software ArcGIS y

la plataforma Google Earth Engine.
Objetivo:
Aprender el proceso de clasificación de imágenes de satélite supervisado y no supervisado a través
del software ArcGIS y GEE.
Materiales:
Para elaborar este taller se requiere una imagen LANDSAT de su preferencia.
Parte I: Clasificación Digital no Supervisada

El resultado de la clasificación no-supervisada es categorización de la imagen en clases espectrales
y el usuario debe asignar el significado temático a estas, donde precisamente reside su mayor
limitación. Así que, en general, este método nos es recomendable para producción de los mapas
temáticos sino como paso previo a la clasificación supervisada.
Procedimiento 1 en ArcGIS:
1. Siguiendo los pasos en talleres anteriores cargue una imagen de satélite compuesta por
diferentes bandas. Es importante que evalúe las características de dicha imagen y trate de
identificar y reconocer algunos aspectos de la imagen. Dicho conocimiento le permitirá
realizar y evaluar la clasificación que realice a continuación.
2. Desde la pestaña ArcToolbox>Spatial Analyst Tools, ir al grupo Multivariate, y seleccionar
la opción Iso Cluster. Se abrirá la ventana de Iso Cluster;
3. bajo Input Raster bands seleccione las bandas que va a utilizar y bajo Output signature
file, entre el nombre de la imagen de salida; al igual que el número de celdas mínimas
para cada clase en Mínimum class size, el número de iteraciones en Number of iterations,
y el intervalo que va a usar para muestrear en Sample interval. Estas funciones son
opcionales
4. Oprima OK y espere a que se termine el proceso de clasificación.
Parte II: Clasificación Supervisada

La clasificación supervisada requiere de cierto conocimiento previo del terreno y de los tipos de
coberturas, a través de una combinación de trabajo de campo, análisis de fotografías aéreas,
mapas e informes técnicos y referencias profesionales y locales. Con base de este conocimiento se
definen y se delimitan sobre la imagen las áreas de entrenamiento o pilotos. Las características
espectrales de estas áreas son utilizadas para "entrenar" un algoritmo de clasificación, el cual
calcula los parámetros estadísticos de cada banda para cada sitio piloto, para luego evaluar cada
ND de la imagen, compararlo y asignarlo a una respectiva clase.
1. Despliegue la imagen que se va a clasificar en una composición a color apropiada y aplique los
mejoramientos necesarios para disponer de una vista óptima para la identificación y delimitación
de los patrones o áreas de entrenamiento.
2. Analice el paisaje presente en la escena, identifique los principales tipos de coberturas

presentes en la escena y elabore una leyenda que contenga las clases temáticas deseadas.
3. Active desde la pestaña Customize el Toolbars de Image classificaction.
1. Para iniciar, diríjase a la primera pestaña del Toolbars denominada Training simple
manager
Analice la escena de la imagen y utilizando la opción de Zoom del Viewer haga un

acercamiento a la parte de la imagen donde va a colectar la primera área de
entrenamiento, p.e, agua. Active en el Toolbar de Image classification el icono de Draw
Polygon y delimite el área de interés (AOI). En la ventana que tiene abierta de Training
simple manager se genera un archivo con las AOI que va generando. Con el doble clic
finalice la delimitación del polígono. Bajo la columna de Color, puede asignar el color
apropiado para esta clase temática. Proceda con la generación de áreas de entrenamiento
y sus signaturas espectrales.
Recuerde, que áreas de entrenamiento deben representar la variabilidad espectral de la cobertura

estudiada: sin ser muy homogéneos, ni muy heterogéneos; el tamaño de muestra debe ser como
mínimo 10 veces más grande que el número de las bandas; si la cobertura presenta variación
espectral, se generan varias áreas de entrenamiento y para cada una se calcula la signatura
espectral, posteriormente los unen en una solo clase, p.e agua1, agua2, agua3 se unirá en clase de
agua.
No olvide salvar las áreas de entrenamiento desde el Viewer con opción de Save training samples.
Para esta tarea de entrenamiento donde se seleccionan las “semillas” con las cuales el programa
clasificará automáticamente el resto de la imagen se pueden realizar diferentes acciones, a
continuación se explicarán algunas de ellas:
Ajustes
Corresponden a acciones de borrar completamente una signatura, unir con otra signatura o
recalcular la signatura a partir de redefinición de área de entrenamiento.
Para borrar: seleccione la signatura en columna Class, esta se iluminara con el color azul y con el
botón derecho oprimido oprime la opción Delete Selected.
Para unir: con el uso de mouse y oprimiendo Shift de teclado, seleccione dos o mas signaturas que
se piensa a unir, p.e agua 1 y agua2; y luego, oprime el botón (Merge). Al final de filas aparecerá
nueva signatura, resultado de la unión, y a la asignatura de unión asigne el color de nuevo y un
nombre, p.e.: agua.
Trate de explorar todas las herramientas.
Finalmente, salve las áreas de entrenamiento desde la última opción denominada Create
asignature File.
Evaluación de las signaturas creadas
Una vez creadas las signaturas, se pueden borrar, renombrarlas o fusionarlas; pero antes se debe
realizar su evaluación mediante Estadísticas e histogramas que encuentra en la ventana de
Training Sample Manager.
Agrupación Espectral
La etapa final de la clasificación corresponde a la agrupación de los ND de toda la imagen
alrededor de las clases temáticas definidas en el proceso de patronamiento, mediante unos
algoritmos específicos de agrupación.
1. Para realizar la clasificación, vaya al ArcToolbox>Spatial Analysis tools>Multivariate y

seleccione Maximum Likelihood Classification. Elija las bandas que presentaron mayor
separabilidad, durante el proceso de evaluación de signaturas espectrales. E ingrese el
archivo de las firmas que acaba de crear desde Input siganature file y clic en OK. Explore
las demás funciones utilizando la ayuda de ArcGIS.
Utilizando solo las capas de la bandas reflejadas que se encuentran en la misma resolución
espacial diríjase a la pestaña de Classification o ArcToolbox>Spatial Analysis tools>Principal
components, y aplique la función de componentes principales a dichas bandas.
En la ventana emergente debe seleccionar las bandas a utilizar en el análisis y el número de

componentes principales que desea calcular. Para este caso solo 3 componentes. Finalmente
defina donde quedará ubicado el archivo de salida y OK.
Como resultado obtendrá 3 nuevas “bandas” que corresponde a los tres componentes principales
que mayor varianza presentan. Realice el ejercicio de clasificación supervisada del procedimiento
1 y 2 pero solo con estos tres componentes principales como bandas. Para el caso de la
clasificación supervisada utilice las mismas firmas espectrales elaboradas.
Procedimiento 5 en GEE:
La plataforma Explorer de GEE permite realizar clasificaciones supervisadas de imágenes de
satélite. Seguiremos trabajando con Landsat TOA, por lo tanto seleccionaos dicha imagen y
seleccionamos una combinación que mero nos permita diferenciar los diferentes usos o
coberturas del suelo que vamos a clasificar.
Para no trabajar sobre todo el planeta es mejor trabajar con una máscara, la cual nos permite
trabajar solo en el área de interés. Para esto nos dirigimos Add computation>Mask
Manipulation>Apply mask.
Seleccionamos la imagen Landsat TOA y en la pestaña derecha seleccionamos solo 1 banda. No

nos interesa hacer una mascara sobre toda la imagen TOA, sino utilizar la banda 1 para crear dicha
mascara. En la ventana Mask seleccionamos la opción Draw Rectangle y creamos en el visor un
rectángulo con el área de interés.
Luego damos click en Add step>Mask manipulation>Extract mask. En la ventana de Image

seleccionamos Apply mask y le damos Apply y Save.
Nos debe aparecer una nueva capa con las mascara que acabos de definir. El paso a seguir es
aplicar la máscara a nuestra imagen de trabajo, es decir Landsat TOA. Para eso vamos Add
computation>Mask Manipulation>Apply Mask. En la pestaña Image seleccionamos la imagen
Landsat TOA, y en la parte derecha solo dejamos seleccionadas las bandas con las cuales
queremos trabajar. Tenga en cuenta que hay algunas bandas que son termales y otras que son de
la calidad de la imagen, se recomienda utilizar de la 1 a la 7. En la pestaña Mask seleccionamos la
opción Raster, y en la pestaña Raster seleccionamos nuestra mascara. Dando click en Apply
obtenemos nuestra image Landsat TOA solo para nuestra área de interés.
El paso siguiente es generar las celdas de entrenamiento para nuestra clasificación supervisada.
Para eso nos dirigimos a la barra de búsqueda en la parte superior izquierda y en las opciones que
aparecen al final encontramos hand-drawn points and polygons, seleccionamos esta opción y nos
parece una nueva capa en Data y las opciones de hand y punto en el visor.
Para dar inicio a nuestras celdas de entrenamiento debemos crear las clases. En la parte inferior
izquierda aparece la pestaña Add class, seleccionamos esta función y creamos las clases que
vamos a entrenar. Se le puede asignar un nombre a clada clase y color.
Para crear los puntos o poligonos de entrenameinto de cada clase, simplemente seleccionamos la
clase y en el visor ubicamos los puntos o poligonos.
Para clasificar nos dirigimos a la pestaña de Analysis en la parte inferior izquierda y seleccionamos
Train a classifier. Inmediatamente las imágenes que tenemos cargadas quedan sombreadas. En
color naranja nuestras celdas de entrenamiento y en color morado las capas que va a utilizar en el
análisis. Como solo vamos a utilizar la capa de la mascara con la zona de estudio, debemos
seleccionar las otras capas y en la pestaña Use in classification as debemos seleccionar la opción
Don´t use, y aplicamos. Al realizar este ejercicio debe quitarse la selección en color morado, la
única imagen con dicha selección debe ser la máscara con la zona de interés.
En la parte inferior izquierda nos aparecen los diferentes métodos de clasificación. Seleccione uno
de ellos y click en Train classsifier and display results. Inmediatamente obtiene una nueva capa con
el resultado de la zona de estudio clasificada. Al seleccionar dicha capa se despliega la matriz de
contingencia de dicha clasificación.
Ejercicio:
Realice los procedimientos del 1 al 5 para su zona de estudio, describa los resultados y discuta
sobre la mejor clasificación obtenida.
Referencia
https://desktop.arcgis.com/es/arcmap/10.4/extensions/spatial-analyst/image-classification/image-
classification-using-spatial-analyst.htm.

Taller 5 - Clasificacion de Imagenes en ArcGIS

Cargado por

Copyright:

Formatos disponibles

Taller 5 - Clasificacion de Imagenes en ArcGIS

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Taller 5 - Clasificacion de Imagenes en ArcGIS

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DE COLOMBIA

CURSO SENSORES REMOTOS

TALLER PRÁCTICO 5. Clasificación de imágenes satelitales utilizando el software ArcGIS y

Parte I: Clasificación Digital no Supervisada

Parte II: Clasificación Supervisada

2. Analice el paisaje presente en la escena, identifique los principales tipos de coberturas

3. Active desde la pestaña Customize el Toolbars de Image classificaction.

Analice la escena de la imagen y utilizando la opción de Zoom del Viewer haga un

Recuerde, que áreas de entrenamiento deben representar la variabilidad espectral de la cobertura

Trate de explorar todas las herramientas.

1. Para realizar la clasificación, vaya al ArcToolbox>Spatial Analysis tools>Multivariate y

En la ventana emergente debe seleccionar las bandas a utilizar en el análisis y el número de

Seleccionamos la imagen Landsat TOA y en la pestaña derecha seleccionamos solo 1 banda. No

Luego damos click en Add step>Mask manipulation>Extract mask. En la ventana de Image

También podría gustarte

Pfad - The Proxy pFad of © 2024 Garber Painting. All rights reserved.