martes, 19 de abril de 2016

IMÁGENES GRATUITAS ASTER (Advanced Spaceborne Thermal Emission and Reflection Radiometer)

Dar Click aquí para bajar datos ASTER
ASTER (Advanced Spaceborne Thermal Emission and Reflection Radiometer) IMAGERY FREE DOWNLOAD

Hola a todos aquí nuevamente dandoles una buena noticia... desde el 1 de abril del 2016 las imágenes ASTER (Advanced Spaceborne Thermal Emission and Reflection Radiometer) son totalmente GRATIS. Los invito a que prueben y trabajen con estos datos.

ASTER es un sensor de imágenes ópticas de alta resolución geométrica y radiométrica, transportado por el satélite TERRA de la NASA, puesto en orbita el 18 de diciembre de 1999. El sensor ASTER tiene un ancho de barrido (swath) de 60 kilómetros y cuenta con dos características fundamentales:
 
• Alta resolución espacial
Bandas VNIR 15m
Bandas SWIR 30m
Bandas TIR 90m
• Amplio rango espectral
3 bandas en VNIR (0.52 – 0.86 μm)
6 bandas en SWIR (1.6 – 2.43 μm)
5 bandas en TIR (8.125 – 11.65 μm)

El sistema multiespectral ASTER consta de 14 bandas desde al visible al infrarrojo termal. Esta amplia región espectral es cubierta por tres sensores para los subsistemas VNIR, SWIR y TIR. Un cuarto telescopio en la región del visible-infrarrojo cercano VNIR, es utilizado en posición vista atrás para generar la visión estereoscópica (Aster User’s Guide). El subsistema VNIR obtiene imágenes del visible e infrarrojo cercano (0.52-0.86 mm) en tres bandas con una resolución espacial de 15 metros, Además tiene una banda adicional que permite visión estereoscópica y la Generación del Modelo Digital de Terreno de cada escena.






Dado los siguientes datos, el subsistema VNIR tiene dos sensores
1. sensor vista atrás(backward)
2. sensor visión nadir

El ángulo entre la posición Nadir y la posición vista atrás ha sido diseñado para permitir una relación base altura de 0.6 en la dirección de la orbita los parámetros de ajustes de los telescopios se sintetizan en:
Ajustes del telescopio Nadir, banda 3N a través de los siguientes parámetros:
1. Precisión en la posición de la línea de visión de los detectores con respecto al sistema de navegación del satélite.
2. Precisión y codificación del error introducido por el sistema de punteo lateral (Pointing) en la dirección along track y cross track de la órbita.










Una vez obtenidas las imágenes y los modelos digitales de elevación, se continua el procesamiento con software comerciales, como ENVI para el tratamiento digital de las imágenes ASTER la cartografía generada a partir de datos ASTER, tiene una buena calidad a escala 1:250.000 y aceptable a escala 1:100.000. El subsistema SWIR registra la información en 6 bandas del infrarrojo De onda corta (1.600-2.430 mm) con una resolución espacial de 30 m. 

martes, 8 de marzo de 2016

IMÁGENES GRATUITAS SENTINELS S1 Y S2 (The Sentinels Scientific Data Hub proporciona acceso libre y abierto a imágenes Sentinel-1 y Sentinel-2 productos para usuarios. )

The Sentinels Scientific Data Hub proporciona acceso libre y abierto a imágenes Sentinel-1 y Sentinel-2 productos para usuarios.
(The Sentinels Scientific Data Hub provides free and open access to a Rolling Archive of Sentinel-1 and Sentinel-2 user products)

Los Sentinel son una nueva flota de satélites diseñada específicamente para proporcionar los abundantes datos e imágenes de que se nutre el programa Copernicus, de la Comisión Europea. 
Este programa único de vigilancia medioambiental, está cambiando drásticamente la forma en que gestionamos nuestro entorno, entendemos y abordamos los efectos del cambio climático y protegemos nuestra vida cotidiana. 
Sentinel 2 llevan una innovadora cámara multiespectral de alta resolución, con 13 bandas espectrales que aportan una nueva perspectiva de la superficie terrestre y la vegetación. 
La combinación de la alta resolución y las nuevas capacidades espectrales, así como un campo de visión que abarca 290 kilómetros de anchura y sobrevuelos frecuentes, proporcionará vistas de la Tierra sin precedentes.
La misión se basa en una constelación de dos satélites idénticos en la misma órbita, separados por 180 grados, para lograr una cobertura y una descarga de datos óptimos. Cada cinco días los satélites cubrirán todas las superficies terrestres, grandes islas y aguas costeras.
La misión proporcionará sobre todo información útil para las prácticas agrícolas y forestales, y para gestionar la seguridad alimentaria. Las imágenes de los satélites serán empleadas para determinar varios índices vegetales, como el área con clorofila en la hoja y el contenido en agua.












El producto original está georefenciado y tiene una resolución de 10 m, lo pongo a disposición para su descarga. Es un PNG de 5.35 MB. Puedes descargarlo dandole click con el boton derecho del ratón a la imagen de arriba y posteriormente darle en guardar imagen como.


 Esto es especialmente importante para predecir la producción de las cosechas, y para aplicaciones relativas a la vegetación de la Tierra.
Además de para vigilar el crecimiento de las plantas, Sentinel-2 puede mapear el estado y los cambios de la superficie terrestre, y observar las selvas. También alertará de la contaminación en lagos y aguas costeras. Las imágenes de inundaciones, erupciones volcánicas y deslizamientos contribuirán a gestionar las consecuencias de estos desastres, y ayudarán en las tareas de ayuda humanitaria.

El producto original está georefenciado y tiene una resolución de 10 m, lo pongo a disposición para su descarga. Es un PNG de 2.16 MB. Puedes descargarlo dandole click con el boton derecho del ratón a la imagen de arriba y posteriormente darle en guardar imagen como.

Sentinel-2A es el resultado de una colaboración estrecha entre la ESA, la Comisión Europea, la industria, los proveedores de servicios y los usuarios de datos. Ha sido diseñado y construido por un consorcio de 60 compañías liderado por Airbus Defence and Space, con el apoyo de la agencia espacial francesa CNES para optimizar la calidad de las imágenes, y del Centro Aeroespacial Alemán DLR para mejorar la recuperación de datos mediante comunicaciones ópticas.


El producto original está georefenciado y tiene una resolución de 10 m, lo pongo a disposición para su descarga. Es un PNG de 4.58 MB. Puedes descargarlo dandole click con el boton derecho del ratón a la imagen de arriba y posteriormente darle en guardar imagen como.



Con su cámara multiespectral y su amplia cobertura, la misión Sentinel-2 ofrece no solo continuidad sino que amplía la capacidades de las misiones Spot, francesa, y Landsat, estadounidense. 
Sentinel-2A será lanzada el 23 junio de 2015 y Sentinel-2B en la segunda mitad de 2016. Una vez lanzados, la Comisión Europea asume la propiedad de los satélites. 

Fuente y link para bajar las imágenes.

jueves, 1 de octubre de 2015

Obtención de la Altura de los Árboles Usando Datos LIDAR (Xalapa., Veracruz Caso de Estudio)



Obtención de la Altura de los Árboles Usando Datos LIDAR (Xalapa., Veracruz Caso de Estudio)  




 El Pasado 1° de septiembre un gran amigo compartió un artículo sobre: Mapas 3D para medir el dióxido de carbono almacenado en los árboles.
El proceso está basado en la utilización tecnolgía LIDAR (Light Detection and Ranging), es una técnica de teledetección óptica que utiliza la luz de láser para obtener una muestra densa de la superficie de la tierra produciendo mediciones exactas de x, y y z.
Por coincidencia desde hace unos dias he estado obteniendo la altura de los arbolés con la tecnología antes citada (LIDAR) pero con menos resolucion y con datos de la ciudad de Xalapa. Es un placer compartir un video de resultados que he obtenido.
Los invito a que hagan una prueba y trabajen  con los datos LIDAR.
Lo más agradable es que todo es gratuito tanto el software (QGIS) como los datos. Desde mi punto de vista Quantum GIS (LiDAR tools) y R-Statist (rLIDAR Package) son muy buenos para trabajar este tipo de datos ... sorprendentes para clasificar la nube de puntos. Con el algoritmo (City) se puede difenciar la mayoria de objetos, Recomiendo trabajar con la extension .laz y .las,  la información se comprime hasta un 75%.










miércoles, 3 de abril de 2013

Georreferenciar Automáticamente una Imagen de Google Earth, una Imagen de Satélite o una Fotografía Aérea con Arc Gis 10.1


Georreferenciar  Automáticamente una Imagen de Google Earth, una Imagen de Satélite o una Fotografía Aérea con
 Arc Gis 10.1
Georeferencing a image Google Earth automatically
(ArcGis 10.1)




La nueva herramienta de georreferenciación de imágenes de ArcGis 10.1 muestra un gran avance en la tecnología SIG,  ya que esta trae consigo un nuevo flujo de trabajo llamado Auto Registration (Auto-georreferenciar o Georreferenciación Automática) este flujo de trabajo, crea automáticamente puntos de control a partir de una imagen base para  a una imagen de destino (mapa de bits). La imagen base debe estar bien georreferenciada de acuerdo a su ubicación geográfica y proyección, con el fin de que la Autogeorreferencia o Registro automático pueda trabajar.

Desde mi punto de vista funciona de maravilla; sus creadores recomiendan que para su uso, las imágenes deben de ser del mismo tiempo, la misma composición de bandas, la misma escala, y la misma estación; sin embargo, al probar su efectividad con imágenes totalmente diferentes (imagen ikonos color verdadero y fotografía monocromática) la herramienta pudo terminar el proceso con una georeferencia aceptable.

Como Trabaja el flujo de trabajo (Registro Automático)
El Registro automático le permite georreferenciar automáticamente una imagen no georreferenciada a una imagen georreferenciada. Los puntos de control o links automatizados son elegidos o identificados en base a las firmas espectrales de las dos imágenes, por lo que el proceso solo se puede llevar acabo con imágenes aéreas e imágenes de satélite, ya que el origen y naturaleza de los datos es similar. Por lo tanto el registro automático no funciona bien con los mapas escaneados o datos históricos.

Procedimiento
Para usar la herramienta, deben colocar una capa vectorial y una imagen georreferenciada que contenga la ubicación geográfica con un sistema de coordenadas o proyección. Posteriormente se carga la imagen no georeferenciada y se despliega; luego se ajusta la imagen al tamaño de la pantalla, después cambiamos la escala  o se re-escala; posteriormente para ayudarle al proceso, colocamos la imagen en una ubicación geográfica aproximada de manera que ajuste lo más posible con la imagen georeferenciada. Después se hace clic en el botón de registro automático, una vez hecho esto el sistema intentará crear los links o puntos de control de la imagen georeferenciada a la imagen no georreferenciada; Si los puntos no se crean, puede que sea necesario ajustar la imagen que no está georreferenciada para que se sobreponga o se solape, mejor con la imagen georreferenciada.

Nota
Principio del formulario
Para lograr un mayor ajuste con la autogeorreferencia o autoregistro, se recomienda que las dos imágenes deban ser los más similares como sea posible: ubicación o área geográfica, el tiempo y la estación, orientación de la imagen, escala de la imagen y la combinación de bandas.

sábado, 2 de marzo de 2013

CORRECCIÓN ATMOSFÉRICA CON R STATISTICAL COMPUTIN

Rutina para el Análisis de Imágenes de Satélite LandSat 5 y LandSat 7 con  R Statistical (Landsat package)

Corrección Atmosférica



Técnicas para la Corrección Atmosférica Absoluta
Esta clase de técnicas intentan deducir los valores de los parámetros atmosféricos de la información contenida en la propia imagen en lugar de usar externamente los datos medidos. Por lo tanto, cada banda de una imagen es analizada por si sola. La conversión de radiación en-el sensor por la reflectancia de la superficie junto con la corrección atmosférica se describe en la Ecuación 1.
Las técnicas de corrección atmosférica absoluta utilizan mediciones o modelos atmosféricos de simulación para determinar los parámetros Tz, Tv, Edown y Lhaze (Chávez, 1989). La principal diferencia entre los métodos de corrección atmosférica relativa es el procedimiento para la estimación de estos valores. Con las opciones por defecto de parámetros, esto simplifica a la ecuación para la reflectancia para el-sensor (Tabla1 ; Ecuación 2).







Sustracción del  Objeto Oscuro (DOS)

Sustracción del  objeto oscuro (DOS) asume que si hay áreas con valores de reflectancia reales muy bajos dentro de una banda de una  imagen, cualquier reflectancia aparente puede ser debido a los efectos de dispersión atmosférica,  por lo tanto, esta información se puede utilizar para calibrar el resto de las bandas de la imagen (Chavez 1988, 1989).

Los píxeles más oscuros se pueden detectar mediante el cálculo del histograma de los valores de los números digitales (ND) de una imagen, o mediante el establecimiento de un umbral, como "valor bajo  del ND encontrado en por lo menos n píxeles, ó algún otro criterio apropiado para el tamaño de la imagen que se analiza. El valor ND seleccionado, es el valor de turbidez de inicio (SHV) posteriormente se convierte en  radiación (por ejemplo, Ecuación 2 o conversión similar). Es poco probable que la mayoría de las imágenes contengan píxeles que sean negros ó oscuros totalmente, así que se aplica una corrección que asume una reflectancia del 1% real para estas áreas.

La forma más simple de DOS simplemente convierte el valor calculado a Lhaze reflectancias a-Sensor (Ecuación 4) y sustrae de la imagen entera (también se convierten a reflectancias a-sensor). Un valor nuevo de SHV el cual, debe ser calculado para cada banda (Chávez 1988) .

El método mejorado desarrollado por Chávez (1989) usa información de una sola banda para calcular los valores Lhaze para cada una de las bandas restantes de una imagen. Este método correlaciona los valores que produce la turbidez  y puede ser más precisa si hay pocas sombras o zonas oscuras. La dispersión es para cada banda específico, y los efectos de cada banda están correlacionadas con las condiciones atmosféricas. El método DOS  aplicado aquí utiliza un modelo realista en relación a la dispersión atmosférica y mantiene la relación espectral entre las bandas (Chavez1989)

Bajar resultado LandSat5 TM DOS

Procedimiento

Cargar librería (LandSat)



















Creación de la capa raster multibanda (banda 1, 2, 3, 4, 5, 6)

Visualizar información general de la capa raster multibanda




















Visualización de la Banda 1 y la extensión  del área que cubre la imagen de satélite



Visualización de las bandas y sus valores digitales a 8 bits 255


Despliegue de la imagen de satélite en color verdadero RGB 321; observe como resalta la coloración azulada o lechosa debido a la falta de la corrección atmosférica.


Despliegue de la imagen de satélite en falso color RGB-432 sin corrección atmosférica



















Despliegue de la imagen de satélite en falso color RGB-643 sin corrección atmosférica


Visualización de los números digitales e información general de la banda azul


Conversión de la banda azul en matriz de datos y su visualización


Despliegue del histograma de acuerdo la tabla de datos para la banda azul
Obtención de los coeficientes para cada una de las bandas
Resultado final; Visualización de la Imagen LandSat 5 TM 2012 con la Corrección Atmosférica


Visualización de la imagen de satélite con QuantumGIS

Download:
Bajar resultado LandSat5 TM DOS 


BiBliografía

Chavez Jr PS (1988). “An Improved Dark-Object Subtraction Technique for Atmospheric Scattering Correction of Multispectral Data.” Remote Sensing of Environment,24, 459–479.

Chavez Jr PS (1989). “Radiometric Calibration of Landsat Thematic Mapper Multispectral Images.” Photogrammetric Engineering and Remote Sensing,55, 1285–1294.

Chavez Jr PS (1996).“Image-Based Atmospheric Corrections Revisited and Improved.”Photogrammetric Engineering and Remote Sensing,62, 1025–1036.

Goslee S.C. (2013). “Analyzing Remote Sensing Data in R: The landsat Package”  Journal of Statistical Software, July 2011, Volume 43, Issue 4.

lunes, 11 de febrero de 2013

CORRECCIÓN ATMOSFERICA PARA REMOVER LA NIEBLA CON ATMOSC DE IDRISI MODELO Cos(t)

ATMOSPHERIC CORRECTION TO REMOVE HAZE 
WITH ATMOSC IDRISI

Por: José Luis Alvarez


Bajar Documento completo Manual Idrisi Corrección Atmosférica.pdf
Manual Completo  Download


INTRODUCCIÓN
En la entrada anterior de este blog, se mostraron los pasos para correr un análisis de componentes principales (PCA) y su creación, aunque no se hace referencia sobre en qué otras aplicaciones puede ser útil este análisis. Se retoma que el PCA muchas veces se utiliza para la eliminación de ruido sistemático debido a malos datos de la exploración de satélite. Por lo tanto, el módulo PCA que trae consigo el software MultiSpec reduce sustancialmente los errores de bandeado y las rayas de ruido debido a errores en los sensores.
Ahora en esta entrada, vamos a explicar los pasos para llevar a cabo una corrección atmosférica y eliminar los errores radiométricos debido a la presencia de niebla, esto se desarrollará mediante el módulo ATMOSC de IDRISI.
El módulo ATMOSC de IDRISI necesita una serie de datos o de información como entrada para llevar a cabo el proceso, sobre todo si se pretende llevar acabo el modelo completo, ya que este último requiere el cálculo de espesor óptico. Por lo regular la información que se necesita de entrada para aplicar la corrección atmosférica a una imagen, se puede encontrar en los metadatos que acompañan a la misma imagen o pueden ser calculados a partir de los mismos metadatos. Sin embargo, si no se cuenta con los metadatos, la información puede ser obtenida en los textos básicos para el procesamiento de imágenes por ejemplo: Chander et., al 2009 (Summary of current radiometric calibration coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI sensors). Cabe agregar que si se quiere utilizar el modelo completo del módulo ATMOSC de IDRISI es necesario contar con la información de las condiciones meteorológicas del día cuando se tomó la escena.
Como se señaló anteriormente, el presente documento pretende ser una herramienta o guía  donde se muestran los pasos para reducir o eliminar la influencia atmosférica por la niebla o por otras interferencias en las imágenes de satélite. Por lo tanto, en primer lugar vamos a eliminar la niebla usando el modelo Cos(t) y luego vamos a verificar nuestro resultado comparando las dos imágenes (sin corrección atmosférica y con corrección atmosférica) usando firmas espectrales.


Modelo Cos(t)
Una de las dificultades de la corrección atmosférica es que los datos necesarios para un ajuste completo a menudo no se encuentran disponibles. Por lo tanto, el modelo Cos(t) fue diseñado por Chávez en 1996 como una técnica para la aproximación de un ajuste completo que en la mayoría de los casos funciona muy bien. Este modelo se encuentra disponible en el módulo de ATMOSC de IDRISI e incorpora todos los elementos del modelo de Sustracción de Objetos Oscuros (para la remoción de niebla) más un procedimiento para calcular los efectos de la absorción por parte de los gases atmosféricos y de la dispersión Rayleigh. No requiere parámetros adicionales sobre el modelo de Sustracción de Objetos Oscuros, y por otra parte, estima estos elementos adicionales basándose en el coseno del ángulo cenit del sol (90°-elevación solar).


Antes de iniciar con los pasos de esta guía es necesario contar con los siguientes insumos: Tener instalado en su computadora el software IDRISI; si no cuentas con el programa puedes bajar una versión de prueba en la siguiente página www.clarklabs.org. También es necesario contar con una imagen de satélite si no cuentas con una, en el siguiente párrafo se proporciona un sitio para que puedan descargar la que se usó en este ejemplo.
 Los datos que se utilizaron en el presente ejercicio pertenecen a una imagen Land Sat I Sensor MSS Pat 026 Row 047; la zona abarca parte del centro del estado de Veracruz y gran parte del estado de Puebla, México. Dentro la escena se observan los siguientes puntos de referencia geográfica (Pico de Orizaba, Cofre de Perote, el puerto de Veracruz, ciudad de Puebla). La fecha de la escena es del 14 de Mayo de 1973; esta fue obtenida a través del servidor de imágenes de Meryland University of Maryland Institute for Advanced Computer Studies en este sitio la podrán bajar gratuitamente  http://glcf.umiacs.umd.edu.



Cuadro 1.- Información general de la imagen de satélite ocupada en el ejercicio
Satélite
Sensor
Pat
Row
Fecha
N° Banda
Rango Espectral  μm
Espectro
Banda
Tamaño de Pixel
LandSat 1
MSS
26
47
25/5/1973
4
0.499-0.597
Visible
Verde
60 m
LandSat 1
MSS
26
47
25/5/1973
5
0.603-0.701
Visible
Rojo
60 m
LandSat 1
MSS
26
47
25/5/1973
6
0.694-0.800
Infrarrojo
Infrarrojo cercano
60 m
LandSat 1
MSS
26
47
25/5/1973
7
0.810-0.989
Infrarrojo
Infrarrojo medio
60 m
 
 




Una vez que tenemos  instalado el programa IDRISI y guardada nuestra imagen de satélite en la PC, pasamos al primer paso. Este consiste en transformar los archivos GeoTif formato original de nuestra imagen al formato de IDRISI (.RST), Para hacer esto abrimos el programa, después nos vamos al menú Archivo (File), nos posicionamos en la opción  Import / Desktop Publising Formats / GEOTIFF/TIFF ver la figura 1.
Hecho esto nos aparece la ventana GEOTIFF/TIFF- GeoTIFF to Idrisi Conversion, en esta ventana hacemos clic en el cuadro GeoTIFF file name, nos dirigimos al directorio  donde tenemos guardada nuestra imagen haciendo clic en el botón Browse, ubicamos nuestra carpeta y seleccionamos el primer archivo LM10260471973145_B4.TIF el cual pertenece a la banda 4 de nuestra imagen figura 2.







Posteriormente solo falta seleccionar el directorio donde vamos a guardar nuestras bandas con el nuevo formato y con un nuevo nombre;  para esto hacemos clic al botón Idrisi image to créate: y listo. Repetir los pasos anteriores para el  resto de las bandas figura 3. 



Despliegue y visualización de la banda 4: Para desarrollar este paso abrimos el programa (para nuestro caso utilizamos IDRISI SELVA) posteriormente hacemos clic en icono de Display Launcher, luego hacemos clic en el botón Selected file type, en seguida hacemos clic en el botón Browse y buscamos nuestro directorio donde se encuentran nuestro datos que convertimos y abrimos la primera banda de nuestra imagen LM10260471973145_B4, utilizando la paleta de escala de grises y auto escala (intervalos iguales) figura 4.  












Creación de una imagen compuesta: Una vez que tenemos cargada la banda 4 en la pantalla, agregamos las otras dos bandas. Para hacer esto apretamos las teclas Ctrl y R o hacemos clic con el botón derecho en la ventana de Composer. Seleccionamos agregar capa. Agregamos las bandas 5 y 6 una por una; archivos LM10260471973145_B5 y LM10260471973145_B6. Una vez que las tres bandas están presentes dentro de la misma ventana, pasamos a asignarle a cada banda su color para elaborar una imagen compuesta. Con la ventana desplegada y con las tres bandas, movemos el cursor hacia Composer. Seleccionamos la banda 4 y hacemos clic en el icono azul para asignarle el cañón azul. Luego seleccionamos la banda 5 y clic el icono verde. Del mismo modo, seleccionamos la banda 6 y clic el icono de color rojo para asignarle el cañón rojo figura 5. 




Hecho lo anterior, en la pantalla se visualizará la imagen en falso color como se muestra en la figura 6. Una vez que la imagen compuesta se despliega en la pantalla es evidente y se observa la distorsión causada por la niebla (coloración azulada o lechosa).  Fíjense en los cuerpos de agua que muestra la imagen sobre todo en la esquina superior derecha (a lo largo de la costa) y en la esquina inferior izquierda (la laguna).
Explore la imagen haciendo un zoom y observe los siguientes lugares: el mar, los lagos, las zonas urbanas, zonas de cultivo y las zonas de vegetación (zonas rojas).




Las imágenes compuestas se utilizan especialmente porque pueden contener algunas de las bandas o todas a la vez; es decir, las bandas que pertenecen al rango del visible como las bandas que pertenecen al rango del infrarrojo, por lo tanto, al elaborar una imagen compuesta que contenga bandas del rango visible se observan mejor las distorsiones causadas por la niebla atmosférica la cual dispersa preferentemente en las bandas de longitud de onda corta como la banda azul (0.452–0.518 μm) la cual se debe esa coloración azulada o lechosa en una imagen cuando no está corregida atmosféricamente figura 7.





Bajar Documento completo Manual Idrisi Corrección Atmosférica.pdf
Download.