Contenido del curso
Índices espectrales
En la primera clase del curso podrás encontrar la presentación descargable donde podrás ver las referencias de las imágenes utilizadas en esta clase. Las mejores de ellas las hemos dejado en los Recursos para que puedas aprender más sobre datos geoespaciales.
Walter Omar Barrios Vazquez
Estudiante
Diaz Mauricio
Estudiante
César Valentín Cobos Clemente
EstudianteDiaz Mauricio
Estudiante
Fabian Palacios
Estudiante
Lukas Bustos
Estudiante
Javier Ladino
EstudianteDiaz Mauricio
Estudiante
Jorge Guevara
Estudiante
Mar Ariza Sentís
ProfesorJorge Guevara
EstudianteDiaz Mauricio
Estudiante
Ana Sofía Muñoz Montoya
Estudiante
Eduard Giraldo Martínez
EstudianteDiaz Mauricio
Estudiante
Carlos Abel Tarazona Aranda
Estudiante
Edgar Jhon Curi Araujo
Estudiante
Ixcoatl Francisco Pérez
EstudianteDiaz Mauricio
EstudianteIxcoatl Francisco Pérez
EstudianteDiaz Mauricio
EstudianteIxcoatl Francisco Pérez
EstudianteDiaz Mauricio
EstudianteJonathan Alexis Rivera Méndez
EstudianteNéstor Alonso Romero Roa
Estudiante
Ottmar Joseph Torres Peña
Estudiante
Néstor Miguel González Flores
Estudiante
Roxana Patricia Arauco Aliaga
Estudiante
John Sebastian Carreño Sandoval
Company_adminImágenes raster
Están formadas por una matriz de celdas donde cada celda tiene un valor que es único. Las celdas con una coloración más oscura tienen un valor de píxel más bajo y viceversa. Podemos concluir que la paleta de colores va de oscuro (negro) a claro (blanco). .
Índices espectrales
Ecuación matemática que se aplica en las bandas espectrales de la imagen, píxel a píxel. Existen varias ecuaciones: suma, resta, desviación estándar, etc. Si consideramos tres rasteres con las mismas dimensiones (mismo número de filas y de columnas) y que puedan superponerse uno encima del otro.
.
Ejemplo: NDVI
Normalized Difference Vegetation Index ++Utilización++: conocer el vigor del cultivo. . NDVI = ( NIR - Red ) / ( NIR + Red ) . Donde:
. NDVI Legend:
. Este índice es normalizado, lo que significa que sus valores van a ir entre -1 y 1. En este caso la leyenda nos indica que el máximo es 0.6, en lugar de 1, y el mínimo es 0.3 en lugar de -1. La paleta de colores, en este caso, va de rojo a verde. Siendo rojo en la zona menos vigorosa del cultivo y verde la zona más vigorosa. . Existen infinidad de ejemplos de índices espectrales, con múltiples propósitos. . ++Índice de minerales ferrosos++: Ferrous Minerals Ratio = SWIR / NIR . ++Índice normalizado de área quemada++:
NBR = ( NIR - SWIR ) / ( NIR + SWIR )
Gracias
Me interesó el Green Coverage Index (GCI) que indica el nivel de clorofila en la vegetación, puede advertir acerca de la salud de las plantas.
Gracias
Listado de indices espectrales: https://www.l3harrisgeospatial.com/docs/alphabeticallistspectralindices.html
Me interesa el Índice de Vegetación Avanzada (AVI) que utiliza las bandas espectrales roja y cercana al infrarrojo. Al igual que el NDVI, el AVI se utiliza en estudios de vegetación para monitorear las variaciones de cultivos y bosques a lo largo del tiempo. Fuente
Gracias
¿Esto se podría utilizar para identificar fosas (narcofosas)?
Hola Jorge, ¡Curiosa pregunta! Se tendría que ver qué índice espectral se puede utilizar para identificar fosas o movimientos recientes de tierra. Si se tiene verdad terreno de donde se encuentra una fosa se puede ver qué diferencia hay entre ese píxel y los colindantes en varios índices espectrales.
Creo que sería una forma novedosa de acercarse a búsquedas de fosas clandestinas.
Otro ejemplo de índice, es el Índice de Anomalía Térmica (TAI). Se utiliza para detectar y monitorear anomalías térmicas en la superficie terrestre, lo que puede ser útil para identificar cambios en la vegetación y la actividad biológica. Se calcula utilizando la temperatura de la superficie terrestre medida en el espectro de ondas largas del espectro electromagnético.
La radioastronomía es la rama de la astronomía que estudia los objetos celestes y los fenómenos astrofísicos midiendo su emisión de radiación electromagnética
Fuente
--
👾
Gracias
Normalized Difference Snow Index (NDSI):
El Índice Diferencial Normalizado de Nieve (NDSI) es un indicador numérico que muestra la cobertura de nieve en áreas terrestres. Las bandas espectrales de infrarrojos verdes y de onda corta (SWIR) se utilizan dentro de esta fórmula para trazar el mapa de la cubierta de nieve. Dado que la nieve absorbe la mayor parte de la radiación incidente en el SWIR mientras que las nubes no lo hacen, esto permite a NDSI distinguir la nieve de las nubes. Esta fórmula se utiliza comúnmente en la aplicación de mapas de cobertura de nieve y hielo, así como en el monitoreo de glaciares (Bluemarblegeo, 2019). . Fórmula del NDSI = (Green-SWIR) / (Green+SWIR) En caso para Landsat 8 es: NDSI = (B3 – B6) / (B3 + B6) .
Normalized Difference Glacier Index (NDGI):
El Índice Glaciar Diferencial Normalizado (NDGI) se utiliza para ayudar a detectar y monitorear glaciares utilizando las bandas espectrales verde y roja. Esta ecuación se utiliza comúnmente en la detección de glaciares y en aplicaciones de monitoreo de glaciares (Bluemarblegeo, 2019). . Fórmula del NDGI = (NIR-Green)/(NIR+Green) En caso para Landsat 8 es: NDGI = (B3 – B4) / (B3 + B4) .
Bare Soil Index (BSI):
El Índice de Suelo Desnudo (BSI) es un indicador numérico que combina bandas espectrales azules, rojas, infrarrojas cercanas e infrarrojas de onda corta para capturar las variaciones del suelo. Estas bandas espectrales se utilizan de manera normalizada. Las bandas de infrarrojos de onda corta y las bandas espectrales rojas se utilizan para cuantificar la composición mineral del suelo, mientras que las bandas azules y las bandas espectrales de infrarrojos cercanos se utilizan para mejorar la presencia de vegetación (GU, 2019). . Fórmula del BSI = ((Red+SWIR) – (NIR+Blue)) / ((Red+SWIR) + (NIR+Blue)) En caso para Landsat 8 es: BSI = (B6 + B4) – (B5 + B2) / (B6 + B4) + (B5 + B2) .
Normalized Difference Moisture Index (NDMI):
El Índice de Diferencia Normalizada de Humedad (NDMI) se utiliza para determinar el contenido de agua de la vegetación. Se calcula como una relación entre los valores NIR y SWIR de forma tradicional (USGS, 2019). . Fórmula del NDMI = (NIR – SWIR) / (NIR + SWIR) En caso para Landsat 8 es: NDMI = (B5 – B6) / (B5 + B6) . Para más indices les dejo aqui la fuente de información: https://acolita.com/lista-de-indices-espectrales-en-sentinel-2-y-landsat/
Espectros en la quimica https://imperiodelaciencia.wordpress.com/2012/05/25/espectros-en-la-quimica/
Gracias
Gracias
Gracias
¿Es posible detectar incendios con estos índices?
Sí, es totalmente posible y de hecho es una de las aplicaciones más críticas de los índices espectrales. Para esto se utiliza principalmente el NBR (Índice de Área Quemada Normalizada).
Cuando un incendio arrasa con un bosque, la firma espectral del terreno cambia drásticamente: la vegetación saludable (que reflejaba mucho infrarrojo cercano) desaparece, y queda el suelo desnudo y las cenizas (que reflejan fuertemente el infrarrojo de onda corta). El índice NBR aprovecha exactamente este contraste. Al calcular este índice en una imagen de antes del incendio y compararla con una imagen posterior al desastre (creando un delta NBR), puedes obtener un mapa preciso que no solo delimita el perímetro exacto del fuego, sino que también clasifica la severidad de la quemadura. Esto permite a los equipos de emergencia y forestales saber qué áreas necesitan reforestación urgente y evaluar el daño ecológico total de manera rápida y económica.
Estuve mirando otros índices, como la humedad del suelo, la lluvia acumulada.
¿Qué tipo de imagen o mapa puedo utilizar para estudios inmobiliarios?
¿Cómo puedo identificar deforestación?
otros índices: NMDI (estres hidrico) , GCI (clorofila verde) , NDII (agua del suelo)
MNDWI (Modified Normalized Difference Water Index): Mejora la detección de cuerpos de agua pequeños.
