 Composiciones RGB:

Cada banda representa niveles de intensidad (ND) dentro de una banda concreta (azul, verde, rojo, infrarrojo
cercano, térmico, etc.), pero los dispositivos con los que trabajamos para poder visualizar las imágenes,
monitores y tarjetas gráficas, sulo pueden representar los culores a partir de tres tonos básicos: el rojo, el verde
y el azul (Red, Green, Blue: RGB).

 Índice de bandas:
En las imágenes satelitales, el efecto de la variación de iluminación sobre la topografía, origina que algunas
pendientes sean más iluminadas que otras, por ello las superficies con propiedades de reflectancia similares
mostrarán variaciones de valores de ND a lo largo de la imagen. Los cocientes de bandas ("ratio images")
proporcionan un medio de corregir estas diferencias y consiste hacer la relación (división) entre dos bandas
donde la respuesta espectral del elemento que queremos resaltar sea muy diferente. Este método se usa para
identificar un gradiente espectral, por ello puede ser usado para cartografiar por ejemplo: el contenido de óxido
de hierro, contenido de arcillas, clorofila, rasgos de absorción de agua, entre otros.

 Composición RGB de Índices de bandas:

Se utiliza para poder resaltar los gradientes espectrales de diferentes elementos en una misma imagen en color.

 Índice Normalizado de Vegetación (NDVI):

Éste índice es obtenido aprovechando la característica espectral que tiene la vegetación de emitir o reflejar con
diferente intensidad la radiación recibida del sul en diferentes bandas del espectro electromagnético (Rojo e
Infra-rojo).

Dependiendo de la aplicación, este índice puede ser útil para hacer el seguimiento del desarrullo y estado de la
vegetación, o para realizar clasificación de coberturas vegetales en estudios medioambientales. Así también
puede ser usado para clasificar la vegetación y enmascararla cuando se quiere detectar la presencia de arcillas
asociadas a depósitos minerales exploratorios.

 Clasificación de coberturas:

Es una técnica usada para generar mapas temáticos, a partir de datos de entrenamiento (o regiones conocidas
de interés), adquiridos en campo con instrumentos de medidas espectrales (radiómetro) o extraídas de la propia
imagen para lo cual se necesita un conocimiento previo del terreno. Este tipo de clasificaciones son referidas
como clasificaciones supervisadas. Cuando no se cuenta con datos de entrenamiento, son referidas como
clasificaciones no supervisadas. En ambos casos existen algoritmos de clasificación como Spectral Angle Mapper,
Paralelepípedo, Mínima Distancia, entre otros para el primer caso, e IsoData y K-means para el segundo.

Son probablemente los de tipo más común entre los creados a partir de imágenes de satélite. En estos mapas
temáticos, las zonas de terreno se clasifican para determinar el tipo de cobertura y agrupan en clases para
generar mapas de ocupación y uso del suelo. Las clasificaciones pueden ser amplias, como zonas urbanas,
boscosas, de campo abierto y de aguas. También se utilizan para obtener mapas de contenido de minerales y
coberturas de diferente litulogía. En series temporales permiten el seguimiento de diferentes parámetros y
fenómenos geo-ambientales como por ejemplo erosión, degradación de suelos.

 Determinación de tipos de alteración hidrotermal:

El empleo de la Técnica Crosta (Análisis por Componentes Principales) nos permite identificar y diferenciar las
variedades del grupo de las arcillas, lo que a su vez es indicador en la identificación de zonas de alteración
 hidrotermal. La determinación de zonas de alteración hidrotermal, las asociadas a contactos litulógicos y
estructurales pueden ser indicativos de nuevos objetivos de exploración. De esta forma podemos realizar mapas
de distribución de zonas de alteración argílica, argílica avanzada, fílica y propilítica.

 Detección de zonas con presencia de Óxidos y Arcillas:

Éste producto es obtenido aprovechando las características espectrales de los minerales con presencia de Hierro
(Fe3+) para el caso de los óxidos férricos y del ión hidroxilo (OH-) en el caso de las arcillas. La técnica usada para
su obtención se basa en la "Técnica Crosta" (Loughlin, 1991)a partir del análisis de componentes principales
(PCA) selectivo. El producto es usado en la interpretación geulógica de zonas con alteración hidrotermal en
contexto vulcánico previo enmascaramiento de zonas de sombra, agua, nubes, vegetación y zonas de saturación.

 Clasificación de Minerales:

Con las bandas VNIR y SWIR de ASTER se pueden discriminar minerales asociados a zonas de alteración, a partir
del análisis de los rasgos de absorción en sus firmas espectrales. En el rango del visible los rasgos espectrales se
relacionan mayormente con procesos electrónicos (estado de valencia, entre otros) de los metales de transición
tal como el Fe, y en el infrarrojo de onda corta los principales rasgos en las firmas espectrales se relacionan con
los procesos vibracionales de los enlaces catiónicos (principalmente Al, Fe, Mg) con grupos como OH', CO3 '' y
SO4 '' (Hunt y Salisbury, 1970).

Las imágenes ASTER son una herramienta útil en la identificación de asociaciones de minerales de alteración
debido a que los principales rasgos de absorción de estos minerales fueron considerados para el diseño del rango
espectral de ASTER.

 Detección de cambios:
Implica hacer un estudio de varias imagenes de distintas fechas para identificar los cambios que ocurren a lo
largo del tiempo.

 Filtros Direccionales para determinación de fallas y lineamientos:

Los filtros direccionales son aplicados para resaltar estructuras con determinada orientación. Se puede realizar
en las bandas pancromáticas adquiridas por los diferentes sistemas satelitales de observación de la tierra.

 Anaglifos:
Las imágenes anaglifo se componen de dos capas superpuestas pero movidas ligeramente una con respecto a la
otra para producir efecto de profundidad. Este producto puede ser obtenido con imágenes ASTER aprovechando
las bandas estereoscópicas 3N y 3B y se visualiza con ayuda de lentes especiales. En geulogía es usado para la
interpretación morfulógica y estructural.

 Modelo de sombras:
Se crea a partir de un Modelo Digital de Elevación (DEM) simulando el efecto de iluminación que tendría el sul
en la topografía. Parámetros como acimut y ángulo de elevación sular pueden ser personalizados.
 Análisis InSAR:
Las imágenes radar contienen información de amplitud y fase, mientras que la información de amplitud es el
resultado de la capacidad de los cuerpos en retrodispersar la señal radar de retorno hacia el satélite, la
información de fase permite medir la distancia entre el suelo y el satélite. Así, combinando imágenes radar
adquiridas en dos pasos sucesivos de observación, es posible medir los cambios en la posición del suelo. La
ventaja de ésta técnica con respecto a las mediciones tradicionales GPS, es que proporciona una cartografía
completa del área de deformación. Es aplicable en el seguimiento de actividad vulcánica, actividad tectónica,
deslizamientos de terreno, subsidencia del suelo, entre otros.
 Composiciones RGB
Cada banda representa niveles de intensidad (ND) dentro de una banda concreta (azul, verde, rojo, infrarrojo
cercano, térmico, etc.), pero los dispositivos con los que trabajamos para poder visualizar las imágenes,
monitores y tarjetas gráficas, solo pueden representar los colores a partir de tres tonos básicos: el rojo, el verde
y el azul (Red, Green, Blue: RGB).

Banda 3 en escala de grises y composición RGB:931 de una imagen ASTER.

 Cocientes de bandas
Se utiliza el cociente de bandas para poder resaltar los elementos que presentan mayor reflectividad.

Comparación entre cocientes para resaltar el óxido férrico y el óxido ferroso.

Composición RGB de cocientes 4/6, 5/6, 5/8 para resaltar alteraciones hidrotermales (argílica, fílica, propilítica

ANÁLISIS ESPECTRALANÁLISIS ESPECTRAL

 Análisis de Componentes Principales (PCA)

El objetivo del Análisis de Componentes Principales (PCA.) es resumir un grupo amplio de variables en un nuevo
 conjunto (más pequeño) sin perder una parte significativa de la información original (Chuvieco, 1996). Para el
usuario final de los productos de la Teledetección, el objetivo del PCA es construir una o varias imágenes que
incrementen su capacidad de diferenciar distintas coberturas. Es por ello que al realizar una composición color
resulta interesante usar una combinación de tres componentes en lugar de las bandas espectrales. El PCA puede
aplicarse como realce previo a la interpretación visual o como procesamiento anterior a la clasificación. En
general, esta técnica incrementa la eficiencia computacional de la clasificación porque reduce la
dimensionalidad de los datos.

Dispersión espacial de los pixeles de dos bandas espectrales.

 Transformación MNF
Determina la dimensionalidad de la imagen, segrega el ruido de los datos y reduce los requerimientos de
hardware inherentes al proceso (Green et al., 1988; Boardman y Kruse, 1994).
Asimismo determina la coherencia espacial en las eigenimages (imágenes propias) y define el cut-off entre la
"señal" y "ruido", permitiendo realizar análisis específicos y precisos.
Dos de estos resultados las imágenes MNF1 y MNF6 de esta transformación se muestran en la Imagen.

MNF 1

MNF 6

La transformación MNF modificado de Green et al. (1988) y aplicado en ENVI, es una transformación lineal que se
compone de las siguientes rotaciones por separado de análisis de componentes principales:

 La primera rotación utiliza los componentes principales de la covarianza del ruido de la matriz de decorrelaciona
y reescala el ruido en los datos (un proceso conocido como blanqueamiento de ruido), lo que transforma los
datos en los que el ruido tiene variación de la unidad y no hay correlaciones de banda a banda.
 La segunda rotación utiliza los componentes principales derivadas de los datos de la imagen original después de
haber sido blanqueado por el ruido-la primera rotación y redimensionado por la desviación estándar del ruido.
La dimensionalidad inherente de los datos se determina mediante el examen de los valores propios final y las
imágenes asociadas. Se puede dividir el espacio de datos en dos partes: una parte vinculada a los valores propios
y grandes eigenimages coherente, y una parte complementaria con valores propios cercanos a la unidad y las
imágenes dominada ruido. Utilizando sólo las porciones coherente separa el ruido de los datos, mejorando así
los resultados del tratamiento espectral.

 ¿Clasificación SAM (Spectral Angle Mapper):

Este algoritmo, mide la similitud entre un espectro desconocido t, con uno referencial r, en n-dimensiones. Estos
espectros son tratados como vectores en n-espacios y el ángulo que forman se denomina "ángulo espectral".
Este valor en radianes es asignado al píxel correspondiente en la imagen resultante SAM, es una clasificación
supervisada en la que cada color de la imagen representa un tipo de material seleccionado.

Clasificación supervisada usando firmas espectrales (USGS) y método SpectralAngleMapper.

 Desmezcla Lineal del Espectro (Linear SpectralUnmixing)

Los píxeles de una imagen, representan áreas de uno a varios metros cuadrados. Estos píxeles, generalmente
están compuestos de ensambles de materiales; los píxeles puros son muy raros (Boardman). El espectro mixto
recibido por la mayoría de los sensores es una combinación lineal de los espectros "puros" o "extremos", y sus
pesos en la combinación lineal dependen de la fracción de área que ocupan. Los píxeles mixtos, pueden
analizarse usando un modelo matemático donde el espectro observado es el resultado de la suma de los
productos entre el espectro puro del material "extremo" por el porcentaje de abundancia correspondiente. La
Figura 3 ilustra lo descrito anteriormente. El resultado de este proceso, es una serie de imágenes en tono de
grises, uno por cada material seleccionado y una imagen que representa el error medio cuadrático, denominada
imagen RMS. Los valores extremos y la pureza del material están en función directa con la luminosidad y las
tonalidades de grises a blanco. Es decir a mayor luminosidad y blancura corresponde un material más puro.

Fuente: Manual ENVI HELP

 Afinamiento de la Filtración Emparejada (Mixture TunedMatchedFiltering = MTMF)

Es un filtro que permite discriminar con mayor eficacia los valores "extremos", reduciendo el número de"
positivos falsos" que a veces se calculan al usar la filtración emparejada.
Clasificación MTMF de minerales usando imagen ASTER.

ANÁLISIS ESPACIALANÁLISIS ESPACIAL

Implica un cambio cualitativo en la imagen donde se genera una nueva información a partir de los datos almacenados
en las bandas espectrales y el conocimiento que incorpora el clasificador. Es decir, se crea una nueva imagen donde,
para cada píxel, se genera una etiqueta que identifica una clase espectral o informacional, en dependencia del
enfoque no supervisado o supervisado que se decidió aplicar. En el caso supervisado a cada píxel se le asocia, de
forma inmediata un mensaje semántico, pues indica un tipo de cobertura existente en el terreno; para el caso no
supervisado se requiere mayor interpretación de los agrupamientos realizados por el algoritmo para encontrar su
significado físico.

 Modelos Digitales de Terreno y vistas 3D:

En geología son usados para evaluar las características geomorfológicas del terreno tanto en superficie así como
con respecto a los procesos geológicos que se desarrollan en el subsuelo.
La tecnología satelital tanto óptica como radar, en la actualidad permite obtener Modelos de Elevación del
Terreno de gran precisión. A partir de estos modelos es posible generar:
o Modelos de sombra o imagen de pseudo relieve, mediante la creación de iluminación artificial en la que el
usuario puede configurar los parámetros de iluminación de la luz artificial (azimut y elevación).
o Estos modelos permiten además crear vistas 3D en perspectiva, del terreno para poder hacer una mejor
interpretación superponiendo otras capas de información como la geología, litología, etc.

ANÁLISIS TEMPORALANÁLISIS TEMPORAL

Implica hacer un estudio de varias imagenes de distintas fechas y traves del tiempo e identificar los cambios que
ocurren en dicho periodo.

Comparación de imágenes entre dos fechas y detección de cambios (Imagenes LANDSAT)