SIG, Cartografía y teledetección

CARTOGRAFÍA→ es un instrumento de representación y localización de fenómenos. Es además el arte de trazar

mapas y la ciencia que los estudia.
Objetivos
1. Describir patrones espaciales de variables de interés. Por ejemplo, el cambio de las áreas forestales
(verde) y las no forestales (amarillo) en distintos años.

2. Evaluar cambios en las variables de interés. Por ejemplo, cambios en la deforestación en distintos años.
En este caso a partir de cambios en un índice de vegetación medido por satélites q poseen sensores q
registran la energía reflejada x la superficie a distintas longitudes de onda, generando así índices como
biomasa o actividad fotosintética q son estudiados a lo largo del tiempo.
3. Sintetizar información y conocimiento. Por ejemplo, a través de un censo obtener info de un lugar,
agrupar estos datos y representarlos con distintos símbolos en un mapa.
4. Generar hipótesis acerca de los procesos subyacentes. Gestionar recursos. Planificar el uso del territorio
Mapa→ sirve para representar la tierra o parte de ella, mostrando información temática de una ciencia
determinada en dos dimensiones (es decir, en un plano). Es un modelo espacialmente explícito (expresa clara y
determinadamente una cosa, como una problemática, situación o variable determinada), georreferenciado
(permite definir una localización con un sistema de coordenadas) y en un plano (representación esquemática en
2 dimensiones y a una determinada escala) de una porción del planeta.
 Un mapa no representa lo que es efectivamente la realidad es sino una percepción. La representación
depende de varios factores: sujeto del mapa (aquello que se quiere representar); del conocimiento de
quien construye el mapa; de las herramientas/instrumentos/aproximaciones metodológicas usadas en la
recolección de datos geográficos; de los supuestos en los cuales se basa la representación.
 Tipos de mapas→ de base o referencia y temáticos
o Mapas de base o referencia: sirven de referencia y están a cargo de instituciones públicas.
Representan de forma precisa las características geográficas. Ej: cartas de navegación, hidrológicos,
topográficos, cartas geológicas (tienen los órdenes de suelo), catastrales (representan las
propiedades)
o Mapas temáticos: se apoyan en los mapas base para representar un determinado fenómeno
geográfico. Por ejemplo un mapa temático de distribución de la población (muestran la densidad
poblacional de dentro de cada polígono), mapas temáticos de clima (de T o PP medias), mapas
temáticos de tipos y usos de suelo (cartas de suelo y usos de suelo dominantes), mapas temáticos de
fenómenos ambientales (calidad de aire y fragilidad de los ecosistemas). Cada uno de estos mapas
temáticos se elabora con sujetos distintos, conocimientos distintos e información de base distinta,
para determinar algún tipo de fenómeno geográfico de interés.
 Los mapas temáticos se clasifican en:
o Analíticos→ Representan la distribución de 1 o + variables observadas (ej: suelos)
 Cuantitativos
  Cualitativos
o Sintéticos→surgen de integrar info. modelos y experiencia subjetiva (ej: OT)
 Las variables visuales como forma, color, tamaño, patrón, valor y orientación permiten representar
fenómenos o entidades en un mapa temático. Las variables cuantitativas como la temperatura o
precipitación pueden ser representadas en un mapa temático a través de entidades de diferentes valores.
Representación cartográfica→ Un punto se ubica a través de coordenadas,
para lo cual se utilizan dos ejes perpendiculares, lo que se denomina
sistema de coordenadas que puede ser un sistema geográfico o un
sistema rectangular, plano o cartesiano. Para pasar de un sistema al otro
necesito aplicar una proyección.
Al momento de representar la Tierra se pueden asumir diferentes
representaciones: Se lo puede considerar una esfera (a), como un elipsoide (b) o como un geoide (c)→ forma
que mejor describe la representación tridimensional de la tierra debido a la rotación s/ su eje que fue
moldeando la figura.
Se pensaba que la tierra era esférica, matemáticamente hablando, luego se descubrió que estaba achatada en
los polos y entonces se habló de esferoide; más adelante se descubrió que el HS era más grande que el HN y
por lo tanto se decidió que la tierra era un geoide.
Sistema de coordenadas geográficas→ ubica un atributo a partir de 2 valores (coord..) ambos se miden respecto
al eje polar de la tierra y se denominan latitud (líneas horizontales paralelas al ecuador) y longitud (líneas
verticales paralelas al meridiano).
Los valores de latitud y longitud son medidos en grados decimales y también en grados, minutos y segundos. 1
GRADO DE LATITUD = 111 KM
 Desventajas: no pueden verse los dos hemisferios al mismo tiempo y las As aparecen en tamaños
reducidos. Hay complicaciones en representar la forma de la tierra en un plano, para contrarrestarlo se
desarrollaron transformaciones estandarizadas para crear mapas en 2 dimensiones; estas crean algún
tipo de artefacto (como los pliegues) de tal forma que nuestra percepción de la superficie se ve
alterada. Esta alteración modifica las propiedades geográficas y varia con el proceso específico de
transformación.
 Propiedades alteradas: distancia, área, dirección en línea recta entre dos puntos, rumbo.
Proyecciones→ es la transformación matemática de la superficie tridimensional de la tierra a un plano.
Representar la superficie de la tierra en dos dimensiones causa distorsiones en la forma, el área, la distancia o
dirección de los datos. Las distintas proyecciones tratan de minimizar la distorsión de alguna/s de esas
características y cada una se adapta mejor para determinados fines.
Tipos de proyecciones en función de sus cualidades proyectivas (modos de obtención)
 Cilíndrica: supone a la esfera rodeada por un cilindro que es tangente al Ecuador; puntos cercanos a
esta zona son los mejor representados, a >
distancia de ahí > distorsiones. Permite
representar toda la superficie terrestre, los
meridianos y paralelos son rectos. Puede ser de
tipo normal, transversa u oblicua. La normal tiene
una línea standard (sin distorsión) a lo largo del
ecuador, es más apta para representar regiones
que se extienden de este – oeste. La transversa
tiene una línea standard a lo largo de un
meridiano x lo q es más apta para representar áreas q se entienden norte – sur. Las proyecciones
 cilíndricas son de las más usadas. Se destacan, por su empleo, la Mercator y su transversa (Transverse
Mercator).
 Cónica: se basa en la proyección tangente o secante del
globo terrestre sobre un cono. La mejor representación se
obtiene donde el cono hace contacto con la superficie. La
simple es proyectada s/ un cono tangente a un paralelo de la
superficie terrestre. Al N y al S del paralelo las dimensiones
se alteran. La secante es proyectada sobre un cono secante
a dos paralelos de la superficie terrestre.
 Plana:. se obtienen proyectando la superficie del globo sobre un plano desde un cierto centro de
perspectiva; la ubicación del plano con respecto a la
tierra y el punto desde donde parte la proyección
(perspectiva) definen el sistema. Según la posición del
plano la proyección puede ser Polar, Ecuatorial,
Oblicuo. Según la perspectiva: Gnomónica –
Estenográfica – Ortográfica. El punto tangente será la
zona mejor representada y a medida que nos alejamos
de ella, la distorsión aumenta.
Tipos de proyecciones según deformación producida
 Equivalentes: conserva la misma superficie en el plano que la esfera (a igualdad de escala). Se utiliza en
estudios donde las variables se refieren a una superficie.
 Conformes: conserva la misma forma en el plano q en el globo. Se usa donde se deban conservar
ángulos y direcciones. Ejemplo: proyección MERCATOR: En esta proyección la forma de la zona
representada es la misma a la forma real que tiene, aunque la extensión es muy distorsionada.
 Equidistantes: La zona conserva la misma distancia entre dos puntos situados en la superficie terrestre.
 Afilácticos o de compromiso: No satisfacen x completo ninguna de las condiciones.
No hay proyección que sea equivalente y conforme al mismo tiempo; solo se lograría en una esfera pero es
imposible llevarla a un plano sin generar variaciones. El sistema de proyección depende del objetivo al que se
destine el mapa; se prefieren proyecciones conformes. Se pueden combinar distintas proyecciones que
respondan a objetivos específicos.
El sistema de proyección usado para Argentina, Gauss Krüger, es una proyección Conforme (mantiene las
formas) y Cilindrica Transversa -basada en la Mercator Transversa-; se divide al país en 7 fajas meridianas
numeradas de OE a E. Falso Este (Y) (n° de faja x 1.000.000 + 500.000m para evitar coord. negativas), Falso
Norte (X) es 0 (Polo Sur).
Escalas y niveles de percepción
Escala: relación entre la distancia en un mapa y la distancia real en el terreno. Sirve de medida para dibujar
proporcionalmente en un mapa o plano las distancias y dimensiones reales de un terreno u objeto.
Formas de expresarla:
1. Escala cartográfica o numérica= Distancia en el mapa/Distancia en el terreno. 1:10.000 o 1/10.000 a una
unidad de distancia en el mapa (1 mm o cm) equivale a 10.000 unidades en el terreno (10.000 mm o cm,
100 m, 0,1 km)
2. Escala gráfica. Línea o barra dividida en partes iguales, con unidades de distancia. Permite cambiar el
tamaño del mapa, se mantiene la relación de escala
3. Escala declarada. Frase indica la relación de distancia entre mapa y realidad en distintas unidades de
medida Ej: una pulgada por milla.
Unidad mínima cartografiable: define el tamaño real que debe tener un objeto para ser representado en el
mapa. El ojo humano diferencia objetos a partir de 0,2 mm de separación.
La escala como término más amplio, se relaciona con la dimensión espacial o temporal a la que se estudia un
proceso. Incluye dos componentes: la extensión (porción de territorio que se observa, amplitud de la ventana
espacial) y el grano o resolución (capacidad de diferenciar dos entidades, relacionado al tamaño de píxel). A
mayor grano, menor es la extensión.
SISTEMA DE INFORMACIÓN GEOGRÁFICA→ sistema capaz de almacenar, editar, crear, integrar, manejar
información, basado en datos espaciales y sus atributos asociados para la resolución de problemas como
planificación y gestión.
Es un valioso auxiliar; no resuelve problema, sino que crea un entorno de análisis p/ la toma de decisiones.
El resultado de un SIG dependerá de: La calidad de la información q contenga el sistema; La claridad de las
preguntas formuladas al sistema; Los marcos conceptuales de quien opera al sistema.
Áreas de aplicación (Desde lo más simple a lo más complejo)
 Hacer inventarios de una determinada región: Construir bases de datos geográficos y cartográficos
 Análisis: a partir de los inventarios se pueden resolver cuestiones + complejas que requieren de la
intervención de diferentes capas de info. Como resultado de análisis se utuilizan estasditicas/análisis
espacial. Ej: la superposición de las áreas deforestadas y las áreas protegidas para analizar de qué forma se
ven afectadas estas áreas por la deforestación.
 Gestión y toma de decisiones: a partir del inventario y el análisis previamente hechos, uno puede gestionar
el territorio y tomar decisiones que es el último escalón de la herramienta SIG.
Componentes de un SIG: hardware (computadora), software (sistema de procesamiento), datos, RRHH
(manipulación de datos), procedimiento (para el análisis, almacenaje, captura y distribución).
Hay 3 subsistemas e/ los componentes: de entrada y manipulación de datos; de manejo de bases de datos;
herramientas de soporte para consulta, análisis y visualización.
En la estructura de un SIG los datos tienen dos componentes: el espacial (info cartográfica→ punto, línea,
polígono)y el atributo o variable (info alfanumérica→ celda) Ambos están vinculados de manera tal que a cada
objeto del primero le corresponde un registro del segundo y viceversa.
Hay 2 formatos de info. espacial:
1. Raster: la realidad que se quiere representar se divide en unidades homogéneas llamadas pixeles
determinados por una coordenada de archivo X Y; una coordenada geográfica de mapa; un valor de la
variable; una resolución determinada (espacial y temporal; + resolución espacial y – resolución temporal
implica que se vea + pixelado pero que la info se actualice + rápido)→ cuanta mayor superficie
representan, menor es la resolución. Los datos pueden ser continuos o cuantitativos (productividad,
valores de altura) o pueden ser cualitativos o discretos
World files: archivos auxiliares que almacenan los datos asociados a sus coordenadas para poder ubicarlas
espacialmente. Ej: .jpg (formato raster)→ .jpw y .jpgw (world files)
En un raster el tamaño de píxel es cte y depende de la resolución espacial de la info. Un SIG puede
incorporar rasters de distintas resoluciones espaciales (distinto tamaño de píxel). Provienen de distintas
fuentes (satelitales ppalmente). La info se almacena en formato de raster donde c/ píxel toma un valor de
energía. Otras fuentes son: helicópteros, sensores en el terreno.
 2. Vector: pueden ser puntos, líneas o polígonos que representan la realidad y
a c/ entidad le corresponde una base de datos asociada. Una característica
importante es la topología que relaciona info acerca de la conexión y
contigüidad e/ entidades. De esta forma, en el formato vectorial el sistema
puede hacer relaciones de conexión y contigüidad gracias a las
coordenadas y nodos que se van interrelacionando. Todas estas
herramientas nos sirven para saber si un vector: esta separado de otro,
contiene a otro, es igual a otro, etc. Los vectores tienen la propiedad de
NO verse alterados ante transformaciones continuas (dado por la topología→ la forma exacta puede
cambiar (estirarse, rotar, trasladarse), pero las relaciones topológicas se mantienen: conectividad,
contigüidad, contención)

Ejemplos de variables / información y modelo que conviene aplicar para cada una:
Modelo raster: Altura sobre el nivel del mar, Productividad primaria neta de la vegetación, Temperatura de la
superficie terrestre
Modelo vectorial:
 Puntos→ estaciones meteorológicas, focos de incendio
 Lineas→ curvas de nivel, recorrido de gasoductos
 Poligonos→ lotes, ordenes de suelos
El modelo raster es más útil para representar variables continuas, que cambian gradualmente en el espacio. El
modelo vectorial es útil p/ variables discretas o categóricas, con límites definidos y atributos descriptivos.
Funcionamiento de un SIG
 Fuentes de datos→ datos son la representación simplificada de la realidad. Hay 2 formas de integrarlos:
utilizar datos existentes (en formato ráster o vectorial, c/u con distinto grado de precisión y un error
asociado y para fechas determinadas) o crear datos necesarios (digitalizándolos o escaneándolos)
Una vez incorporados al SIG, c/ u de estos conjuntos de datos se llamarán CAPAS. Capa raster: incluye datos
correspondientes a c/ píxel e información adicional. Capa vectorial: incluye las entidades representadas como
puntos, líneas o polígonos y todos los atributos que las describen.
La incorporación y preparación de los datos para un proyecto SIG puede ocupar el 75% del tiempo y del
presupuesto. Esta etapa es crucial para asegurar el éxito del SIG.
Los datos incorporados se asocian a metadatos (info. que los acompaña). Cuando se despliega un vector por ej,
este tiene un archivo de metadatos donde se incluye el formato (qué tipo de archivo proporciona, qué software
se usó p/ generarlo); fecha de elaboración; metodología empleada. Los metadatos garantizan la confiabilidad y
aplicabilidad de la información, permitiendo evaluar si es adecuada para el análisis que se quiere realizar.
 Evaluación de las fuentes→ incorporados los datos y la fuente de información, se puede evaluar:
 Exactitud posicional: exactitud de la localización de los elementos sobre el mapa respecto a la posición
que realmente ocupan en el espacio.
 Exactitud temática: exactitud con la que se estimaron los valores de los atributos
 Consistencia lógica: Hace referencia a las relaciones propias de las estructuras de los datos. Poligono
que no cierra es falta de consistencia.
 Temporalidad: se debe utilizar información que corresponda temporalmente con el fenómeno de
estudio. Cuanto mayor sea el desfasaje temporal, la calidad de la información es cada vez más baja.
Funcionamiento→ preguntas al Sistema:
a. Localización: por la relación entre la info cartográfica y la alfanumérica, es posible obtener respuestas
acerca de la localización y obtener datos s/ los elementos visualizados en el mapa.
b. Condición: incorporar condiciones para los elementos y verlo reflejado en las capas del mapa.
c. Tendencia: analizar cambios a través del tiempo, por lo q se suele trabajar con varios mapas de la misma
zona y de distintas fechas. Estos estudios son de gran interés desde el pov del impacto del ser humano
s/ el ambiente: cambios en el uso del suelo, avance de áreas urbanas, retroceso de los glaciares, etc.
d. Ruta óptima: calcular el mejor camino para unir dos o más puntos, por ejemplo mediante un camino.
Dependiendo del objetivo, se puede buscar la ruta óptima + corta; + barata; + rápida.
e. Patrón: analizar la distribución espacial de un elemento de interés para buscar relaciones con otras
variables. Ej: analizar la distribución de cierta spp vegetal y si esta está asociada a cierta geología.
f. Modelos: Se trata de una de las herramientas más potentes del SIG, ya q se puede utilizar para simular el
efecto q producirían ciertos fenómenos o modificaciones en el mundo real. Ej: qué ocurriría en una
determinada zona si ocurriese un incendio forestal bajo ciertas condiciones de T y humedad.
Operaciones básicas de un SIG
 Selección de datos: seleccionar datos que cumplan ciertos criterios; selección cualitativa, cuantitativa o
combinada. Pueden usarse operadores lógicos (Y,O,NO,XO). Ej: sobre un mapa temático de Unidades
Fisonómicas de la Patagonia: a) selección cualitativa de las clases correspondientes a estepa graminosa,
b) selección cuantitativa de áreas cuya PPNA fuera mayor a 2000 kg MS/ha/año y c) selección
combinada de propiedades cuya tenencia fuera empresarial, ubicadas en el partido de Alberdi y cuya
superficie fuera mayor a las 2000 ha
 Cálculos sobre valores cuantitativos y recodificación de valores cualitativos: Ej: medición de superficies y
distancias, transformación de un índice o variable biofísica en otra (IVN >>> fPAR), simplificar un mapa
de vegetación asignando todas las clases de vegetación xerofítica a una nueva clase “Estepas”
 Análisis de proximidad: Permite conocer el área de influencia de una entidad. Ej: conociendo el radio de
monitoreo de cada estación de bomberos de una provincia, es posible determinar el tipo de vegetación
y su estado, y de esa manera estimar el riesgo de propagación de un fuego y decidir cómo distribuir los
recursos económicos en las distintas estaciones.
  Análisis de contigüidad (simultaneidad): Permite identificar áreas contiguas que comparten
determinadas características.
 Análisis de vecindad: modificar el valor de una celda a partir de los valores de las celdas contiguas,
calculando promedio, valor máximo, mínimo, etc. En archivos raster.
 Agregación espacial: Reducción del exceso de detalle espacial, agregando los valores de píxeles
cercanos, para simplificar los datos. En archivos raster. Se obtiene un archivo raster con > tamaño de
píxel. A > grano, < grado de detalle (c/ unidad espacial representa un área más grande y “promedia” más
información) y < resolución espacial (la capacidad del raster para distinguir objetos pequeños disminuye)
 Superposición: la superposición de capas permite ver ciertas características del sistema. También se
pueden crear capas compuestas a partir de capas anteriores. Ej: superponer capas de unidad
fisonómica: bosque, pradera y estepa, y productividad primaria y generar una capa (aptitud pastoril).
TELEDETECCIÓN: principios básicos
 Implica la adquisición de datos/información acerca de algunas propiedades de un objeto, superficie o
material por medio de un instrumento alejado de la superficie u objeto. Se suelen usar sensores remotos y
aparatos que miden radiación electromagnética, acústica o campos de fuerza.
Percepción Remota (PR): se basa en la medición de energía electromagnética (fotones) que emanan objetos
distantes de manera que el usuario pueda identificar y categorizar estos objetos en base a su clase, sustancia y
distribución espacial. Se utiliza p/ el estudio de áreas boscosas, de inundaciones, de incendios, estudios acerca
del impacto del clima sobre los cultivos, etc. A partir de la PR se pueden obtener imágenes, mapas y gráficos.
 Los elementos básicos de un sistema de adquisición remoto son: fuente de radiación electromagnética
(como el sol), objeto y sensor (activo o pasivo). Parte de la radiación que llega desde el sol hacia la superficie
terrestre es reflejada y registrada por un sensor a bordo de una plataforma satelital y a través del
procesamiento e interpretación de esos datos se logra información útil (variable biofísica). Si a la variable le
incorporamos conocimiento, podemos utilizarla para la toma de decisiones. Si sabemos que determinados
valores anómalos de T están asociados a incendios, podríamos crear un plan de manejo del fuego. Es
importante tener en cuenta la exactitud de los datos con los q trabajamos (el grado en el que el valor
estimado representa el verdadero valor)
 Los sensores remotos incorporan la dimensión geográfica al análisis de los RRNN: Permiten localizar los datos
en el plano o el espacio mediante el uso de coordenadas cartesianas.
 Procesos involucrados: Cualquier cuerpo por encima del 0 absoluto de T emite radiación, esta radiación es
interceptada x el radiómetro y genera datos crudos (adquisición de datos). Para la extracción de información
se combinan los datos crudos/originales del sensor con datos auxiliares para poder procesarlos e
interpretarlos y finalmente convertirlos en información útil para los usuarios.
o Adquisición de datos→ diseño, construcción, calibración, evaluación y operación de sensores. Requiere
conocimientos específicos (cs físicas e ingenierías).
o Extracción de información→ desde la recepción de los datos por el sensor hasta la transferencia al
usuario. Implica correcciones radiométricas y geométricas de la información (ingeniería, física,
matemática); corrección y estudio de distorsiones que genera la atmósfera (ciencias de la Tierra y el
Mar); traducción de los datos espectrales en información relevante para aplicaciones específicas
(biología, ecología, cs amb, geología)
Formas de transferencia de energía:
 Conducción→ Transferencia de la energía cinética por colisión
 Convección→ Transferencia de energía por movimiento físico
 Radiación→ forma de transferencia de energía entre cuerpos que viaja en forma de ondas
electromagnéticas. Estas se crean cuando una carga eléctrica es acelerada y según como sea acelerada
será la longitud de la onda
Parámetros que definen la onda electromagnética:
  Frecuencia→ Tasa de oscilación de una onda, se la representa como el número de ciclos por unidad de
tiempo. Se mide en Hertz (Hz).
 Longitud de onda (λ)→ Distancia entre dos ciclos. Se mide en unidades de distancia tales como
nanómetros o centímetros.
 Amplitud→ Distancia en sentido vertical entre una cresta o valle y el eje de abscisas y se mide en voltios.
Está relacionada con la cantidad de energía por unidad de tiempo que transporta la onda.
 La energía electromagnética se agrupa en distintas porciones del espectro electromagnético. Las porciones
ppales son el espectro visible (400-700nm) y el infrarrojo que a su vez se divide en infrarrojo cercano (entre
los 700 y 1100nm), medio y lejano (300nm en adelante).
 Los sensores pueden registrar radiaciones del espectro visible y del infrarrojo; en el sistema de
teledetección, la energía es reflejada en distintas porciones del espectro electromagnético, dependiendo con
qué interactúa en la superficie. Esta radiación es registrada x los sensores que luego se almacena y procesa
para convertirla en información útil para los usuarios.
 Fuente ppal de energía es el sol→ la mayor parte de energía emitida por el sol se encuentra en 0,55 mm
(espectro visible); por esto es que el funcionamiento de gran parte de los procesos biológicos y sistemas del
planeta dependen de estas longitudes de onda.
 Ley de Planck→ describe la Q de E emitida en c/ λ según la T de un cuerpo negro. Todo objeto por encima del
cero absoluto (0ºK o -273ºC) emite energía. A > T, > será la radiación emitida y < es la λ
 Según la Ley de Desplazamiento de Wien, es posible conocer a qué λ un cuerpo negro emite el máximo de
energía si conocemos su T. A > T, < es la λ donde se produce la máxima emitancia y > es la Q de energía
emitida (permite seleccionar sensores específicos para registrar ciertas λ y estudiar fenómenos)
 Según la Ley de Stefan-Boltzman La energía emitida por un cuerpo (por unidad de tiempo y de área) es
proporcional a la cuarta potencia de su temperatura.
 Relación de Planck→La E de un quantum es inversamente proporcional a su λ: A < λ, + E tiene. Permite
estimar la Q de E emitida por un cuerpo y también calcular a partir de la radiancia que recibe un sensor
cuanta E recibió una determinada superficie.
 La radiación emitida por el sol sufre diferentes intergerencias provocando que solo una porción atraviese la
atmosfera y llegue a la superficie. En la atmosfera la radiación sufre procesos de absorción, dispersión y
reflexión; tiene que ver con la transparencia de la atmosfera. En λ muy largas la atmosfera es transparente,
en otras (0,1mm) es opaca. Entre 10um y 0,1um hay distintas porciones donde la atmósfera se comporta de
manera diferencial.
 Los sensores remotos trabajan con λ pertenecientes al espectro visible e IRm y lejano ya que en estas
porciones la atmósfera es bastante transparente y no genera interferencias para que la energía pueda ser
registrada por los sensores.
Radiación – interacciones con la superficie→ se puede diferenciar la dispersión entre reflexión y transmisión
según el sentido de la onda redireccionada. Al incidir s/ una superficie, la onda electromagnética experimentará
tres posibles reacciones:
 Absorción: implica que la energía de la OEM genera un cambio en la T o estado energético del objeto
 Dispersión: Es el cambio en la dirección de la onda electromagnética sin producir cambios en su
longitud. Puede implicar un cambio en el sentido de la propagación, denominándose reflexión o puede
continuar en el mismo sentido de propagación, denominándose transmisión
Radiación – interacciones con la atmósfera: Elementos con los que se puede encontrar: moléculas de gas, nubes,
aerosoles, vegetación, suelo, agua, edificaciones.
La radiación que no es absorbida por el cuerpo con el que interacciona cambia su dirección y sufre una
dispersión. Existen 3 tipos de dispersión según la relación entre la λ y el tamaño del objeto con el q interactúa:
 o Dispersión de Rayleigh: predomina cuando la radiación interactúa con partículas de tamaño pequeño, < a
su λ (e.g. moléculas de O2 o NO2 en la atmósfera). La magnitud de la dispersión es inversamente
proporcional a la λ. Así, la radiación azul sufrirá una mayor dispersión (sufrirá mayores cambios en el
ángulo de su trayectoria) que la roja. Esta dispersión es responsable de la coloración azul del cielo.
Cuando la distancia que debe atravesar una onda electromagnética en la atmósfera aumenta (e.g. al
amanecer o al atardecer) crece la probabilidad de sufrir dispersión. Debido a esto, en esos momentos del
día el cielo adquiere una coloración rojiza.
o Dispersión de Mie: El objeto es de tamaño similar a la λ de la radiación. Es producida por aerosoles y
ocurre con la radiación visible.
o Dispersión NO selectiva: La partícula es > que la λ de la radiación. Es producida por las gotas o partículas
de incendios y ocurre con la radiación visible. Dispersa de manera similar a las distintas λ. Esta dispersión
es la producida por las nubes en la porción visible del espectro electromagnético. Dado que la dispersión
de este tipo es independiente de la λ, las nubes se verán blancas o grises. Pero en la porción del espectro
de las microondas el tipo de dispersión que se producirá con las nubes es Rayleigh
Es importante que los datos registrados por los sensores remotos sean lo más parecidos a los datos que salieron
de la superficie, por lo que se debe conocer si hay alguna interferencia de la atmósfera para estimar mejor
estos datos. Además, es importante que los valores que recibió un sensor para una determinada área se
correspondan con esa área en la realidad. Por esto se realizan las correcciones geométricas y cartográficas.
Interacción con el objeto
Parte de la radiación incidente es reflejada; esta parte es variable de acuerdo a la λ y la superficie. Se suele
asumir que los rayos solares inciden en la superficie terrestre e independientemente del ángulo con el q
incidan, es reflejado de forma especular, pero esto NO es así. Tampoco es de forma difusa. La E que interactúa
con la superficie no es reflejada por igual en todas las direcciones; la E incide c/ cierto ángulo y es reflejada c/
otro, por lo que según donde este el sensor va a recibir + o – energía y esto genera interpretaciones distintas de
lo que sucede en la superficie.
 Reflexión especular: radiación es reflejada en una dirección y ocurre con superficies lisas (agua calma).
 Reflexión difusa: radiación es reflejada en todas las direcciones y es generada por superficies rugosas
(parches de vegetación). La mayoría de las superficies produce esta reflexión. Cuando una superficie se
comporta como un difusor perfecto (es decir, la radiación es reflejada en todas las direcciones y en igual
magnitud) se la denomina superficie lambertiana.
 No existe un instrumento capaz de registrar la radiación reflejada en todas las direcciones. Por lo tanto,
cuando registramos la radiación reflejada estamos en realidad registrando la correspondiente a una
dirección dada; la reflectancia hemisférica direccional y se utilizan modelos para eliminar el componente
difuso para obtener la reflectancia bidireccional. La reflectancia bidireccional registrada por un sensor
remoto será diferente según la dirección de observación e iluminación.
 La BRDF (función de distribución de la reflectancia bidireccional) explica cómo cambia la reflectancia de una
superficie según la dirección desde donde viene la luz y desde dónde la observa el sensor. Es importante
porque permite calcular el albedo y también porque ayuda a distinguir qué parte de la señal registrada por
un satélite se debe a la geometría de iluminación/observación y qué parte se debe a las propiedades reales
de la superficie. La BRDF se construye a partir de varias observaciones de un mismo objeto o superficie
realizadas en un periodo de tiempo relativamente corto y se obtiene una “pluma” de reflexión o la aparición
de una anisotropía.
 Cada una de las superficies interacciona de manera distinta con la energía que llega y sus λ. Así surge la
variable “reflectancia espectral”→cociente e/ la Q de E que incide en una superficie con una determinada λ, y
la Q de E que refleja esa superficie en esa misma λ. Un 100% significa que toda la energía incidente es
reflejada (superficie con reflectancia muy alta).
 En el infrarrojo, las superficies también interactúan de manera distinta en cuanto a la absorción y emisión de
E. Las sup terrestres no se comportan como cuerpos negros (emiten en el IR térmico toda la E absorbida)
 Existen modelos que nos permiten estimar la emisividad (relaciona la E emitida en c/ λ a determinada T y lo
que emitiría en esas mismas condiciones un cuerpo ideal). Conocer la emisividad es fundamental para
calcular la T de distintos objetos en el IRt, ya que permite aplicar correcciones radiométricas y obtener
estimaciones más precisas de la T real de los cuerpos.
TELEDETECCIÓN: sensores y plataformas
 Los sensores registran datos espectrales que luego serán utilizados para construir las imágenes. Pueden
estar sobre distintas plataformas (satélites, boyas, barcos, helicópteros, aviones, torres, sobre el terreno)
 Los sensores espectrales son dispositivos q registran la radiación electromagnética q es reflejada o emitida x
una determinada superficie en el espectro visible e infrarrojo.

o Sensores activos: Son aquellos que registran la radiación que ellos mismos generan. Estos cumplen la
función de fuente y de receptor de la radiación electromagnética q interactúa con la superficie terrestre.
o Sensores pasivos: Son aquellos que registran radiación proveniente de una fuente externa que en la
mayoría de los casos es el sol aunque también pueden ser focos de calor como incendios y volcanes. Hay
distintos tipos, uno de ellos son los radiómetros→ dispositivos que miden la intensidad de la radiación
en distintas porciones del espectro electromagnético y se componen de:
 Field of view (FOV): campo de visión del sensor, es un ángulo constante para cada dispositivo que
define cuál será el área analizada y el tamaño del pixel (resolución espacial). Este transfiere la
radiación reflejada o emitida a la unidad de filtros q descomponen la luz.
 Campo de visión instantáneo (IFOV): superficie analizada en un momento determinado.
 Unidad de filtros: Permite el paso de algunas longitudes de onda e impiden el paso de otras,
permitiendo registrar determinadas porciones del espectro electromagnético.
 Sensor: Es la parte que se excita y genera una respuesta eléctrica en función de la cantidad de
energía electromagnética
 Unidad de registro: Puede ser digital o analógica
Las plataformas satelitales pueden ser clasificadas de acuerdo a su órbita: los satélites pueden ser
geoestacionarios cuando están fijos y acompañan a la Tierra en su rotación, registrando siempre la misma
región de la superficie terrestre. Se usan para aplicaciones meteorológicas (movimientos de nubes y masas de
aire) y para el seguimiento de fenómenos (incendios e inundaciones). Toman registros en intervalos de tiempo
muy cortos (orden de los minutos) tienen alta frecuencia de revisita. Por otro lado, los satélites pueden ser
polares o cuasipolares, cuando orbitan alrededor de la Tierra ligeramente desplazadas respecto de los
meridianos lo que les permite obtener información de diferentes puntos de la superficie a la misma hora solar,
y de esta manera permiten comparar distintos lugares de la Tierra. Tienen un recorrido OE-E debido a que la
velocidad del satélite está sincronizada con la velocidad de rotación de la Tierra. Se encuentran orbitando a
alturas que van desde los 200 a 1000km.
Conceptos para la caracterización de sensores
Resolución espacial→ medida del objeto de menor tamaño que puede percibirse; define la posibilidad de
diferenciar objetos o detalles de un determinado tamaño en las imágenes. En el caso de la PR, esta resolución
se asocia con el concepto de Pixel (picture x element) que es la unidad mínima de observación en una imagen.
Es la porción de terreno que observa el radiómetro según la altura del sensor con respecto a la Tierra, del
ángulo de visión y características ópticas.
 Resolución espacial=Grano=IFOV
 A > resolución espacial (e igual extensión espacial), > detalle y capacidad de discriminación, y >
representatividad del comportamiento espectral de una superficie.
 Resolución espacial de 1x1m es > que el que tiene resolución de 5x5m; > grado de detalle
 Los sistemas de observación tienen distintas resoluciones espaciales (de > a < resolución) → Sentinel 2A (10
x 10 m), el Aster (15 x 15 m), el Landsat TM (30 x 30 m), el MODIS (250 x 250 m)

La extensión es la misma, la resolución espacial o grano en la 2da

imagen es mayor; hay mayor grado de detalle.

Resolución espectral→ mínimo intervalo de longitudes de onda del espectro electromagnético capaz de ser
registrada por un sensor y el n° de porciones del espectro que registran los sensores. Los sensores pueden
clasificarse como pancromáticos o monoespectrales, multiespectrales (poseen de dos a varias bandas) e
hiperespectrales (obtienen info de cientos de bandas de un ancho muy estrecho, es > la resolución espectral).
La mayor parte de los que se utilizan para estudiar la cubierta terrestre con fines ambientales son los
multiespectrales, como son los sensores MODIS o los montados sobre plataformas Landsat, NOAA o Spot.
Resolución temporal→ es la periodicidad con que el sensor adquiere imágenes de un mismo punto de la Tierra
(frecuencia de revisita). Depende de las características orbitales de la plataforma (como la velocidad y la altura)
y del diseño del sensor (ángulo de observación y ángulo de cobertura). Se puede ver reducida por la presencia
de nubes. La resolución temporal de los productos no necesariamente coincide con la resolución temporal del
sistema de observación→ sensor MODIS registra info cada 1-2 días según el sitio y la época del año. No siempre
se pueden usar datos diarios para las aplicaciones; un motivo es la presencia de nubes. Para resolver esto, se
toman varias imágenes de MODIS y, mediante algoritmos, se generan productos compuestos. Estos productos
no son una sola imagen tomada en un día específico, sino que se arman seleccionando los mejores píxeles para
un periodo dado, según criterios de calidad (presencia de nubes, ángulo de observación). El producto resultante
constará de píxeles provenientes de observaciones de distintos días. De mayor a menor resolución temporal→
MODIS (1 vez al día); Sentinel 2 (cada 5 días); Landsat 9 (cada 16 días)

Resolución radiométrica→ capacidad para detectar variaciones en la radiancia espectral que recibe el sensor. A
> resolución radiométrica mejor interpretación de la imagen. Un píxel de un bit puede asumir sólo dos valores
(0 o 1). La Q de valores que puede asumir, ↑ exponencialmente con el n° de bits del píxel. Un píxel de 8 bits (1
byte) puede asumir 256 valores (> bit, > capacidad de discriminar intensidades de radiación).

Resolución angular→ es la capacidad de obtener información para un mismo sitio de la superficie terrestre
desde distintos ángulos de observación. Este tipo de información permite analizar y modelar la reflectancia
bidireccional (BRDF) y, a partir de ello, corregir los efectos distorsivos que aparecen porque las superficies
reales no se comportan como reflectores ideales.

Cuando uno debe elegir con qué información satelital trabajará (seleccionar un “protocolo de observación”),
debe evaluar todas las resoluciones en función de los objetivos del trabajo, los medios disponibles y la escala
conceptual del análisis que se realizará en cada caso. En todo estudio de teledetección, la escala de la
observación debe definirse en base a la escala de los procesos a observar.
De acuerdo a las distintas aplicaciones se pueden combinar las resoluciones. Por ejemplo, con resoluciones
espaciales y temporales muy groseras podemos hacer estudios climáticos. En cambio, si queremos dar
respuesta a incendios requerimos mucha resolución temporal y espacial.
Imágenes, procesamiento, correcciones y visualización
 Imagen: la energía reflejada o emitida es almacenada de manera cuantitativa en una matriz, donde cada
elemento de esta matriz es un píxel q tiene propiedades espaciales (posición en X e Y) y propiedades
espectrales (asociadas a una λ).
 Reflectancia: cociente e/ la E reflejada x la superficie en una λ y la E incidente en esa misma λ y superficie.
Un valor del 100% significa q una superficie refleja toda la E incidente para esa λ.
 Radiancia: densidad de flujo radiante que sale de una superficie en una dirección y longitud de onda dada.
Es lo que mide el sensor.
 Radiancia espectral: densidad de flujo radiante que sale de una superficie por intervalo unitario de
longitudes de onda. Hablamos por ejemplo de radiancia espectral en el rojo, radiancia espectral en el IRc
 Emitancia: Energía emitida por radiación desde una superficie por unidad de tiempo y de superficie.
 Irradiancia: Energía que llega a un cuerpo a través del espacio procedente de otro (que la ha emitido).
Fotointerpretación: proceso en el cual se examinan imágenes provistas por sensores remotos con el objetivo de
identificar objetos y características de la superficie terrestre. Para la interpretación de imágenes se recurre a
distintos criterios que poseen una complejidad creciente
Criterios de interpretación de imágenes

poner el cuadro del resumen pag 20

Procesamiento de imágenes→ corrección de efectos distorsivos de la atmósfera, la geometría terrestre, la

geometría observación-fuente-superficie y características de la superficie. Serie de procesos o
acondicionamientos cuyo objetivo es ↑ la exactitud radiométrica y geométrica de los valores registrados por el
sensor. La energía reflejada por la superficie es distinta a la recibida por el sensor. Se busca que lo que mide el
sensor sea lo más parecido posible a lo que ocurre en la superficie.
 Acondicionamiento radiométrico:
1. Calculo de radiancia espectral: sensores espectrales almacenan un valor numérico (nivel digital, ND) que
es proporcional a la E que reciben (conocida como radiancia espectral que llega al sensor, Lsenλ)
 Correcciones atmosféricas: remoción de los efectos atmosféricos -absorción y/o dispersión- sobre los valores
registrados por el sensor debido las condiciones atmosféricas (presencia de aerosoles y moléculas.
 Acondicionamiento geométrico: permiten tener más certeza sobre la localización real de un objeto de la
imagen. Las incertezas se deben a cambios en la velocidad, altura u órbita de la plataforma, a la rotación y
esfericidad de la tierra y a la proyección utilizada.
o Los cambios en los movimientos de la plataforma se conocen como cabeceos (el frente o la cola de la
plataforma se mueven hacia abajo o hacia arriba) rolado (las alas o el eje transversal al sentido del
 movimiento se mueven hacia abajo y hacia arriba) y viraje (la plataforma permanece nivelada
horizontalmente, pero gira hacia un lado o hacia el otro en un ángulo determinado)
 Correcciones geométricas:
o Registración o corregistración: es el procedimiento por el que dos o más imágenes pueden
superponerse entre sí.
o Rectificación: proceso por el cual pasamos desde un sistema de grilla a otro, utilizando una
transformación geométrica. Como los pixeles de la nueva grilla no están alineados con los de la original
es necesario remuestrear (extrapolar datos de una grilla a otra). Los métodos de remuestreo más
conocidos son: vecino más cercano (no promedia; busca el valor del píxel que se encuentre a la <
distancia de la posición a llenar, posible duplicación de valores), interpolación bilineal (el valor que se
asigna es resultado del promedio de los 4 píxeles más cercanos) y convolución cúbica (mismo criterio
que el método anterior, pero se promedian los 16 píxeles más cercanos; es el más preciso). El uso de
uno u otro método depende del tipo de imagen con el que se trabaje; si se quiere conservar los valores
originales se usa el método del vecino + próximo, si se quieren ↓ los efectos abruptos de la corrección a
transiciones de valores más suaves se recurre a interpolación bilineal. Si se requiere un mayor suavizado
o cambiar artificialmente la resolución espacial debería aplicarse una convolución cubica.
o Georeferenciación o geocodificación: es el procedimiento por el que la imagen adquiere coordenadas
espaciales.
Técnicas de visualización de imágenes→ Procesos que facilitan la interpretación visual de una imagen al
modificar su apariencia
1. Transformaciones puntuales: evalúan individualmente el valor de c/ pixel y lo cambian mediante una
función matemática o lógica
a. acondicionamiento radiométrico (c/ píxel de la imagen es transformado desde su valor digital ND hasta
un valor de reflectancia pasando por una serie de transformaciones)
b. manipulación del contraste: ↑ la distinción de tonos entre los objetos que aparecen en la imagen. Se
realiza mediante el estiramiento del contraste
2. Transformaciones espaciales: el valor que toma c/ píxel dependerá de su propio valor y del valor de los
píxeles vecinos. Se requiere una función de trasformación (determina la relación que existirá entre los
pixels) y un vecindario o celdas contiguas. La aplicación de filtros enfatiza o suprime patrones espaciales en
una imagen a partir de modificar el valor de un pixel en función del valor de sus vecinos.
a. Filtros de convolución→ usan una máscara o kernel (ventana móvil que en cada posición, combina los
valores de los píxeles vecinos mediante una operación matemática (la convolución) y cambia el valor
del píxel central.
i. Filtros paso bajos: suaviza las imágenes; atenúa los valores más extremos. Se utiliza para ↓ el
ruido presente a costa de cierta pérdida de detalle.
ii. Filtros paso altos: se busca maximizar o resaltar las diferencias entre el píxel central y sus vecinos
.Se utiliza para realzar detalles en las mismas, a costa de ↑ el ruido
b. Filtros estadísticos→ No aplica un kernel, toma todos los valores de la vecindad y le aplica una regla
estadística. No le dan importancia a la posición que posean los píxeles de la vecindad, sino que le dan
importancia a las inferencias estadísticas de sus valores. Sirve para eliminar errores aleatorios (ej. Sal y
pimienta). Ej: filtro de moda: se toman todos los valores de los pixeles vecinos, se los ordena en forma
creciente y luego se toma el valor de la mediana.
3. Transformaciones espectrales: el valor de c/ píxel, dependerá del valor que tengan los píxeles que se
encuentran en la misma posición en dos o más bandas espectrales. Tienen como fin la compresión de
bandas redundantes, la extracción de nuevas bandas o el cálculo de índices que sean más interpretables.
 a. Realces espectrales: se modifica el valor del píxel a partir de operaciones algebraicas entre bandas para
calcular índices. Ejemplo índice de vegetación con diferencia normalizada (NDVI)→ evalua
simultáneamente el vigor fotosintético y la densidad celular.
b. Combinación de bandas espectrales: Las diferentes bandas espectrales captadas por los sensores
pueden combinarse para generar imágenes coloreadas que mejoran la visualización e interpretación.
Sabiendo cómo se comportan espectralmente las distintas superficies (firma espectral), y cuál es la
combinación de bandas utilizada (que bandas espectrales se utilizaron y cómo se combinaron –RGB-),
es posible interpretar el tipo de cobertura que se está observando.
Falso color compuesto→ La representación de las imágenes en falso color compuesto permite resumir la
información de tres bandas capturadas por el sensor y representadas en los canales RGB (rojo-verde azul).
Dichas bandas pueden corresponder tanto al espectro visible como al infrarrojo cercano, medio o térmico. Se
ven combinaciones de colores que no corresponden a las que el ojo humano vería normalmente. Pixel de color
blanco→ registró un alto valor para las 3 bandas espectrales. Pixel de color negro→ registró bajo valor para las 3
bandas espectrales.
TELEDETECCIÓN: firmas espectrales
 La firma espectral de una superficie representa su patrón típico de reflexión. Es decir, qué proporción de la
energía incidente en cada rango del espectro electromagnético es reflejada por el objeto o superficie.
 Cada superficie tiene un comportamiento espectral único. Hay patrones espectrales para superficies
similares (por ejemplo, vegetación).
 El comportamiento espectral de una sup se conoce usando radiómetros con distinta resolución espectral.
Reflectancia de distintas superficies

 Las nubes se ven de color blanco, por

lo que refleja mucho en el visible y mucho
en el IRc e IRm).
 El contenido hídrico de las
coberturas, tanto vegetales como los suelos,
está directamente relacionado con la reflectancia en el rango del infrarrojo medio. Cuando el contenido
de agua es mayor, el suelo o las plantas reflejan menos, debido al alto coeficiente de absorción del agua
en esas bandas (valles en 1400 y 1900 nm).
  Las plantas sanas reflejan una baja proporción de la energía incidente en el
visible debido a que las clorofilas a y b absorben entre los 400 y 700
nanómetros, especialmente en los rangos del azul y el rojo. En el infrarrojo
cercano, la reflectancia es mayor debido a que el mesófilo esponjoso de las
hojas dispersa la energía como mecanismo de disminución de la
temperatura foliar.
 Son firmas espectrales que surgen de sensores hiperespectrales. También
existen satélites que tiene 3 sensores que toman un solo valor en el visible
(rojo), en el IRc y en el IRm:

 Superficie que absorbe y transmite gran parte de la radiación incidente y refleja + en el

visible que en el IRc (patrón de reflectancia decreciente ya que refleja mas en el azul,
menos en el verde, menos en el rojo y todavía menos en el infrarrojo).
 La reflectancia se verá modificada por:
 Q y el tipo de sedimentos presentes: Lagos con muchos sedimentos en suspensión
(> turbidez) tendrán > reflectancia en el rojo que lagos que tienen baja Q de
sedimentos en suspensión. La reflectancia en el IRc sigue siendo baja en ambos
casos. Los ríos que tienen partículas en suspensión de gran tamaño (limos y
arcillas) dispersan en longitudes de onda más largas dentro del
visible, como el rojo (por eso los vemos marrones o rojizos, caso de
Rio Uruguay y Paraná). Los lagos patagónicos tienen cenizas
volcánicas en suspensión y otros sedimentos más pequeños y
reflejan longitudes de onda más cortas como el azul. Por esto se
ven más turquesas.
 Contenido de clorofila: Un > contenido de clorofila implica, <
reflectancia en el violeta y el azul y > reflectancia en el verde.
 Profundidad y características del fondo: Cuerpos de agua más
profundos tienen < reflectancia que los cuerpos de agua someros.

 En los suelos se observa un patrón de reflectancia creciente a > longitudes de onda

donde refleja más en el IRc que en el visible y aún más en el IRm que en el IRc. La
reflectancia de los suelos depende de:
 Composición química de los minerales
 Contenido de MO
 Contenido hídrico
 Rugosidad de la superficie
 Suelos con mayor contenido hídrico y de MO tienen un patrón ascendente de
reflectancia, solo que en general esta reflectancia es mucho menor que la que tiene
un suelo con menor contenido hídrico y de MO.
 A > contenido de MO y > humedad, > es la absorbancia en todo el espectro
y < es la reflectancia cuya disminución es más marcada en el IRm. Con <
reflectancia en el IRm los valles son mas pronunciados.
 En cuanto al infrarrojo medio, la molécula de agua produce absorción
ppalmente a los 1400 y 1900nm. De esta forma, a mayor contenido hídrico
en los suelos y en la vegetación, veremos que los valles en estos valores
son más profundos

 La composición de los pigmentos en los tejidos fotosintéticos es responsable de lo que pasa en la porción
VISIBLE. NO altera el comportamiento de los tejidos en el IRc porque en esa porción es responsable la
estructura celular de la hoja.
 La reflectancia en el visible es baja, pero se observa un pico en el verde. Esto se debe
a que el pigmento fotosintético clorofila absorbe energía en las porciones del azul y el
rojo, pero no del verde, por esto la vemos de este color.
 La reflectancia en el IRc es alta y esta está asociada a la estructura del mesófilo
esponjoso donde se genera una interfase sólido-aire-líquido que dispersa la radiación
incidente en el IRc y ↑ a mayor densidad de canopeo. La estructura de la hoja ha
evolucionado para NO absorber la radiación perteneciente al IRc dado que solo hace
que ↑ la T de la hoja y se pierda agua.
 La reflectancia del IRm es > que la del visible y menor que la del IRc. Esta depende del
contenido hídrico y tiene valles por la absorción del vapor de agua atmosférico y el
agua de las hojas.
 La reflectancia de la vegetación depende de los siguientes factores:
 Estructura de la hoja (dicotiledóneas y monocotiledóneas):
 Contenido y tipo de pigmentos: clorofilas absorben gran proporción de la radiación visible; las clorofilas
“a” y “b” tienen dos picos de absorción. Esta fuerte absorción en el azul y en el rojo determina un pico
de reflectancia en el verde (550 nm) responsable del color verde de los tejidos fotosintéticamente
activos. Los carotenoides absorben la radiación incidente en el espectro del azul (450 nm) y su pico de
reflectancia en el rojo; su principal función está relacionada con la disipación de la E excedente del
proceso de F!. Las antocianinas también cumplen una función de protección cuando existe un exceso de
radiación y además, pueden actuar como compuestos antifúngicos. El pico de absorción se encuentra
alrededor de los 550 nm.
 Estado hídrico de la hoja
 Arquitectura del canopeo
  Efectos del suelo: cobertura vegetal completa→ IAF alto en bosque o cultivo denso (la curva espectral
depende casi exclusivamente de la vegetación); cobertura vegetal incompleta→ cultivos en crecimiento, con
mucho espacio entre plantas, vegetación degradada (el suelo puede ↑ la reflectancia si es claro es decir
arenoso o si se encuentra seco, o puede ↓ si es oscuro (húmedo y rico en MO)

poner el cuadro del resumen pag 25

o Propiedades ópticas de las hojas dependen de la edad y del estado nutricional, hídrico y sanitario.
o A medida que avanza la senescencia sobre los tejidos foliares o
son sometidos a algún estrés, las clorofilas se desintegran y
comienzan a influenciar más los pigmentos amarillos y marrones,
↑ la reflectancia en las longitudes del visible. La absorbancia en el
rojo es cada vez menor. Cuanto la hoja esta marron, la
reflectancia es mucho < en el visible (hace que se vea mas
oscura), ↓ la clorofila y se desorganiza el mesófilo esponjoso (se
pierden los espacios intercelulares que dispersan la radiación
incidente) por lo que ↓ la reflectancia en el IRc y ↑ la reflectancia
en el IRm por perdida de contenido hídrico. A su vez el red edge
se atenúa y el pico de reflectancia se desplaza hacia el rojo.
o En el IRc, la reflectancia ↓ debido a que la estructura celular
comienza a deteriorarse, las células pierden turgencia y los
espacios de aire desaparecen, ↓ la dispersión de la radiación y ↑
la absorción y transmisión en dichas longitudes de onda.
o A > o < contenido hídrico en el mesófilo esponjoso cambia el
comportamiento espectral; si hay más Q de aire/gas, la reflectancia es más
alta, si hay más Q de agua, la absorción es > y por ende la reflectancia
mucho menor. Ante un estrés se produce un ↑ de la reflectancia en el
visible (a partir de los 500 nm), una ↓ en el IRc y un ↑ en el IRm.
→ no hay diferencias en el visible (la reflectancia depende de
los pigmentos→clorofila, carotenoides), solo en el IRc (la reflectancia depende
de la estructura interna del mesófilo)
o Dicotiledóneas tienen estructuras dorsiventrales con mesófilo esponjoso (+
espacios intercelulares); las monocotiledóneas tienen estructura compacta
(sin diferenciación clara en esponjoso y empalizada.)
o El mesófilo esponjoso es responsable de que se produzca el fenómeno de
dispersión que hace que una proporción grande de la E incidente en el IRc
sea reflejada (alta reflectancia). Actúa como "espejo" dispersando la E a igual
superficie de hojas y contenido de clorofila. Esto se debe a que las plantas
evolucionaron para reflejar más E del IRc que no les sirve dado q si las
estuviesen absorbiendo, se ↑ su T haciendo q pierdan agua.
 → la reflectancia está definida por variables
estructurales como el índice de área foliar (IAF), la proporción de
suelo cubierta, la disposición de las hojas, etc.
o El IAF es el cociente entre el área ocupada por hojas en
función del área del suelo. Un IAF = 1 significa que hay 1m2 de
hojas por m2 de suelo; todo el suelo está ocupado x hojas.
o Un aumento en el IAF produce un incremento considerable en
la reflectancia del IRc porque hay mayor cantidad de mesofilo
donde se dispersa la radiación
o Una > área foliar NO modifica la reflectancia en el visible sino
que hace que la reflectancia en el IRc ↑ y un poco en el IRm
(más masa foliar y más agua total).
o A < contenido hídrico, > reflectancia en todo el espectro. Se
pronuncia el pico relativo en el verde y se suavizan los valles
en el IRm. Un > contenido hídrico hace que la reflectancia en el
visible, en el IRc y en el IRm sea < (debido al alto coeficiente de
absorción del agua en esas bandas); los valles de 1400 y 1900nm
son más pronunciados. El patrón general no cambia.
o Conocer el contenido de humedad de los tejidos permite
elaborar índices de riesgo de incendio.
o La orientación de las hojas es clave al determinar la radiación
interceptada y reflejada por el canopeo; la distribución de la
inclinación foliar es considerada uniforme en el plano acimutal
para todos los canopeos (las hojas están orientadas en todas las
direcciones horizontales, sin preferir un rumbo). la reflectancia
de una especie erectófila puede duplicarse respecto a la de una
especie plagiófila. Este efecto resulta más acentuado en
canopeos de mayor IAF.
La porción del espectro a trabajar depende de la problemática:
 Rendimientos: encuentro + diferencias en en el visible, IRc y IRm
 Nitrógeno: sobre todo donde estan las clorofilas (visible) y parte del IRmedio
 Enfermedades: si afectan clorofilas será el visible y si afectan estructuras de la hoja será el IRc
 Estrés hídrico: ppalmente las long. de onda que tienen que ver con el IRm
Factores que afectan las firmas espectrales:
 Geometría de la medición→ puede generar alteraciones en la medición que toman los sensores, por lo
que los factores hay que corregirlos!
 Arquitectura de la cubierta→ tiene un efecto importante sobre el comportamiento espectral: cómo se
dispone la inclinación de las hojas (altera el A foliar) o cómo esta distribuida espacialmente la vegetación
(linealmente o no x ej)
 Efectos de la atmosfera→ las correcciones son fundamentales para no hacer inferencias que quizás son
debidas a la atmosfera y no a lo que le pasó a la sup.
VARIABLES BIOFÍSICAS
 A partir de los datos espectrales registrados por sensores remotos podemos realizar fotointerpretación de
imágenes, identificar tipos de cobertura, seguimiento de fenómenos; generar mapas temáticos; estimar
variables biofísicas (caracterizan el funcionamiento del ecosistema)
 La caracterización funcional de los ecosistemas permite una valoración cuantitativa directa de los servicios
ecosistémicos (p. primaria, dinámica del agua). A su vez, los atributos funcionales responden mas rápido a
los cambios en las condiciones ambientales que los atributos estructurales. Ej: se detectaron ↑ en las
ganancias de C durante las últimas décadas pero la fisonomía vegetal en esas áreas no experimentó
modificaciones detectables.
 La creciente disponibilidad de sensores y plataformas permite el estudio de un mismo proceso a distintas
escalas espacio-temporales usando el mismo protocolo de observación
 La caracterización del funcionamiento ecosistémico involucra la medición de flujos como la PPNA y la ET.
 El proceso de generar una aplicación concreta de la información espectral implica la traducción de la
medición de la radiación en una variable/índice con significado biofísico. En el caso de la radiación reflejada
(visible, IRc, IRm) se calcula la reflectancia. En el caso de la radiación emitida (IRt) la inversión de la Ley de
Stephan-Boltzmann permite estimar la T superficial a partir de datos provistos por sensores remotos.
 Los índices o variables sintéticas derivan de operaciones algebraicas con bandas asociadas a distintas
porciones del espectro electromagnético→ Índice de Vegetación Normalizado (IVN), el Índice de Vegetación
Mejorado (IVM), el Índice de Reflectancia Fotoquímica (IRF) y el albedo de la superficie. Estos índices se
relacionan directamente con atributos biofísicos como la fracción de la radiación fotosintéticamente activa
absorbida por los tejidos verdes [fRFAA] o la eficiencia en el uso de la radiación [EUR]
Índice de Vegetación Normalizado (IVN o NDVI)→ integra dos aspectos claves del
comportamiento espectral de los tejidos fotosintéticos: la baja reflectancia en λ
correspondientes al rojo (debido a la absorción por parte de la clorofila) y la alta reflectancia
en la porción del IRc debido a la estructura del mesófilo de las hojas.
 Es un estimador lineal de la fracción de radiación fotosintéticamente activa absorbida por los tejidos
verdes (fRFAA o fPAR); la RFAA puede ser estimada si se conoce la radiación reflejada en el visible y en el
IRc.
 La relación entre IVN y variables de estado como el IAF o biomasa dependen de la arquitectura de la
cubierta vegetal y del material senescente presente.
 La relación entre IVN y fRFAA está mucho menos afectada por la presencia de material senescente que la
relación entre el IVN y la cobertura o el IAF.
 Ventajas: se puede calcular a partir de la info provista por la mayoría de los sensores de las plataformas
de observación terrestre y satélites meteorológicos; su normalización ↓ el efecto de diferencia en
iluminación de la superficie, sombra de nubes, algunas distorsiones asociadas a la topografía, etc.
 Desventajas: se satura a altos niveles de biomasa y es sensible al sustrato debajo del dosel. Además, el
valor de IVN calculado con datos de diferentes sensores no será igual; las bandas de los sensores, al estar
centradas en distintos valores del espectro, darán resultados de IVN diferentes. Esta variación en la
resolución espectral determinará diferencias que pueden enmascarar señales importantes.
 Puede tomar valores entre 1 y -1; cuanto más cercano a 1 sea el valor, > es la presencia de la vegetación.
Cuerpos de agua y nubes→ Valores negativos (IRc es menor que el R en el agua). Suelo desnudo, baja
cobertura, vegetación senescente→ Valores positivos cercanos a 0. Vegetación→ Valores cercanos a 1
 Hojas senescentes: la reflectancia en el visible ↑ y la reflectancia en el IRc es menor, haciendo q la
diferencia entre ambas sea más pequeña y el IVN toma valores positivos cercanos a 0.
 Hojas verdes: La diferencia e/ el rojo y el IRc es grande de tal forma q el IVN toma valores cercanos al 1.
Índice de Vegetación Mejorado (IVM)→ es similar al IVN, pero incorpora la banda
del azul para “optimizar” la señal de la vegetación, particularmente en niveles altos
de biomasa. Busca desacoplar la señal del sustrato y la vegetación y minimizar la
influencia de la atmósfera. Desarrollado específicamente para el sensor MODIS.
  A, R e IRc son las reflectancias corregidas atmosféricamente correspondientes a la porción del azul, del
rojo y del IRc. L es un ajuste de acuerdo al sustrato y tiene en cuenta la transferencia de la radiancia roja e
infrarroja a través de la cubierta vegetal. C1 y C2 son coeficientes que tienen en cuenta la presencia de
aerosoles y que usan la banda correspondiente al azul para corregir la reflectancia en la porción roja.
 Se utiliza para estimar IAF (NO se satura a valores altos) y RFAA (es mejor que el IVN).
Índice de reflectancia fotoquímico (IRF)→ evalúa cambios en el rendimiento cuántico o la
eficiencia en el uso de la radiación de la vegetación. Se basa en que parte de la E absorbida
por la clorofila se pierde como calor o fluorescencia.
 Un cambio en la tasa fotosintética va a afectar la fluorescencia y la disipación de E; la medición de la
fluorescencia provee una medida de la eficiencia fotoquímica de la F! o del rendimiento cuántico.
 A > IRF, > eficiencia en el uso de la radiación; hay una > Q de E que se destina a la producción de biomasa
en relación a la E destinada al mecanismo de fluorescencia de la clorofila.
 Captura las rtas de la interconversión de las xantofilas y cambios en la conformación de los cloroplastos
(generan una respuesta diferente en la absorbancia en 505 y 529 nm). La banda 570nm es una referencia.
En respuesta a una alta intensidad luminosa (y a otros estreses), las plantas ponen en marcha
mecanismos que les permiten disipar el exceso de luz absorbida en forma de calor. Uno de estos
mecanismos es el Ciclo de las Xantofilas.
 Tiene un enorme potencial para estimar la EUR del dosel.
 Desventaja: trabaja con una porción muy particular que requiere sensores de alta resolución espectral.
Albedo→ uno de los atributos más importante en la caracterización del
balance de E de la superficie; cambios en su magnitud tienen
consecuencias en procesos climáticos y biofísicos.
 Su estimación es importante en aplicaciones ecológicas, por ej, la evaluación de impactos de cambios en
el uso del suelo en la Q total de E que ingresa al ecosistema.
 Los sensores con una resolución espectral que provea varias bandas en la porción reflectiva del espectro
permiten la descripción de la variación de este atributo.
 Relaciona la radiación total que refleja una superficie y la radiación total que incide sobre la misma. Da
idea de intercambio de E de la superficie
 Las superficies claras tienen > albedo que las oscuras y las brillantes más que las mates.
 El albedo medio de la Tierra es del 30-32% de la radiación que proviene del Sol.
NDMI→ Se utiliza para monitorear los cambios en el contenido de agua de las hojas, utilizando longitudes de
onda del IRc (NIR) y del infrarrojo de onda corta (SWIR). Puede indicar estrés hídrico o enfermedad.
NDMI= (NIR-SWIR) /(NIR+SWIR)
NDWI→ Se utiliza para monitorear cambios relacionados con el contenido de agua en cuerpos de agua,
utilizando longitudes de onda verdes y NIR, definidas.
NDWI= (G-NIR) /(G+NIR)
Modelado de procesos ecosistémicos→ pueden ser descriptos a partir de los índices
espectrales o de las variables sintéticas mencionadas anteriormente.
1. Productividad primaria neta (PPN)→ se utiliza como indicador de la salud del ecosistema y es la que
determina la energía que va a estar disponible para el resto de los eslabones tróficos.
 Según el modelo de Monteith la PPN de una cubierta vegetal es proporcional a la Q total de radiación
fotosintéticamente activa (RFA o PAR), la fracción de esa radiación interceptada por tejidos verdes (fRFAA
o fPAR) y a la eficiencia en el uso de la radiación (EUR)
  PAR se obtiene con satélites o mediciones en estaciones meteorológicas (varia con las estaciones, la
latitud, la nubosidad y el relieve), fRFAA puede estimarse a partir del IVN o IVM y la EUR se puede estimar
con el IRF, pero se necesita un sensor con alta resolución espectral; es mejor obtenerlo de bibliografía.
 La fRFAA es difícil de estimar por el tamaño del canopeo, la presencia de material no fotosintético y la
heterogeneidad espacial de la cubierta vegetal
 Es posible estimar la fPAR a partir del NDVI: La proporción de E que es interceptada por los canopeos
depende de Q de hojas, angulo de las hojas (planofilas, erectofilas) es decir la estructura del canopeo y
también de la presencia de material senescente. El NDVI a través de su capacidad para estimar la fracción
de radiación absorbida por los tejidos verdes (fPAR) es un excelente estimador de esa fracción
independientemente de la presencia de material senescente. El NDVI es un excelente estimador no de la
presencia de biomasa sino de la fPAR!
2. Evapotranspiración→ su estimación mediante el uso de sensores
remotos se basa en el balance energético de la superficie terrestre.
 Radiación neta es la E utilizada por los diferentes procesos en la superficie
terrestre; se calcula como la diferencia e/ radiación entrante y saliente del
sistema. Esta diferencia se compone de radiación de onda corta (λ e/ 0.1 a
4um) es la emitida por el sol, integra los rayos uv, al visible (azul,verde,rojo) y al IRc. La radiación de onda
larga (4 a 100um/1mm) es la emitida por la tierra o la atmosfera, comprende las λ del IRm o IRt.
 Calor sensible (H) es la E que recibe un cuerpo que, sin cambiar su estado físico, ↑ su T y la de la atmosfera
por convección y turbulencia del aire. calienta la capa de la atmósfera en forma inmediata y local
 Calor latente (L) es la E almacenada en el vapor de agua durante la evaporación y que puede transferirse a
la atmósfera más tarde y en otro lugar, cuando ese vapor se condensa p/ formar nubes y ppciones.
Los modelos para estimar la ET mediante sensores remotos pueden separarse en 3 categorías:
1. empíricos directos→ más sencillos de usar pero menos precisos; la información satelital es ingresada
directamente al modelo para el cálculo de la ET.
2. residuales del balance de E→ más complejos pero versátiles (los componentes pueden calcularse de
forma empírica o mediante modelos físicos.
3. métodos indirectos→ muy sofisticados; describen de manera muy detallada y a intervalos de tiempo
muy cortos los procesos físicos que participan en la ET. Como ventajas pueden ser aplicados a otras
regiones si se posee la info s/ los parámetros de la zona.
Otros atributos
Índice de Área Foliar (IAF)→ se puede estimar con el NDVI, IVM, NDWI y RDVI. Es
una variable de estado, al igual que la biomasa.
Fenología→ IVN o NDVI es un indicador útil para
estudiarla; puedo ver como varia la Q de tejido
fotosinteticamente activo en el tiempo o generar
variables de descripción fenológica:
 Integral del NDVI (NDVI-I): es el área bajo la curva.
Es la suma de valores positivos del IVN en un año.
Permite estimar la PPNA (de forma más directa que
Monteith). A menor área, menor productividad.
 NDVI mínimo y máximo: niveles mínimo y máximo
de vegetación (producción de materia seca)
 NDVI máx – NDVI mín: rango relativo. Da idea de la estacionalidad de
la vegetación (variabilidad intra-anual)
 Días de ocurrencia del máx y mín NDVI: tasa de senescencia
 Tasa de incremento del IVN: pendiente entre valores de IVN de
diferentes fechas. Permite inferir sobre la tasa de brotado de la
vegetación. Indicador de la fenología.
 Esta figura muestra vegetación caducifolia la cual pierde sus hojas en
otoño/primavera. El IVN alcanza valores máximos en primavera/otoño
cuando la PPNA es muy alta, y valores mínimos en otoño/invierno.
 Si fuese vegetación perennifolia la curva sería más aplanada.
 La PPNA se estima integrando el IVN y calculando el área debajo la curva y para obtener la estacionalidad
se hace la diferencia entre el valor máximo y valor mínimo de IVN.
CLASIFICACIONES DE COBERTURAS
 Clasificar es una manera de describir patrones. Implica asignar entidades (píxeles, objetos) a distintas clases
en base a una serie de atributos (bandas espectrales, índices, información auxiliar, temporalidad, etc). Es una
predicción, tiene un error asociado.
 Una clasificación debe→ Trabajar con entidades definidas; Asignar las entidades a las clases en base a un
conjunto de atributos definidos a priori; Definir explícitamente las reglas de asignación; Ser repetible.

¿Qué información puede utilizarse como atributo?

 DN (valor digital del píxel tal como lo mide el
sensor)
 Radiancia (TOA)
 Reflectancia superficial (SR) de bandas espectrales
 Índices espectrales (NDVI, SAVI, EVI, NDWI, PRI,
etc)
 Métricas estadísticas y fenológicas (media,
mediana, desvío estandar, RR, Min, Max,
Momento, etc).
 Información auxiliar (DEM, pendiente, orientación,
luces nocturnas (VIIRS)

Etapas de clasificación
1. Entrenamiento: definición digital de las categorías. Se identifican los criterios a partir de los cuales se
definirán las clases. Esos criterios pueden basarse solo en el uso de los atributos de las entidades o
incorporar información adicional. El resultado de esta fase son firmas espectrales que resumen el
comportamiento promedio de los píxeles de una clase en cada una de las bandas o atributos analizados.
2. Reglas de decisión: definición de reglas de asignación de entidades a las clases. Agrupación de los píxeles
de la imágen en una de esas categorías. Se obtiene un mapa temático
3. Evaluación: comprobación y verificación de los resultados. Valorar la capacidad predictiva del producto.
Evaluar separabilidad de las firmas espectrales→ discernir entre suelo y agua (por ejemplo)
Fase de entrenamiento→ Definición de criterios a través de los cuales se pueden reconocer los patrones. Obtener el
rango de los atributos que identifica cada categoría. Puede ser:
 No supervisada: Las clases se definen exclusivamente a partir de la similitud entre píxeles. El método
agrupa píxeles parecidos desde el punto de vista espectral. Los límites de las clases se definen a partir de
un algoritmo busca minimizar las diferencias dentro de cada clase y maximizar las diferencias entre
 clases. Por estar basada en datos espectrales, las diferencias en los valores entre píxeles o clases se
llaman distancia espectral.
o Uno de los algoritmos que se utilizan para
realizar este tipo de clasificaciones es el
ISODATA→ En c/ iteración calcula la
distancia espectral de c/ píxel a los
centroides de las clases y lo asigna al más
cercano; actualiza cada centroide como el
promedio de los píxeles incluidos en cada
clase; luego calcula la distancia espectral
de cada píxel al nuevo centroide y se
reasignarán algunos píxeles queden más
cerca del centroide de otro grupo. El
proceso se repite hasta que la Q de píxeles
que cambian de clase alcance un valor
umbral (convergencia) o hasta que se alcance un número máximo de iteraciones. Otras alternativas
son: el método k-means o los métodos basados en redes neuronales artificiales.
o Como resultado se obtiene una imagen en donde c/ pixel se asignó a una clase; este patrón no tiene
significado biofísico (las clases no tienen una interpretación). Para llegar a un mapa temático las
clases espectrales tienen que ser interpretadas a posteriori con fotointerpretación o verdad
terrestre, y etiquetarlas (asignarles una categoría) a través de la correspondencia entre uno o más
clases espectrales y tipos de cobertura.
o Principal uso de esta clasificación es proveer una descripción preliminar del territorio; es un auxiliar
importante en la planificación de las tareas de campo p/ obtener datos para clasificaciones
supervisadas o evaluaciones sobre el terreno. Se usa cuando no se tiene conocimiento del área (no
tengo verdad de terreno).
 Supervisada: se utilizan cuando se tiene una definición a priori de las
clases y se conocen casos (entidades) que corresponden a esas
clases o clusters. Para llevar adelante este tipo de clasificaciones se
necesita conocimiento previo del área, tener identificadas las clases
temática (e.g. tipos de coberturas) que se busca definir y se debe
contar con información de campo→áreas de entrenamiento para
entrenar a los algoritmos; pueden ser líneas, puntos, polígonos,
ventanas; pueden ser verdad terrestre (GPS), elegidas por
fotointerpretación (fenología e interpretación visual), o de otras
fuentes y productos ya generados
o Cuando se identifica un área homogénea de una clase, según la
resolución espacial del sensor a utilizar, se estarán incluyendo
varios pixeles que no son independientes (comparten historia
de uso, tipo de suelo, etc), por lo que muestran
autocorrelación. Para evitar el sesgo que derivaría de ello en la definición de firmas espectrales se
debe trabajar con el promedio de los valores espectrales de toda el A. Así las distintas muestras
para una clase corresponden a áreas separadas de las cuales no se sospecha presencia de
correlación espacial (si dos áreas están correlacionadas espacialmente, sus valores espectrales no
son independientes y generan sesgo.)
o Identificadas las A de entrenamiento de c/ clase, se extrae la info. espectral de c/ área y se calcula
el promedio y la dispersión de c/ clase a definir→ A partir de los promedios y desvíos de las
muestras de entrenamiento se elaborarán las firmas espectrales de cada clase.
 o Elaboradas las firmas, se debe evaluar su capacidad p/ discriminar las distintas clases. El análisis de
separabilidad permite analizar qué tan bien se diferencian entre sí las clases, determinar las clases
problemáticas (revisar entrenamiento, bandas seleccionadas y resolución conceptual o clases),
seleccionar las bandas con mayor poder discriminante.
o En el método de la elipse se representan las combinaciones de las bandas a usar en la clasificación.
En estos gráficos se observa el valor medio (promedio) de c/ clase en c/ banda y una medida de
dispersión (desvío estándar) que muestra cuánto varían los valores dentro de esa clase. Los
desvíos definen la elipse en torno a los promedios de c/ clase. Si las elipses de dos clases se
superponen, significa que sus firmas espectrales se parecen en esas bandas (es difícil separarlas en
la clasificación.) Si no se superponen, las clases están bien diferenciadas espectralmente.
o Este tipo de clasificación es un proceso iterativo: extracción de valores de áreas de entrenamiento,
cálculo de estadísticas y firmas espectrales,
evaluación de separabilidad de las firmas. Se
repite hasta alcanzar buena separabilidad, y se
asigna cada píxel a cada clase.
o Evaluadas las firmas y aceptada su capacidad de
discriminar las clases, se deben definir las reglas
con que se asignaran los pixeles a c/ clase→
implica comparar los valores espectrales de c/
píxel de la imagen con c/u de las firmas
espectrales definidas. Ya entramos en la etapa 2:
reglas de decisión.
Fase de asignación o decisión (para clasificación supervisada)→ Criterios que permiten asignar píxeles a una
u otra categoría en función del área de dominio de c/ clase.
 Algoritmos no paramétricos→ no suponen una distribución estadística de los
valores espectrales. La asignación del píxel a una clase se hace según reglas
directas (ej: si cae dentro de los límites espectrales definidos para esa clase).
a. Paralelepípedo: los valores de c/ píxel se comparan con límites
superior e inferior. Ventajas: bueno como primera aproximación,
rápido, operaciones lógicas sencillas, bueno para A urbanas.
Desventajas: Asigna a la clase que primero cumple con el criterio,
quedan píxeles sin clasificar o ser incluidos en mas de un
paralelepípedo, píxeles lejanos a la media pueden ser clasificados.
b. Distancia mínima: calcula la distancia espectral entre el píxel y el
centroide de cada clase, asignándolo a la clase más cercana.
Ventajas: rápido, todos los píxeles son clasificados Desventajas: no
hay píxeles sin clasificar (errores de comisión), no considera la
dispersión
 Algoritmos paramétricos→ las reglas están basadas en estadísticas que
comparan al píxel c/ la muestra espectral
a. Máxima probabilidad: se basa en la probabilidad de un píxel de
pertenecer a una clase. Depende de la variabilidad de las firmas
espectrales de cada clase. Se asigna la categoría que maximiza la función
de probabilidad. Ventajas: considera dispersión, se pueden definir
umbrales de probabilidad (reducir errores de comisión; clasificar sólo
aquellos píxeles con una probabilidad de pertenencia superior a x valor Ej:
P>0,95). Es el más preciso de los métodos, pero es el más lento en
procesamiento.
Fase de evaluación→ si los patrones representan de manera general la distribución esperada de las clases, se
debe proceder a realizar una evaluación a nivel de las predicciones. Para esto, se identifican áreas para las
cuales se cuenta con info del terreno (verdad
terrestre→ verificación a campo o interpretación
de imágenes satelitales) y se las compara con la
predicción de la clasificación. Es importante que
los datos de terreno sean independientes de los
usados en la fase de entrenamiento y definición de
firmas espectrales y deben minimizarse los
problemas de autocorrelación entre las
observaciones.
 La comparación de los valores predichos (generados por la clasificación) y los observados en el terreno
(datos de campo) debe hacerse para todas las clases definidas. A partir de esto se arma una tabla de
contingencia o matriz de confusión; donde las columnas corresponden a los valores observados y los de
las filas (en el mismo orden) a los predichos por la clasificación.
 Para evaluar el grado de confiabilidad se calculan una serie de indicadores:
o error de omisión/exclusión: subestimación de los píxeles que realmente deberían pertenecer a una
clase→ falsos negativos o errores de tipo II. El modelo no contó una ocurrencia
o error de comisión/inclusión: sobrestimación de los píxeles que realmente deberían pertenecer a una
clase→ falsos positivos o errores de tipo I. El modelo predijo una ocurrencia donde no existe
o error o fiabilidad total del proceso.
A partir de la matriz de confusión se pueden calcular la precisión de productor, precisión del usuario y precisión
global.
 Precisión del productor considera errores de omisión →
 Precisión del usuario considera errores de comisión →
 Precisión global→

Como resultado final se obtiene un mapa temático donde todos los píxeles de la imagen fueron asignados a
una categoría previamente establecida mediante un algoritmo de asignación cuyos parámetros fueron
definidos mediante áreas de entrenamiento.
La calidad de una clasificación (y de un modelo en general) estará asociada a los objetivos; la capacidad de
predecir algún aspecto particular de esa realidad determinará su utilidad. Una misma clasificación puede ser
muy útil para ubicar todos los cuerpos de agua de un área, pero incapaz de discriminar entre tipos de
pastizales. Un ecólogo acuático o un hidrólogo la encontrará muy útil y un ecólogo de pastizales inservible.
Árbol de decisión→ Se definen criterios espaciales (capas): Ej.: pendiente, tipo de suelo, uso del suelo,
proximidad a rutas, disponibilidad de agua; Cada criterio se transforma en una capa raster o vectorial, con
valores reescalados o clasificados; Se construye un árbol de decisión, donde en cada nodo se hace una pregunta
del tipo: ¿La pendiente es menor a 15°? ¿Está a menos de 2 km de una carretera? ¿El tipo de suelo es arenoso?;
El árbol guía la clasificación de cada píxel o unidad territorial según las condiciones que cumple; El resultado es
una capa final con zonas clasificadas (por ejemplo: alta, media o baja aptitud para agricultura, urbanización,
conservación, etc.).
Clasificación basada en objetos→ no trabaja píxel por píxel, sino que agrupa píxeles en "objetos" espaciales
(regiones homogéneas) y luego clasifica esos objetos según múltiples características: espectrales, espaciales,
texturales.