es hyprspec

7/28/2019 Es Hyprspec

1/24

Introduction to Hyperspectral Imaging

page 1

ImgenesHiperespectrales

con

TNTmips

I ntroduccin a

I

N

T

R

O

A

HI

P

E

R

S

P


2/24


page 2

Antes de Comenzar

Puede ser difcil identificar puntos importantes en algunas ilustraciones sin una copia encolor de este folleto. Puede imprimir o leer ester folleto desde el sitio web de MicroImages.El sitio web tambin es su fuente para los folletos ms recientes sobre otros tpicos. Puededescargar la gua de instalacin, datos muestrales, y la ltima versin de TNTlite.

ht tp: / /www.micro images.com

Gran parte de la dcada pasada, las imgenes hiperespectrales han sido un rea activa eninvestigacin y desarrollo y las imgenes hiperespectrales han estado disponibles solo

para los investigadores. Con la reciente aparicin de sistemas comerciales aerotransportadosde imgenes hiperespectrales y el inminente lanzamiento de satlites, las imgeneshiperespectrales estn dispuestas a entrar a la corriente principal de la percepcin remota.Las imgenes hiperespectrales encontrarn muchas aplicaciones en manejo de recursos,agricultura, exploracin minera, y monitoreo ambiental. Pero el uso efectivo de las imgeneshiperespectrales requiere un entendimiento de la naturaleza y limitaciones de los datos yde las distintas estrategias para procesarlas e interpretarlas. Este folleto intenta proveeruna introduccin a los conceptos fundamentales en el campo de las imgenesmultiespectrales.

Datos Muestrales. Algunas ilustraciones en este folleto muestran anlisis de resultadosde una escena espectral de Cuprite, Nevada. Esta escena fue adquirida usando elEspectrmetro de Imgenes Visible/Infrarrojo (AVIRIS), el cual es operado por el LaboratorioJet Propulsin de la NASA. La misma escena es usada en los ejercicios en el folleto queacompaa Preparndose: Analizando Imgenes Hiperespectrales. Usted puede descargaresta escena en el formato de Archivos de Proyectos TNTmips (junto con datos muestralesasociados) desde el sitio web de Microimages o contactando Microimages para obtener losdatos en un CD-R gratuito.

Ms Documentacin Este folleto est propuesto slo como una introduccin general aimgenes hiperespectrales. En TNTmips, las imgenes hiperespectrales pueden serprocesadas y analizadas usado el proceso de Anlisis Hiperespectral (escoja Procesos /Raster / Anlisis Hiperespectral desde el menu principal de TNTmips). Para unaintroduccin a este proceso, consulte el folleto Preparndose: Analizando ImgenesHiperespectrales. Informacin adicional de fondo puede ser encontrada en el folletoIntroduccin al Ambiente de la Percepcin Remota.

TNTmips y TNTlite TNTmips tiene dos versiones: la versin profesional y la versinlibre TNTlite. Este folleto hace referencia a ambas versiones como TNTmips. Si usted

no compr la versin original (la cual requiere una llave fsica), TNTmips opera en modoTNTlite, la cual limita el tamao de los objetos y no permite exportar.

Randall B. Smith, Ph.D., 17 Septiembre 2001

Traducido porMicroImages Inc., 20 Octubre 2004


3/24


page 3

Los sensores remotos hiperespectrales, por otro lado,colectan datos simultneamente en docenas o cientos de

angostas y adyacentes bandas espectrales. Estasmediciones hacen posible derivar un espectro continuopara cada celda de imagen, como es mostrado en lailustracin de abajo. Luego que los ajustes son aplicados,sensor, efectos atmosfricos y de terreno, estas imgenesespectrales pueden ser comparadas con reflectanciasespectrales de campo o de laboratorio para reconocer ymapear superficies de materiales tales como tiposespeciales de vegetacin o el diagnstico de minerales

asociados con depsitos de oro.Las imgenes hiperespectrales contienen una abundanciade datos, pero interpretarlos requiere una comprensin delas propiedades exactas de los materiales de superficieque estamos tratando de medir, y cmo ellos se relacionancon las mediciones realmente hechas por el sensorhiperespectral.

Set de valores de brillo individual para laposicin de valores de una celda rasteren la imagen hiperespectral.

Spectral

Plot

Longitud de onda (micrmetros)

Brillo

Relativo

0.0

0.2

0.4

0.6

2.21.71.20.7

El grfico de valores de brillo vs. longitudes deonda muestra el espectro continuo para la

celda de la imagen, la cual puede ser usada

para identificar materiales de superficie.

La tecnologa defondo de lossensores hipere-

spectrales esdiscutida en la

pgina 4. Las pginas 5-10introducen los conceptos dereflectancia espectral de losmateriales naturales, losvectores espectrales talescomo en n-dimensiones delespacio espectral, y mezclaespectral. Los factores quecontribuyen a la medicin de losvalores de radiancia en unaimagen son detallados en laspginas 11-13, seguido por losmtodos para convertirradiancia a reflectancia enpginas 14-15. las estrategiaspara analizar imgeneshiperespectrales son discutidasen las pginas 16-21, y unalista de referencias bibliogrfi-cas es proporcionada enpginas 22-23.

Bienvenido a las Imgenes Hiperespectrales

Imgenes adquiridas simultneamente enadyacentes y estrechas longitudes de onda.


4/24


page 4

Espectrometra de Imgenes

Las imgenes hiperespectrales son producidas por instrumentos llamados espectrmetrosde imgenes. El desarrollo de estos sensores complejos ha involucrado la convergencia de

dos tecnologas relacionadas pero distintas: la espectroscopia y la percepcin remota de laTierra y la superficie de los planetas.

La espectroscopa es el estudio de la luz que es emitida por o reflejada por los materialesy su variacin en energa con la longitud de onda. Al ser aplicada al campo ptico de la

percepcin remota, la espectroscopa trata con el espectro de la luz solar que es difusamentereflejada (dispersada) por los materiales terrestres. Los instrumentos llamadosespectrmetros (o espectrorradimetros) son usados para realizar mediciones de campo ode laboratorio de la luz reflejada desde un material testigo. Un elemento de dispersinptica tal como una verja o prisma en el espectrmetro separa esta luz dentro de muchas

longitudes de onda adyacentes y angostas, y la energa en cada banda es medida por undetector diferente. Al usar cientos o miles de detectores, los espectrmetros puedenrealizar mediciones espectrales de bandas tan angostas como 0.01 micrmetros sobre unrango amplio de longitudes de onda, tpicamente al menos en 0.4 a 2.4 micrmetros (rangosde longitudes de onda del visible al infrarrojo medio).

Los dispositivos de imgenes remotas estn diseados para concentrar y medir la luzreflejada desde varias reas adyacentes de la superficie terrestre. En muchos dispositivosde imgenes digitales, las mediciones secuenciales de reas pequeas son hechas en un

patrn geomtrico consistente a medida que la plataforma del sensor se mueve y unprocesamiento posterior es requerido para juntarlas en una imagen. Hasta recientemente,los dispositivos de imgenes estaban restringidos a una o algunas relativamente escasas

bandas anchas de longitud de onda por limitaciones del diseo del detector y losrequerimientos de almacenamiento de datos, transmisin y procesamiento. Los avancesrecientes en estas reas han permitido el diseo de dispositivos de imgenes que tienenrangos espectrales y resoluciones comparables con los espectrmetros de campo.

Elemento

Dispersante

Detectores

Espejo de escaneo y

Otras Opticas

Imagen

Optica

Luz desdeuna celdaindividual deresolucinterrestre.

Diagrama esquemtico de loselementos bsicos deespectrometr a de imgenes.Algunos sensores usan una serie demltiples sensores de angostasbandas de longitudes de onda (l).


5/24


page 5

Reflectancia Espectral

En espectroscopia de luz reflejada la propiedad fundamental que queremos obtener es lareflectancia espectral: la razn de la energa reflejada sobre la energa incidente como una

funcin de la longitud de onda. La reflectancia vara con la longitud de onda para la mayorade los materiales ya que la energa en ciertas longitudes de onda es dispersada o absorbidaen diferentes grados. Estas variaciones de reflectancia son evidentes cuando comparamoslas curvas de reflectancia espectral (grficos de reflectancia versus longitud de onda) paradiferentes materiales, como en la ilustracin de abajo. Las desviaciones pronunciadas haciaabajo de las curvas espectrales marcan los rangos de longitud de onda en los cuales losmateriales selectivamente absorben la energa incidente. Estas caractersticas soncomnmente llamadas bandas de absorcin (no confundir con la separacin de bandas deimgenes en una imagen multiespectral o hiperespectral). La forma general de una curva

espectral y la posicin y fuerza de las bandas de absorcin en muchos casos puede serusada para identificar y discriminar materiales diferentes. Por ejemplo, la vegetacin tienereflectancias ms altas en el rango del infrarrojo cercano y ms baja reflectancia en la luzroja que los suelos.

Curvas representativas de reflectancia espectral para varios materiales terrestres comunes desdelos rangos de luz visible hasta el espectro reflejado infrarrojo. Las bandas espectrales usadas envarios sensores remotos de satlites multiespectrales son mostradas arriba para compararlas. Lareflectancia es una cantidad sin unidades con valores de rango entre 0 a 1.0, o puede ser expresada

como un porcentaje, como en este grfico. Cuando las medidas espectrales de un material de testson hechas en el campo o en el laboratorio, los valores de la energa incidente son tambinrequeridos para calcular la reflectancia del material. Estos valores son medidos directamente oderivados desde medidas de luz reflejada (bajo las mismas condiciones de iluminacin que elmaterial de test) desde un material de referencia estndar con una reflectancia espectral conocida.

VegetacinSuelo Seco(5% agua)

R

ojo

V

erd

A

zul Infrarrojo Cercano Infrarrojo Medio

Bandas Landsat TM

Bandas Multispectrales SPOT XS1 2 3 4 5 7

1 2 3


Re

flectancia(%)

1.0 2.00.6 1.2 1.4 1.6 1.8 2.2 2.40.80.4

Infrarrojo Reflejado

Suelo Hmedo(20% agua)

Agua clara de lago

Agua de ro turbia

20

40

60

0


6/24


page 6

Espectrometra de minerales

Reflectancia espectral de algunos minerales representativos (compuestos de ocurrencia qumicanatural que son los mayores componentes de rocas y suelos).

En materiales inorgnicos tales como minerales, composiciones qumicas y estructurascristalinas, stos controlan la forma de la curva espectral y la presencia y posiciones de

bandas de absorcin especficas. Las longitudes de onda de absorcin especificas puedenser usadas para la presencia particular de elementos qumicos y iones, la carga inica deciertos elementos, y la geometra de las cadenas qumicas entre elementos, lo cual esgobernado en parte por la estructura cristalina.

La ilustracin de abajo muestra la espectrometra de algunos minerales comunes que proveenejemplos para estos efectos. En el espectro de la hematita (un mineral de xido de hierro),la fuerte absorcin en el rango de la luz visible es causada por el ion frrico (Fe+3). En lacalcita, el mayor componente de la piedra caliza, el ion de carbonato (CO

3-2) es responsable

por la serie de absorciones de banda entre los 1.8 a 2.4 micrmetros (m). La kaolinita y

la montmorilonita son minerales de arcilla que son comunes en suelos. La fuerte absorcinde la banda cercana a los 1.4 m en ambas curvas espectrales, junto con la dbil banda a 1.9m en kaolinita, es debida a los iones de hidrxido (OH-1), mientras que la banda ms fuertea 1.9 m en montmorilonita es causada por las molculas de agua atadas en esta arcillahdrica. En contraste a estos ejemplos, el feldespato ortoclasa, un mineral dominante engranito, muestra casi una absorcin de rasgo insignificante en los rangos espectrales delvisible al infrarrojo.


Reflectancia(%)

Hematita

Montmorillonita

Calcita

Kaolinita

Feldespato Ortoclasa

Visible Infrarrojo Cercano Infrarrojo Medio

0

20

40

60

80

100

1.0 2.00.6 1.2 1.4 1.6 1.8 2.2 2.40.80.4


7/24


page 7

Espectrometra de las plantas

Reflectancia espectral de diferentes tipos de vegetacin verde comparados con una curva espectral dehojas senescentes (secas, amarillentas). Las diferentes porciones de las curvas espectrales para lavegetacin verde son formadas por los diferentes componentes de las plantas, como es mostradoarriba.

Las curvas de reflectancia espectral de las plantas verdes sanas tienen tambin una formacaracterstica que es dictada por varios atributos de las plantas. En la porcin del visible

del espectro, la forma de la curva es gobernada por los efectos de absorcin de la clorofilay otros pigmentos de las hojas. La clorofila absorbe la luz visible muy efectivamente peroabsorbe las longitudes de onda azules y rojas ms fuertemente que el verde, produciendouna pequea cima de reflectancia dentro del rango de la longitud de onda del verde. Comoconsecuencia, las plantas sanas nos aparecen verdes en color. La reflectancia aumentaabruptamente a lo largo del borde entre las longitudes de onda del rojo y el infrarrojocercano (a veces referido como el borde rojo) a valores cercanos de 40-50% para la mayorade las plantas. Esta alta reflectancia en el infrarrojo cercano es debido primariamente a lasinteracciones con las estructuras celulares internas de las hojas. La mayora de la energa

remanente es transmitida, y puede interactuar con otras hojas ms abajo en el follaje. Laestructura de las hojas vara significativamente entre las especies de plantas, y tambinpuede cambiar como resultado del estrs de las plantas. As, el tipo de especie, el estrs delas plantas, y el estado del follaje todos pueden afectar las mediciones de reflectancia en elinfrarrojo cercano. Ms all de 1.3 m la reflectancia decrece a medida que aumenta lalongitud de onda, con la excepcin de dos pronunciadas bandas de absorcin de agua cercade los 1.4 y 1.9 m.

Al trmino de la estacin de crecimiento las hojas pierden agua y clorofila. La reflectanciadel infrarrojo cercano decrece y la reflectancia del rojo aumenta, creando los familiares

colores amarillos, cafs y rojos de las hojas en otoo.


Reflectancia(%)

PastoFollaje de nogal

Abeto

Pasto secoamarillento

Visible Infrarrojo Cercano

Clorofila Estructura Celular Agua Agua

Infrarrojo Medio

1.0 2.00.6 1.2 1.4 1.6 1.8 2.2 2.40.80.40

20

40

60


8/24


page 8

Bibliotecas Espectrales

Varias bibliotecas de reflectancia espectral de materiales naturales o hechos por el hombreestn disponibles para el uso pblico. Estas bibliotecas proveen una fuente de referencia

espectral que puede ayudar a la interpretacin de imgenes hiperespectrales ymultiespectrales.

Biblioteca Espectral ASTER Esta biblioteca ha sido hecho disponible por la NASAcomo parte del programa instrumental Advanced Spaceborne Termal Emisin and Reflec-tance Radiometer (ASTER). Este incluye compilaciones espectrales de NASAs JetPropulsin Laboratory, Johns Hopkins University, y United States Geological Survey(Reston). La biblioteca espectral ASTER actualmente contiene cerca de 2000espectrometras, incluyendo minerales, rocas, suelos, materiales hechos por el hombre,agua, y nieve. La mayora de las coberturas espectrales de la regin completa de las

longitudes de onda entre 0.4 a 14 m. La biblioteca es accesible interactivamente via elWorldwide web en http://speclib.jpl.nasa.gov. Usted puede buscar la espectrometra porcategora, ver un grfico espectral para cualquier espectro recuperado, y descargar losdatos individuales de la espectrometra como archivo de texto. Estas espectrometras

pueden ser importadas dentro de la biblioteca espectral del TNTmips. Usted puedetambin ordenar la biblioteca espectral ASTER en CD-ROM sin cargo desde la direccinweb de arriba.

Biblioteca Espectral USGS El laboratorio de Espectrometra del United States Geologi-cal Survey en Denver, Colorado, ha compilado una biblioteca de cerca de 500 reflectanciasespectrales de minerales y unas pocas plantas sobre las longitudes de onda en el rango de0.2 a 3.0 m. Esta biblioteca es accesible via online en

http://speclab.cr.usgs.gov/spectral.lib04/spectral-lib04.html.Usted puede buscar espectrometra individual online, o descargar la biblioteca completa.La biblioteca espectral del USGS est tambin incluida como una referencia de bibliotecaestndar en el proceso TNTmips Anlisis Hiperespectral.


Ejemplos espectrales

de la biblioteca ASTER.ASTER ser uno de losinstrumentos delsatlite planeado EOSAM-1, y registrardatos de imgenes en14 canales desde elvisible hasta lasregiones termales deinfrarrojo como partedel programa NASAsEarth ScienceEnterprise.

Reflectancia(%)

Granito

Concreto

Asphalt roof shingles

Basalto

Visible InfrarrojoCercano

Infrarrojo Medio

1.0 2.00.6 1.2 1.4 1.6 1.8 2.2 2.40.80.40

20

40

60

80


9/24


page 9

Graficando Espectrometra en el Espacio Espectral

Los grficos espectrales en las pginas previas proveen una manera conveniente paravisualizar las diferencias en las propiedades espectrales entre diferentes materiales, espe-

cialmente cuando comparamos solamente unas pocas espectrometras. Los grficosespectrales son una herramienta importante para usar cuando usted explora una imagenhiperespectral. Pero entender cmo un computador compara y discrimina entre grandescantidades de espectrometras, es til considerar otras formas conceptuales de representarla espectrometra.

Un espectro de reflectancia consiste de un set de valores espectrales, uno para cada canalespectral (banda). Cada uno de estos canales puede ser considerado como una dimensinen un espacio espectral hipottico de n-dimensiones, donde n es el numero de canalesespectrales. Si graficamos los valores de reflectancia medida para cada canal espectral en su

respectivo eje de coordenadas, podemos usar estascoordenadas para especificar la localizacin de un

punto en el espacio espectral que matemticamenterepresenta esa espectrometra en particular. Unejemplo simple de dos bandas es mostrado en lailustracin. El punto designado tambin puedeser tratado matemticamente como el punto finalde un vector que comienza en el origen del sistemade coordenadas. La espectrometra con la misma

forma pero diferente reflectancia general (albedo)se grafican como vectores con la misma orientacin

pero con puntos finales a distancias diferentesdesde el origen. Vectores espectrales ms cortosrepresentan espectrometra ms oscura y vectoresms largos representan espectrometra ms

brillante.

Puede ser difcil visualizar tal grfico para una

imagen que involucra ms de tres bandas de longi-tudes de onda, pero es matemticamente posible construir un espacio espectralhiperespectral definido por docenas o cientos de ejes de coordenadas mutuamente

perpendiculares. Cada espectrometra que est siendo considerada ocupa una posicin eneste espacio espectral de n-dimensiones. La similitud entre espectrometras puede ser

juzgada por la cercana relativa de estas posiciones (distancia espectral) o por cun pequeoes el ngulo entre los vectores espectrales.

Las curvas de reflectancia espectral mostradas en las pginas previas para varios materialesrepresentan promedios o ejemplos tpicos. Todos los materiales naturales exhiben

alguna variabilidad en composicin y estructura que resulta en variabilidad en su reflectanciaespectral. Si obtenemos espectrometras desde un numero de ejemplos de materiales, los

puntos espectrales resultantes definirn una pequea nube en el espacio espectral de n-dimensiones, ms que graficndolos en una sola localizacin.

Grfico de n-dimensiones de unespectro de reflectancia para uncaso hiptetico de 2 bandas

Reflectancia en Banda 1

Reflecta

ncia

enBanda2

Espectro de puntorepresentativo (0.8, 0.7)

Vecto

rre

pres

entativ

o

Espe

ctro

0.8

0.7


10/24


page 10

Resolucin Espacial y Espectrometra Mezclada

Un espectrmetro de imgenes realiza mediciones espectrales de muchos parcelas pequeasde la superficie terrestre, cada uno de los cuales es representado por un pxel (celda raster)

en la imagen hiperespectral. El tamao del rea terrestre representado por un set individualde mediciones espectrales define la resolucin espacial de la imagen y depende del diseodel sensor y de la altura del sensor sobre la superficie. El Airborne Visible/Infrared ImaginSpectrometer (AVIRIS) de la NASA, por ejemplo, tiene una resolucin espacial de 20metros cuando vuela a su tpica altitud de 20 kilmetros, pero de 4 metros de resolucincuando vuela a una altitud de 4 kilmetros.

Cuando el tamao de laresolucin de la celda terrestrees grande, es muy probable que

ms de un material contribuya ala medicin espectral individualdel sensor. El resultado es unacomposicin o espectrometramezclada, y la espectrometra

pura que contribuye a la mezclaes llamada espectrometra deendmember.

Las mezclas espectrales puedenser macroscpicas o de detalles.En una mezcla microscpicacada fotn reflejado interactacon solo un material de superficie. La energa reflejada desde los materiales se combinaaditivamente, as cada contribucin del material a la composicin espectral es directamente

proporcional a su rea dentro del pxel. Unejemplo de tal mezcla lineal es mostrado en lailustracin arriba, la cual puede representar un

mosaico de vegetacin y suelo desnudo. En elespacio espectral cada espectro de endmemberdefine el trmino de una lnea mixta (para dosendmembers) o la esquina de un espaciomezclado (para un mayor nmero deendmembers). Luego discutiremos cmo lasfracciones de endmembers pueden ser calculadas

para cada pxel. En una mezcla de detalle, talescomo las mezclas microscpicas de partculasminerales encontradas en suelos, un fotn indi-vidual interacta con ms de un material. Talesmezclas son no lineales en carcter y por lo tantoms difciles de desenredar.

Reflectancia en Banda 1

Grfico de n-dimensiones de laespectrometra de tres endmembers paraun caso hipottico de 2 bandas. Todoslos espectros que son mezclados en A,B, y C solo deben caer dentro delespacio de mezcla.

Reflectancia

enBand

a2 Espectro A

Espectro CEspectro B

Espaciomezclado

0

20

40

60

0.4 0.6 0.8 1.0 1.2 1.4 1.6 1.8 2.0 2.2 2.4

A

B

C


Reflectancia(%)

C = 60% A + 40% B

Ejemplo de un espectro compuesto (C) que es unamezcla lineal de dos espectrometras: A (suelo seco)y B (vegetacin verde).


11/24


page 11

Radiancia y Reflectancia

De las discusiones de las pginas anteriores, debera estar claro que la reflectancia espectrales una propiedad de las caractersticas del terreno que sera capaz de medirse precisa y

exactamente usando un sensor hiperespectral de avin o satlite. Pero mire el espectro debrillo de la ilustracin de abajo. Este es el promedio de 25 imgenes espectrales medidaspor el sensor AVIRIS sobre la superficie brillante de un lago seco en Cuprite, escena deNevada. La espectrometra de entrada ha sido ajustada por los efectos del sensor usandodatos de calibracin a bordo, pero no otras transformaciones han sido aplicadas.

Este espectro no tiene mucha semejanza con el espectro de reflectancia previamente ilustrada.Esto es porque el sensor ha medido simplemente la cantidad de luz reflejada alcanzada encada banda de longitud de onda (radiancia espectral), en este caso desde una altitud de 20

kilmetros. La reflectancia espectral de los materiales de superficie es slo uno de losfactores que afectan los valores medidos. La curva de reflectancia espectral para el reamuestral es en realidad plana y sin rasgos.

Adems de la reflectancia de superficie, la radiancia espectral medida por un sensor remotodepende del espectro de entrada de energa solar, las interacciones de esta energa durantesus travesas hacia arriba y abajo a travs de la atmsfera, la geometra de iluminacin de lasreas individuales sobre el terreno, y las caractersticas del sistema del sensor. Estosfactores adicionales no slo afectan nuestra habilidad de recuperar valores de reflectancia

espectral exactos para los rasgos de superficie, pero tambin introducen variabilidadesadicionales dentro de la escena los cuales obstaculizan las comparaciones individuales entreceldas de imagen. Estos factores son discutidos en mayor detalle en las prximas dos

pginas.

Longitud de onda, (micrmetros)

0.5 1.0 1.5 2.0 2.5

BrilloR

elativoenelSensor Brillo promedio medidopara una porcin de la

superficie de playa(cuadrado rojo a laderecha)


12/24


page 12

Fuente de Iluminacin La figura de abajo muestra una curva tpica de irradiancia solardesde el tope de la atmsfera terrestre. La energa solar entrante varia ampliamente con la

longitud de onda, con un mximo en el rango de la luz visible. El espectro de la energa solarentrante de la hora en que la imagen fue adquirida debe ser conocida, asumida, o derivadaindirectamente desde otras mediciones para convertir los valores de imagen de radiancia avalores de reflectancia.

Geometra de la Iluminacin La cantidad de la energa reflejada por un rea sobre lasuperficie depende de la cantidad de energa solar que ilumine el rea, la cual a su vezdepende del ngulo de incidencia: el ngulo entre la trayectoria de la energa entrante y unalnea perpendicular a la superficie terrestre. Especficamente, la energa recibida en cadalongitud de onda (Eg) vara con el coseno del ngulo de incidencia (q): Eg = Eo x cos q,donde Eo es la cantidad de energa entrante. La energa recibida por cualquier rea desuperficie por lo tanto vara a medida que la altura del sol cambia con la hora del da y laestacin del ao. Si el terreno no es plano, la energa recibida tambin vara instantneamentea lo largo de la escena por las diferencias en pendiente y direccin.

Sombreamiento La cantidad de iluminacinrecibida por un rea puede ser tambinreducida por sombras. Las sombrasmoldeadas por los rasgos topogrficos onubes pueden afectar las reas incluyendomuchas celdas de imagen contiguas. Losrboles, las hileras de cultivos, afloramientosrocosos, u otros objetos pequeos tambin

pueden moldear las sombras que sonconfinadas en una imagen de celda individual.

Ambos tipos de sombras tienen el efecto de bajar la cantidad de brillo a lo largo de todas laslongitudes de onda de los pxeles afectados.

Factores de Iluminacin

Longitud de onda (micrmetros, m)

IrradianciaEpe

ctral

(kilowatts/m2

m)

2.5

2.0

1.5

1.0

0.5

0 0.5 1.0 1.5 2.0 2.5 3.0

Energa solar llegando al

tope de la atmsfera

Las diferencias de iluminacin pueden llegardesde diferentes ngulos de incidencia (q)tanto para A y B, o desde el sombreamiento

(C).

AB

C


13/24


page 13

Efectos Atmosfricos Aun una atmsfera relativamente clara interacta con la energasolar entrante y reflejada. Para ciertas longitudes de onda, estas interacciones reducen la

cantidad de energa entrante que alcanzan el terreno y adems reducen la cantidad de energareflejada que alcanza un sensor de avin o de satlite. La transmitancia de la atmsfera esreducida por la absorcin de ciertos gases y por la dispersin de molculas de gas y

partculas. Estos efectos combinados producen la curva de transmitancia ilustrada abajo.Los rasgos de absorcin pronunciada cerca de 1.4 y 1.9 mm causada por el vapor de aguay el dixido de carbono, reducen la energa incidente y reflejada casi completamente, estainformacin til tan pequea puede ser obtenida desde bandas de imagen en estas regiones.En esta curva no es mostrada el efecto de la luz dispersada hacia arriba por la atmsfera.Esta luz dispersada es aadida a la radiancia medida por el sensor en las longitudes de onda

del visible y del infrarrojo cercano, y es llamada path radiance (radiancia de trayectoria).Los efectos atmosfricos tambin pueden diferir entre reas en una escena individual si lascondiciones atmosfricas son variables espacialmente o si hay diferencias significativas deelevacin terrestre que varan la longitud de la trayectoria de la radiacin a travs de laatmsfera.

Efectos del Sensor Un sensor convierte la radiancia detectada en cada canal de longitudde onda a una seal elctrica la cual es escalada y cuantificada dentro de valores enterosdiscretos que representan los valores de radiancia codificados. Las variaciones entredetectores de una serie, como tambin los cambios temporales en los detectores, puedenrequerir de mediciones crudas para ser escaladas y /o offset para producir valorescomparables.

Grfico de la transmitancia atmosfrica versus la longitud de onda para condiciones atmosfricas tpicas. Latransmitancia es la proporcin de la energa solar incidente que alcanza la superficie terrestre. La absorcin delos gases etiquetados causan bajas pronunciadas en la curva, mientras que la dispersin es la responsable porel decrecimiento suave en transmitancia a medida que decrece la longitud de onda en el infrarrojo cercano atravs del rango de la longitud de onda del visible.

Efectos Atmosfricos y de Sensor


Transmitancia

H2O

H2O,

CO2

H2O

H2O

CO2

H2O

H2O

1.0

0.8

0.6

0.4

0.2

00.5 1.0 1.5 2.0 2.5

O2

O2O3

Visible Infrarrojo Cercano Infrarrojo Medio

CO2

CO2O2H2O,CO2


14/24


page 14

Para comparar directamente la espectrometra de la imagen hiperespectral con la referenciade espectrometra de reflectancia, los valores codificados de radiancia en la imagen deben

ser convertidos a reflectancia. Una conversin global debe considerar la fuente solarespectral, los efectos de luminosidad debidos al ngulo solar y la topografa, la transmisinatmosfrica, y la ganancia del sensor. En trminos matemticos, la reflectancia espectraldel terreno es multiplicada (sobre la base de longitud de onda por longitud de onda) porestos efectos para producir el espectro de radiancia medida. Otros dos factores contribuyende una manera aditiva a la espectrometra de la radiancia: sensor offset (ruido de instrumentosinternos) y la trayectoria de radiancia debido a la dispersin atmosfrica. Varias estrategiasde conversin comnmente usadas son discutidas abajo y en las paginas siguientes. Algunasestrategias slo usan informacin sacadas desde la imagen, mientras que otras requieren

varios grados de conocimiento de las propiedades de reflectancia de superficie y lascondiciones atmosfricas a la fecha en que la imagen fue adquirida.

Conversin de campo plano Este mtodo basado en imgenes requiere que la imagenincluya una rea uniforme que tenga una curva de reflectancia espectral relativamente

plana. El espectro promedio de tal rea seria dominado por los efectos combinados de lairradiancia solar y la dispersin atmosfrica y la absorcin. Ya que pocos si alguno de losmateriales en paisajes naturales tienen un espectro de reflectancia completamente plano,encontrar un campo plano es difcil para la mayora de las escenas. Para escenas desrticas,lagos secos de sal incrustada presentan una espectrometra relativamente plana, y materiales

brillantes hechos por el hombre tales como concreto pueden servir en escenas urbanas.Cualquier rasgo significativo de absorcin espectral en el espectro de campo plano aumentarlos rasgos espurios en los clculos del espectro de reflectancia relativa. Si hay variacionesde elevacin significativas dentro de la escena, el espectro convertido tambin incorporarefectos residuales de sombras topogrficas y diferencias de trayectoria atmosfrica.

Conversin de Reflectancia Relativa Promediada Este mtodo tambin normaliza elespectro de imgenes al dividirlas por la espectrometra promedio, pero deriva laespectrometra promedio de la imagen completa. Antes de calcular el espectro promedio,

los valores de radiancia en cada imagen espectral son escalados de tal forma que su suma esconstante en la imagen entera. Este ajuste remueve gran parte de las sombras topogrficasy otras variaciones globales de brillo. Este mtodo asume que la escena es suficientementeheterognea de tal forma que las variaciones en caractersticas reflectancias espectralessern anuladas, produciendo un espectro promedio similar al campo plano espectral descritoarriba. Esta suposicin no es verdadera para todas las escenas, y cuando no es verdaderael mtodo producir espectrometras de reflectancia relativa que contienen rasgos espectralesespurios.

Conversin de Reflectancia I


15/24


page 15

Conversin de Reflectancia II

Los mtodos de conversin basados en imgenes discutidos en las pginas previas solamenteguardan relacin con contribuciones multiplicativas a la espectrometra de la imagen. La

mayora de los estudios que han usado estos mtodos se han focalizado en el mapeo deminerales usando el espectro de onda corta del infrarrojo (2.0 a 2.5 m) para la cual elefecto atmosfrico aditivo en la radiancia de trayectoria es mnimo. Si la espectrometra aser analizada incluye los rangos del visible e infrarrojo cercano, sin embargo, los efectos dela radiancia de trayectoria no deberan ser descuidados. Si la escena incluye materialesoscuros o profundas sombras topogrficas, una correccin aproximada puede ser hechadeterminando (para cada banda) el valor de brillo mnimo (o el valor promedio del reasombreada) y sustrayndola para cada pxel en la banda.

Mtodo Lineal Emprico Los investigadores de campo que usan imgenes hiperespectralestpicamente usan medidas de reflectancia de campo desde el rea de imagen para convertirlos datos de la imagen a reflectancia. La espectrometra de reflectancia de campo debe seradquirida desde dos o ms blancos terrestres de reas uniformes. Las reas de blancodeberan ser ampliamente diferentes en brillo y ser suficientemente grandes para serreconocidas en la imagen. Usando la radiancia de la imagen y los valores de reflectanciaterrestres para los blancos, una ecuacin lineal que relacione la radiancia a la reflectancia

puede ser derivada para cada banda de imagen. En ungrafico de radiancia versus reflectancia, la pendiente de lalnea calculada cuantifica los efectos combinados de losfactores de radiancia multiplicativos (gain), mientras quela intercepcin con los ejes de la radiancia representan elcomponente aditivo (offset). Estos valores son entoncesusados para convertir cada banda de imagen a lareflectancia aparente. Los valores finales deberan serconsiderados de reflectancia aparente ya que laconversin no considera por los posibles efectostopogrficos dentro de la escena (las diferencias de sombrasy la longitud de la trayectoria atmosfrica).

Mtodos de Modelos Los modelos de clculo detransferencia relativa comienzan con la espectrometrasimulada de irradiancia solar, entonces calcula los efectosde radiancia de la elevacin solar en la escena (derivada desde el da y hora de la escena) yla dispersin y absorcin atmosfrica. En la ausencia de mediciones de las condicionesactuales atmosfricas, el usuario debe estimar algunos parmetros de entrada, tal como lacantidad y distribucin de los agentes de dispersin. La absorcin de gases bien mezclados(CO

2yO

2) es asumida que es uniforme a lo largo de la escena pero la absorcin debida al

vapor de agua es frecuentemente variable. Los efectos de absorcin del vapor de aguapueden ser estimados y corregidos individualmente para cada pxel de imagen usandoporciones del espectro que incluya las bandas de absorcin de agua. Sin embargo, losvalores finales de reflectancia aparente pueden aun incorporar los efectos de sombrastopogrficas.

Reflectancia

Radiancia

Objetivo brillante

Objetivo oscuro

Pendiente = gain

Parmetros de conversin de

reflectancia para una imagende banda individual usandoblancos de valores dereflectancia conocidos.

Intercepcin = offset


16/24


page 16

Estrategias para el Anlisis de Imgenes

La tabla de abajo lista algunos de los espectrmetros de imgenes que estn actualmentesiendo operados para propsitos de investigacin o comercial. Las imgenes hiperespectrales

producidas por estos sensores presentan un desafo para el analista. Ellas proveen laresolucin espectral fina necesaria para caracterizar las propiedades espectrales de losmateriales de superficie pero el volumen de datos en una escena individual puede pareceragobiante. La diferencia en informacin espectral entre dos bandas de longitudes de ondaadyacentes es tpicamente muy pequea y sus imgenes en escalas de grises por lo tantoaparecen prcticamente idnticas. Gran parte de los datos en una escena por lo tantoapareceran redundantes, pero intrincada en ella hay informacin crtica que frecuentemente

puede ser usada para identificar los materiales de superficie terrestre. Encontrar lasapropiadas herramientas y aproximaciones para visualizar y analizar la informacin esencial

en una escena hiperespectral permanece un rea de investigacin activa.La mayora de las aproximaciones para analizar imgenes hiperespectrales se concentra enla informacin espectral en las celdas de imgenes individuales, mas que en las variacionesespaciales dentro de bandas individuales o grupo de bandas. Los mtodos de clasificacinestadstica (clustering) usados frecuentemente con imgenes multiespectrales tambin puedenser aplicados a imgenes hiperespectrales pero pueden necesitar ser adaptados para ma-nipular su alta dimensionalidad (Landgrebe, en prensa). Mtodos ms sofisticados combinanambos anlisis espectral y espacial. Las siguientes paginas detallan algunas de los mtodos

populares para analizar el contenido espectral de imgenes hiperespectrales.

Una muestra de Espectrmetros de Imagen para Investigacin y Comercio

rosneS noitazinagrO yrtnuoCrebmuN

sdnaBfo

htgnelevaW

(egnaR )m

SIRIVA ASANdetinUsetatS

422 5.2-4.0

ASIA .dtLgnigamIlartcepS dnalniF 682 9.0-54.0

ISAC hcraeseRsertI adanaC 882 78.0-34.0

SIAD5112

.proCREGdetinUsetatS

112 0.21-4.0

PAMYHscinortcepSdetargetnI

dtLytP ailartsuA 821 54.2-4.0

1-EBORPsecneicShcraeShtraE

.cnIdetinUsetatS

821 54.2-4.0


17/24


page 17

Igualando la Espectrometra de cada Imagen

Una aproximacin para analizar una imagen hiperespectral es intentar igualar cadaespectrometra individual de cada imagen a un espectro de reflectancia de referencia en una

biblioteca espectral. Esta aproximacin requiere de una conversin exacta del espectro deimagen a reflectancia. Trabaja mejor si la escena incluye reas extensas de materialesesencialmente puros que tienen correspondientes espectrometras de reflectancia en la

biblioteca de referencia. Una espectrometra observada mostrar tpicamente varios gradosde igualdad para un nmero de espectrometras de referencia similar. La igualdad de laespectrometra de referencia debe ser clasificada usando alguna medida de buen ajuste, conel mejor ajuste designado elganador.

La igualdad espectral es complicada

por el hecho que la mayora de lasescenas hiperespectrales incluyenmuchos pxeles de imagen querepresentan mezclas espaciales dediferentes materiales (ver pgina10). La imagen resultante deespectrometra compuesta puedeigualar una variedad deespectrometras de referencia

pura en grados variables, quizsincluyendo algunas espectrometrasde materiales que no estnrealmente presentes. Si la mejor igualdad de espectrometra de referencia tiene un ajustesuficiente a la espectrometra de la imagen, entonces este material es probablemente eldominante en la mezcla y el pxel es asignado a ese material. Si no hay un espectro dereferencia que alcance una igualdad suficiente, entonces no hay un endmember que domine,y el pxel no debera ser asignado. El resultado en un mapa de materiales de la imagen querepresenta el material dominante para la mayora de las celdas de imagen, tal como en el

ejemplo mostrado abajo. Algunos ejemplos de espectrometra mezclada pueden ser incluidosen la biblioteca para mejorar el mapeamiento, pero no es usualmente posible incluir todaslas posibles mezclas (y todas las proporciones de mezclas) en la biblioteca de referencia.

Ejemplo de espectrometra de imagen y una

espectrometra igualada del mineral alunita de labiblioteca del USGS (ajuste de calidad = 0.91).

2.42.1 2.2 2.3Longitud de onda (micrmetros)

1.0

0.8

0.6

0.4

0.2

Reflectancia

Imagen

Biblioteca

Mapa de minerales de parte dela escena AVIRIS de Cuprite,creada para igualar el espectrode la imagen con el espectro deminerales en la biblioteca de la

USGS. Las reas blancas noproducen una igualdadsuficiente con cualquiera de lasespectrometras de reflectanciaseleccionadas, y por lo tanto noson asignadas.

Alunita

Kaolinita

Alunita + Kaolinita

Montmorillonita

Calcedonia

Minerales


18/24


page 18

Mtodos de Ajuste Espectral

La forma de una espectrometra de reflectancia puede usualmente ser quebrada dentro dedos componentes: amplia, regiones de cambio parejas que definen la forma general del

espectro y angosta, a travs de los rasgos de absorcin. Esta distincin conduce a dosdiferentes aproximaciones para igualar el espectro de las imgenes con el espectro dereferencia.

Muchos materiales puros, tales como minerales, pueden ser reconocidos por la posicin,fuerza (profundidad), y forma de sus rasgos de absorcin. Una estrategia comn de ajusteintenta ajustar solo los rasgos de absorcin en cada candidato de referencia espectral eignora las otras partes del espectro. Un set nico de regiones de longitudes de onda es porlo tanto examinada para cada candidato de referencia, determinada por las localizaciones desus rasgos de absorcin. La posicin local y pendiente del espectro puede afectar la fuerza

y forma de un rasgo de absorcin, as estos parmetros relativos son usualmente determinadosal continuum: el lmite superior de la forma del espectro general. El continuum es computado

para cada subset de longitud de onda y removida dividiendo la reflectancia en cada canalespectral por su valor continuum correspondiente. Los rasgos de absorcin pueden entoncesser ajustados usando un set de valores derivados (incluyendo la profundidad y el ancho amedia profundidad), o usando la forma completa del rasgo. Este tipo de procedimientoshan sido organizados dentro de un sistema experto por investigadores del U.S. GeologicalSurvey Spectroscopy Lab(Clark y otros, 1990).

Muchos otros materiales,tales como rocas y suelos,

pueden carecer de rasgosdistintivos de absorcin.Estas espectrometras

pueden ser caracterizadas porsu forma general. Los

procedimientos de ajuste usan

el espectro completo(omitiendo las bandas deimagen ruidosas severamenteafectadas por la absorcinatmosfrica) o un subset delongitudes de onda uniformes

para todos los materialescandidatos. Una aproximacin busca ajustar el espectro con la mnima diferencia enreflectancia (banda por banda) desde la espectrometra de la imagen (cuantificada por laraz cuadrada de la suma de los errores cuadrados). Otra aproximacin trata cada espectrocomo un vector en el espacio espectral y encuentra el espectro de referencia generando elngulo ms pequeo con el espectro de la imagen observada.

Espectro de reflectancia para el mineral de yeso (A)con varios rasgos de absorcin. La curva B muestrael continuum para el espectro, y C el espectro despusde la remocin del continuum.

0.5 1.5 2.5

1.0

0.8

0.6

0.4

0.2

0

Longitud de onda (m)

Reflectancia

A

B

C

1.0 2.0


19/24


page 19

La Desmezcla Lineal

Porcin de una escenaAVIRIS con bosque, camposdesnudos y vegetados, y unro, mostrados con una

banda de combinacin color-infrarroja (la vegetacin esroja). Las fracciones deimagen de desmezcla linealson mostradas abajo.

Fraccin Vegetacional

Agua / Fraccin sombra

Fraccin Suelo

La desmezcla lineal es una aproximacin alternativa a laigualdad espectral simple. Su premisa fundamental es que

una escena incluye un numero relativamente pequeo demateriales comunes con mas o menos propiedades espectralesconstantes. Ademas, mucha de la variabilidad espectral enuna escena puede ser atribuida a la mezcla espacial, en

proporciones variables, de estos componentes endmembercomunes. Si podemos identificar el espectro del endmember,

podemos matemticamente desmezclar cada espectro delos pxeles para identificar la abundancia relativa de cada ma-terial endmember.

Los modelos de procedimientos de desmezclar en cadaespectro de imagen suman las abundancias fraccionales delespectro endmember, con las restricciones adicionalesfracciones que deberan sumar 1.0. El mejor set de ajustes defracciones es encontrado usando los mismos ajustes espectralesen los procedimientos descritos en pginas anteriores. Unafraccin de imagen para cada endmember destila la abundanteinformacin dentro de una forma que es enseguidainterpretada y manipulada. Una imagen mostrando el error

residual para cada pxel ayuda a identificar las partes de laescena que no estn adecuadamente modeladas para el setseleccionado de endmembers.

El desafo en una desmezcla lineal es identificar un set deendmembers espectrales que correspondan a los componentesfsicos sobre la superficie. Los endmembers pueden serdefinidos directamente desde la imagen usando informacinde campo o una seleccin tcnica emprica tal como aquella

resumida en la prxima pagina la cual puede ser usada.Alternativamente, la espectrometra de reflectancia de losendmember puede ser seleccionada desde una biblioteca dereferencia, pero esta aproximacin requiere que la imagen hayasido convertida precisamente a reflectancia. Las variacionesde luz pueden ser incluidas directamente en el modelo demezcla definiendo un endmember de sombra que se puedamezclar con el material espectral real. Una espectrometra desombra puede ser obtenida directamente desde una porcin

profundamente oscurecida de la imagen. En la ausencia desombras profundas, el espectro de una superficie de asfaltooscura o un cuerpo de agua profunda puede aproximar elespectro de sombra, como en el ejemplo de la derecha.


20/24


page 20

Definiendo los Endmembers de Imagen

Cuando los endmembers espectrales son definidos desde una imagen hiperespectral, cadaendmember de imagen debera tener la mxima abundancia del material fsico que representa.

(Idealmente, cada endmember seria un material puro individual, pero pixeles puros decada endmember podran no ser representados en la imagen). Si las espectrometras deimagen son representados como puntos en un grfico de n-dimensiones, los endmemberscorresponderan a la cspide en el borde de una nube de puntos espectrales.

Un procedimiento comn para aislar endmember candidatos de imagen involucra variospasos. Debido al alto grado de correlacin entre bandas espectrales adyacentes, ladimensionalidad del set de datos primero puede ser reducida aplicando la transformacinde la Fraccin del Ruido Mnimo (MNF) y reteniendo los nmeros pequeos de loscomponentes libres de ruido. La transformacin MNF (Green et al. 1988) es una

transformacin de componente principal de ruido ajustado que estima y ecualiza la cantidadde ruido en cada banda de imagen para asegurar que los componentes de salida estnordenados por su cantidad de contenido de imagen. Segundo, un procedimiento automticoes aplicado a los componentes MNF para encontrar las espectrometras extremas alrededorde los mrgenes de los datos de nubes de n-dimensiones. Uno de aquello procedimientoses el ndice de Pxeles Puros (PPI). Este examina una seria de direcciones orientadas al azarque irradian hacia fuera desde el origen del espacio de coordenadas. Para cada direccin atestar, todos los puntos espectrales son proyectados dentro del vector a testar, y elespectro extremo (bajo y alto) es destacado. Como las direcciones son testadas, el proceso

cuenta el nmero de veces que cada celda de imagen es encontrada extrema. Los pxeles convalores altos en el raster PPI resultante corresponderan primariamente a los bordes de lanube de datos del MNF. En el tercer paso, el raster PPI es usado para seleccionar pxelesdesde un set de datos del MNF para visualizarlos en un grafico rotante de n-dimensiones(usando una herramienta tal como el Visualizador de n-dimensiones en el proceso deAnlisis Hiperespectral en TNTmips). Al visualizar la nube espectral PPI desde variasdirecciones, el analista puede identificardirecciones significantes, marcar los puntosespectrales que son extremos en aquellas

direcciones, y guardar una imagen de las celdasmarcadas. Finalmente, la celda de imagenmarcada es sobrepuesta a la imagenhiperespectral original y usada como gua paraseleccionar y examinar el espectro de la imagen.Los mejores candidatos endmember espectralesson entonces guardados en una biblioteca parausarlos en desmezclar imgeneshiperespectrales.

Grfico simple de dos componentesde una de las direcciones vectoriales

al azar (flecha) testada por el ndicede Pureza de Pxel. Todos los puntosespectrales son proyectados a cadavector testado, y los puntos extremos

MNF Componente 1

MNFCompone

nte2 Espectro extremo


21/24


page 21

Desmezcla Parcial

Algunas aplicaciones de imgenes hiperespectrales no requieren encontrar la abundanciafraccional de todos los componentes de endmembers en la escena. En su lugar el objetivo

puede ser detectar la presencia y abundancia de un material objetivo individual. En estecaso una desmezcla espectral completa no es necesaria. Cada pxel puede ser tratado comouna mezcla potencial del objetivo de la firma espectral y una firma compuesta representandotodos los otros materiales en la escena. El encontrar la abundancia de los componentesobjetivos es entonces esencialmente un problema de desmezcla parcial.

Los mtodos para detectar un espectro objetivo contra un fondo de espectrometradesconocida son frecuentemente referidos como filtros de igualdad, un trmino prestadodesde un procesamiento de seal de radio. Varios algoritmos de filtros de igualdad hansido desarrollados, los que incluyen la proyeccin del subespacio ortogonal y minimizacin

de la energa restrictiva (Farrand y Harsanyi, 1994). Todas estas aproximaciones realizantransformaciones matemticas del espectro de la imagen para acentuar la contribucin delespectro objetivo, mientras que minimizan el fondo. En un sentido geomtrico, los mtodosde filtros de igualdad encuentran una proyeccin del espacio espectral de n-dimensionesque muestra el rango completo de abundancia del espectro objetivo, pero esconde lavariabilidad de fondo. En la mayora de los casos los espectros que contribuyen al ambientede fondo son desconocidos, as la mayora de los filtros de igualdad usan mtodos estadsticos

para estimar la firma compuesta de fondo desde la misma imagen. Algunos mtodos slotrabajan bien cuando el material objetivo es raro y no contribuye significativamente a la

firma de fondo. Una versin modificada de los filtros de igualdad usa las derivadas delespectro en vez del mismo espectro, lo cual mejora la igualdad espectral con diferentes

brillos en su conjunto.

Imgenes de Fraccin producidas por Filtros de Igualdad (izquierda) y Filtros de Igualdad deDerivadas (derecha) para una porcin de la escena AVIRIS de Cuprite. El espectro de laimagen objetivo representa el mineral alunita. Los tonos ms brillantes indican pxeles confracciones ms altas de alunita. La imagen producida por Filtros de Igualdad de Derivadasmuestra menos ruido de imagen, bordes mas cerrados, y un mejor contraste entre reascon diferentes fracciones de alunita.


22/24


page 22

General

Kruse, F.A. (1999). Visible-Infrared Sensors and Case Studies. In Renz, AndrewN. (ed),Remote Sensing for the Earth Sciences: Manual of Remote Sens-ing(3rd ed.), Vol 3. New York: John Wiley & Sons, pp. 567-611.

Landgrebe, David (in press). Information Extraction Principles and Methods forMultispectral and Hyperspectral Image Data. In Chen, C.H. (ed.),Infor-mation Processing for Remote Sensing. River Edge, NJ: World ScientificPublishing Company. Manuscript available for download at http://dynamo.ecn.purdue.edu/~landgreb/publications.html.

Vane, Gregg, Duval, J.E., and Wellman, J.B. (1993). Imaging Spectroscopy ofthe Earth and Other Solar System Bodies. In Pieters, Carle M. and Englert,Peter A.J. (eds.),Remote Geochemical Analysis: Elementatl and Miner-alogic Composition. Cambridge, UK: Cambridge University Press, pp.121-143.

Vane, Gregg, and Goetz, A.F.H. (1988). Terrestrial Imaging Spectroscopy. Re-mote Sensing of Environment, 24, pp. 1-29.

Firmas de Reflectancia Espectral

Ben-Dor, E., Irons, J.R., and Epema, G.F. (1999). Soil Reflectance. In Renz, AndrewN. (ed),Remote Sensing for the Earth Sciences: Manual of Remote Sens-ing(3rd ed.), Vol 3. New York: John Wiley & Sons, pp. 111-188.

Clark, Roger N. (1999). Spectroscopy of Rocks and Minerals, and Principles ofSpectroscopy. In Renz, Andrew N. (ed),Remote Sensing for the EarthSciences: Manual of Remote Sensing(3rd ed.), Vol 3. New York: JohnWiley & Sons, pp. 3-58.

Ustin, S.L., Smith, M.O., Jacquemoud, S., Verstraete, M., and Govaerts, Y. (1999).Geobotany: Vegetation Mapping for Earth Sciences. In Renz, Andrew N.(ed),Remote Sensing for the Earth Sciences: Manual of Remote Sensing(3rd ed.), Vol 3. New York: John Wiley & Sons, pp. 189-248.

Conversin de Reflectancia

Farrand, William H., Singer, R.B., and Merenyi, E., 1994, Retrieval of Apparent

Surface Reflectance from AVIRIS Data: A Comparison of Empirical Line,Radiative Transfer, and Spectral Mixture Methods. Remote Sensing ofEnvironment, 47, 311-321.

Referencias


23/24


page 23

Referencias

Goetz, Alexander F.H., and Boardman, J.W. (1997). Atmospheric Corrections: OnDeriving Surface Reflectance from Hyperspectral Imagers. In Descour,

Michael R. and Shen, S.S. (eds.), Imaging Spectrometry III: Proceedingsof SPIE, 3118, 14-22.

van der Meer, Freek (1994). Calibration of Airborne Visible/Infrared ImagingSpectrometer Data (AVIRIS) to Reflectance and Mineral Mapping inHydrothermal Alteration Zones: An Example from the Cuprite MiningDistrict. Geocarto International, 3, 23-37.

Anlisis de Imgenes Hiperespectrales

Adams, John B., Smith, M.O., and Gillespie, A.R. (1993). Imaging Spectroscopy:Interpretation Based on Spectral Mixture Analysis. In Pieters, Carle M.and Englert, Peter A.J. (eds.),Remote Geochemical Analysis: Elementatland Mineralogic Composition. Cambridge, UK: Cambridge UniversityPress, pp. 145-166.

Clark, R.N., Gallagher, A.J., and Swayze, G.A. (1990). Material absorption banddepth mapping of imaging spectrometer data using a complete band shapeleast-squares fit with library reference spectra. Proceedings of the Sec-ond Airborne Visible/Infrared Imaging Spectrometer (AVIRIS) Workshop,JPL Publication 90-54, pp. 176-186.

Cloutis, E.A., (1996). Hyperspectral Geological Remote Sensing: Evaluation ofAnalytical Techniques.International Journal of Remote Sensing, 17, 2215-2242.

Farrand, William H., and Harsanyi, J.C. (1994). Mapping Distributed Geologi-cal and Botanical Targets through Constrained Energy Minimization.

Proceedings of the Tenth Thematic Conference on Geological RemoteSensing, San Antonio, Texas, 9-12 May 1994, pp. I-419 - I-429.

Green, Andrew A., Berman, M., Switzer, P., and Craig, M.D. (1988). A Trans-formation for Ordering Multispectral Data in Terms of Image Quality withImplications for Noise Removal. IEEE Transactions on Geoscience and

Remote Sensing, 26, 65-74.

Mustard, John F., and Sunshine, J.M. (1999). Spectral Analysis for Earth Sci-

ence: Investigations Using Remote Sensing Data. In Renz, Andrew N.(ed),Remote Sensing for the Earth Sciences: Manual of Remote Sensing(3rd ed.), Vol 3. New York: John Wiley & Sons, pp. 251-306.


24/24


24

I

N

T

R

O

A

HI

P

E

R

S

P

M icr oI mages, I nc.11th Floor - Sharp Tower206 South 13th StreetLincoln, Nebraska 68508-2010 USA

Telfono: (402) 477 9554 email: info@microimages com

Indiceabsorcin

bandas...........................................................5-7

atmsfera............................................................13,18atmsfera

absorcin por..........................................13,18dispersin por..............................................13

continuum...............................................................18iluminacin......................................................11,12espectrometra de imgenes ...................4, 10, 16irradiancia, solar...................................................12desmezcla lineal..............................................19-21filtro de ajuste .......................................................21

espectro de igualdad, ....................................17,18transformacin de la fraccin min. de ruido...20ndice de pureza de pixel....................................20resolucin, espacial.............................................10dispersin.....................................................4, 5, 13efectos del sensor ................................................13sombreamiento......................................................12bibliotecas espectrales..........................................8

radiancia espectral ...............................................11reflectancia espectral .......................................5-11

convertiendo la imagen a....................14-15curva Vea espectrodefinida............................................................5

espacio espectral ...................................................9espectrometra.........................................................4espectroscopio..................................................4, 5espectro (espectra)

endmember............................................19, 20imagen...............................................3, 17-20en biblioteca.................................................8mineral............................................................6

mezclada......................................................10vegetacion....................................................7graficando.....................................................9reflectancia.............................................5-11suelo..............................................................5solar............................................................12agua..............................................................5

MicroImages, Inc. publica una completa lnea de software profesional para visualizacin avanzadade datos geoespaciales, anlisis y publicaciones. Contctenos o visite nuestro sitio web parainformacin detallada de los productos.TNTmips TNTmips es un sistema profesional para integracin completa de SIG, anlisis de

imgenes, CAD, TIN, cartografa, y manejo de bases de datos geoespaciales.TNTedit TNTedit provee de herramientas interactivas para crear, georreferenciar, y editar

vector, imgenes, CAD, TIN, y proyectos de materiales de bases de datos relacionales en unaamplia variedad de formatos.

TNTview TNTview posee las mismas poderosas caractersticas de TNTmips, y es perfectopara aquellos que no necesitan los procesamientos y preparaciones de TNTmips.

TNTatlas TNTatlas le permite publicar y distribuir sus materiales de proyectos espaciales enCD-ROM a bajo costo. Los CDs de TNTatlas pueden ser usados sobre cualquier plataformacomputacional.

TNTserver TNTserver le permite publicar TNTatlases en Internet o en su intranet. Navegue atravs de atlas de geodata con su web browser y el TNTclient Java applet.

TNTli te TNTlite es una versin libre de TNTmips para estudiantes y profesionales conpequeos proyectos. Usted puede descargar TNTlite desde el sitio web de MicroImages, opuede ordenar TNTlite en CD-ROM.

Software Avanzado para Anlisis Geoespacial

es hyprspec

Documents