Autores: Freddy Flores A, Glenis Valencia G, Maritza Silva C. Centro de Procesamiento Digital de Imágenes (CPDI).FIIIDT.
La investigación original y el trabajo que dio origen a esta nota técnica, fueron realizados por los profesionales Jofmar Sánchez y Aimara Reyes, y presentado en el 1er Congreso Nacional de Geomática 2015, ambos profesionales activos para su momento adscritos al Centro de Procesamiento Digital de Imágenes (CPDI) de la Fundación Instituto de Ingeniería (FIIIDT).
Introducción.
Venezuela es un país donde la mayor concentración de su población vive en zonas definidas como urbanas, ya sean estas ciudades y pueblos, e históricamente, el proceso de ocupación territorial ha sido, concentración de la población y de actividades económicas al norte del rio Orinoco en estos espacios. Este desequilibrio en el patrón de poblamiento, le ha restado dinamismo al territorio, y a su vez, ha creado graves problemas sociales en sus principales ciudades, tales como estancamiento, migraciones y marginalidad.
Por su parte la detección de cambios consiste en identificar diferencias en el estado de una característica o fenómeno, por observaciones que se hacen en diferentes momentos. Las imágenes de sensores remotos ofrecen una fuente invaluable de datos para detectar y seguir los cambios de un determinado fenómeno o variable geoambiental en el tiempo y en el espacio.
La información adquirida por un sensor situado en una órbita estable y repetitiva, como son las imágenes de satélite, constituyen una fuente muy valiosa para estudiar los cambios que se producen en la superficie terrestre (Chuvieco, 1.996), ya sean debidos al ciclo estacional de las cubiertas, a catástrofes naturales o a alteraciones hechas por el hombre. El ritmo máximo de observación depende de la resolución temporal del sensor aunque en términos prácticos ese periodo se amplia, si consideramos la cobertura nubosa o posibles problemas generados por el sensor. Así, la frecuencia de observación puede adaptarse al estudio de diversos problemas, desde la dinámica atmosférica, que requiere una observación continua, hasta los cambios urbanos o agrícolas, que solo precisan actualización en el orden de meses o años.
Este trabajo de investigación se apoyó en metodologías usadas en la Geomática, a través de algoritmos muy específicos en temas de detección de cambios, específicamente para las áreas urbanas, usando datos multiespectrales y multitemporales de las imágenes, en razón de la constante adquisición de imágenes en el tiempo y en diferentes rangos espectrales, que hace posible determinar la extensión y categoría de los cambios que se dan en el territorio.
Se utilizaron técnicas de procesamiento digital de imágenes, tales como: sobreposición de imágenes, diferencia entre imágenes y análisis de componentes principales, etc. Para lo cual se utilizó la serie de imágenes de los satélites Landsat y Spot por existir una disponibilidad de datos de más de 25 años, lo que permite realizar estudios de este tipo en ámbitos urbanos con rangos de tiempo hasta superiores a los 20 años. Para esto, se propuso el uso de tecnologías asociadas a la teledetección para estudiar, multitemporalmente, la expansión urbana en las ciudades venezolanas, Barquisimeto, Ciudad Bolívar y Barcelona –Puerto La Cruz, con la finalidad de indicar el crecimiento urbano y mostrar las áreas que tuvieron mayor impacto de crecimiento y cambio. Para efectos de ésta nota técnica se analizará solo lo referente a la conurbación Barcelona – Puerto La Cruz, estado Anzoátegui. Estas se localizan al noreste del país, específicamente al norte del estado Anzoátegui, siendo Barcelona su capital. Han sido ciudades de importancia económica, turística, y polos de desarrollo que han traído como consecuencia atracción y concentración de población en el tiempo. Figura 1.
La temporalidad para la investigación, entre la fecha inicial y final de las imágenes de satélite, se estableció en un rango aproximado de 20 años, por lo que se considera un trabajo de detección de cambios multi-anual, rango de tiempo que permite observar los cambios sustanciales de crecimiento de las ciudades.
Las características a ser evaluadas en las imágenes de satélite son las que presentan mayor repuestas espectral en las áreas urbanas, las cuales están asociadas a áreas residenciales, comerciales e industriales, la vialidad en sus diferentes tipos (pavimentada, asfaltadas, de tierra, engranzonada, etc.), terrenos sin uso aparente muy próximos a la ciudad y movimientos de tierra producto de obras de ingeniería; donde se utilizan una diversidad de materiales, como son: concreto, asfalto, metálicos, arcilla y hasta suelo desnudo como potenciales áreas de expansión, por lo tanto se decidió tomar esta variedad como un todo, quedando así que las áreas de categorías urbanizadas es un compendio de todos los elementos que fueron registrados por el sensor y mencionados aquí.
Metodología.
Para realizar el estudio se utilizaron dos (02) imágenes; una del Satélite Landsat-4 (Norteamericano) de fecha 03/04/1990, y una del satélite SPOT 5 (Francés) del 16/04/2008, tratando en lo posible de seleccionar fechas coincidentes o cercanas al rango establecido, y con la menor cobertura de nubes (Tabla 1).Ademásde programas para el procesamiento digital e interpretación de las imágenes de satélite, ERDAS 2014 y ENVI 5.1, y los módulos de estos, AutoSync, IAR reflectance, Matemática de bandas, Post clasificación; detección de cambios y DeltaCue.
Los métodos a emplear para la detección de cambios de las áreas de expansión urbanas se categorizaron en las siguientes fases:
Fase I.
En esta primera fase se preparan las imágenes para aplicar los métodos de detección de cambios. Comprende, la normalización radiométrica; la corrección geométrica; remuestreo del pixel y la generación del subset espacial.
-Normalización radiométrica
Un problema en la detección de cambios es el producido por las condiciones de observación, situaciones atmosféricas o calibración del sensor, que modifican la firma espectral del pixel de la cubierta, por lo que es necesario homogeneizar o normalizar los niveles digitales (ND). Para este caso se utilizó una normalización relativa basada en la información radiométrica intrínseca en las imágenes como un método alternativo para conocer la radiancia absoluta (Canty, 2010).
-Corrección geométrica y co-registro espacial entre imágenes
Debe haber un gran nivel de detalle y precisión en el ajuste entre imágenes, ya que de lo contrario se estaría detectando como cambio lo que en realidad es una falta de ajuste entre ellas (Hord, 1982), que introduce errores en la detección de categorías con variabilidad espacial, como es el caso de las urbanas (Gordon, 1980). Para este tipo de estudio, un elemento crucial es el ajuste espacial, que debería tener valores de desplazamiento +- 0,5 del pixel. Para esto, primero se realizó ortorectificación con parámetros orbitales usando los RPC contenidos en las imágenes SPOT-5 y usando el SRTM de 30 m. proveniente de la NASA. Seguidamente estas imágenes sirvieron para co-registrar las imágenes del satélite Landsat-4, para obtener comparaciones espacio-temporales congruentes, ya que las imágenes que no han sido co-registradas rigurosamente arrojan resultados erróneos no propios de la temática que se estudia.
-Re-muestreo y subset espacial
Se hace necesario que el tamaño del pixel de las imágenes de entrada tenga una coherencia de escala espacial, esto es, establecer un tamaño de pixel para las imágenes de entrada y de salida de 30×30 metros. Se re muestrearon las imágenes del sensor Spot-5 a 30 metros ya que su tamaño original es de 10 metros. Se realizó un subset espacial en ambas imágenes, que no es más que el corte de una escena a una porción reducida correspondiente con el área de interés.
Fase II.
En esta segunda fase se escogió el método de detección de cambio a utilizar.
1. Detección de cambios a nivel pixel (PLCD, Pixel Level Change Detection).
Las técnicas a nivel de pixel son aquellas que buscan la diferencia en valores de reflectividad entre los pixeles de las dos imágenes a comparar. Entre ellas se encuentran: Diferencia de imágenes; Cocientes multi-temporales; Análisis del vector de cambio y la Comparación post-clasificación.
2. Detección de cambios a nivel de características (FLCD, Feature level Change Detection).
La detección de cambios a nivel de características es un nivel mas avanzado de procesamiento que el basado en pixel. Se fundamenta en las transformaciones de las propiedades espectrales o espaciales de una imagen multiespectral, como son: Análisis de Componentes Principales; Transformación Tasseled Cap; Magnitud de cambios y pendiente; Diferencia de Índices de Vegetación y Multivariate Alteration Detection (MAD).
3. Detección de cambios a nivel de objeto (OLCD, Object Level Change Detection).
El método escogido, fue una combinación de estos, es decir, de los primeros métodos basados a nivel de pixel y algunos métodos del segundo con base en las características de transformación espectrales y espaciales, también se ejecutaron algoritmos y tareas de los métodos para obtener resultados más precisos. (Figura 2).
Resultados.
A continuación los resultados obtenidos como indicativos de los cambios de la expansión urbana en la conurbación Barcelona – Puerto La Cruz:
-Como primer paso, se hizo necesario la escogencia de las bandas a utilizar a través del Análisis de las bandas espectrales que reflejan mayor porción de la energía en elementos asociados con las áreas urbanizadas y las que menos reflejan, para construir los Índices Normalizados de Áreas Urbanas (INAU).
Formula: (Bar – Bbr) / (Bar + Bbr)
Bar: banda con alta reflectividad en áreas urbanas
Bbr: banda con baja reflectividad en áreas urbanas
Así se obtuvieron los siguientes resultados de imágenes de INAU. (Figuras 3 y 4 y Tabla 2).
Con base en los cálculos realizados, se obtuvo el Porcentaje de Expansión
Urbana para Barcelona- Puerto La Cruz (PEUCPB), esto es:
PEUCPB=%de la imagen final- %de la imagen inicial
PEUCPB = 9,025 – 6,894 = 2,131 %
Dando como resultado un porcentaje de expansión urbana para la ciudad de Barcelona- Puerto La Cruz de 2,131 % en un periodo de 20 años, con base a las imágenes utilizadas y cálculos realizados.
Referencias
- CANTY, M. (2010). Image Analysis, Classification, and Change Detection in Remote Sensing.
- CHUVIECO, E. (1996). Fundamentos de Teledetección Espacial, (3’ edición revisada), Ediciones Rialp S.A., Madrid.
- GORDON, S.I. (1980). Utilizing Landsat Imagery to monitor ‘and use change study in Ohio. Remote Sensing of Environment, Vol. 9, pp. 189-196.
- HORD, R.M. (1982). Digital Image Processing of Remotely Sensed Data, Academic Press, New York.
- SÁNCHEZ J. y REYES A. (2015). Estudio de la Expansión Urbana de las Principales Ciudades de Venezuela utilizando técnicas de Geomática. Memorias del 1er Congreso Nacional de Geomática, Caracas, Venezuela.
Contactos: freddyfloresa@gmail.com; glenisvalencia38@gmail.com; maritcie@gmail.com