FORO Pregunta 1,2 3,4,6,7,9,10
FORO Pregunta 1,2 3,4,6,7,9,10
FORO Pregunta 1,2 3,4,6,7,9,10
TELEDETECCIÓN
ESPACIAL
FORO GRUPAL
I.- INTRODUCCIÓN
II.- OBJETIVO
III.- METODOLOGÍA
Fundamentos de la Teledetección:
Características de imágenes satelitales
Niveles digitales
Resolución de imágenes
CARMEN AYLAS 1
SESIÓN X: TELEDETECCIÓN ESPACIAL
Sobre la base del artículo de Tello, J. et al. (2017) , titulado “Comparación y ajuste en zonas
agrícolas de índices de vegetación derivados de Landsat – 8 y Sentinel – 2”, manifiestan que la
integración de múltiples sensores es indispensable para el uso complementario de imágenes
de diferentes satélites en la obtención de series temporales de índices de vegetación.
CARMEN AYLAS 2
SESIÓN X: TELEDETECCIÓN ESPACIAL
6.- ¿Cuáles fueron las resoluciones espaciales de cada una de las imágenes
utilizadas?
Sens or Band number Nombre de la banda Res olución Es pacial (m) Aplicación de la Banda
OLI 1 Cos te ra (Coastal) 30 Estudios coste ros y de ae rosole s
Cartografía b atim é trica, que distingue e l sue lo de la ve ge tación y la
OLI 2 Az ul 30
ve ge tación caducifolia de la ve ge tación de conífe ras
De staca los picos de m áxim a ve ge tación, que son útile s para e valuar e l
OLI 3 Ve rde 30
vigor de las plantas
OLI 4 R oja 30 Distingue las lade ras de ve ge tación
OLI 5 Infrarrojo Ce rcano (NIR ) 30 De staca e l conte nido de b iom as a y las costas
Distingue la hum e dad de l sue lo y de la ve ge tación; pe ne tra a travé s de
OLI 6 Infrarrojo de Onda Corta 1 (S WIR 1) 30
nub e s finas
Me jora de la le ctura de la hum e dad de l sue lo y la ve ge tación y la
OLI 7 Infrarrojo de Onda Corta 2 (S WIR 2) 30
pe ne tración a travé s de nub e s finas
OLI 8 Pan 15 15 m e te r re solution, sharpe r im age de finition
OLI 9 Cirrus 30 Im prove d de te ction of cirrus cloud contam ination
TIRS 10 TIR S 1 30 (100) 100 m e te r re solution, the rm al m apping and e stim ate d soil m oisture
TIRS 11 TIR S 2 30 (100) 100 m e te r re solution, the rm al m apping and e stim ate d soil m oisture
Nombre de
Número de Banda Resolución espacial (metros)
Banda
Coastal
1 60
aerosol
CARMEN AYLAS 3
SESIÓN X: TELEDETECCIÓN ESPACIAL
Blue 2 10
Green 3 10
Red 4 10
Vegetation
5 20
Red Edge
Vegetation
6 20
Red Edge
Vegetation
7 20
Red Edge
NIR 8 10
Narrow NIR 9 20
Water vapour 10 60
SWIR –
11 60
Cirrus
SWIR 12 20
SWIR 13 20
7.- ¿Por qué se presentan las discrepancias entre los diferentes índices de
vegetación, generados con las imágenes de Landsat y Sentinel?
Las discrepancias son mayores con las imágenes Landsat que con las de Sentinel. El
índice, así calculado, impide obtener un ajuste adecuado para la combinación de datos
de los dos sensores.
Debido al test T-Student para las dos muestras relacionadas indica que sí hay
diferencias significativas al nivel de confianza del 95% entre Landsat y Sentinel para
los tres índices, por lo que debería aplicarse un ajuste antes de utilizarlos
conjuntamente
Por tanto, a la vista de los resultados, se aconseja el ajuste de los índices antes de
generar una serie temporal de datos con NDVI, SAVI o VARITOA.
CARMEN AYLAS 4
SESIÓN X: TELEDETECCIÓN ESPACIAL
CARMEN AYLAS 5
SESIÓN X: TELEDETECCIÓN ESPACIAL
En las Figuras se muestran para los tres índices estudiados las relaciones y ecuaciones de
ajuste entre Sentinel-2 a Landsat-8.
Se observa que las líneas de ajuste obtenida entre sensores para los índice NDVI y SAVI está
ligeramente por encima de la línea 1:1. Esto quiere decir que en un mismo píxel el valor de
índice NDVI y SAVI en Landsat estaría por encima del valor en Sentinel. En el caso del NDVI las
diferencias entre sensores son más acusadas en los valores bajos del índice que en los altos,
sin embrago en el caso de SAVI la línea de ajuste va más paralela a la línea 1:1. En cuanto al
VARI, se detectan en las imágenes Landsat algunos píxeles con valores anómalos de este
índice.
Estas discrepancias son causadas sobre todo cuando el cultivo presenta un gran desarrollo
vegetativo, llegando en ocasiones a superar el valor 1.
Se consigue un buen ajuste lineal. Para los tres índices el coeficientes de determinación R2 es
de 99% comprobándose, que sí existe una relación
10.- ¿Para la comparación de las relaciones entre los índices generados con
cada sensor, que realizaron a partir de?
A partir de gráficos de dispersión, funciones de ajuste y dos análisis estadísticos, el
test estadístico de regresión y el test T de Student para dos muestras relacionadas,
para determinar si hay o no relación y diferencias significativas entre los dos sensores
que requieran un ajuste al usarlos conjuntamente.
CARMEN AYLAS 6