Capítulo 4 Materiales y Métodos
4.1 Datos
Para realizar el análisis multitemporal se utilizó datos espacio-temporales. Para el mapeo de cambios en la cobertura terrestre, los datos multiespectrales son necesarios, especialmente cuando se combinan con resoluciones espaciales y temporales de medianas a altas. Para ello se usó los conjuntos de datos abiertos y gratuitos que nos proporcionan las misiones Landsat. Para el presente trabajo se utilizó las imagenes multiespectrales de las misiones Landsat cinco y ocho.
Tabla 3.1 Propiedades de los satélites
| Satélite | Tiempo de Operación | Año | Resol. Espacial | Bandas |
|---|---|---|---|---|
| Landsat 5 | 1984 - 2012 | 2000 | 30 m | 1 (azul), 2 (verde), 3 (rojo), 4 (NIR) |
| Landsat 8 | 2013-actualidad | 2015 | 30 m | 2 (azul), 3(verde), 4(rojo), 5 (NIR) |
Fuente: Elaboración propia
4.1.1 Imágenes
Las dos imágenes utilizadas en esta investigación cuentan con el procesamiento correspondiente: Corrección radiométrica (valores de reflectancia); corrección atmosférica y corrección ortométrica. Estas imágenes son las Landsat 5 y Landsat 8, Tier 1 Surflace Reflectance
| ID | Descripción |
|---|---|
| LANDSAT/LT05/C01/T1_SR/LT05_003069_20040814 | Imagen del año 2004 |
| LANDSAT/LC08/C01/T1_SR/LC08_003069_20180906 | Imagen del año 2018 |
## -- rgee 1.0.9 --------------------------------------- earthengine-api 0.1.272 --
## v email: FHerrera
## v Initializing Google Earth Engine:
v Initializing Google Earth Engine: DONE!
##
v Earth Engine user: users/fer
## --------------------------------------------------------------------------------4.2 Índices
Para una mejor identificación de las diferentes clases de cobertura de suelo, utilizamos los índices de vegetación para la discriminación de estas. A continuación realizamos un visualizador del NDVI para el área de interés de los años 2004 y 2018 respectivamente.
## -- rgee 1.0.9 --------------------------------------- earthengine-api 0.1.272 --
## v email: FHerrera
## v Initializing Google Earth Engine:
v Initializing Google Earth Engine: DONE!
##
v Earth Engine user: users/fer
## --------------------------------------------------------------------------------4.3 Flujo de Trabajo
El flujo de trabajo se inició con el acceso de los datos satelitales y el filtrado de imágenes según los requerimientos de esta investigación. Se utilizó las imágenes de colección Landsat 5 y Landsat 8 level 1 ya que estas son las más decuadas para el análisis temporal del cambio de cobertura vegetal. Estos productos ya han sido corregidos radiométrica y atmosféricamente.
El flujo de trabajo se divide en tres pasos principales:
Conjunto de datos de entrada
Selección de puntos de entrenamiento para la clasificación supervisada de cobertura terrestre
Análisis del cambio de cobertura vegetal
4.4 Metodología
En este estudio utilizamos imágenes de las misiones Landsat, cabe mencionar que utilizamos las imágenes de Level 1-C que son las que tienen el pre-procesamiento correctamente realizado para el trabajo que nos compete. Añadido a esto utilizamos el algoritmo Random Forest que nos permite realizar la clasificación supervisada de las clases: -Forest -Damaged Forest -Water El proceso de clasificación supervisada fue realizado integramente en el code editor de Google Earth Engine (GEE), esta plataforma nos permite realizar todas las operaciones de una manera fácil y rápida, sin consumir recursos de nuestros ordenadores ya que todo el procesamiento es en la nube. Dentro de GEE, se elaboró el code para este proyecto (JavaScript) y posterior a esto se procedió a realizar la selección de puntos de entrenamiento (training points); luego a esto pudimos correr el algoritmo RF. Para evitar el sesgo y alcanzar la precisión requerida en este tipo de trabajos se realizó la matriz de confusión y los índices correspondientes (Producer y Kappa). Metodología 1
Figure 4.1: Metodología general
Figure 4.2: Selección de puntos
4.5 Plataforma de procesamiento
Se utilizó Google Earth Engine como plataforma de procesamiento en la nube. La plataforma combina una gran cantidad de conjuntos de datos satelitales y capacidades computacionales a escala planetaria; además, se puede acceder a ella de forma gratuita, con una previa inscripción, para científicos y usuarios sin fines de lucro. Los usuarios pueden ejecutar análisis geoespaciales y procesar imágenes de satélite u otros datos geoespaciales de la base de datos en la nube. El editor de código de Google Earth Engine es un IDE que se basa en la web de la Application Programming Interface (API) de Java Script de Earth Engine, las funciones de este editor de código están diseñadas para que el desarrollo de flujos de trabajo geoespaciales complejos sea y rápido y fácil. GEE posee una amplia base de datos geoespaciales que se han obtenido de numerosos institutos y satélites que está disponible para todos los usuarios, convirtiéndose así en un herramienta valiosa para analizar una variedad de problemas sociales de alto impacto, como el monitoreo del cambio forestal, sequías, desastres hidrogeológicos,gestión del agua, monitoreo del clima, entre otros estudios más.
Figure 4.3: Google Earth Engine (GEE): Plataforma de Procesamiento, Code Editor