En la siguiente entrada analizaremos la detección de masas de agua, en este caso en concreto de balsas de riego, comparando su evolución temporal en dos fechas distintas. Para ello nos vamos a valer de dos imágenes de satélite una tomada en el verano del año 2000 y la otra del verano de 2018. El software utilizado para ello será QGIS 3.

La descarga de las imágenes se ha realizado a través del portal Earth Explorer del Servicio Geológico de los Estados Unidos (USGS). Podéis acceder a él a través del siguiente enlace, aunque necesitaréis registraros previamente para poder descargar imágenes. Para el año 2000 se ha utilizado una imagen Landsat 7 y para el año 2018 una Sentinel 2, por lo que este ejemplo no sólo nos servirá para comparar la evolución temporal de las balsas de riego si no también la diferencia de resolución entre ambas imágenes, ya que mientras la imagen de Landsat 7 cuenta con una resolución espacial de 30 metros para el espectro visible, el infrarrojo cercano y medio, y 60 metros para la banda térmica,  el Sentinel 2, puesto en órbita hace apenas unos años cuenta con una resolución espacial de 10 metros para el espectro visible  y el infrarrojo cercano y de 20 metros para el infrarrojo medio.

Una vez descargadas ambas imágenes (si tienes dudas de cómo utilizar el portal de descargas puedes consultar la siguiente entrada), procedemos a cargar las bandas en QGIS. Para ello hacemos clic en “Añadir capa ráster” y nos cercioramos que estén en el el sistema de coordenadas WGS 84/UTM Zone 30 N.

Imagen 4Imagen 5

Imagen 6

 

Imagen 3.1

Lo siguiente será convertir las bandas de Sentinel de JPEG2000 a formato TIF. Para ello vamos a la pestaña “Ráster-Conversión-Traducir”. Haremos clic en “Run as Batch Process” para cargar todas las imágenes a la vez, sin necesidad de repetir el proceso una por una. Estableceremos el sistema de coordenadas y el directorio donde queremos que se nos guarden.

Imagen 7Imagen 8

Imagen 9

Con nuestras bandas ya en formato TIF vamos a proceder a recortar la imagen, ya que nos interesa sólo la zona norte que es donde más balsas de riego se localizan. Para ello haremos clic en “Nueva Capa de Archivo Shape” y crearemos un vectorial de tipo polígono. Hacemos clic en “Conmutar Edición” y después en “Añadir Objeto Espacial” y digitalizaremos nuestro polígono.

Image 10

Una vez creado el polígono recortaremos nuestras bandas tomándolo como referencia. Para ello iremos a “Ráster-Extracción-Cortar Ráster por Capa de Máscara”. Volveremos a hacer clic en “Run as Batch Process” para cortar todas las imágenes a la vez. Cargaremos nuestras imágenes, seleccionaremos la capa de máscara y el directorio donde queremos guardar nuestras nuevas imágenes recortadas.

Imagen 10

Imagen 11

Imagen 12

A continuación crearemos un nuevo ráster virtual que apile las bandas en un único archivo para poder realizar con ellas distintas composiciones en color combinando las diferentes bandas de la imagen. Para ello iremos a “Ráster-Miscelánea-Construir Ráster Virtual”. Haremos clic en el botón con tres puntos para seleccionar nuestras capas de entrada, que serán las bandas recortadas y dejaremos marcado que nos coloque cada archivo de entrada en una banda separada.

Imagen 13

Imagen 14

Se nos guardará y creará un archivo temporal en formato .vrt que tendremos que pasarlo a TIF, para ello en la capa virtual creada hacemos clic derecho – Exportar y Save As.

Imagen 14.1

Una vez creada nuestra composición hacemos clic derecho sobre la capa y propiedades. En el menú que se nos abre hacemos clic en simbología, en tipo de renderizador elegimos la opción Multiband Color, y probamos distintas combinaciones de bandas que nos permitan detectar las masas de agua. En nuestro caso vamos a utilizar una combinación 8/11/12 para Sentinel y 4/5/7 para Landsat.

Imagen 15

Imagen 16

El resultado debe ser parecido al siguiente, en el que las masas de agua aparecen reflejadas en tonos muy oscuros.

Imagen 17

Después de realizar la fotointerpretación, procederemos a calcular índices para delimitar las zonas de agua. Vamos a utilizar un índice NDWI (Índice de Agua de Diferencia Normalizada), este índice está indicado como unidad de medida para determinar el estrés hídrico en vegetación, saturación de humedad en suelo o realizar delimitaciones directas de masas de agua como lagos y embalses.

Los potenciales valores obtenidos a partir del NDWI oscilan entre -1 y 1, cuyo rango de valores describirá superficies de agua y vegetación con contenido en agua o zonas terrestres y con ausencia de humedad.

La relación de bandas multiespectrales a analizar estarán basadas en la banda NIR- Near InfraRed (o infrarrojo cercano) y la banda SWIR- Short Wavelength InfraRed (infrarrojo corto). La ecuación estará basada en la relación entre sus diferencias y sumas:

NDWI = (NIR-SWIR)/(NIR+SWIR)

Para aplicar el índice iremos  a la pestaña “Ráster-Calculadora Ráster”. Para el caso de Sentinel la fórmula quedaría así.

Imagen 18

Imagen 19

Y para Landsat así.

Imagen 20

El resultado será una nueva capa con el índice calculado. Para hacerlo más visible accederemos a las propiedades de la capa-simbología y en tipo de renderizador elegiremos  Singleband Pseudocolor y jugaremos con la paleta de color para que los valores que nos interesen queden bien diferenciados.

Imagen 22

El resultado será algo parecido al siguiente.

Imagen 21

Por último podemos establecer un valor de corte para separar la superficie cubierta por agua del resto de superficies. Para ello crearemos un mapa booleano, es decir que tendrá un valor 1 donde se cumpla la condición y 0 donde no. Para realizarlo accederemos de nuevo a la calculadora ráster, donde la condición que vamos a utilizar para aplicar el valor umbral a los índices tendrá la fórmula: índice>0.15

Imagen 23

Establecemos ese valor ya que hemos comprobado que a partir de él en el índice empiezan a manifestarse las masas de agua.

Por último procedemos a comparar ambas imágenes.

Imagen 2000:

Imagen 25

Imagen 2018:

Imagen 24

1 estrella2 estrellas3 estrellas4 estrellas5 estrellas (3 votos, promedio: 5,00 de 5)
Cargando…

Formación de calidad impartida por profesionales

Curso Online QGIS Datos Satelite drone lidar  Curso Online QGIS pix Agricultura  Curso Online Teledeteccion aplicado al medio acuatico-05