Fundamentos de análisis geográfico con SEXTANTE - La Salle
Fundamentos de análisis geográfico con SEXTANTE - La Salle
Fundamentos de análisis geográfico con SEXTANTE - La Salle
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
294 CAPÍTULO 17. MÁS ANÁLISIS RASTER<br />
no es su principal cometido, y pue<strong>de</strong>n implementarse soluciones más a<strong>de</strong>cuadas en módulos<br />
in<strong>de</strong>pendientes.<br />
En esta sección veremos algunos otros módulos sencillos que nos permitirán extraer información<br />
valiosa a partir no <strong>de</strong> capas <strong>con</strong> información sobre algún tipo <strong>de</strong> variable numérica<br />
como hasta el momento, sino a partir <strong>de</strong> imágenes.<br />
17.3.1. Clasificación supervisada<br />
Como acabo <strong>de</strong> <strong>de</strong>cir, los módulos <strong>de</strong>scritos en la sección anterior pue<strong>de</strong>n servir para llevar<br />
a cabo una clasificación no supervisada, pese a que no es ésta la aplicación particular para la<br />
que han sido diseñados. Por otra parte, <strong>SEXTANTE</strong> incluye un modulo <strong>de</strong>dicado a realizar<br />
clasificación supervisada <strong>de</strong> imágenes — otro tipo distinto <strong>de</strong> clasificación — plenamente<br />
enfocado al trabajo <strong>con</strong> imágenes y a clasificar la información que estas <strong>con</strong>tienen.<br />
Antes <strong>de</strong> entrar en el módulo en sí, veamos algunas i<strong>de</strong>as fundamentales sobre la clasificación<br />
supervisada. Son i<strong>de</strong>as básicas, ya que se trata <strong>de</strong> un tema complejo y pue<strong>de</strong> escribirse<br />
mucho al respecto, así que si tienes más interés es recomendable acudir a otras fuentes como<br />
las especificadas al final <strong>de</strong> este libro. En ellas en<strong>con</strong>trarás información sobre esta técnica,<br />
así como sobre otras todavía no implementadas en <strong>SEXTANTE</strong>. Quizás en breve lo estén o,<br />
tal vez, quién sabe, tú mismo puedas <strong>de</strong>cidirte a implementarlas en un módulo <strong>de</strong> tu propia<br />
creación.<br />
Respecto a la clasificación supervisada, he aquí las i<strong>de</strong>as fundamentales que <strong>de</strong>bes <strong>con</strong>ocer<br />
(si ya sabes <strong>de</strong> este tema, pue<strong>de</strong> saltarte estos párrafos sin problema alguno).<br />
EL objetivo principal es crear una capa temática (clasificada) a partir <strong>de</strong> un <strong>con</strong>junto <strong>de</strong><br />
imágenes, clasificando sus valores en grupos (clases). Por supuesto, todas estas imágenes <strong>de</strong>ben<br />
<strong>con</strong>tener información <strong>de</strong> una misma zona, <strong>con</strong>teniendo diferentes parámetros <strong>de</strong> la misma. El<br />
caso más habitual es emplear diferentes bandas <strong>de</strong> un sensor remoto multiespectral.<br />
<strong>La</strong> clasificación supervisada quiere <strong>de</strong>cir que <strong>de</strong>bes ✭✭ayudar✮✮ al módulo, mostrándole algunas<br />
áreas (<strong>de</strong>nominadas zonas <strong>de</strong> entrenamiento) que <strong>con</strong>oces <strong>de</strong> antemano que presentan<br />
características comunes (es <strong>de</strong>cir, pue<strong>de</strong>n formar una clase homogénea). Por ejemplo, supongamos<br />
que clasificas una capa <strong>de</strong> usos <strong>de</strong> suelo. Debes digitalizar algunas áreas <strong>con</strong> un mismo<br />
tipo <strong>de</strong> uso <strong>de</strong> suelo (por ejemplo bosques), para que el módulo pueda ✭✭apren<strong>de</strong>r✮✮ las características<br />
principales <strong>de</strong> este tipo <strong>de</strong> zonas y re<strong>con</strong>ocer otras áreas forestales fuera <strong>de</strong> la zona<br />
digitalizada. En otras palabras, <strong>de</strong>bes darle información que <strong>con</strong>oces previamente sobre una<br />
parte <strong>de</strong>l <strong>con</strong>junto <strong>de</strong> datos <strong>de</strong> entrada, para que él pueda exten<strong>de</strong>r ese <strong>con</strong>ocimiento <strong>de</strong> forma<br />
automática al resto <strong>de</strong> la extensión analizada.<br />
Este proceso se <strong>con</strong>oce como extraer la firma espectral da cada clase, e incluye una serie<br />
<strong>de</strong> <strong>análisis</strong> estadísticos para los valores en<strong>con</strong>trados en cada zona <strong>de</strong> entrenamiento y en cada<br />
una <strong>de</strong> las capas <strong>de</strong> entrada. Una vez que se <strong>con</strong>oce esta firma, se emplea para asignar valores<br />
a otros pixels (celdas) que <strong>con</strong>tienen una similar.<br />
<strong>La</strong> siguiente figura tal vez te ayu<strong>de</strong> a compren<strong>de</strong>r mejor esta explicación teórica.