4.1. Tutorial 1

El siguiente es un tutorial básico para la clasificación de la cobertura del suelo usando Semi-Automatic Classification Plugin (SCP). Se asume que tienes conocimientos básicos de QGIS.

4.1.1. Tutorial 1: Tu Primera Clasificación de la Cobertura del Suelo

Este es un tutorial básico sobre el uso de SCP para la clasificación de una imagen multi-espectral. Se recomienda leer Breve Introducción a la Teledetección antes de empezar con este tutorial.

El propósito de la clasificación es identificar las siguientes clases de cobertura del suelo:

  1. Agua;

  2. Construcciones;

  3. Vegetación;

  4. Suelo desnudo.

Mira el vídeo de este tutorial.

http://www.youtube.com/watch?v=GFrDgQ6Nzqs

4.1.1.1. Datos

Descarga la imagen desde este archivo (datos disponibles en la U.S. Geological Survey) y descomprime el archivo descargado.

El archivo descargado es de hecho una imagen Satélite Landsat (pan-sharpened), que incluye las siguientes bandas:

  1. Azul;

  2. Verde;

  3. Rojo;

  4. Infrarrojo Cercano;

  5. Infrarrojo de Onda Corta 1;

  6. Infrarrojo de Onda Corta 2.

En este tutorial pretendemos centrarnos en el proceso de clasificación, por lo que pretenderemos que este archivo es un ráster multi-espectral genérico (en el siguiente tutorial utilizaremos una imagen ráster con bandas en archivos individuales).

4.1.1.2. Define la imagen de entrada en el SCP

Inicia QGIS. En SCP entrada de datos pulsa sobre el botón open_file de Imagen de entrada, para seleccionar el archivo sample_image.tif. Una vez seleccionada, sample_image.tif se establece como Input image, la imagen se muestra en el mapa y las bandas se cargan en el Conjunto de bandas.

Podemos mostrar una Composición de Color de las bandas: Infrarrojo Cercano, Rojo, y Verde: en la Barra de Trabajo, haz clic sobre el listado RGB= y selecciona el elemento 4-3-2 (correspondiente al numero de banda en Conjunto de bandas). Puedes ver que los colores de la imagen cambian en el mapa según las bandas seleccionadas, y la vegetación resalta en rojo (si la opción 3-2-1 fue seleccionada, se muestran los colores naturales).

_images/tutorial_1_1.jpg

Composición de color RGB=4-3-2

4.1.1.3. Crear archivo de entrenamiento

Ahora necesitamos crear un Entrada de Entrenamiento para recoger Áreas de entrenamiento (ROIs) y por tanto calcular una Firma Espectral (que será utilizada en la clasificación).

In the SCP panel click the button new_file and define a name (e.g. training.scp ) in order to create the Training input. The path of the file is displayed in Training input. A vector is added to QGIS layers with the same name as the Training input (in order to prevent data loss, you should not edit this layer using QGIS functions).

_images/tutorial_1_2.jpg

Definición de la Entrada de Entrenamiento en SCP

4.1.1.4. Crear las ROIs

Vamos a crear ROIs definiendo Clases y Macroclases. Cada ROI identifica una clase a través un identificador de Clase ID. Los códigos de identificación de Clase ID usados en este tutorial se ilustran en la siguiente tabla (por ahora asignaremos el mismo código a la clase y a la macroclase).

Macroclases

Nombre de clase

Clase ID

Agua

1

Construido

2

Vegetación

3

Suelo desnudo

4

Las ROIs pueden ser creadas, dibujando a mano un polígono o con un Algoritmo de Región Incremental automático.

Amplía el mapa sobre la región oscura (se trata de un lago) en la región inferior derecha de la imagen. Para crear una ROI dentro de la región oscura, pulsa sobre el botón manual_ROI en la Barra de Trabajo (puedes ignorar el mensaje sobre unidades de longitud de onda no proporcionadas). Pulsa botón izquierdo sobre el mapa para definir los vértices de la ROI , y botón derecho para definir el ultimo vértice con el que se cierra el polígono. Un polígono naranja semitransparente se mostrará sobre la imagen, se trata de un polígono temporal (i.e. éste no se guarda en la Training input).

CONSEJO : Puedes dibujar polígonos temporales (los anteriores serán eliminados) hasta que el polígono cubra adecuadamente la zona.

_images/tutorial_1_3_1.jpg

Una ROI temporal creada manualmente

Si la forma del polígono temporal es buena, podemos grabarlo en la Entrada de Entrenamiento.

Abrir Panel para Clasificación para definir las Clases y Macroclases . En ROI creación de definir MC ID = 1 y MC Info = Agua; también definir C ID = 1 and C Info = Lago. Haz clic en save_roi para grabar la ROI en la Entrada de entrenamiento.

Tras unos pocos segundos, la ROI se muestra en la ROI Signature list y la firma espectral se ha calculado (ya que checkbox Calcular sig. está activado).

_images/tutorial_1_3_2.jpg

La ROI grabada en la Entrada de Entrenamiento

Como puedes ver C ID en ROI creación de se incrementa automáticamente en 1. La ROI grabada se muestra como un polígono negro en el mapa y la ROI temporal se elimina. Además, en ROI Signature list se puede notar que el Tipo es B, lo cual significa que la firma espectral del ROI fue calculada y grabada en la Entrada de Entrenamiento.

Ahora vamos a crear una segunda ROI para la clase Construido usando el Algoritmo de Región Incremental. Amplia el mapa sobre la zona azul en la región superior de la imagen.

En la Barra de Trabajo establece el valor Dist a 0.08 . Haz clic en el botón roi_single en la Barra de Trabajo y haz clic sobre el área azul del mapa. En un momento, el polígono naranja semi-transparente se mostrará sobre la imagen.

Consejo: El valor Dist debe definirse según el rango de valores de los píxeles. En general, al incrementar este valor, se crearán ROIs más grandes.

_images/tutorial_1_3_3.jpg

Una ROI temporal creada con el algoritmo automático de región incremental

En ROI creación de definir MC ID = 2 y MC Info = Construccion ; también definir C ID = 2 (debería ya estar definido así) y C Info = Edificaciones.

_images/tutorial_1_3_4.jpg

La ROI grabada en la Entrada de Entrenamiento

Nuevamente, el C ID en ROI creación de se incrementa automáticamente en 1.

Crea una ROI para la clase Vegetación``(los píxeles rojos en la composición ``RGB=4-3-2) y una ROI para la clase ``Suelo desnudo``(píxeles verdes en la composición de color ``RGB=4-3-2) siguiendo los mismos pasos descritos anteriormente. Las siguientes imágenes muestran unos cuantos ejemplos de estas clases identificadas en el mapa.

_images/tutorial_1_3_5.jpg

Vegetación

_images/tutorial_1_3_6.jpg

Suelo desnudo

Los siguientes ejemplos muestran algunas composiciones de color RGB para imágenes Landsat.

_images/tutorial_1_3_7.jpg

ROI Construido: edificaciones grandes

_images/tutorial_1_3_8.jpg

ROI Construido: Carretera

_images/tutorial_1_3_9.jpg

ROI Construido: edificaciones y vías pequeñas

_images/tutorial_1_3_10.jpg

ROI Suelo Desnudo: Suelo no cultivado

_images/tutorial_1_3_11.jpg

ROI Vegetación: bosque caducifolio

_images/tutorial_1_3_12.jpg

ROI Vegetación: cultivos

4.1.1.5. Crear Vista Previa de la Clasificación

El proceso de clasificación está basado en la recolección de ROIs (y por lo tanto de firmas espectrales). Es útil crear una Clasificación preliminar para evaluar los resultados (influenciados por las firmas espectrales) antes de la clasificación final. En caso que los resultados no sean buenos, podemos colectar más ROIs para obtener una mejor clasificación de la cobertura del suelo.

Antes de ejecutar una clasificación (o una vista previa), define el color de las clases de cobertura del suelo que serán mostradas en el ráster de clasificación. En ROI Signature list, haz doble clic en el color (en la columna Color) de cada ROI para seleccionar un color representativo de cada clase.

_images/tutorial_1_4_1.jpg

Definición de los colores de las clases

Ahora debes seleccionar el algoritmo de clasificación. En este tutorial utilizaremos el Mapeo del Angulo Espectral.

En Classification algorithm seleccionar el Algoritmo Mapeo de Ángulo Espectral. En Clasificación preliminar establece Tamaño = 500; haz clic en el botón preview y a continuación clic en algún punto en la imagen en el mapa. El proceso de clasificación debería ser rápido, y el resultado es un cuadrado clasificado centrado en el punto seleccionado.

_images/tutorial_1_4_2.jpg

Vista previa de la clasificación mostrada sobre la imagen

Las vistas previas son rásters temporales (eliminados cuando se cierra QGIS) colocadas en un grupo llamado Class_temp_group En el panel de capas de QGIS.

CONSEJO: Al cargar un proyecto de QGIS guardado anteriormente, un mensaje podría pedir encargarse de las capas que faltan, que son capas temporales que crea SCP durante cada sesión y se eliminan después. Si obtienes este mensaje, puedes hacer clic en Cancel e ignorar estas capas.

En general, es bueno realizar una vista previa de la clasificación cada vez que se añade un ROI (o una firma espectral) a la ROI Signature list. Por lo tanto, las fases Crear las ROIs y Crear Vista Previa de la Clasificación deben ser procesos iterativos y concurrentes.

4.1.1.6. Crear el resultado de la clasificación

Asumiendo que el resultado de la clasificación fuese bueno (i.e. píxeles asignados correctamente a su clase definida en la ROI Signature list), podemos realizar la clasificación de coberturas para toda la imagen.

En Classification output haz clic en el botón run y define la carpeta para guardar el resultado de la clasificación, el cual es un archivo ráster (.tif). Si checkbox Sonido al terminar está seleccionado en las opciones de Procesos para la Clasificación, se escuchará un sonido al terminar el procesamiento.

_images/tutorial_1_5_1.jpg

Resultado de clasificación de cobertura del suelo

¡Bien echo! Acabas de terminar tu primera clasificación de cobertura del suelo.

El Agua y la Vegetación han sido identificadas correctamente. Sin embargo, puedes ver que hay varios errores de clasificación (particularmente suelos desnudos clasificados como construido y viceversa), debido a que el numero de ROIs (firmas espectrales) es insuficiente.

_images/tutorial_1_5_2.jpg

Ejemplo de error: Suelo desnudo clasificado como Construido

Podemos mejorar la clasificación usando algunas de las herramientas descritas en el próximo tutorial.