MINISTERIO DEL AMBIENTE – MINAM
DIRECCION GENERAL DE ORDENAMIENTO TERRITORIAL
CLASIFICACION DE COBERTURA Y USO DE LA TIERRA , UTILIZANDO
IMAGENES SATELITALES LANDSAT COMO HERRAMIENTA PARA EL
ORDENAMIENTO TERRITORIAL
TALLER DE CAPACITACION
Contenido
• Introducción
• Sistema de Clasificación a utilizar
• Metodología - Clasificación y Representación
cartográfica
• Procedimientos para la generalización
• Validación del mapa
Introducción
Aplicación de
Leyenda
Formas de técnicas SIG y
estandarizada
representación Teledetección
¿Que sistema de clasificación
Áreas de se utilizará? Algoritmos
entrenamiento y tradicionales:
Clasificación por
de referencia máxima
métodos
probabilidad,
tradicionales
isodata, híbridos.
Clasificación Evaluación de la
digital de consistencia
imágenes
Clasificación
Supervisada Segmentación
Generalización
Fotointerpretación Cartográfica
Clasificación
No Pixeles
Supervisada
Algoritmos, basados
en arboles de
decisión:
Edición manual
Criterios para la
para la
digitalización Información
Software a utilizar Complementaria
Ideas para construir una estrategia
Emplear sistemas que permitan aprender en el tiempo y
facilitar dicho aprendizaje.
Pensar en el protocolo funcionando.
Explorar lo aprendido en otros países y usarlo como punto de
apoyo para avanzar.
Crear mecanismos que simplifiquen y organicen la
documentación de la experiencia.
Sistema de Clasificación a Utilizar
Versión basada en acuerdos regionales.
Modificaciones de la leyenda de CORINE Land Cover, adaptada
a Colombia.
Leyenda jerárquica:
Resolución temática – resolución espacial
Mapa de ubicación de las imágenes de las áreas de prueba
Área Satélite Escena Fecha
Landsat 5 006_67 2010-08-20
Landsat 5 007_66 2010-09-28
Landsat 5 007_67 2009-06-05
Central
Landsat 5 007_68 2010-10-30
Landsat 5 007_68 2010-04-21
Landsat 5 008_67 2011-06-02
Binacional
Landsat 5 002_70 2010-08-08
Bolivia-Perú
Binacional Base de datos del
Aster
Ecuador-Perú Proyecto de Ecuador
Nota: Todas las imágenes Landsat fueron descargadas del
servidor del INPE, en Brasil.
OBJETIVOS
• Fortalecer la gestión ambiental en Propuesta de Leyenda estandarizada
Clasificación y Representación cartográfica
el Perú a partir de la generación
de información que apoye a la Areas de
Prueba (CAN)
toma de decisiones orientadas Perú
ordenamiento del territorio.
Ecuador
• Propuesta metodológica para el
análisis de cobertura de la tierra.
Área
Central
• Tener una propuesta de Perú
Bolivia
clasificación aplicable al ámbito
nacional con un desarrollo
metodológico para su
representación cartográfica.
OBJETIVOS ESPECÍFICOS
• Estructurar un sistema de
clasificación de cobertura de la
tierra para Perú.
• Definir e implementar una
metodología para levantar
información de cobertura de la
tierra
• Capacitar en percepción remota y
su aplicación en levantamientos
de cobertura de la tierra.
• Socializar el sistema de
clasificación y la metodología
propuesta
Corine Land Cover
• Corine Land Cover es un
inventario homogéneo de la
ocupación (Cobertura) de la
tierra. La metodología
empleada en la propuesta se
basa en la interpretación mixta
(visual y automatizada) de
imágenes de satélite asistida
por computador, con el objeto
de generar una base de datos
geográfica utilizando Sistemas
de Información Geográfica
(SIG).
“CORINE: Coordination of Information on the Environment”
Nomenclatura estandarizada CORINE Land Cover, para construir mapas de
cobertura de la tierra a escala 1:100.000. a nivel nacional.
Propuesta de leyenda subregional de coberturas de la tierra Unidad mínima de mapeo: 25 ha, salvo…
Nivel I Nivel II
Clase Nombre Ha
1.1. Areas urbanizadas
1 Areas Artificializadas 5
1. Areas 1.2. Areas industriales e infraestructura 31101 Bosques altoandinos densos 5
Artificializadas
1.3. Areas de extracción de minería e 31102 Manglares densos 5
hidrocarburos y escombreras 31201 Bosques altoandinos abiertos 5
2.1 Cultivos transitorios 31202 Manglares abiertos 5
2. Areas 2.2 Cultivos permanentes 344 Áreas quemadas 5
Agrícolas 2.3 Pastos 345 Glaciares 5
2.4 Áreas agrícolas heterogéneas 412 Turberas y bofedales 5
3.1. Bosques Lagunas, lagos y ciénagas naturales
3. Bosques y 3.2 Bosques plantados 512 permanentes 5
áreas
mayormente 3.3 Áreas con vegetación herbácea y/o Lagunas, lagos y ciénagas naturales
naturales arbustivo 513 estacionales 5
3.4 Áreas sin o con poca vegetación 515 Cuerpos de agua artificiales 5
4. Áreas 4.1. Areas húmedas continentales 521 Lagunas costeras 5
Húmedas 4.2 Areas húmedas costeras 9 Sin información 0
5. Superficies 5.1. Aguas continentales
de Agua 5.2 Aguas costeras
Elementos en discusión
Clase 2.5: Mosaico de áreas agropecuarias y naturales
Permitiría evaluar mejor el avance de la deforestación.
Clase % de área intervenida
2.(1-4). Agropecuario 70% - 100%
2.5. Mosaico agropecuario-natural 30% - 70%
3.1.5 Bosque fragmentado (perforado)
3.3.(5-7) Arbustales o herbazales intervenidos 10% - 30%
3.1.(1-4) Bosque
3.3.(1-4) Arbustales o herbazales 0% - 10%
Metodología - Clasificación y
Representación Cartográfica
Proceso de Clasificación para la Representación Cartográfica Adquisición de
Imágenes
Satelitales
MDT
Condiciones Previas Recopilación y acondicionamiento de información Ortorectificación
Información temática de
referencia.
Áreas de referencia Segmentación Información
Áreas de entrenamiento
Complementaria
Etapa I Áreas de asignación manual Control de calidad
Áreas de superposición
Calidad de bordes
Puntos de control de verificación
> 90 % Interpretación visual – Proceso digital
Etapa Cruce de Segmentos
Selección de Integración de
II Segmentos información
Clasificación semi automática Aplicación de algoritmo de clasificación
Umbral de análisis
Indicadores de calidad (PCC, Kappa)
Etapa Matriz de confusión
III Segmentos Random Forest Extrapolación del modelo calibrado
Conversión Raster
Interacciones - Retroalimentación Evaluación de la
Etapa
IV Trabajo de Campo consistencia
Incorporación de áreas de referencia y generación del mapa
Edición vectorial Generalización
Etapa V
Segmentación como
unidad de análisis Areas de entrenamiento
Imagen Satelital
Clasificador
Generación de Protocolos y
Indicadores de Mapa de Cobertura de la formularios:
Tierra
superficie Producto Protocolo de Ortorrectificación
vegetacion, Mapa de Protocolo de Reconocimiento de la
escena
humedad, suelo. Cobertura
de la tierra Protocolo de Segmentación
Protocolo de Generación de
Información Complementaria
Protocolo de Clasificación
Protocolo de Generalización
Protocolo de Validación
Protocolo de Campo
Condiciones Recopilación y acondicionamiento de información
Previa:
Adquisición de imágenes satelitales
[Link]
[Link]
Catálogo de Imágenes CBERS
[Link]
Adquisición del Modelo de elevación digital MDT
Aster GDEM
[Link]
SRTM
Ortorectificación
Corrección geométrica
Información temática de referencia
Estansadización de sistema de referencia cartográfica
Información de vías, ríos, centros poblados, capitales, áreas y urbanas etc.
Áreas de referencia Segmentación Información
Etapa I: Complementaria
Control de calidad
Envi zoom Feature extraction Indicadores de superficie
Imagen Satelital
vegetacion, humedad,
suelo.
Control de calidad
• Centros poblados
• Vías de acceso
• Ríos
• Información que apoye a la identificación
de AE.
Etapa Cruce de Segmentos
Selección de Integración de
II: Segmentos información
Herramientas de Selección Automática
Revisión visual
Resultado
Revisión visual
Etapa Cruce de Segmentos
Selección de Integración de
II: Segmentos información
Herramientas de Selección Automática Script : RecogiendoInfoRaster.R
Script en R
Integración de
información
Segmentacion
Información
Complementaria
Clasificación semi automática
Etapa
III: Segmentos Random Forest
Áreas de Segmenta
Información Segmenta
entrenami ción (SEG)
complemen ción (SEG)
ento (AE)
taria (IC)
shp Shp
Interpretación manual
Interacciones - Retroalimentación
Seg_select RANDOM FOREST Todo_seg
dbf R dbf
Aplicación de algoritmo de
clasificación
Umbral de análisis
Indicadores de calidad PCC(>80)
Kappa (>70)
Matriz de confusión
Extrapolación del modelo
calibrado
Conversión Raster
Interpretación Incorporación de
final interpretación manual
Proceso de Generalización
Mapa final
Clasificación semi automática Aplicación de algoritmo de clasificación
Umbral de análisis
Indicadores de calidad (PCC, Kappa)
Etapa Matriz de confusión
III: Segmentos Random Forest Extrapolación del modelo calibrado
Conversión Raster
Tabla: todo_seg.dbf
Script en R Integración de información
Tabla: SegSelec_AI1.dbf
Clasificación semi automática Aplicación de algoritmo de clasificación
Umbral de análisis
Indicadores de calidad (PCC, Kappa)
Etapa Matriz de confusión
III: Segmentos Random Forest Extrapolación del modelo calibrado
Conversión Raster
Umbral (MeanDecreaseGini)
Script en R Integración de información
Umbral (> 20)
Indicadores de calidad
(> 80 PCC; >70 Kappa)
Etapas Metodo Procedimientos
1.1.1 Adquisición de imágenes satelitales
1.1.2 Adquisición del Modelo de elevación digital MDT
Cond. Previas 1.1 Recopilación y acondicionamiento de información
1.1.3 Ortorectificación
1.1.1 Información temática de referencia
2.1 Generación de información complementaria
Etapas para la Clasificación
Generacion de mapa de pendientes
Generación de mapa de curvatura
Generacion del mapa de NDVI
Cobertura Fraccional (VF, VNF, S)
Conversión de Segmentos a Raster
2.2 Generación de áreas de entrenamiento y referencia
Áreas de entrenamiento
Áreas para seleccionar segmentos
Áreas de reemplazo
Etapa I: 2. Generación de información como insumo para la clasificación 2.3 Generación de Segmentos.
Proceso de escala y revisión visual
Proceso de merge y revisión visual
Procesos de generacion de atributos, guardar reporte y
estadistica
Exportar vectores de la segmentación
2.4 Control de calidad de la segmentación
Generación de puntos aleatorios
Revisión visual de la segmentación en los puntos aleatorios
Identificación de segmentos de apoyo para la clasificación
3.1 Aplicación del modelo para la selección y asignación de clases
CLC a los segmentos seleccionados.
Revisión y control de calidad de los segmentos a utilizar en el
3. Selección de segmentos como suministro al clasificador (Semi- modelo.
Etapa II:
automatico) 3.2 Integración de información complementaria con la
segmentación (Automático)
Aplicación de script para la integración de información
(RecogiendoInfoRaster_3.R)
4.1 Aplicación del algoritmo de clasificación (Random Forest)
Clasificación Automatizada
4.2 Evaluación de los indicadores de calidad del modelo ( PCC,
Etapa IV: 4. Clasificación y evaluación para la generación del mapa
Kappa y MC)
4.3 Evaluación de Modelo Calibrado
Etapa VI Generalización de la predicción (En construcción) Proceso de Limpieza de imagen Clasificada
Calibración de la Predicción (En construcción) Control de Calibración (Retroalimentación)
Etapa VII Validación de la Predicción (En construcción) Control de Validación (Indicador del resultado de la predicción)
Control de Calidad de Empalme (En construcción) Control de Empalme
Mapa de Cobertura y Uso de la Tierra Mosaico del Mapa
¿Cómo delimitar las clases 2.4, 2.5, 3.1.5 y 3.1.3?
Otros elementos en discusión
• Clase propuesta: Bosque-arbustal
• Evaluar pertinencia de agrupar cultivos permanentes (2.1)
y transitorios (2.2) en el segundo nivel de la leyenda.
• Determinar si los palmares naturales son bosques o son
clase aparte
• Identificar a qué nivel se reconocerán: aguajales,
manglares, bosques altoandinos
• Incorporar las áreas verdes no naturales como sub-nivel
de áreas urbanas (1.1.3).
• Lomas como elemento arbustivo-herbáceo
• Reglas de generalización
Ejemplo de imagen clasificada
Documentación
Protocolos y formularios:
Protocolo de Ortorrectificación
Protocolo de Reconocimiento de la escena
Protocolo de Segmentación
Protocolo de Generación de Información Complementaria
Protocolo de Clasificación
Protocolo de Generalización
Protocolo de Validación
Protocolo de Campo
Programación y automatización:
Scripts – Archivo de órdenes por lotes:
R2 - RecogiendoInfoRaster.R (Todo_seg) Base de datos y
R3 - [Link].2.R (Clasificación) FTP
R4 - Generalizar2.R (Generalización)
Se elaboraron las siguientes herramientas gráficas :
Coberturas Tablas para R (Spatial Join)
Update (Actualización)
Fichas de muestras
visuales
Fichas de
seguimiento
de procesos
RESULTADOS
Clasificación de la
escena
L5TM_20100808_0
02070
Clasificación de
la escena
Binacional: Perú-
Ecuador
Clasificación de
la escena
L5TM_20101030
_007068
Clasificación de
la escena
L5TM_20100820
_006067
Clasificación
de la escena
L5TM_200906
05
Metodología - Procedimientos
para la generalización
Paso 1
Objetivos
Reducir el trabajo del intérprete al asignar los polígonos
que no cumplen el criterio de unidad mínima de mapeo a
la clase con más afinidad de forma semiautomática, y
marcando los otros que no pueden ser resueltos.
Insumos
Mapa interpretado importado a una base de datos
geográfica.
Tabla de prioridades
Constantes que representan relaciones topológicas
Productos
Tabla de atributos con el resultado de la generalización
(polígono al que se une, nueva área) y la regla que se le
aplicó a cada polígono.
Antes de la Después de la
Generalización Generalización
Reglas de Generalización
• Polígonos embebidos de forma aislada (1*)
• Polígonos con borde prioritario o más largo (2*)
• Polígonos con asignación aleatoria (3*)
• Polígonos en áreas fragmentadas (4*)
• Polígonos rodeados por nubes (5*)
Errores o atención especial requerida:
• Polígonos con errores de asignación de clase (-1*)
• Polígonos a revisar por no poder asignar aleatoriamente
(-2*)
• Polígonos a revisar por estar aislados (-3*)
• Polígonos a revisar por no tener bordes (-4*)
• Polígonos a añadir a polígonos con errores (-5*)
Polígonos
embebidos
de forma aislada
(1*)
Polígonos con borde
más largo (2*)
Polígonos con borde
prioritario (2*)
Polígonos con
asignación
aleatoria (3*)
Área máxima
aplicable: 2,5
Ha
Polígonos en áreas
fragmentadas (4*)
Polígonos en áreas
fragmentadas (4*)
Polígonos rodeados de
nubes (*)
Polígonos a revisar por
no poder asignar
aleatoriamente (-2*)
Polígonos a revisar por
no tener bordes (-4*)
El proceso…
1. Obtener la tabla de polígonos y la de bordes
2. Ordenar los polígonos de menor área a mayor área
3. Partiendo por el primero, seleccionar todos los polígonos
que tengan la misma área
4. A cada uno de los polígonos seleccionados, aplicar las
reglas de generalización
5. Volver al paso 1 hasta que todos hayan pasado la UMM
o la regla no permita continuar procesando.
La matriz de prioridades
No hay
manglares junto
a bosques
altoandinos
Clases incompatibles
Paso 2 - beta
Objetivos
Generar consistencia en las unidades mínimas de mapeo
en clases mosaico
Insumos
Mapa resultado del paso 1.
…
Procedimiento aún en revisión…
1. Generar buffers alrededor de los que tienen “la regla 4”
2. Evaluar cruces entre polígonos compatibles
3. Los que se cruzan, unirlos
4. Evaluar cómo queda el espacio dejado al unir los polígonos
Metodología - Validación del
mapa
