Evaluation of Retrieval Models

El elevado volumen de información ligada a las imágenes hiperespectrales puede dificultar el análisis de los datos. Es `por ello que se requieren metodologías que permitan reducir el volumen de información sin pérdida de capacidad de análisis.

Entre estas metodologías de reducción de volumen de información se encuentra el ACP. Esta técnica permite transformar los datos mediante una rotación ortogonal de los ejes de coordenadas, para dar valores relativos basados en nuevos ejes. Mediante la matriz de covarianza de los datos, se calculan los autovectores y autovalores (eigenvectores y eigenvalores), los cuales son utilizados para reducir las dimensiones de los datos en las componentes que representan el mayor porcentaje de la varianza. Cada banda espectral tiene una relevancia dentro de una componente, definida por el autovector. Normalmente la primera componente aglutina la mayor cantidad de varianza de los datos y por lo tanto el autovalor más elevado (Jollife, F., 2002).

Figura 35. Procedimiento de análisis de imágenes hiperespectrales basado en Análisis de Componentes Principales y ratio entre bandas.

En estas componentes se identifican aquellas bandas espectrales con mayor peso en la varianza de los datos. Las primeras componentes contienen valores que, en la mayoría de los casos, diferencian claramente coberturas predominantes en la imagen. Por ejemplo, en una escena de una zona agrícola, destacan los suelos descubiertos y la vegetación natural o cultivos. Sucesivamente, las demás componentes muestran diferencias entre otros elementos de la cobertura terrestre menos abundantes y sus autovalores disminuyen. Las últimas componentes se visualizan sin un orden o relación particular, señalando indicios de ruido. Debido a que las primeras componentes

Análisis de Componentes Principales •Reducir el tamaño espectral de las imágenes hiperes- pectrales •Identificar y selec-

cionar las bandas

espectrales con ma- yor varianza de datos.

Ratios entre bandas

•Contrastar variables

propias del terreno. • Obtener valores para

los análogos naturales conocidos.

Composición de Color RGB

•Relacionar valores ob- tenidos de los ratios con análogos natura- les conocidos. •Identificar zonas potenciales de emi- siones de GEI. Reclasificación •Asignación de pon- deraciones según un criterio establecido. •Generar cartografía

que indique posibles análogos naturales.

contienen la mayor cantidad de datos, se presume que dentro de estos se encuentren píxeles asociados a los análogos naturales, que se distingan del resto de coberturas.

Las operaciones aritméticas entre bandas espectrales permiten generar información y resaltarla visualmente. Una forma de relacionar estas bandas consiste en la aplicación de cocientes entre bandas, el cual es un procedimiento ampliamente utilizado en teledetección. Esta herramienta emplea el conocimiento que se tiene sobre el comportamiento espectral de las coberturas terrestres y las diferencias entre estas, aplicando un cociente entre dos o más bandas (Sobrino, J., 2000). El procedimiento genera nuevos valores en los que se exaltan las diferencias existentes dentro de una misma o varias coberturas.

Figura 36. Procedimiento de reclasificación de imágenes a partir de ACP los valores obtenidos de este análisis sobre análogos naturales conocidos.

En el trabajo realizado por Feng, Q. et al. (2016), se aplicó la combinación de técnicas de ACP y de ratio entre bandas. Su objetivo fue identificar materiales y minerales en zonas de alteraciones hidrotermales (óxido de hierro, hidróxidos de Al y Mg, y la vegetación). Su investigación se basó en el uso de FER de estos materiales, obtenidas en laboratorio, y determinar las zonas en el EEM de reflectividad elevada y absorción de dichos materiales. Seguidamente elaboraron ratios entre las bandas representativas de cada mineral y aplicando la técnica de APC a los ratios obtenidos. En cada componente principal determinaron el autovector con mayor peso y así asociaron dicha componente al material o mineral correspondiente. Su metodología fue capaz de identificar

Componente 1

1 era. banda con más varianza 2da. banda con

más varianza Ratio 1 Rojo Comoposición en RGB Obtención de valores a partir de análogos naturales conocidos Componente 2

1 era. banda con más varianza 2da. banda con

más varianza

Ratio 2 Verde

Componente3

1 era. banda con más varianza 2da. banda con

más varianza

Ratio 3 Azul

93

materiales o minerales, a la vez que minimizaron el efecto de otras coberturas abundantes como la vegetación.

En el caso de la presente investigación, los análogos naturales no presentan unas características claramente identificables en su firma espectral, por lo que se ha considerado que el procedimiento se aplicará de forma inversa a la propuesta de Feng, Q. et al. Es decir, que se utilizara primeramente el ACP para identificar las bandas que mayor contribución generan en las primeras componentes y después aplicar ratios sobre las bandas identificadas, con el fin de resaltar los elementos señalados.

El procedimiento propuesto consiste en:

1. Selección mediante del ACP de las bandas que se utilizarán, descartando aquellas bandas con muchas interferencias o ruido que no son posibles de enmendar.

2. Aplicación del ACP sobre las imágenes usando un software como ArcGIS o ENVI, para generar una nueva imagen con los nuevos componentes (bandas), así como la información estadística asociada. Estos programas, generalmente, ofrecen la opción de una vista preliminar de los autovalores de cada componente, expresados en tantos por cien de la sumatoria de todos los valores únicos. La nueva imagen puede incluir un número de componentes principales que totalicen aproximadamente el 90% de los valores únicos. Las componentes restantes representan el ruido presente en la imagen y se descartan.

3. Revisión de la composición de las componentes principales que tienen mayor variabilidad en los datos y selección de las dos primeras bandas espectrales que generen la mayor contribución a la varianza en cada componente, con base en la mayor longitud del autovector.

4. Elaboración de los ratios con las bandas identificadas en el punto 3.

5. Obtención de una imagen compuesta a partir de los ratios que permita identificar las zonas con posibles emanaciones de CO2. En el siguiente esquema

(figura 36), se presentan los pasos a seguir para obtener la imagen final.

A partir de los valores de los ratios, correspondientes a los píxeles de los análogos naturales conocidos, se establecieron los criterios de reclasificación que indiquen la posibilidad de emisiones de CO2. La máxima posibilidad de emisiones se determina

según el rango de valores de los ratios obtenidos en los análogos naturales. Por lo tanto, a medida que el ratio de un píxel se aleje de estos valores, las posibilidades de emisiones disminuyen.

A efectos de simplificar los resultados, para cada ratio se elabora una imagen reclasificada de números enteros con tres rangos de datos, expresando tres niveles de posibilidad (alta = 2, media = 1, baja = 0) respectivamente. Luego se realiza una sumatoria de las tres imágenes reclasificadas, para generar una imagen con valores desde 0 hasta 6, señalando las zonas que pueden tener bajas y altas posibilidades respectivamente. Este paso se describe en la figura 37.

Figura 37. Proceso para generar mapas a partir de los valores de ratios de los análogos naturales (AN) conocidos.

Las zonas señaladas se verifican en campo mediante la observación directa y la medición in situ de concentraciones de CO2. En este estudio se utiliza un detector de CO2 (Anexo

7 .Características del detector Telair).

Ratio 1 Rojo Reclasificación con valor en AN Ratio 2 Verde Reclasificación con valor en AN Imagen a partir de la sumatoria de escalas Ratio 3 Azul Reclasificación con valor en AN

95