COMO HACER LA CORRECCIÓN ATMOSFÉRICA DE IMÁGENES MULTIESPECTRALES LAND SAT (MSS, TM, ETM) Y ALI EN ER-MAPPER Y ENVI.
HOW TO ATMOSPHERIC CORRECTION OF LAND SAT MULTISPECTRAL IMAGES (MSS, TM, ETM) and ALI IN ER-MAPPER AND ENVI SOFTWARE.
CLIC PARA BAJAR EL MANUAL COMPLETO
ÚLTIMA VERSIÓN 12 DE MARZO DE 2012
La atmósfera puede afectar la naturaleza de las imágenes de sensores remotos en un número de formas diferentes. A nivel molecular, los gases atmosféricos causan dispersión Rayleigh que afecta progresivamente las longitudes de banda más cortas (provocando, por ejemplo, que el cielo se vea azul). Además, los componentes atmosféricos principales como el oxígeno, el dióxido de carbono, el ozono y el vapor de agua (particularmente los dos últimos) causan la absorción de energía en longitudes de banda seleccionadas. Las partículas de aerosol (un aerosol es una suspensión gaseosa de partículas líquidas o de sólidos finos) son el principal determinante de la neblina, e introducen una dispersión Mie en gran medida no selectiva (es decir, que afecta a todas las longitudes de banda por igual). Los efectos atmosféricos pueden ser sustanciales (Eastman, 2008).
Ejemplo 1.
IMAGEN LAND SAT TM SIN CORRECCIÓN ATMOSFÉRICA
(VISUALIZADA Y PROCESADA EN ENVI 4.8)
IMAGEN LAND SAT TM CON CORRECCIÓN ATMOSFÉRICA
(VISUALIZADA PROCESADA EN ENVI 4.8)
INTRODUCCIÓN
El análisis digital de datos de teledetección (Imágenes de Satélite y ortofotos) se ha convertido en un componente importante de muchos estudios de las ciencias de la tierra. Estos datos son generalmente procesados a través de un conjunto de pre-procesamiento o de las rutinas que incluye una corrección por la dispersión atmosférica, lo que a menudo llaman "limpiar" la niebla. Varios métodos se han desarrollado para corregir o eliminar el componente de neblina aditiva, incluyendo la ampliamente técnica utilizada como la sustracción del objeto oscuro. Un problema con la mayoría de estos métodos es que los valores de turbidez para cada banda espectral se seleccionan de forma independiente. Esto puede crear problemas debido a la dispersión atmosférica que es altamente dependiente de la longitud de onda; en la parte visible del espectro electromagnético y la dispersión de los valores que están correlacionados entre sí. Por lo tanto, los datos multiespectrales, como los datos de los sensores Land Sat Thematic Mapper (TM) y Multiespectral Escáner (MSS) deben ser corregidos con los valores de turbidez de acuerdo a la banda espectral. La mejora de la técnica de sustracción del objeto oscuro ha demostrado que permite al usuario seleccionar un modelo de dispersión atmosférica relativa para predecir los valores de turbidez para todas las bandas espectrales de un valor inicial seleccionado bruma banda. El método mejorado normaliza los valores de turbidez previsto para la ganancia y diferentes parámetros de compensación utilizado por el sistema de imágenes. Ejemplos de las diferencias entre el valor de turbidez y los viejos métodos mejorados para Bandas de cartografía temática 1, 2, 3, 4, 5 y 7 son 40,0, 13,0, 12,0, 8,0, 5,0 y 2,0 frente a 40,0, 13,2, 8,9, 4,9, 16,7 y 3,3, respectivamente, usando un modelo de dispersión relativa de una atmósfera clara. En una imagen Landsat escáner multiespectral las diferencias valor de turbidez de las bandas 4, 5, 6, y 7 fueron 30.0, 50.0, 50.0 y 40.0 para el viejo método frente a 30,0, 34,4, 43,6, y 6,4 para el nuevo método con un familiar dispersión de modelo de una atmósfera nebulosa.
En los ejemplos 1 y 2 se observa la imagen Land Sat 5 TM Pat 29- Row 47 con fecha de toma 2 de abril de 2011; en ellos se perciben las diferencias sin la corrección Atmosférica y con la corrección Atmosférica el primero fue desarrollado con el software ENVI 4.8 y el segundo ejercicio fue realizado con el software ER MAPPER 7.2 .
Ejemplo 2.
Ejemplo 2.
IMAGEN LAND SAT TM SIN CORRECCIÓN ATMOSFÉRICA
IMAGEN LAND SAT TM CON CORRECCIÓN ATMOSFÉRICA
Bibliografía:
Chavez, P.S. (1988): “An improved dark-object subtraction technique for atmospheric scattering correction of multispectral data”, Remote Sensing of Environment, 24, pp. 259-479.
Chander, G., Markham, B.L., Helder, D.L. (2009). Summary of Current Radiometric Calibration Coefficients for Landsat MSS, TM, ETM+, and EO-1 ALI Sensors. Remote Sensing of Environment 113 (2009) 893–903.
Eastman, J.Ronald. 2008. IDRISI para Windows, Guía del Usuario versión TAIGA.
