4.1 — SIG y Modelos de Datos Geoespaciales
4.1 — Extracción Temática y Transformaciones Espectrales
Índices de vegetación, PCA, operaciones aritméticas entre bandas
La extracción de información temática transforma datos de reflectancia en variables con significado físico: índices espectrales, componentes principales, combinaciones algebraicas. Cada transformación resalta un tipo específico de información oculta en las bandas originales.
Índices de Vegetación
NDVI, SAVI, EVI, NDRE: explotan el contraste NIR/Rojo para cuantificar biomasa, LAI, estrés hídrico y fenología de la vegetación.
Índices de Agua
NDWI, MNDWI, AWEI: utilizan el contraste Verde/NIR o Verde/SWIR para delimitar superficies de agua libre y humedad del suelo.
Índices Urbanos/Suelo
NDBI, UI, BI: usan SWIR para resaltar superficies impermeables y suelo desnudo respecto a vegetación y agua.
Índices de Fuego
NBR, dNBR: explotan NIR/SWIR2 para detectar áreas quemadas y cuantificar la severidad del incendio según el cambio pre/post.
📐 Calculadora Interactiva de Índices Espectrales
Ajusta los valores de reflectancia por banda y calcula el índice seleccionado
Bandas correladas (información redundante)
- 7 bandas Landsat-8 correladas entre sí
- 80% información concentrada en pocas combinaciones
- Difícil interpretación directa de cada banda
- Almacenamiento y procesado redundante
Componentes ordenados por varianza explicada
- PC1: varianza máxima (~70% info total)
- PC2: segunda mayor varianza (~15% info)
- PC3 y siguientes: detalles espectrales sutiles
- Componentes ortogonales: sin correlación entre sí
| Transformación | Fórmula / Método | Información extraída | Software |
|---|---|---|---|
| NDVI | (NIR-Rojo)/(NIR+Rojo) | Densidad de vegetación, biomasa | QGIS Raster Calc, GEE |
| PCA | Eigenvectors de matriz de covarianza | Estructura espectral global | SAGA GIS, GRASS r.pca |
| Tasseled Cap | Combinación lineal fija por sensor | Brillo, Verdor, Humedad | ENVI, SAGA GIS |
| Operación cociente | Banda A / Banda B | Elimina efectos topográficos | QGIS Raster Calculator |
| Diferencia normalizada | (A-B)/(A+B) | Contraste espectral normalizado | Cualquier software raster |
| Componentes ICA | Análisis de componentes independientes | Fuentes espectrales independientes | Python (scikit-learn) |
- Los índices espectrales normalizados ((A-B)/(A+B)) eliminan efectos de iluminación y variaciones de escena
- El PCA reduce la dimensionalidad: los primeros componentes concentran la información, los últimos el ruido
- Tasseled Cap proporciona componentes físicamente interpretables: Brillo (suelo), Verdor (vegetación), Humedad
- Siempre usar imágenes de reflectancia corregida (L2A) para índices — nunca DN o TOA sin corregir atmosféricamente
- El NDVI tiene saturación a valores altos (> 0.8): en vegetación muy densa usar EVI o NDRE para mayor sensibilidad
Conclusión del Módulo 4.1
- ✅ Los índices espectrales convierten reflectancias en variables físicamente interpretables: vegetación, agua, suelo, fuego
- ✅ El PCA elimina la correlación entre bandas y concentra la información en pocas componentes manejables
- ✅ Siempre trabajar con reflectancia corregida atmosféricamente para obtener índices comparables entre fechas y sensores