Interfaz gráfica en
Matlab para determinar los índices de vegetación y agua de diferencia
normalizada en imágenes multiespectrales del satélite PerúSAT-1
Paulo Daniel Ramírez Vera
Autora corresponsal: paulo.ramirez@urp.edu.pe
Orcid: https://orcid.org/0009-0008-1694-5865
Universidad Ricardo
Palma, Lima, Perú.
Pedro
Freddy Huamaní Navarrete
Orcid: https://orcid.org/phuamani@urp.edu.pe
Universidad
Ricardo Palma, Lima, Perú.
Correspondencia:
paulo.ramirez@urp.edu.pe
DOI: https://doi.org/10.31381/perfilesingenieria.v21i22.6834
RECIBIDO: 01 septiembre de 2024
ACEPTADO: 01 de diciembre 2024
Cómo citar
P. F. Huamaní Navarrete y P.
D. Ramírez Vera, «Interfaz gráfica en Matlab para determinar los índices de
vegetación y agua de diferencia normalizada en imágenes multiespectrales del
satélite PerúSAT-1»., Perfiles_Ingeniería, vol. 21, n.º 22, pp. 101–119,
dic. 2024.
RESUMEN
Este trabajo tuvo como objetivo
el cálculo y la visualización de los índices de vegetación (NDVI) y de agua
(NDWI) de diferencia normalizada, a partir del procesamiento de imágenes
satelitales multiespectrales proporcionadas gratuitamente del satélite
PeruSAT-1. Las imágenes correspondieron a la zona litoral y tres distritos del
sur de Lima, en Perú. La metodología aplicada consistió en el procesamiento de
imágenes en la interfaz gráfica App Designer del software Matlab, y empleó
técnicas de segmentación y análisis multiespectral para extraer datos
relevantes de las bandas espectrales disponibles RGB y NIR. Asimismo, se
realizaron la corrección y mejora de la calidad de las imágenes, que aseguró
que los datos extraídos fueran precisos y útiles para los análisis posteriores.
Además, la aplicación desarrollada permitió, aparte de la visualización de los
índices NDVI y NDWI, la representación de los histogramas de las cuatro bandas
espectrales, del perfil y del promedio de reflectancia.
Palabras
claves: Imágenes multiespectrales,
PerúSAT-1, Matlab, índice de vegetación, índice de agua de diferencia
normalizada.
ABSTRACT
This research aimed
to calculate and visualize the Normalized Difference Vegetation Index (NDVI)
and the Normalized Difference Water Index (NDWI) by processing freely available
multispectral satellite images from the PeruSAT-1 satellite. The images covered
the coastal area and three districts in southern Lima, Peru. The methodology
applied image processing using MATLAB’s App Designer interface under
segmentation and multispectral analysis techniques to extract relevant data
from the available RGB and NIR spectral bands.
Image correction
and enhancement, meticulously performed, were also carried out to ensure the
extracted data were accurate and useful for subsequent analyses. Additionally,
the developed application enabled the visualization of the NDVI and NDWI indixes.
It provided representations of the histograms of the four spectral bands and
the profile and average reflectance.
Keywords: Multispectral Images, PeruSAT-1, MATLAB, Vegetation Index, Normalized
Difference Water Index.
1.
Introducción
El análisis de los patrones hídricos y las densidades
vegetales en entornos urbanos y periurbanos se presenta como una necesidad
fundamental para la gestión eficiente de los recursos naturales, así como para
la planificación territorial sostenible. Particularmente, en ciertas zonas de
la ciudad de Lima en el Perú, estos retos se agravan por el crecimiento
demográfico vertiginoso, la expansión desordenada de áreas urbanas y los
impactos directos e indirectos del cambio climático.
Además, la carencia de herramientas precisas y
automatizadas que permiten un monitoreo continuo y una evaluación detallada de tales
patrones genera un vacío significativo en el proceso de toma de decisiones,
tanto para las autoridades locales como para los gestores ambientales. Por ello,
esa falta de información actualizada dificulta la implementación de estrategias
efectivas para la gestión y conservación de los recursos naturales en cierta
región del país. También la complejidad del entorno urbano y la diversidad de
las coberturas terrestres en ciertas zonas de la ciudad de Lima añaden un
desafío extra al análisis de las imágenes satelitales. Por ello, los métodos
tradicionales de análisis manual no solo resultan ineficientes, sino también
propensos a errores, lo que subraya la urgencia de desarrollar métodos
automatizados y eficaces que superen estas limitaciones y proporcionen una
visión holística y precisa de la situación ambiental en la región de interés.
De esta manera, se planteó como objetivo determinar
los índices NDVI (Índice de Vegetación de Diferencia Normalizada) y NDWI
(Índice de Agua de Diferencia Normalizada), a partir del procesamiento
multiespectral de imágenes satelitales proporcionadas por el satélite PerúSAT-1,
para luego visualizar de manera interactiva patrones hídricos, densidades
vegetales, perfil de reflectancia, reflectancia promedio e histogramas por
banda espectral de ciertas áreas de algunos distritos de la ciudad de Lima,
haciendo uso de la interfaz gráfica App Designer del Matlab.
Es así como, tomando como referencia investigaciones relacionadas
al cálculo de los índices de diferencia normalizada en [1], se halló la
exploración a las capacidades del satélite PerúSAT-1 para estimar los índices
de vegetación, agua y nieve. Además, identificó una limitación en el análisis
de ciertos minerales debido a la falta de información en ciertas longitudes de
onda. Luego, en [2], se propuso un modelo de clasificación para identificar, a
nivel de píxeles, elementos relevantes en las imágenes de PerúSAT-1, como
vegetación, agua, suelo y áreas urbanas. La base de datos cruda estuvo
compuesta por 3 imágenes de satélite que fueron recortadas en imágenes más
pequeñas de 1,000x1,000 píxeles, con la finalidad de reducir el costo
computacional en el proceso de generación de la base de datos.
Igualmente, en [3], se propuso un nuevo enfoque para
segmentar las superficies de agua a partir de imágenes satelitales, utilizando
redes neuronales convolucionales sobre una base de datos de alta resolución del
satélite Sentinel-2 y de muy alta resolución del PerúSAT-1. Luego, en [4], se
desarrolló e implementó un sistema de procesamiento de imágenes
multiespectrales que utiliza la herramienta App Designer del Matlab, orientado
al cálculo del NDVI a partir de cámaras multiespectrales o imágenes
satelitales. Por otro lado, en [5], se emplearon técnicas de procesamiento
digital en imágenes satelitales para estimar el área superficial de un glaciar
en Perú, en los que se utilizaron datos del satélite PeruSAT-1. Y, en [6], se
exploró el uso de imágenes satelitales LANDSAT-8 y ÁSTER-GDEM para identificar
zonas de recarga hídrica subterránea en la cuenca del Jequetepeque, que contrastan
los resultados con pozos inventariados.
2.
Marco
conceptual
Imagen satelital. También se las conoce como imágenes
de observación de la Tierra o fotografías tomadas desde el espacio a través de
un satélite. Se definen como el producto obtenido por un sensor instalado a
bordo de un satélite artificial, mediante la captación de la radiación
electromagnética emitida o reflejada por un cuerpo, que posteriormente se
transmite a estaciones terrenas para su visualización, procesamiento y análisis
[7].
Índice de Vegetación de Diferencia Normalizada (NDVI).
Es un parámetro calculado a partir de los valores de la reflectancia a
distintas longitudes de onda, con la finalidad de ser utilizado en la
estimación de la cantidad y calidad de la vegetación en un área de estudio;
dicho índice se basa en la teoría comprobada de la absorción de radiación solar
llevada a cabo por las especies vegetales en el proceso de fotosíntesis [8].
Índice de Agua de Diferencia Normalizada (NDWI). Es un
parámetro que se calcula al maximizar la reflectancia del agua usando para ello
la banda del Infrarrojo Cercano y la absorción de la vegetación y de suelo
adyacente en la banda del verde. Por eso, se utiliza para resaltar el aspecto
de las masas de agua en una imagen satelital [1].
Sistema satelital peruano PerúSAT-1. Es el primer
sistema satelital óptico de observación terrestre submétrico del Perú, cuyos
beneficios abarcan múltiples campos desde la seguridad y defensa hasta diversas
actividades productivas. Este sistema satelital es operado desde el Centro
Nacional de Operaciones de Imágenes Satelitales, en Pucusana, por ingenieros y
especialistas peruanos [9]. Además, el satélite genera imágenes con 70
centímetros de resolución utilizando una cámara ligera y resistente a las
temperaturas extremas del espacio. Su órbita se encuentra a 702.5 Km. y tiene
una velocidad de desplazamiento de 7.5 km/s [9].
3.
Metodología
Esta investigación es del tipo tecnológica y
aplicativa porque se usaron los conocimientos científicos para dar soluciones
innovadoras a problemas prácticos [10]; igualmente, se utilizó un método de
investigación empírico y experimental porque los datos adquiridos de un medio
digital fueron manipulados experimentalmente con la aplicación de técnicas
matemáticas de procesamiento de imágenes, en el software de computación
numérica Matlab.
Por otro lado, la metodología propuesta y desarrollada
se representa a través del diagrama de bloques de la figura 1. Como primera
actividad se tiene la recopilación de imágenes multiespectrales del satélite
peruano PerúSAT-1, seguido del preprocesamiento con el Sistema de Información
Geográfica de software libre QGIS y del uso de herramientas matemáticas con apoyo
del Toolbox Image Processing del Matlab para determinar los índices de
vegetación y agua de diferencia normalizada, así como la reflectancia y
visualización de los histogramas, a partir de cuatro bandas espectrales. Finalmente,
se diseñó e implementó la interfaz gráfica de visualización en el entorno
gráfico App Designer del Matlab.
3.1.
Base de datos de
imágenes multiespectrales
La base de datos estuvo constituida por un conjunto de
imágenes proporcionadas gratuitamente por la Dirección de Aplicaciones Espaciales
y Geomática (DIAPG) de la Agencia Espacial del Perú (CONIDA), después de
solicitarlas formalmente. A continuación, la tabla 1 muestra el rango y
resolución espectral de cada una de las bandas que componen las imágenes del
satélite PerúSAT-1.
Tal como se observa en la tabla, las primeras cuatro
bandas multiespectrales presentan una resolución espacial de 2.8m, por lo cual
cada pixel representa aproximadamente 7.84m2 de la superficie de la tierra [11].
Seguidamente, en la figura 2, se muestran dos de las veinte imágenes
satelitales proporcionadas gratuitamente por la CONIDA, y utilizadas en el
desarrollo de este trabajo. Estas dos imágenes pertenecen a uno de los
distritos de la zona sur y al litoral de la ciudad de Lima.
Figura 1
Diagrama de bloques general de la
metodología planteada
Tabla 1
Descripción de las
bandas espectrales del PerúSAT-1
Nota: Tomado de [11]
3.2. Preprocesamiento de las imágenes multiespectrales
El preprocesamiento de las imágenes satelitales es una
de las principales tareas, porque permite asegurar la calidad y consistencia de
los datos antes de realizar el análisis. Este proceso incluyó la realización de
dos etapas, las cuales se comentan a continuación.
Segmentación de imágenes. Utilizando el Sistema de
Información Geográfica, QGIS, se realizó la segmentación manual de las imágenes.
Estas fueron divididas en regiones de interés mejor manejables y específicas
correspondientes a una resolución de 1595 x 1561 píxeles. Además, la
segmentación permitió enfocar el análisis en áreas concretas, como cuerpos de
agua o zonas vegetales, lo que mejoró la eficiencia del posterior
procesamiento.
Corrección del orden de las bandas espectrales. Como
es de conocimiento, las imágenes multiespectrales obtenidas del PerúSAT-1
pueden presentar variaciones en el orden de las bandas espectrales. Por lo tanto,
es importante reorganizar estas bandas para asegurar que los cálculos de los
índices de vegetación y agua se realicen correctamente. Por tal razón, el
sistema de Información Geográfica (QGIS) también fue utilizado para corregir y
verificar el orden de las bandas, y las alineó conforme a los estándares
esperados: bandas multiespectrales RGB y NIR.
Figura 2
Visualización de dos imágenes satelitales del PerúSAT-1 pertenecientes a uno de los distritos de la zona sur y del litoral de la ciudad de Lima
Nota: Tomado de [12]
3.3. Índices de diferencia normalizada (NDVI y NDWI)
Los índices de diferencia normalizada, específicamente
el NDVI y NDWI, son componentes cruciales en el análisis de imágenes
satelitales para la identificación de patrones hídricos y densidades vegetales.
Estos índices proporcionan información valiosa sobre la cobertura vegetal y la
presencia de agua, lo que permite una evaluación precisa de las condiciones
ambientales en la zona de estudio. Para este cálculo, se utilizó el software
Matlab con los Toolbox de Mapping e Image Processing [13].
3.3.1. Cálculo del índice de
vegetación de diferencia normalizada (NDVI)
Es un indicador que se utiliza ampliamente para
evaluar la densidad y el estado de la vegetación. Se calcula utilizando las
bandas del espectro rojo (R) y del infrarrojo cercano (NIR) de las imágenes
satelitales. La fórmula estándar para el cálculo del NDVI es:
Donde R es la luz reflejada o reflectancia en el rango
rojo del espectro visible; NIR, la luz reflejada en el espectro infrarrojo
cercano.
Además, este índice está definido por valores situados
entre -1.0 y 1.0, donde los valores negativos están formados principalmente por
nubes, nieve, rocas, arena y/o suelo descubierto. Por otro lado, los valores
moderados (de 0.2 a 0.3) representan arbustos y praderas, mientras que los
valores grandes (de 0.6 a 0.8) indican bosques templados y tropicales [14].
Por lo tanto, utilizando el software Matlab y sus
respectivos Toolbox, el proceso de cálculo del NDVI inició con la importación y
lectura de los archivos de imágenes en formato TIF mediante la utilización del
Mapping Toolbox del software Matlab. Luego, se procedió a extraer y almacenar
las bandas espectrales en matrices de datos para su posterior procesamiento.
Posteriormente, con apoyo del Image Processing Toolbox se aplicaron operaciones
aritméticas a las matrices de datos correspondientes a las bandas NIR y R, a
partir de la ecuación expresada en (1). Dicho resultado dio origen a una imagen
de índice NDVI, en la que cada píxel representó el valor del índice calculado y
determinó las áreas con alta y baja densidad de vegetación.
3.3.2.
Cálculo del índice de
agua de diferencia normalizada (NDWI)
El NDWI se utiliza para resaltar la presencia de agua
en las imágenes satelitales. Se calcula, para el caso de las imágenes
proporcionadas por el satélite PerúSAT-1, mediante la siguiente expresión, en
la que G es la luz reflejada en el rango verde del espectro, y NIR la luz
reflejada en el espectro infrarrojo cercano.
Además, este índice está definido por valores situados
entre -1.0 y 1.0; los valores negativos corresponden a sequía y superficies sin
agua o sequía moderada; luego, valores positivos y cercanos a cero corresponden
a inundación y humedad, mientras que mayores valores representan a superficies
de agua [15].
Por lo tanto, utilizando el software Matlab y sus respectivos
Toolbox, el proceso de cálculo del NDWI inició con la importación y lectura de
los archivos de imágenes en formato TIF utilizando el Mapping Toolbox del
software Matlab. Luego, se procedió a extraer y almacenar las bandas
espectrales en matrices de datos para su posterior procesamiento.
Posteriormente, con apoyo del Image Processing Toolbox se aplicaron operaciones
aritméticas a las matrices de datos correspondientes a las bandas NIR y G, a
partir de la ecuación expresada en (2). Dicho resultado dio origen a una imagen
de índice NDWI en la que cada píxel representó el valor del índice calculado y destacó
las áreas con presencia de agua.
3.4. Diseño de la Interfaz Gráfica de usuario en App Designer
La aplicación interactiva desarrollada en MATLAB con
App Designer facilitó la visualización de los histogramas, el perfil de
reflectancia, la distribución acumulativa, la reflectancia promedio, y los
resultados obtenidos de los índices NDVI y NDWI de las imágenes satelitales. De
esta manera, para el diseño de tal interfaz gráfica, como se aprecia en la figura
3, se optó por utilizar un panel de configuración conformado por componentes
del tipo Slider, Image, Button, Label, Tab Group y Edit Field, que permitieron
cargar, procesar y visualizar imágenes satelitales de la base de datos empleada.
Asimismo, fue posible analizar los índices de vegetación y agua calculados.
Seguidamente, se describe el desarrollo de cada etapa de la interfaz gráfica.
3.4.1.
Visualización de imágenes satelitales
Esta opción permitió cargar y visualizar las imágenes
multiespectrales del satélite PerúSAT-1, previamente preprocesadas con el
Sistema de Información Geográfica de software libre QGIS. Por eso, fue posible
mostrar y permitir al usuario explorar las diferentes áreas mediante controles
de zoom y desplazamiento. En cuanto al código fuente utilizado en la interfaz
gráfica App Designer, se emplearon funciones del toolbox Image Processing para
separar las bandas, conversión a punto flotante, obtención de la profundidad de
los bits por pixel y de las coordenadas del pixel central, ajuste del contraste,
normalización y escalamiento de las bandas. A continuación, se muestra parte
del código fuente utilizado. En la figura 4, se visualiza la imagen satelital
después de presionar el botón CARGAR IMAGEN.
Figura 3
Interfaz gráfica desarrollada en el App Designer del Matlab
Nota: Tomado de una captura de pantalla en
Matlab
Figura 4
Visualización de una imagen satelital en la interfaz gráfica desarrollada
en el App Designer del Matlab
Nota: Tomado de una captura de pantalla de una
simulación en Matlab
3.4.2.
Cálculo y visualización de índices NDVI y NDWI
Tal como fue mencionado anteriormente, para el cálculo
dinámico de los índices NDVI y NDWI se utilizó el software Matlab y el Mapping
Toolbox e Image Processing Toolbox. Los resultados fueron mostrados a través de
tres mapas de colores conocidos como turbo, hsv y hot, representados por
arreglos de tres columnas y proporcionados por el software Matlab. De esta
manera, se facilitó la interpretación visual de las áreas con diferentes
densidades de vegetación y presencia de masas de agua.
A continuación, se muestra parte del código fuente
utilizado en la interfaz gráfica App Designer para la realización del cálculo
del índice de diferencia normalizada de vegetación para una imagen satelital, a
partir de la ecuación (1) mencionada en la sección anterior.
De igual forma, se muestra parte del código fuente
utilizado en la interfaz gráfica App Designer para la realización del cálculo
del índice de diferencia normalizada de agua para una imagen satelital, a
partir de la ecuación (2) mencionada en la sección anterior.
3.4.3.
Histogramas de bandas espectrales
Asimismo, con la finalidad de alcanzar un mejor
análisis del comportamiento espectral por cada banda espectral, se optó por
desarrollar un código fuente para visualizar los histogramas de cada una de las
bandas espectrales. De esta manera, tales histogramas permitieron dar un mejor
entendimiento de la distribución de los valores de reflectancia en cada una de
las bandas. En el siguiente párrafo, se muestra el código fuente de programa
utilizado en la interfaz gráfica App Designer para el trazado y visualización
de los histogramas de las cuatro bandas espectrales independientes.
3.4.4.
Perfil de reflectancia
De igual forma, para contribuir con el análisis de la
variación de los valores de reflectancia en diferentes áreas o secciones de una
imagen espectral, se desarrolló un código fuente para visualizar el perfil de
reflectancia a lo largo de cada fila de una imagen seleccionada. Para ello, se
añadió una leyenda que permita identificar por color diferente cada una de las
bandas espectrales. Adicionalmente, se representó por medio de un componente
del tipo slider horizontal la selección manual de la fila a analizar. Es decir,
a través de una representación gráfica se mostró la reflectancia versus la
posición del pixel para las cuatro bandas espectrales. A continuación, se
muestra parte del código fuente de programa utilizado en la interfaz gráfica
App Designer para visualizar el perfil de reflectancia por fila, en una de las
imágenes satelitales, según la selección realizada manualmente a través del
componente slider.
3.4.5.
Reflectancia promedio y distribución
acumulativa
De igual modo, para conocer más aún el tema relacionado a la reflectancia, se desarrolló un código de programa que permitió visualizar en el componente Axes de la interfaz gráfica App Designer del Matlab, el cálculo y la distribución acumulativa de los valores de reflectancia y el promedio de esta para las áreas seleccionadas. Esto proporcionó una medida resumida en la imagen satelital seleccionada. Se comparte parte del código fuente utilizado.
4.
Resultados
Los resultados alcanzados después de la realización de
la programación y el diseño de la aplicación en la interfaz gráfica App
Designer permitieron leer y analizar cualquiera de las 20 imágenes satelitales
proporcionadas gratuitamente por el PerúSAT-1. A continuación, se muestran
algunos resultados obtenidos de acuerdo con el algoritmo propuesto.
Botón - opción HISTOGRAMAS. Permitió visualizar la
distribución de valores de reflectancia de las distintas bandas espectrales
(rojo, verde, azul, NIR). Un histograma representa la frecuencia de aparición
de estos valores, y facilita la detección de patrones y anomalías en los datos.
Esta herramienta es esencial para la mejora y corrección de imágenes, así como
para la clasificación de uso del suelo y cobertura terrestre. La implementación
de este botón incluye la verificación de la carga de datos y la generación de
histogramas para cada banda, lo que proporciona una representación visual clara
y detallada de la información espectral. A continuación, se muestra un ejemplo
en la figura 5.
Figura 5
Visualización del histograma de las cuatro bandas espectrales de una imagen satelital en la interfaz gráfica App Designer del Matlab
Nota: Tomado de una captura de pantalla de una
simulación en Matlab
Botón – opción NDVI. Permitió calcular y visualizar el
Índice de Vegetación de Diferencia Normalizada (NDVI), una métrica clave en la
teledetección para evaluar la salud y densidad de la vegetación. El NDVI se
calcula utilizando las bandas roja y NIR, y sus valores varían entre -1 y 1. Entre
estos, los valores cercanos a 1 indican vegetación densa y saludable. Este
botón no solo muestra el NDVI en un gráfico con diferentes estilos de colormap,
sino que también clasifica los píxeles en rangos específicos, y actualiza una
tabla con estos datos, lo que facilita la interpretación y análisis
cuantitativo de la vegetación en la imagen. Seguidamente, la figura 6 muestra
un ejemplo de la representación del cálculo del índice normalizado NDVI de una
de las imágenes satelitales del PerúSAT-1.
Botón - opción NDWI. Permitió calcular y visualizar el
Índice de diferencia normalizada de agua (NDWI), una métrica crucial en la
teledetección para detectar cuerpos de agua y medir el contenido de agua en la
vegetación. El NDWI se calcula utilizando las bandas verde y NIR, con valores
que oscilan entre -1 y 1. Entre estos, los valores más altos indican una mayor
presencia de agua. Este botón muestra el NDWI en un gráfico y aplica diferentes
estilos de colormap. También clasifica los píxeles en rangos específicos, y actualiza
una tabla con estos datos para facilitar el análisis cuantitativo y la
interpretación de la presencia y distribución del agua en la imagen.
Seguidamente, la figura 7 muestra un ejemplo de la representación del cálculo
del índice normalizado NDWI de una de las imágenes satelitales del PerúSAT-1.
Figura 6
Visualización del índice de diferencia
normalizada de vegetación para una imagen satelital del litoral de la ciudad de
Lima, en la interfaz gráfica App Designer del Matlab
Nota: Tomado de una captura de pantalla de una simulación en
Matlab
Figura 7
Visualización del índice de diferencia normalizada de agua para una imagen satelital del litoral de la ciudad de Lima, en la interfaz gráfica App Designer del Matlab
Nota: Tomado de una captura
de pantalla de una simulación en Matlab
Botón - opción PERFIL REFLECTANCIA. Permitió
seleccionar una línea específica de píxeles en la imagen para extraer y
graficar el perfil de reflectancia de las cuatro bandas espectrales (roja,
verde, azul y NIR). Este perfil muestra la variación de la reflectancia a lo
largo de una fila de píxeles, lo que proporciona información sobre las
características espectrales de los objetos presentes en esa línea seleccionada.
Tal es así que, al desplazar el slider o control deslizante, el gráfico y el
campo de edición numérica se actualizan en tiempo real. Esto facilita un
análisis dinámico y detallado de las variaciones espectrales dentro de la
imagen. A continuación, la figura 8 muestra un ejemplo de la representación del
perfil de reflectancia a lo largo de la fila número 450 de la imagen satelital
correspondiente a un sector del litoral de la ciudad de Lima.
Figura 8
Visualización del perfil de reflectancia a lo
largo de la fila N.°450 de una imagen satelital del litoral de la ciudad de
Lima, en la interfaz gráfica App Designer del Matlab
Nota: Tomado de una captura de pantalla de una
simulación en Matlab
Botón – opción DISTRIBUCIÓN ACUMULATIVA. Permitió
visualizar en la interfaz de usuario, desarrollada en App Designer, la
generación de curvas de distribución acumulativa para cada banda espectral
(roja, verde, azul y NIR). Estas curvas representan la acumulación de la
frecuencia de los valores de píxeles desde el mínimo hasta el máximo, lo que permite
visualizar la distribución y concentración de los valores de reflectancia. Este
análisis es esencial para comprender la variabilidad y las características
estadísticas de las bandas espectrales, pues facilita la identificación de
patrones y anomalías en la imagen. A continuación, la figura 9 muestra un
ejemplo de la representación visual de la distribución acumulativa de una
imagen satelital correspondiente al litoral de la ciudad de Lima.
Botón de REFLECTANCIA PROMEDIO. Permitió visualizar en
la interfaz de usuario, desarrollada en App Designer, el cálculo de la
reflectancia promedio de cada banda espectral (roja, verde, azul y NIR) de la
imagen completa. Este análisis proporciona una visión global de la reflectancia
media de la superficie terrestre capturada, lo que permite evaluar y comparar
la respuesta espectral general de diferentes bandas. Además, esta información
es fundamental para la interpretación de las propiedades y características del
terreno en estudios de teledetección. A continuación, la figura 10 muestra un
ejemplo de la representación visual de la reflectancia promedio en una imagen
satelital correspondiente al litoral de la ciudad de Lima.
Figura 9
Visualización de la distribución acumulativa
de una imagen satelital del litoral de la ciudad de Lima en la interfaz gráfica
App Designer del Matlab
Nota: Tomado de una captura
de pantalla de una simulación en Matlab
Figura 10
Visualización de la reflectancia promedio de una imagen satelital del
litoral de la ciudad de Lima en la interfaz gráfica App Designer del Matlab
Nota: Tomado de una captura
de pantalla de una simulación en Matlab
Este trabajo permitió el cálculo de los índices de
diferencia normalizada NDVI y NDWI a partir del procesamiento multiespectral de
imágenes satelitales de PerúSAT-1 para un sector del litoral y ciertos distritos
en la zona sur de Lima. La utilización del software Matlab y sus herramientas
específicas facilitó la generación precisa de estos índices. Esto permitió una visualización
detallada de la densidad de vegetación y la presencia de agua en las áreas de
estudio, así como también otros datos relevantes como histogramas, perfiles de
reflectancia y distribuciones acumulativas. De esta manera, la aplicación
desarrollada proporciona una interfaz intuitiva para la interpretación de los
resultados, lo que facilita el análisis basado en los datos procesados.
Asimismo, es viable la ampliación de las
funcionalidades de la aplicación interactiva desarrollada en la interfaz App
Designer, que incluye la posibilidad de exportar los resultados en formatos
compatibles con sistemas de información geográfica (SIG). Además, se recomienda
integrar la aplicación con bases de datos geoespaciales para realizar análisis
más integrales y automatizados.
También es considerable la incorporación de métodos de
procesamiento en la nube para reducir el tiempo de cómputo y gestionar
eficientemente grandes volúmenes de datos. Esto podría facilitar la realización
de análisis en tiempo real en futuras aplicaciones de monitoreo ambiental y
agricultura de precisión.
Referencias bibliográficas
[1].
R.
Giraldo, “Análisis de aplicaciones espectrales derivados de imágenes
satelitales PerúSAT-1”, Revista del
Instituto de Investigación de la Facultad de Minas, Metalurgia y Ciencias
Geográficas, Vol. 24, Núm. 47, pp. 75-81, Junio 2021. [En línea].
Disponible en https://revistasinvestigacion.unmsm.edu.pe/index.php/iigeo/article/view/20653
[2].
A. Ramirez, A. Pacheco and J. Telles, “Mapping
vegetation, water bodies and urban areas in PeruSAT-1 satellite imagery”, 2019
XXII Symposium on Image, Signal Processing and Artificial Vision (STSIVA),
Bucaramanga, Colombia, 2019, pp. 1-4, doi: 10.1109/STSIVA.2019.8730269.
[3].
J. Gonzalez, K. Sankaran, V. Ayma and C. Beltran, “Application
of Semantic Segmentation with Few Labels in the Detection of Water Bodies from
Perusat-1 Satellite’s Images”, 2020 IEEE Latin American GRSS & ISPRS Remote
Sensing Conference (LAGIRS), Santiago, Chile, 2020, pp. 483-487, doi: 10.1109/LAGIRS48042.2020.9165643.
[4].
D. Hernández y J. Gulfo, Procesamiento de Imágenes Multiespectrales
adquiridas con drones para la caracterización de sistemas agroambientales,
Informe Final de Trabajo de Grado, Universidad
Pontificia Bolivariana, Colombia, 2018.
[5].
L. García-Bazán, L. Jiménez-Troncoso and J. Nilton
Montoya, “Digital Processing Techniques for PeruSat-1 Satellite Images for
Estimation of the Surface Area of a Glacier”, 2023 International Conference on
Mechatronics, Control and Robotics (ICMCR), Jeju, Korea, Republic of, 2023, pp.
49-53, doi: 10.1109/ICMCR56776.2023.10181032.
[6].
S. Díaz Cruz, Análisis multiespectral mediante imágenes satelitales
para identificar zonas de recarga hídrica subterránea en la cuenca Jequetepeque,
Tesis para optar el título de Ingeniero Geólogo, Universidad Nacional de
Cajamarca, Cajamarca, Perú, 2018.
[7].
AXESS
Networks, “Las imágenes satelitales y sus aplicaciones en la vida cotidiana”,
Febrero 2021. [En línea]. Disponible en: https://axessnet.com/las-imagenes-satelitales-y-sus-aplicaciones-en-la-vida-cotidiana/.
[8]. Ministerio
de Transportes y Comunicaciones, “Mapeo con imágenes del satélite peruano
PerúSAT-1 y clasificación de la carretera central”, Noviembre 2017. [En línea].
Disponible en: https://portal.mtc.gob.pe/transportes/caminos/normas_carreteras/Imagen_Satelital/6%20Mapeo_Imag_PeruSat-1_PE_22_San_Bartolome_Matucana_Nov-2017.pdf
[9].
Agencia
Espacial del Perú CONIDA, “Sistema Satelital Peruano PerúSAT-1 y sus
aplicaciones”, s.f. [En línea]. Disponible en: https://cdn.www.gob.pe/uploads/document/file/2051150/Per%C3%BASAT-1%20y%20sus%20aplicaciones.pdf.pdf
[10].
A. Quispe, J. Vela y P. Huamaní, “Algoritmos de visión computacional e
inferencia difusa en App Designer de Matlab para probable diagnóstico de
melanoma”, Revista Scientia, vol. 25, núm. 25, 2023.
[11].
A. Ramírez, A. Pacheco y J. Telles, “Mapping
vegetation, water bodies and urban áreas in PeruSAT-1 satellite imagery”, 2019 XXII Symposium on Image, Signal
Processing and Artificial Vision (STSIVA), Colombia, 2019. [En línea]. Disponible en: https://ieeexplore.ieee.org/document/8730269
[12].
Plataforma
Digital Única del Estado Peruano, “Acceder a imágenes satelitales a través del
sistema COF”, Diciembre 2023, [En línea]. Disponible en: https://www.gob.pe/8545-acceder-a-imagenes-satelitales-a-traves-del-sistema-cof
[13].
The Math Works, Inc. “Image Processing Toolbox”,
1994-2024. [En
línea]. Available: https://la.mathworks.com/products/image-processing.html
[14].
EOS
DATA ANALYTICS, “NDVI: Índice de vegetación de diferencia normalizada”, diciembre
2023, [En línea]. Disponible en: https://eos.com/es/make-an-analysis/ndvi/
[15].
EOS
DATA ANALYTICS, “NDWI: Índice de agua de diferencia normalizada”, Setiembre
2021, [En línea]. Disponible en: https://eos.com/es/make-an-analysis/ndwi/
Trayectoria académica
Paulo Daniel Ramírez Vera
Universidad Ricardo
Palma, Lima, Perú.
Egresado de la carrera de Ingeniería Electrónica en la Universidad Ricardo
Palma, con planteamiento de tesis en proceso para la obtención del título de
Ingeniero Electrónico. Experiencia profesional en redes, seguridad electrónica
y programación. Interés en las áreas de procesamiento digital de imágenes y
redes neuronales artificiales.
Autora corresponsal: paulo.ramirez@urp.edu.pe
Orcid: https://orcid.org/0009-0008-1694-5865
Pedro
Freddy Huamaní Navarrete
Universidad
Ricardo Palma, Lima, Perú.
Ingeniero Electrónico titulado
por la Universidad Ricardo Palma, Lima, Perú (1999). Magíster en Ingeniería
Eléctrica por la Pontificia Universidad Católica de Río de Janeiro, Brasil
(1997). Doctor en Ingeniería de
Sistemas por la Universidad Alas Peruanas, Lima, Perú (2013). Experiencia
profesional en investigación y desarrollo en las áreas de Digital Signal
Processing, Machine Learning, y Automatic Control, en empresas del sector
público y privado. Experiencia académica como docente y asesor de tesis a nivel
de pregrado y posgrado en universidades públicas y privadas. Publicaciones de
artículos en IEEE Xplore y en revistas/actas de congresos indizados a SCOPUS.
Revisor de artículos para revistas y congresos nacionales e internacionales.
Ponente en diversos eventos académicos. Docente investigador en la Universidad
Ricardo Palma. Miembro del Colegio de Ingenieros del Perú y
Coordinador-Investigador principal de un Grupo de Investigación en la
Universidad Ricardo Palma.
Orcid: https://orcid.org/phuamani@urp.edu.pe
Contribución de autoría
Paulo Daniel Ramírez Vera
Recopilación
de las imágenes satelitales proporcionadas por el satélite PerúSAT.
Implementación
de rutinas de programación relacionados al procesamiento digital de imágenes
utilizando el Toolbox Image Processing del software Matlab.
Implementación
de algoritmos para la determinación de los perfiles de reflectancia, distribuciones
acumulativas y visualización de histogramas.
Implementación
de interfaz gráfica de usuario en App Designer del Matlab.
Pedro Freddy Huamaní Navarrete
Implementación
de algoritmos de extracción de características en las imágenes recogidas del
satélite PerúSAT-1.
Asesoría
para elegir los algoritmos computacionales relacionados al procesamiento
digital de imágenes utilizando el Toolbox Image Processing del software Matlab.
Asesoría
para la implementación de la interfaz de usuario en la plataforma App Designer
del Matlab.
Redacción y
revisión a nivel de publicación científica, lo que asegura que los resultados
sean rigurosos, confiables y relevantes para la comunidad científica en el
primer y segundo artículo de investigación.
Financiamiento
La presente investigación ha sido realizada
con recursos propios de los coautores de la investigación.
Conflicto de intereses
Los autores declaran que no existe conflicto
de intereses en la presente investigación.
Responsabilidad ética y legal
El desarrollo de la investigación se realizó
bajo la conformidad de los principios éticos del conocimiento, y respetó las
normas de:
Uso de la NORMA IEEE
Acceso al repositorio
RENATI
Acceso al repositorio
ALICIA
Acceso al IEEE Xplore
Digital Library
Agradecimiento
A la Dirección de Aplicaciones Espaciales y Geomática (DIAPG) de la
Agencia Espacial del Perú (CONIDA) por las facilidades otorgadas al
proporcionarnos imágenes satelitales del PerúSAT-1, con la finalidad de
desarrollar este trabajo de investigación; y, en especial, al Técnico de
Segunda F.A.P. Juan Carlos Tejada Carrillo, Operador Asistente de Aplicaciones
Espaciales y Geomática del DIAPG-CONIDA, quien correspondió con su ayuda
desinteresada para la manipulación e interpretación de las imágenes utilizadas.
Correspondencia: paulo.ramirez@urp.edu.pe
© Los autores.
Este artículo Open Access está publicado bajo la Licencia Creative
Commons Atribución 4.0 Internacional
(CC-BY 4.0).