:: Metodología para el rellenado de las imágenes Landsat 7 ETM+ SLC-Off. Implementación del algoritmo Phase 2 Gap-Fill ::

Fecha de Publicación: 29/11/2010

Autores del Artículo:

Lic. Reinaldo Estrada Estrada.
Investigador Auxiliar. Fundación Antonio Núñez Jiménez de la Naturaleza y el Hombre.
Calle 5ta B #6611 e/ 66 y 70 Miramar, Playa, Ciudad Habana. Cuba.
Reinaldo Estrada puede ser contactado en rey2005a@gmail.com

Dr. Gustavo Martín Morales.
Investigador Agregado. Instituto de Geografía Tropical.
Calle 13 e/ F y G, Vedado, Plaza de La Revolución, Ciudad de La Habana, Cuba.
Gustavo Martín puede ser contactado en gmartin@geotech.cu

Lic. Neisy Rodríguez Ramos.
Cibernética. Delegación Provincial de Medio Ambiente. CITMA.
Milanés No. 19 e/ Matanzas y Jovellanos. Matanzas.
Neisy Rodríguez puede ser contactada en neisy.rodriguez@mtz.insmet.cu

Lic. Soltan Galano Duverger.
Especialista en Teledetección. GEOCUBA Investigación y Consultoría.
Calle 4 No. 304 e/ 3ra. y 3ra. A, Miramar, Playa, Ciudad de La Habana, Cuba.
Soltan Galano puede ser contactado en soltan@uct.geocuba.cu

Lic. Ina Bell-lloch García.
Cibernética. Agencia de Medio Ambiente. CITMA.
Calle 18 esq 18a. Playa. Ciudad de la Habana.
Ina Bell-lloch puede ser contactada en ina.bell_lloch@ama.cu

Resumen: El archivo de imágenes captadas desde 1972 por los sensores a bordo de la serie de satélite Landsat, constituye uno de los archivos de imágenes más completos e importantes para el estudio de la superficie de la Tierra. En particular para Cuba no existe otra constelación de satélites que ofrezca una cobertura de imágenes actuales y pretéritas tan empleada en disímiles aplicaciones y que además se obtengan de manera gratuita. Sin embargo la utilidad de las imágenes que se adquieren desde mayo del 2003 está reducida enormemente debido a la presencia de datos inválidos en casi el 22 % de la escena. Aunque el problema ha sido resuelto por científicos del USGS aplicando distintos algoritmos de post-procesamiento con bastante aceptación en la veracidad de los datos y con ciertas limitaciones, las imágenes no están disponibles y mucho menos de forma gratuita. En el presente trabajo se enuncia en apretada síntesis las causas que originan el problema y los resultados de la implementación del algoritmo Gap Fill Fase II por un equipo cubano para la corrección de los datos inválidos en las imágenes de Landsat ETM+ SLC-off, preparado para facilitar a GEOCUBA Investigación y Consultoría el procesamiento de las mismas. Las imágenes obtenidas producto de este proceso de relleno con el Software SLC-off Gap Filled Ver. Cubana 1.1, se consideran de gran calidad y son muy superiores a las obtenidas por los procedimientos de mosaico tradicionales realizados con ENVI o ERDAS y ellas son eficientemente clasificables por métodos automáticos y semiautomáticos.

Palabras clave: Landsat 7 ETM, SLC-off, Gap Filled, Relleno, Corrección, Algoritmo, Software.

Atención Versión Detallada: Acceso al artículo Rellenado de los gaps provocados por la falla del Scan Line Corrector en las imágenes Landsat 7 ETM+ donde se detallan en mayor profundidad los principios y métodos descritos en este texto.

INTRODUCCIÓN

La posibilidad de obtener imágenes desde el espacio con sensores montados en plataformas aéreas y satelitales, constituye una herramienta de vital importancia, pues permite actualizar con rapidez y precisión, el seguimiento de distintos fenómenos en la Tierra.

Uno de los archivos de imágenes más completos e importantes para el estudio de la superficie de la Tierra, lo constituye el captado por los satélites de mediana resolución Landsat, el cual data de hace más de 35 años, resultado de un programa diseñado a fines de la década del 60 por la Agencia Espacial Norteamericana, dedicado a la observación de los recursos terrestres.

A partir del 30 de Octubre del 2008 ha sido habilitado por el Servicio Geológico de los Estados Unidos (USGS) en los sitios http://edcsns17.cr.usgs.gov/EarthExplorer y http://glovis.usgs.gov, el acceso de manera gratuita a cualquier imagen de esta compilación, con escenas globales que datan desde 1972 hasta la actualidad, con una frecuencia de muestreo entre 16 y 18 días, las cuales han sido tomadas con los sensores Escáner Multiespectral (MSS) a bordo de los satélites Landsat 1, 2, 3, 4 (todos desactivados); Mapeador Temático (TM) a bordo de los Landsat 4 y 51; y el Mapeador Temático Mejorado (ETM+) a bordo del Landsat 7. Este último ha provisto de información casi ininterrumpida desde su lanzamiento en Julio de 1999, pero en la actualidad presenta un problema a causa de una falla en el instrumento que corrige las líneas escaneadas, conocido como Scan Line Corrector (SLC-off), el cual se encuentra apagado desde Mayo de 2003, dando como resultado que todas las escenas de Landsat 7 adquiridas desde esa fecha hayan sido colectadas conteniendo franjas de datos inválidos (gaps2). No existe otro satélite que ofrezca imágenes de Cuba con similares características y de manera gratuita, sin embargo, la utilidad de las mismas está reducida enormemente debido al problema del SLC-off. Hasta la fecha, se emplean diferentes softwares aplicando diferentes métodos para intentar corregir las imágenes dañadas, pero estos son poco efectivos(3)

Estando disponibles y habiendo adquirido estas imágenes recientes y necesitados de mejorar su calidad para realizar trabajos de dinámica y de evaluación del estado actual de diferentes componentes (vegetación, uso de suelo, suelos, recursos hídricos, costas, etc.); para el análisis de afectaciones producidas por el cambio climático, fenómenos naturales o antrópicos (huracanes, incendios, desertificación, corrimientos de tierra, inundaciones, etc) y dado el interés de GEOCUBA Investigación y Consultoría de realizar algunos de estos análisis, se procedió al estudio del problema y sus métodos tradicionales de solución, obteniéndose como resultado de una tesis de grado (1) un software basado en el algoritmo del USGS (2) con el cual esta institución arregla y vende las imágenes Landsat SLC-off Gap Filled y la metodología que detalla los procedimientos utilizados en Cuba.

Notas: (1): Este último se encuentra activo aunque toma para Cuba muy pocas imágenes. (2): Aunque existen varios tipos de gaps, en este documento se emplea mayoritariamente este término para hacer referencia a los datos inválidos producidos por el SLC-off.

1. MATERIALES Y MÉTODOS

LOS GAPS PRODUCIDOS POR EL SLC-OFF

El Landsat 7 fue lanzado el 15 de Abril de 1999. En Mayo de 2003, el sensor ETM+ comenzó a presentar fallas en el SLC, por lo cual dicho sensor se encuentra apagado, y las escenas adquiridas desde ese momento, como se conoce, presentan líneas de datos inválidos (gaps).

Los gaps provocan aproximadamente, la pérdida de un 22% de la información de cada imagen, están dispuestos en franjas inclinadas hacia la izquierda unos 8° respecto a la orientación horizontal debido a la rotación de la imagen, y aparecen en intervalos de 33 píxeles. Estas franjas tienen hasta 15 píxeles en el borde de la imagen y van disminuyendo gradualmente camino al centro hasta desaparecer. Según el USGS, esta zona libre de gaps, tiene una extensión de 22 km de ancho aproximadamente. Una anchura de 15 píxeles combinado con una distancia de 33 píxeles significa que al borde de la escena, el 45% de los datos se pierden. (3)

En una escena, no es posible determinar la posición en la que aparecerán las rayas, por tanto, no se puede estimar de manera anticipada cuántas imágenes serán necesarias para un rellenado completo de la misma. (3) En la secuencia de imágenes tomadas a una misma localización geográfica (escena), las franjas de datos inválidos se van desplazando aleatoriamente, hasta coincidir nuevamente en un ciclo de 4 tomas. Es esta característica del desplazamiento de las líneas de gaps; la que permite sentar las bases para diseñar y proponer metodologías para corregir las imágenes del Landsat 7, aprovechando los valores de los píxeles válidos que se corresponden geográficamente a los mismos en otras escenas.

En adición al problema anterior, la necesidad de la eliminación de la cobertura de nubes y sombras en las imágenes para su correcta utilización, aumenta el porciento de píxeles no válidos en las mismas, que deben de ser corregidos de forma similar a los anteriores.

ANÁLISIS DE LAS METODOLOGÍAS CONOCIDAS PARA LA ELIMINACIÓN DE LOS GAPS

La existencia de vacíos de datos (data gaps) es un fenómeno típico en las imágenes remotas y, su ocurrencia y dinámica, pueden responder a motivos naturales muy comunes como cobertura de nubes y sombras, o instrumentales como son el Rayado Linear (Line Striping), relativamente común en Landsat 5 TM, y el SLC-off existente en todas las imágenes Landsat 7 ETM+ posteriores al 31 de Mayo del 2003, dificultad esta última que se mantendrá, al menos, hasta el 2011 (4,5).

Para la corrección de estos problemas existen diversas técnicas (6,7), en función de las cuales se han diseñado distintas metodologías, que pueden ser separadas en tres grandes grupos (4):

1 Basados en múltiples imágenes: los gaps de una imagen primaria, son reconstruidos usando otras imágenes, que contienen información válida en la zona correspondiente.

En este grupo se encuentran, las técnicas de Ajustes Lineales Locales del Histograma (Local Linear Histogram Match, LLHM (3)) y las de Ajuste de Histograma para la imagen completa (Histogram Specification), que funcionan con datos seleccionados manual o automáticamente para toda o parte de las imágenes, y favorecen el ajuste radiométrico; las basadas en la Calibración Lineal Empírica (Empirical Line Calibration) que funcionan sobre la regresión lineal de puntos seleccionados por sus características de terreno y su respuesta espectral; y la basada en la Transformación de las Componentes Principales (PCT) que convierte los datos de la imagen que se utilizará para rellenar, a las características de la imagen primaria que presenta los vacíos. El problema de estas técnicas surge cuando existen diferencias importantes entre los datos de las distintas imágenes, debido a cambios en el terreno, atmosféricos o de la radiación solar, entre otros.

2 Basados en una sola imagen: funcionan utilizando las correlaciones entre los píxeles de la imagen, obtenidas por técnicas geoestadísticas de interpolación, donde las áreas vacías son reconstruidas usando datos válidos de la propia imagen. En este grupo se encuentran técnicas sencillas como el reemplazo de los píxeles vacíos por sus vecinos, tales como Vecino Más Cercano, Máxima Verosimilitud, Mahalanobis (11) y otras más complejas como el Krigging ordinario.

Estas técnicas tienen como principal problema que los píxeles son totalmente creados vía interpolación y sus resultados son variables en cuanto a confiabilidad, la cual disminuye proporcionalmente con el tamaño del área a interpolar.

3 Híbridos: Este tercer grupo aprovecha las sinergias existentes entre los dos anteriores. Incluye técnicas como la del relleno de las áreas vacías que usan datos válidos de la propia imagen, aplicando un proceso de interpolación basado en la información de los bordes, con otra imagen, como el caso del CoKrigging; o usando un enfoque de segmentación que utiliza la información obtenida de otras imágenes para establecer una rutina de interpolación dentro de los límites definidos para cada segmento. La utilidad de estas técnicas se ha demostrado en trabajos a escalas regionales, pero no se recomienda para trabajos de mayores resoluciones.

Del análisis de las metodologías, la revisión bibliográfica existente sobre el tema, donde se muestran ejemplos de algunos de los métodos que se aplican, y el uso de algunos de ellos por los autores sobre 5 imágenes de la escena 15-45, que se considera de las más complejas en el país para este tipo de trabajo; se llegó a la conclusión de que el grupo de métodos basados en ajustes radiométricos, era más confiable que el basado en interpolaciones de los datos de una misma imagen y que dentro de ellos, el Phase 2 Gap-Fill Algorithm (2), propuesto y utilizado por el USGS, basado en un Ajuste Lineal Local del Histograma, era el más conveniente, y brindaba los mejores resultados en la corrección (relleno) de las imágenes del Landsat 7 con el problema SLC-off, así como para el relleno en las mismas, de los vacíos provocados por nubes y sus sombras, al obtenerse resultados prácticamente sin errores y sin huellas en las áreas corregidas.

Debe observarse que hasta donde se conoce, el algoritmo mencionado anteriormente, no está implementado en ningún software, descontando por supuesto el desarrollado por el USGS y que no tiene carácter público ni ha sido localizado.

Se señala (3) que para el procedimiento escogido, el problema radica en que no se retiene la relación entre los píxeles de la imagen, ya que el ajuste utilizando una pequeña ventana siempre causa que los píxeles de la imagen de relleno se ajusten a los de la imagen rellenada, incluso cuando no sea conveniente3, pues los métodos basados en una pequeña ventana son una mezcla de ajuste radiométrico con interpolación, lo cual no es recomendable cuando se desea preservar, cuanto sea posible, el estado real de las imágenes, evaluado de mayor importancia que el resultado con un buen aspecto.

Notas: (3): Como por ejemplo, cambios en el uso del terreno, en la fenología de la vegetación, en las condiciones de humedad, etc.

Sin discrepar necesariamente de lo anterior, se consideró que cuando se deseen imágenes que tengan el menor grado de interpolación posible, mantengan la resolución original y sean, no fotografías casi instantáneas de cambios de ciclo corto, sino que muestren el estado general de un territorio en un período anual, de temporadas (seca o lluvia, verano o invierno), etc., y que además puedan ser procesadas y comparadas por métodos automáticos o semiautomáticos, el alegado problema pasa a ser irrelevante y se convierte en ventaja, en especial el “buen aspecto” que implica la desaparición total o casi total de las huellas de los rellenos, cuestión que en los restantes métodos basados en varias imágenes se mantiene en grado importante e impide o distorsiona las clasificaciones.

FUNCIONAMIENTO GENERAL DEL SOFTWARE SLC-OFF GAP FILLED VER. CUBANA 1.1

Para rellenar los gaps provocados por el problema del SLC-off en una escena, es necesario procesar cada una de las ocho bandas en escala de grises que la componen, de forma independiente. El algoritmo seleccionado para la confección del software recibe como entrada dos imágenes correspondientes a una misma banda de la escena a corregir, primaria y secundaria (o de relleno), y devuelve una imagen cuyos datos válidos serán los mismos de la imagen primaria unidos a los gaps que se hayan podido rellenar. Para ello, se empleó la siguiente metodología(1):

  1. Preparar las imágenes de trabajo utilizando el programa de procesamiento de imágenes ENVI, para poder pasarlas como una entrada correcta al algoritmo implementado, haciendo que las mismas cumplan las condiciones de tener igual dimensión, coincidir geográficamente y estar libres de nubes y sus sombras.
  2. Seleccionar las imágenes primaria y de relleno, tratando de que sean las más adecuadas en cuanto a calidad y que tengan un nivel de luminosidad similar y, aplicar el algoritmo implementado, el cual sigue los pasos expuestos a continuación:

    Elemento a) Busca las fronteras de la imagen real en la escena primaria, para analizar solamente aquellos puntos que son gaps.
    Elemento b) Busca las fronteras de la imagen real en la escena de relleno.
    Elemento c) Divide la imagen en cuatro cuadrantes, y para cada uno de ellos hace4:

  3. - Por cada píxel inválido contenido en la imagen real de la escena primaria (hallado desde el centro hacia los bordes laterales), si el píxel correspondiente en la escena de relleno es válido:

    1. Busca una ventana que se vaya extendiendo por los vecinos que lo rodean, hasta llegar a la mínima cantidad requerida de píxeles comunes, 144, por sugerencia del USGS (2)
    2. Calcula los coeficientes de la función de regresión lineal entre los píxeles comunes.
    3. Ajusta los coeficientes a un rango razonable.
    4. Calcula la función con el valor de los píxeles válidos.
    5. Asigna el valor calculado al píxel inválido en la escena primaria.
    6. Si aún quedan píxeles inválidos en la imagen real de la escena primaria se repite el proceso con una nueva imagen de relleno.

Notas: (4): Los pasos I, II y III constituyen aportes, soluciones y limitaciones de la versión cubana.

El Software SLC-off Gap Filled Versión Cubana 1.1 está programado en el lenguaje C# sobre la plataforma Microsoft .Net Framework 2.0 de Microsoft y ha sido testeado en Windows XP y Windows 7, 32 y 64 bits. Entre sus limitaciones debemos mentar que sólo funciona sobre imágenes del mismo tamaño y en formato TIFF, provenientes del ENVI (testeado en 4.5 o 4.7). Estas “limitaciones” fueron condicionantes que se les solicitaron a los autores del programa en esta primera versión para facilitar obtener un primer resultado en corto tiempo. Así mismo, hasta el momento el sistema no es capaz de procesar una imagen completa de la banda 8.

EL MÉTODO DE TRABAJO

Se deben de seleccionar unas 4 o 5 imágenes SLC-off recientes y preferiblemente cercanas para completar una escena, aunque quizás en algunos casos pudiera lograrse con 3 imágenes SLC-off de muy buena calidad. Una última imagen SLC-on puede ser utilizada para culminar el trabajo cuando los gaps remanentes sean mínimos (menos del 2 % de la imagen). Estas imágenes deben ser calibradas y ajustadas radiométricamente y finalmente cortadas de igual tamaño para que el software pueda procesarlas. En ellas, y sobre todo en las primeras, deben ser eliminadas cuidadosamente todas las nubes y sombras posibles, para evitar sus efectos, particularmente sensibles, sobre todo las nubes.

Una vez realizado lo anterior, se debe proceder a un ajuste de histogramas hacia la primera imagen, siempre que sus resultados se vean adecuados.

Posteriormente se ejecuta el software entre cada una de las imágenes, banda a banda, primaria con secundaria, resultado de esta con la terciaria y así hasta terminar.

2. RESULTADOS

Las valoraciones que a continuación ofrecemos se basan en el procesamiento de hasta el momento 5 escenas cubanas y sólo se basa en análisis visuales, no matemáticos ni estadísticos, así como en comparaciones visuales de los resultados de los mismos procesos realizados con las herramientas de ENVI y ERDAS.

  1. Cuando existen grandes cambios entre una imagen y otra (por ejemplo por cambios drásticos en el uso del terreno, cambios de humedad, cambios drásticos de fenología como el crecimiento de cultivos de ciclo corto, huracanes o incendios, etc.), el ajuste o relleno puede dejar rastros relativamente perceptibles y algunos píxeles con colores diferentes.
  2. Corolario de lo anterior y resultado de la filosofía del algoritmo del USGS, cambios menos drásticos (y algunos pequeños pero bastante drásticos) pueden desaparecer o quedar mimetizados en la imagen resultante. Esto es una característica de diseño del software que puede ser considerada su mayor ventaja o una desventaja. El ajuste del tamaño de ventanas, cantidad de píxeles válidos y Mgain (1) que permite la versión 1.1, junto a otros posibles cambios que se estudian para potenciales próximas versiones, puede eventualmente ayudar a disminuir o aumentar el aspecto “negativo” de este atributo del algoritmo.
  3. Los residuos de nubes y sombras, muy especialmente las primeras, se reflejan, de forma ampliada en el producto, en lo que denominamos, tomando prestado el término de la biología, “efecto del fundador”. Esto es particularmente válido para las nubes (por sus altos valores de DN) y sobre todo si restos perceptibles de ellas quedan en la imagen primaria y/o secundaria.
  4. Las porciones de las zonas oscuras de la imagen (mar, lagunas) pueden reflejar mucho mejor los “efectos del fundador”, sea por errores (porciones de nubes residuales), especificas combinaciones de geometrías de relleno (huecos grandes, sinuosidades extremas) o incluso, en algunos casos muy localizados, el “Spray” provocado por la tierra (vegetación) circundante.
  5. También como característica consecuencia de la filosofía del algoritmo, el relleno queda generalizado o mediatizado, ofreciendo un aspecto más homogéneo, por ejemplo en zonas reticuladas como ciudades, la disminución del retículo es apreciable.
  6. Posiblemente el mayor problema existente es que en la implementación del algoritmo, si el valor obtenido al final sobrepasa la escala de 8 bit, se le asigna el valor de cero, modificación esta del algoritmo original que recomienda 0 ó 255. Esto hace que en algunos rellenos; sobre todo en aquellos en regiones con grandes cambios entre las imágenes, típico de zonas de cultivos varios, aunque no limitadas ellas; queden pixeles sin rellenar. Se estudian en la actualidad variantes para resolver este problema, entre ellas, la repetición de la corrida del programa.
  7. El relleno queda con apreciable calidad; clasificaciones de Isodata con 25 y 30, 40 y 50 clases y K Mean similares, así como de Maximun Likelihood de entre 8 y 22 clases no fueron sensiblemente afectadas por el bandeado residual, teniéndose otros pocos casos donde sí se aprecian las rayas (dado el diseño de las ROI en las clasificaciones supervisadas), problema este que ha sido más sensible con similares clasificaciones de Mahalanobis. Estos restos de las huellas del relleno, son más común y fácilmente apreciables sobre cuerpos de agua y algunos bordes costeros que tuvieron geometrías de relleno relativamente extensas y sobre todo en zonas de cultivos varios con mosaicos de drásticos cambios entre valores de sus ND.

3. CONCLUSIONES Y RECOMENDACIONES

Las imágenes obtenidas producto de este proceso de relleno con el Software SLC-off Gap Filled Ver. Cubana 1.1, se consideran de gran calidad y son muy superiores al obtenido por los procedimientos de mosaico tradicionales realizados por ENVI o ERDAS (con ajuste o no de histograma tradicional, feathering, balance de color, etc) y ellas son eficientemente clasificables por métodos automáticos y semiautomáticos.

Debe mejorase su efectividad, en lo fundamental por la sustitución de su ajuste al valor cero en el caso de que sobrepase el valor del rango de 8 bits, para que devuelva un valor más cercano a la realidad.

Los resultados obtenidos deben validarse mediante análisis y pruebas estadísticas, tanto contra el terreno como contra productos obtenidos por otros métodos, entre ellos el Gap-Filled Phase II del USGS. Así mismo, el software debe divulgarse y ponerse a disposición de la comunidad de usuarios, que podrá hacer uso de sus ventajas y eventualmente introducirle mejoras como las mentadas u otras.

CAPTURAS DEL SOFTWARE SLC-OFF GAP FILLED VER. CUBANA 1.1

Figura 14
Figura 1. El software preparado para rellenar una imagen primaria
con una secundaria de la escena 15-44, Banda 4. Nótese el rayado
del SLC-off y los gaps creados por la limpieza de nubes y sombras
(clic para ampliar)

Figura 15
Figura 2. Resultado de rellenar los gaps
correspondientes a un fragmento de la
escena 15-45, Banda 5 (clic para ampliar)

Figura 16
Figura 3. Comparación de resultados:
a) Imagen original con gaps por el SLC-Off
b) Resultado de corregir los datos con el software ENVI
con la opción Feathering (la de mejor resultado en ENVI)
c) Resultado obtenido con la aplicación desarrollada.
Las imágenes de arriba corresponden a una porción de
la escena 15-45 en la combinación 453 y las de abajo a
esta misma combinación en otra porción de la escena,
ampliada y ecualizada para resaltar el contraste
y por ende el resultado. (clic para ampliar)

REFERENCIAS BIBLIOGRÁFICAS

  1. 1. Rodríguez Ramos, N., Galano Duverger, S., Bell-lloch García, I., Estrada Estrada, R., Martín Morales, G.: Rellenado de los gaps provocados por la falla del Scan Line Corrector en las imágenes Landsat 7 ETM+. Trabajo de Diploma presentado como requisito para obtener el título de Licenciado en Ciencias de la Computación. Facultad de Matemática y Computación. Universidad de La Habana. 49 pp. 2009.
  2. Storey, J., Scaramuzza, P., Schmidt, G. and Barsi, J.: Landsat 7 Scan Line Corrector-Off Gap-Filled Product Development. 12 pp. 2005. http://landsat.usgs.gov/documents/L7SLCGapFilledMethod.pdf
  3. Menke C.: Development of an enhanced gap-filling algorithm for Landsat 7 SLC-off data. Bachelorarbeit im Studiengang "Angewandte Informatik” Geographisches Institut der Georg-August-Universität Göttingen, 52 pp, Germany, 2007
  4. Darvishi B., A., Erasmi, S. and Kappas, M.: Multi source image reconstruction: exploitation of EO-1/ALI in Landsat-7/ETM+ SLC-off gap filling. San José. Proceeding of IS&SPIE's 20th AnnualSymposium, Electronic Imaging Science and technology. 2008
  5. Zhang, C., Li, W. and Travis, D.: Gaps-fill of SLC-off Landsat ETM+ satellite image using a geostatistical approach. International Journal of Remote Sensing , Vol. 28, pp. 5103-5122. 2007.
  6. Howard, S.M. and Lacasse, J.: Evaluation of gap-filled landsat SLC-off imagery for wildland fire burn severity mapping. Photogrammetric Engineering and Remote Sensing, Vol. 70, pp. 877-880. 2004.
  7. Maxwell, S.K., Schmidt, G.L. and Storey, J. C. A multi–scale segmentation approach to filling gaps in Landsat ETM+ SLC–off images. International Journal of Remote Sensing, pp. 1109-1111. 2007.
  8. Scientists from the USGS, NASA, and the Landsat 7 Science Team [Online]. Preliminary Assessment of the Value of Landsat 7 ETM+ Data following Scan Line Corrector Malfunction. Compiled and summarized by the staff of the U.S. Geological Survey, EROS Data Center. http://landsat.usgs.gov/documents/SLC_off_Scientific_Usability.pdf.  86 pp. 2003
  9. Gyanesh, C. and Gregory L., S.: Initial Data Characterization, Science Utility and Mission Capability Evaluation of Candidate Landsat Mission Data Gap Sensors., Technical Report. Landsat Data Gap Study. 226 pp. 2007.
  10. Gürtler, S., Neves Epiphanio, JC., Barreto Luiz, AJ., Formaggio, AR.,: Planilha Eletrônica para o cálculo da Reflectância em Imagens Tm eETM+ Landsat. Instituto Nacional de Pesquisas Espaciais y Embrapa Meio Ambiente, Revista Brasileira de Cartografia, No 57/02, 6 pp. 2005
  11. Chavez Pat, S., Jr.: Image-Based Atmospheric Corrections - Revisited and Improved. 12 pp. 1996
  12. Roslyn McDonald, E., Wu X., Caccetta P., Campbell N.: Illumination Correction of Landsat TM Data In South EAST NSW. Environmental Resources Information Network (ERIN), Department of Environment and Heritage. 13 pp.
  13. Chuvieco E., Hantson S., Cea C., Cristóbal J., Zabala A., Pons X.: Propuesta de procesado de imágenes Landsat y evaluación de algunos aspectos en zonas piloto para el Plan Nacional de Teledetección. Universidad Autónoma de Barcelona. 21 pp. 2008
  14. CORINE Land Cover. 163 pp.

DESCARGAS

Se presentan los siguientes contenidos vinculados con el artículo para descarga:

Descarga los ejecutables de la aplicación EXE (para sistemas basados en Sistemas Operativos Windows).

Descarga el código fuente de la aplicación explicada en el artículo (lenguaje C# .NET)

Atención Versión Detallada: Acceso al artículo Rellenado de los gaps provocados por la falla del Scan Line Corrector en las imágenes Landsat 7 ETM+ donde se detallan en mayor profundidad los principios y métodos descritos en este texto.

Autores del Artículo:

Lic. Reinaldo Estrada Estrada.
Investigador Auxiliar. Fundación Antonio Núñez Jiménez de la Naturaleza y el Hombre.
Calle 5ta B #6611 e/ 66 y 70 Miramar, Playa, Ciudad Habana. Cuba.
Reinaldo Estrada puede ser contactado en rey2005a@gmail.com

Dr. Gustavo Martín Morales.
Investigador Agregado. Instituto de Geografía Tropical.
Calle 13 e/ F y G, Vedado, Plaza de La Revolución, Ciudad de La Habana, Cuba.
Gustavo Martín puede ser contactado en gmartin@geotech.cu

Lic. Neisy Rodríguez Ramos.
Cibernética. Delegación Provincial de Medio Ambiente. CITMA.
Milanés No. 19 e/ Matanzas y Jovellanos. Matanzas.
Neisy Rodríguez puede ser contactada en neisy.rodriguez@mtz.insmet.cu

Lic. Soltan Galano Duverger.
Especialista en Teledetección. GEOCUBA Investigación y Consultoría.
Calle 4 No. 304 e/ 3ra. y 3ra. A, Miramar, Playa, Ciudad de La Habana, Cuba.
Soltan Galano puede ser contactado en soltan@uct.geocuba.cu

Lic. Ina Bell-lloch García.
Cibernética. Agencia de Medio Ambiente. CITMA.
Calle 18 esq 18a. Playa. Ciudad de la Habana.
Ina Bell-lloch puede ser contactada en ina.bell_lloch@ama.cu



¿Esta información te ha sido útil?
Ayúdanos a mantener la página con una donación:



© GabrielOrtiz.com