💡 OBJETIVOS DE LA ACTIVIDAD:

► Conocer las diferentes combinaciones de bandas y su utilidad.

► Aplicar las combinaciones de bandas más adecuadas para identificar elementos territoriales como la vegetación, masas de agua etc….

💡 MATERIALES PARA LA ACTIVIDAD:

► En este apartado se va a utilizar la misma imagen utilizada en el apartado dedicado a la representación gráfica.

► script_laboratorio_4_combinacion_bandas.

INTRODUCCIÓN

La capacidad del ojo humano se limita a aquella parte del espectro que contienen luz (visible). Una imagen en color verdadero contiene tres bandas, que corresponden a los colores básicos o primarios (rojo, verde, azul). Éstos no responden a una propiedad real de la luz, sino derivan de la respuesta fisiológica del ojo humano. La luz es un espectro continuo de longitudes de onda, por lo que en realidad podrían existir un número indefinido de colores, pero en realidad, la sensibilidad del ojo humano se limita a esos colores, al contener únicamente tres tipos de receptores, llamados conos L, M y S. Estos se activan en las longitudes de onda específicas de luz roja, verde y azul. Los seres humanos y otras especies que tienen estos tres tipos de receptores se llaman tricrómatas. Aunque la sensibilidad máxima de los conos no se produce exactamente en las frecuencias RGB, se eligen estos colores como primarios puesto que con ellos es posible estimular los tres receptores de color de manera casi independiente, proporcionando una gama especialmente amplia.

Dado que los ojos humanos sólo pueden ver dentro del rango del visible, la mayoría de las imágenes se componen de combinaciones de las bandas roja, verde y azul, que imitan el espectro visible. Esta combinación de bandas espectrales se conoce como el color “verdadero” o “natural”.

Cuando es necesario resaltar una característica concreta de la superficie, se pueden utilizar otras combinaciones de bandas. El resultado es una imagen en color “falso”, que resalta desde la vegetación sana, nubes, la humedad del suelo, puntos calientes y otras características y que, mediante algoritmos matemáticos diseñados específicamente para ello, proporiconan datos cuantitativos de, por ejemplo, la humedad del suelo, el contenido de clorofila en las hojas, etc.

En los sensores remotos cada banda espectral corresponde a un rango específico de longitudes de onda que transmiten una información específica de esa parte del espectro electromagnético. La combinación de bandas diferentes en una misma imagen proporciona un plus de información que de otro modo sería difícil evaluar. Por ejemplo, el contenido de humedad en la vegetación y del suelo aparecen claramente en el rango del infrarrojo medio. Por otro lado, para evaluar la salud de una planta, es mejor utilizar el infrarrojo cercano, ya que la vegetación sana tiene una mayor reflectancia en este rango del espectro. En consecuencia, las bandas pueden combinarse de múltiples maneras, en función de qué se desee resaltar.

Uno de los principales inconvenientes en la composición de este tipo de imágenes es el desconocimiento o confusión con las bandas de operación. No todos los satélites trabajan con el mismo número de bandas ni su nomenclatura es equivalente, por lo que dos composiciones, formadas por bandas distintas y satélites distintos pueden estar realzando un mismo elemento territorial. Y dos composiciones, proveniente de satélites diferentes pueden emplear el mismo juego de bandas para realzar elementos territoriales diferentes.

Correspondencia entre bandas Landsat 5 y Landsat 8
Correspondencia entre bandas Landsat 5 y Landsat 8
Bandas de SENTINEL 2
Bandas de SENTINEL 2

A continuación, se pasará revista a las combinaciones de bandas más habituales en el análisis de imágenes de satélite.

Combinaciones RGB
Combinaciones RGB
Correspondencia entre bandas Landsat 5, Landsat 8 y Sentinel 2
Correspondencia entre bandas Landsat 5, Landsat 8 y Sentinel 2

REPRESENTACIÓN GRÁFICA DE BANDAS CON R

Activación de los paquetes requeridos para el desarrollo de la actividad

Para este tipo de representación se pueden utilizar dos funciones diferentes, pertenecientes a sendos paquetes de R

Sintaxis terra::plotRGB
Sintaxis terra::plotRGB
Sintaxis RStoolbox::ggRGB()
Sintaxis RStoolbox::ggRGB()
library(terra)
## Warning: package 'terra' was built under R version 4.3.3
## terra 1.8.21
library(ggplot2)
## Warning: package 'ggplot2' was built under R version 4.3.3
library(RStoolbox)
## Warning: package 'RStoolbox' was built under R version 4.3.3
## This is version 1.0.0 of RStoolbox

Descarga de los materiales necesarios para la actividad

A continuación, se realiza una lista de los ficheros que existen en la carpeta datos.

lista <- list.files("D:/G174_2025/LABORATORIO_4_Visualizacion_imagenes/datos/",   
                   pattern = ".*band[1234567]\\.tif$",                                      
                   ignore.case=TRUE,                                            
                   full.names = TRUE)

En tercer lugar, esa lista permite importar los ficheros en forma de un objeto SpatRaster.

imagen_landsat <- rast(lista)
imagen_landsat
## class       : SpatRaster 
## dimensions  : 1545, 1480, 7  (nrow, ncol, nlyr)
## resolution  : 30, 30  (x, y)
## extent      : 549615, 594015, 4613355, 4659705  (xmin, xmax, ymin, ymax)
## coord. ref. : WGS 84 / UTM zone 29N (EPSG:32629) 
## sources     : LC82040312015193LGN00_sr_band1.tif  
##               LC82040312015193LGN00_sr_band2.tif  
##               LC82040312015193LGN00_sr_band3.tif  
##               ... and 4 more sources
## names       : LC820~band1, LC820~band2, LC820~band3, LC820~band4, LC820~band5, LC820~band6, ...

Como ya se ha señalado en ocasiones previas, la identificación de las bandas es complicada si se mantienen los nombres de los archivos originales, siendo conveniente su transformación en nombres de más fácil identificación.

names(imagen_landsat) <- gsub(pattern = "LC82040312015193LGN00_sr_",    
                           replace ="",                                         
                           x <- names(imagen_landsat))                          
imagen_landsat
## class       : SpatRaster 
## dimensions  : 1545, 1480, 7  (nrow, ncol, nlyr)
## resolution  : 30, 30  (x, y)
## extent      : 549615, 594015, 4613355, 4659705  (xmin, xmax, ymin, ymax)
## coord. ref. : WGS 84 / UTM zone 29N (EPSG:32629) 
## sources     : LC82040312015193LGN00_sr_band1.tif  
##               LC82040312015193LGN00_sr_band2.tif  
##               LC82040312015193LGN00_sr_band3.tif  
##               ... and 4 more sources
## names       : band1, band2, band3, band4, band5, band6, ...

IMAGEN EN COLOR NATURAL (L8 -> 4,3,2; Sentinel 2 -> 4,3,2)

Para representar una imagen en color verdadero, los colores originales se asignan a las bandas de longitud de onda correspondientes en los gráficos RGB, es decir, el color rojo a la banda de onda roja, el color verde a la banda de onda verde etc… El resultado es una imagen que muestra la escena tal como aparece a los ojos humanos:

Un inconveniente de esta combinación de bandas es su susceptibilidad a la interferencia atmosférica, por lo que a veces parecen confusas.

plotRGB(imagen_landsat, 
        r = 4, g = 3, b = 2, 
        axes = T, 
        stretch = "lin",
        main = "Imagen en color verdadero")

IMAGEN EN FALSO COLOR

Una imagen en falso color se utiliza para revelar o mejorar características que de otro modo serían invisibles o poco visibles para el ojo humano, utilizando diferentes combinaciones de colores (esquemas). La elección de un esquema u otro depende del tipo de objetos que deben destacarse en la imagen.

Falso color Infrarrojo (L8 -> 5,4,3; Sentinel 2 -> 8,4,3; NIR-R-G)

Utilidad de esta combinación:

  • Identificación de los límites entre el terreno seco (la superficie terrestre) y las superficies con agua.

  • Las masas de agua poseen colores oscuros. Si tienen sedimentos en suspensión aparecen en azul claro, mientras que si carecen de ellos el color es azul oscuro (ríos de montaña, pantanos).

  • Las áreas urbanas en verde y azul.

  • El suelo sin vegetación (expuesto) aparecen en tono azul claro.

  • Como también es sensible a la clorofila de la vegetación, permite diferenciar la vegetación densa (color rojo) de la menos densa o en fases iniciales de crecimiento (color rosa). Por su parte, también se pueden diferenciar árboles de hoja perenne (rojo más oscuro o incluso marrón) de los de hoja caduca.

plotRGB(imagen_landsat, 
        r = 5, g = 4, b = 3, 
        axes = T, 
        stretch = "lin",
        main = "Combinación 5-4-3")

Análisis de vegetación: Landsat 8 -> 6,5,4; Sentinel 2 -> 11,8A,4; SWIR 1-NIR-R)

Esta combinación con dos bandas del infrarrojo (SWIR 1 y NIR) muestra una mayor diferenciación entre el suelo y el agua. La vegetación se muestra en diversas tonalidades de verde y rosa, que varían en función del tipo y de las condiciones de ubicación; las áreas urbanas y el suelo expuesto se presentan en tonos rosados; el agua, independiente de la cantidad de sedimentos en suspensión, aparece en negro.

plotRGB(imagen_landsat, 
        r = 6, g = 5, b = 4, 
        axes = T, 
        stretch = "lin",
        main = "Combinación 6-5-4")

Análisis de vegetación sana: Landsat 8 -> 5,6,2; Sentinel 2 -> 8A,11,2; NIR-SWIR 1-B)

Para los estudios de vegetación, la adición de la banda NIR aumenta la sensibilidad de la detección durante varias etapas del crecimiento de las plantas, pero no es una buena combinación de bandas para el estudio de infraestructuras humanas.

  • La vegetación sana aparece en tonos de rojos, marrones, naranjas y amarillos.

  • Los suelos pueden ser en verdes y marrones.

  • Las zonas urbanas son de color blanco o cian.

  • Las aguas más profundas adquiren un color azul oscuro, mientras el agua poco profunda o con sedimentos adquiere un color azul más claro.

plotRGB(imagen_landsat, 
        r = 5, g = 6, b = 2, 
        axes = T, 
        stretch = "lin",
        main = "Combinación 5-6-2")

Agricultura: Landsat 8 (6,5,2, SWIR 1-NIR-B)

Esta combinación es parecido a la SWIR 2-NIR-G en que la vegetación sana será de color verde brillante, sin embargo, esta combinación SWIR 1-NIR-B es mejor para estudios agrícolas.

plotRGB(imagen_landsat, 
        r = 6, g = 5, b = 2, 
        axes = T, 
        stretch = "lin",
        main = "Combinación 6-5-2")

Usos del suelo/masas de agua: Landsat 8 (5,6,4; NIR-SWIR 1-R)

Esta combinación, con una banda en la región visible (Red) y dos en la del infrarrojo (NIR, SWIR 1), utiliza las mismas bandas de la combinación SWIR 1-NIR-R, pero realza las diferencias de humedad en el suelo y en la vegetación. Diferencia

  • La vegetación, en tonos marrones, verdes y amarillos.

  • Las áreas urbanas y los suelos expuestos en tonos azules claros.

  • Las áreas húmedas y el agua aparecen en tonos azul oscuros.

plotRGB(imagen_landsat, 
        r = 5, g = 6, b = 4, 
        axes = T, 
        stretch = "lin",
        main = "Combinación 5-6-4")

** Topografía/Litología Landsat 8 (6,4,2, SWIR 1-R-B)**

Esta combinación muestra texturas topográficas, pero también se utiliza para reconocer diferentes litologías (como un mapa geológico).

plotRGB(imagen_landsat, 
        r = 6, g = 4, b = 2, 
        axes = T, 
        stretch = "lin",
        main = "Combinación 6-4-2")

Geología: Landsat 8 (7,4,2; SWIR 2- R-B)

Resalta diferencias en los tipos de roca

plotRGB(imagen_landsat, 
        r = 7, g = 4, b = 2, 
        axes = T, 
        stretch = "lin",
        main = "Combinación 7-4-2")

Natural con remoción atmosférica: Landsat 8 (7,5,3; SWIR 2-NIR-G)

  • La Vegetación se muestra en tonos de verde porque la banda NIR está en el color verde. Las praderas aparecen en verde claro; de verde oliva a verde brillante indica áreas forestales (en general los bosques de coníferas son más oscuros que los de caducifolias)

  • La banda SWIR2 es sensible al contenido de humedad y especialmente lo detecta en los minerales hidratados como arcillas, con tonalidades de rojo a naranja.

  • Las áreas urbanas y las rocas al descubierto aparecen en tonos magentas.

plotRGB(imagen_landsat, 
        r = 7, g = 5, b = 3, 
        axes = T, 
        stretch = "lin",
        main = "Combinación 7-5-3")

Infrarrojo de onda corta: Landsat 8 (7,5,4)

plotRGB(imagen_landsat, 
        r = 7, g = 5, b = 4, 
        axes = T, 
        stretch = "lin",
        main = "Combinación 7-5-4")

Zonas urbanas: Landsat 8 (7,6,4; SWIR 2-SWIR 1-R).

Esta combinación se usa comúnmente en geología.

  • Las superficies calientes (incendios, calderas volcánicas) se muestran en rojo o amarillo.

  • El agua se muestra en azul oscuro a negro.

La vegetación en tonos verdes (época de crecimiento – en época de poca vegetación debiera usarse la combinación SWIR 2-NIR-G).

  • Las áreas desforestadas recientemente en azules brillantes.
plotRGB(imagen_landsat, 
        r = 7, g = 6, b = 4, 
        axes = T, 
        stretch = "lin",
        main = "Combinación 7-6-4")

Penetración de radiación en atmósfera: Landsat 8 (7,6,5; SWIR 2-SWIR 1-NIR).

Esta combinación implica ninguna banda visible. Proporciona la mejor penetración atmosférica y muestra con claridad líneas costeras. También se puede utilizar para resaltar características de textura y humedad de los suelos. La vegetación aparece en color azul. Si el usuario prefiere la vegetación verde, debe usar una combinación SWIR 2-NIR-SWIR1.

plotRGB(imagen_landsat, 
        r = 7, g = 6, b = 4, 
        axes = T, 
        stretch = "lin",
        main = "Combinación 7-6-5")

OTRAS COMBINACIONES RGB

La Vegetación se muestra en tonos verde porque la banda NIR está en el color verde. La banda SWIR2 es sensible al contenido de humedad y especialmente lo detecta en los minerales hidratados como arcillas. Las áreas urbanas aparecen en tonos magentas; las praderas en verde claro; de verde oliva a verde brillante indica áreas forestales (en general los bosques de coníferas son más oscuros que los de caducifolias).

plotRGB(imagen_landsat, 
        r = 7, g = 5, b = 3, 
        axes = T, 
        stretch = "lin",
        main = "Combinación 7-5-3")

plotRGB(imagen_landsat, 
        r = 7, g = 5, b = 6, 
        axes = T, 
        stretch = "lin",
        main = "Combinación 7-5-6")

COMPOSICIONES DE BANDAS CON ggplot2

Alternativamente, si se prefiere aplicar el formato ggplot2 se puede usar la función RStoolbox::ggRGB():

ggRGB(imagen_landsat,                                             # Objeto spatRaster analizado
       r = 4, g = 3, b = 2,                                       # Números de las bandas a asignar a los canales rojo (R), verde (G) y azul (B) (según el orden en el que aparecen en el ráster).
       stretch = "lin") +                                         # Tipo de estiramiento de contraste.
  ggtitle("Imagen") +                                 # Título
  labs(x = "Longitud (m)", y = "Latitud (m)") +                   # Etiquetas de los ejes x e y
  theme(plot.title = element_text(hjust = 0.5, size = 25),        # Título alineado al centro y con tamaño de 25
        axis.title = element_text(size=15)) +                       # Tamaños de las etiquetas ejes x e y 
  theme_minimal()

ACTIVIDAD DE EVALUACIÓN CONTINUA

Con el fin de evaluar la capacidad del alumno para utilizar las imágenes en falso color en un escenario práctico, cada alumno deberá elaborar un dossier en formato pdf, realizado a partir del análisis de las imágenes correspondientes al área de estudio elegida para realizar el trabajo final. Este dossier incluirá:

  • Una selección de 3 imágenes, cada una con una combinación RGB diferente y obtenida tanto para Landsat 5 como para Landsat 8 (i bien una pre-evento y otra post-evento), acompañadas de una explicación de la relación entre los diferentes conjuntos cromáticos y los principales elementos del territorio.

  • Al menos una de las imágenes, cuya selección será justificada por el alumno, deberá incorporar etiquetas impresas sobre la ubicación de algunos elementos del territorio (naturales -bosques, montañas- y humanas -campos de cultivo, infraestructuras, núcleos de poblacion) que sean de interés para la comprensión de la organización territorial del conjunto seleccionado.

Como ejemplo de guía, se incluyen dos imágenes, que muestran la combinación denominada “NATURAL CON REMOVAL ATMOSFÉRICO”, revelando los nuevos cultivos desarrollados en la cuenca del Wadi As-Sirhan, en el desierto de Arabia. El terreno desértico presenta diferentes tonalidades, en correspondencia con sectores en los que predomina la roca al descubierto, o aquellos cubiertos por dunas. Aparecen también algunas superficies en color azul. En cualquier caso, resalta el color verde conformado por los campos de cultivo, que son alimentados con agua subterránea.Estos campos de cultivo son parte de un plan del gobierno de Arabia Saudí para invertir los beneficios de la industria del petróleo. Los cultivos incluyen frutas, verduras y trigo. El agua procedente de los acuíferos se distribuye en rotación alrededor de un punto central dentro de un campo circular, una técnica conocida como “agricultura de pivote central”. Este procedimiento ofrece ciertos beneficios en comparación con el riego superficial tradicional, como un mejor control del uso de agua, reduciendo las pérdidas por evaporación, y también en el uso de fertilizantes, y forma parte de la conocida como “agricultura de precisión”. Al controlar mejor la cantidad y el momento de la aplicación de agua, se pueden minimizar las pérdidas por evaporación. Para tener una idea de la escala, los campos agrícolas en uso activo (verde oscuro) o en barbecho (marrón a tostado) tienen aproximadamente un kilómetro de diámetro.

Ejemplo Earthshots
Ejemplo Earthshots