ESAEducationInicioTiempo y climaCambio globalDesastres naturales
   
Cambios costales
Detección de cambios en el delta del DanubioContaminación de aceite
Deforestación
Parque Nacional de BardiaCuenca del río CongoKameng-SonitpurKilimanjaroRondoniaShillong y Guwahati
Hielo
Análisis de los glaciares mediante imágenes de radarLa Antártida 2003El cambio climático y los glaciaresEl retroceso de los glaciares alpinosFlujo glaciarMonitorización de los glaciares del HimalayaLa teledetección de hielo y nieve
Urbanización
CórdobaEl CairoKatmandúHimalayasValle de KatmandúLagos
Vegetación
Área de Conservación de AnnapurnaPerdidos en los AndesZona de Conservación de Ngorongoro (NCA)Delta interior del NígerLa vegetación en América del Sur
 
 
 
 
 
printer friendly page
Lagos - ejercicios con datos del Landsat, continuación
 
Pagina123
 
 
Selection of training fields
Selección de campos de entrenamiento
Clasificación de imágenes multiespectrales
 
Probabilidad máxima

En el ejercicio 2 has separado en clases los objetos y elementos de la superficie de Lagos. La clasificación visual es muy útil para interpretar las características de una imagen de satélite.

La imagen clasificada es, con algunas modificaciones básicas, semejante a un mapa temático. Las clases principales de la superficie de Lagos son bosque denso, zonas urbanas densas, zonas urbanas de densidad moderada, zonas residenciales con jardines y zonas industriales, cubierta natural (espacios verdes), playa y agua.

La clasificación de probabilidad máxima es un método de clasificación supervisado. Utiliza campos de entrenamiento. Dichos campos son referencias de determinadas características. Es necesario definir al menos un campo de entrenamiento por cada tipo de cubierta del suelo.

El programa compara todas las referencias de muestra y atribuye cada elemento de imagen (píxel) a uno de los tipos de las clases de cubierta de suelo.

Abre el programa LEOWorks. Si todavía no has descargado las imágenes de Lagos, ve al punto de descarga, en la parte derecha de la hoja de trabajo, y sigue las instrucciones.

Elige File>Open. Se abre un cuadro de diálogo. Elige la carpeta Lagos y selecciona la primera imagen Lagos_Landsat_Band_3.tif. Abre también Lagos_Landsat_Band_4.tif, Lagos_Landsat_Band_5.tif y lagos_landsat_453.tif.

Selecciona (activa) la imagen lagos_landsat_453.tif.

Elige Multivariate Analysis>Supervised Classification>Select Training Fields.
 
 
Classified image of Lagos
Imagen clasificada de Lagos
Selecciona Draw Polygon en la barra de herramientas.

Nota: cuantos más campos de entrenamiento puedas seleccionar para una clase, más preciso será el resultado.

Empieza por las láminas de agua y traza un polígono dentro de una masa de agua. Asigna el nombre Agua a la clase. Busca otra parte para trazar un segundo polígono dentro de una masa de agua y asígnale también el nombre Agua, y así sucesivamente.

Cuando termines con el agua, traza un polígono dentro de una zona cubierta de bosque denso y llama a la clase Bosque denso. Haz lo mismo con las 7 clases principales preseleccionadas.

Elige Multivariate Analysis>Supervised Classification>Maximum Likelihood y selecciona las imágenes Lagos_Landsat_Band_3.tif, Lagos_Landsat_Band_4.tif y Lagos_Landsat_Band_5.tif.

Ajusta el valor Threshold Value en 0%. Se abre una nueva imagen clasificada. Contiene siete colores que reflejan las siete clases.
 
 
Classified image of Lagos using improved colours
Imagen clasificada de Lagos con colores mejorados
Elige Image>Add Legend y verifica la combinación de colores y los nombres de clases. En la mayoría de los casos, los colores no coinciden con los atributos naturales de las clases. Generalmente utilizamos color verde oscuro para los bosques, rojo para zonas urbanas densas y azul para el agua. Para permitir una mejor comprensión de las clases cambiaremos los colores por unos más familiares.

Elige Edit LookUp Table y selecciona el color para la clase de agua. Cambia el color por azul oscuro. Cambia también los demás colores.

Guarda la imagen como lagos_classified.tif en la carpeta Lagos y compárala con la imagen lagos_landsat_453.tif.

¿Las cubiertas clasificadas son identificables en la imagen de falso color?

¿Qué diferencias se aprecian tras un examen detallado?

 
 
Medición
 
Las ciudades tropicales, como Yakarta, Manaos, Nairobi y Lagos, se enfrentan al gigantesco reto de la inmigración.

La población de Lagos crece día a día. Se calcula que en la década de 2000 a 2010 habrá un crecimiento de 7 millones de habitantes. Además del problema de preparar terrenos para la edificación de viviendas, el desarrollo de las infraestructuras urbanas necesarias representa una dificultad enorme para cualquier gobierno, a la que se suman unos costes gigantescos.

¿Por qué la gente, en general, emigra de las zonas rurales a las urbanas?

¿Cuáles podrían ser las razones concretas de los emigrantes nigerianos?

Intenta identificar los requisitos generales de una infraestructura eficaz para una gran urbe.

¿Cuáles son los problemas que pueden surgir en los sectores del suministro de agua potable, el transporte público, las canalizaciones, la atención sanitaria y la educación, cuando la población crece tan rápidamente como en Lagos?

 
 
Lagos, 2 February 2000
La ciudad de Lagos, 2 febrero 2000
La enorme extensión de Lagos se aprecia claramente en la imagen de color verdadero del Landsat (resolución de 120 m). La ciudad serpentea entre lagunas y a través del bosque tropical. Ha crecido penetrando profundamente en la naturaleza circundante.

Al ver la enorme superficie de Lagos, se puede suponer que hay millones de habitantes que viven en condiciones precarias.

En el siguiente ejercicio se aclarará ese interrogante.

Abre el programa LEOWorks. Si todavía no has descargado las imágenes de Lagos, ve al punto de descarga, en la parte derecha de la hoja de trabajo, y sigue las instrucciones.

Elige File>Open. Se abre un cuadro de diálogo. Elige la carpeta Lagos y selecciona la imagen Lagos_Landsat_Band_321_120m.tif.
 
 
Polygon around the city limits
Polígono en torno a los límites de la ciudad
A continuación mediremos la superficie de Lagos y calcularemos la densidad de la población. La comparación con megaciudades europeas hará surgir algunos asuntos interesantes referentes a la vida cotidiana en Lagos.

Elige Image>Measure tool y selecciona Units>Meters.

No es necesario introducir el tamaño de píxel. No es necesario gracias al formato GeoTIFF utilizado para los datos.

Traza un polígono en torno a la superficie urbanizada de la ciudad, que aparece con colores claros en la imagen. Empieza por el lado sur; para ello haz clic con el botón derecho del ratón. Traza el polígono alrededor de los límites de la ciudad y ciérralo pulsando el botón izquierdo del ratón.

Toda la información aparece en el cuadro de diálogo, es decir, las distancias de cada vector, la longitud de los segmentos del polígono y la superficie.

Convierte m² a km².

Ahora calcula la densidad de la población: utiliza la superficie medida de Lagos y la población estimada en el año 2000 (13 millones).

Nota: El cálculo de la densidad de la población se establece en relación con la zona urbana de Lagos y no con los límites administrativos de la ciudad, que abarcan una zona en expansión.

Compara la densidad de la población, por ej., con la de Londres (1.580 km², 7,7 millones de habitantes), París (1.200 km², 2,1 millones de habitantes) o Berlín (839 km², 3,5 millones de habitantes) y con la de tu ciudad.

¿Qué conclusiones se pueden obtener a partir de dicha comparación?

¿Qué representa la densidad media respecto a la estructura urbana de Lagos?

Para responder a esa pregunta, utiliza los datos de las tres grandes urbes de Londres, París y Berlín, de tu ciudad y de la población de Lagos (los barrios de Lagos con mayor densidad de población llegan a tener 200.000 habitantes por km²).
 
 

Pagina123

 
 
 


Ciudades
Lagos
IntroducciónAntecedentes
Ejercicios
Hoja de trabajoEjercicios con datos de LandsatEjercicios con datos de Ikonos
Eduspace - Software
LEOWorks 3
Eduspace - Download
lagos.zipTechnical information about Landsat bands (PDF)IKONOS Lagos images
 
 
 
   Copyright 2000 - 2014 © European Space Agency. All rights reserved.