Mini Tutoriales | ArcGIS Pro v3.4.0.
Cómo zonificar inundaciones a partir de imágenes satelitales
Por: Miguel Valenzuela Barros - Geospatial Analyst
Hoy en día, los satélites son herramientas clave para observar nuestro planeta y entender mejor cómo funciona el mundo que nos rodea. Gracias a estas tecnologías, podemos analizar fenómenos como el clima, el estado de los cultivos, la cobertura de bosques, e incluso identificar áreas afectadas por inundaciones, todo sin necesidad de estar físicamente en esos lugares.
Una de las grandes ventajas de los satélites es que utilizan cámaras especiales para capturar imágenes de la Tierra. Estas cámaras no son como las que usamos en nuestros teléfonos; están diseñadas para captar detalles que nuestros ojos no pueden ver. Por ejemplo, además de los colores básicos como el rojo, verde y azul, pueden registrar información en otras “bandas” o rangos del espectro de luz, como el infrarrojo cercano o el infrarrojo de onda corta. Estas bandas permiten detectar cosas como el agua que no es visible a simple vista, la salud de las plantas o las propiedades del suelo.
Cada una de estas bandas tiene una función específica. Las bandas que registran colores visibles, como el rojo, el verde y el azul, nos muestran imágenes similares a las fotografías normales. Pero otras bandas, como el infrarrojo cercano, son muy útiles para descubrir cosas que nuestros ojos no podrían ver, como áreas inundadas o la cantidad de agua presente en una planta o un campo.
Es importante saber que no todos los satélites funcionan de la misma manera. Cada satélite está diseñado para tareas específicas, y las bandas que utiliza varían según su misión. Por ejemplo, el satélite Sentinel-2, que se usa frecuentemente para estudiar el impacto de fenómenos naturales como las inundaciones, tiene un diseño único con varias bandas que capturan diferentes aspectos de la superficie de la Tierra. Para usar esta información de manera efectiva, primero es necesario entender qué mide cada banda y cómo podemos aplicarla para resolver problemas específicos, como identificar zonas afectadas por desastres naturales.
En este contexto, el objetivo de este minitutorial es mostrar, de forma sencilla y accesible, cómo utilizar las imágenes del satélite Sentinel-2 para identificar y analizar áreas afectadas por inundaciones. A través de este enfoque práctico, aprenderás a aprovechar al máximo las herramientas que estas imágenes nos ofrecen, permitiendo una mejor comprensión y toma de decisiones frente a este tipo de eventos naturales.
A continuación, te invitamos a conocer cómo llevar a cabo la zonificación.
También puedes ir directo a un paso concreto seleccionando el de tu interés en el menú lateral.
Metodología
Las imágenes satelitales son herramientas indispensables para analizar fenómenos como inundaciones, sequías, cambios en el uso del suelo y la evolución de la vegetación, entre otros. Hoy en día, plataformas en línea como Copernicus Browser permiten acceder a estas imágenes de forma gratuita y sencilla, democratizando su uso para todo tipo de usuarios, desde expertos hasta principiantes.
Copernicus Browser es parte del programa Copernicus de la Unión Europea y ofrece acceso a datos satelitales, principalmente del satélite Sentinel-2. Su plataforma web permite buscar y descargar imágenes actualizadas de cualquier región del mundo, facilitando el análisis de diversas problemáticas ambientales y geográficas. Para obtener estas imágenes, primero es necesario definir un área de interés utilizando un mapa interactivo. La interfaz permite desplazarse y acercarse a la zona deseada, como una ciudad, un río o un área rural. Una vez ubicada la región, se selecciona el rango de fechas que corresponde al período de interés, lo que posibilita analizar eventos específicos o monitorear cambios en el tiempo.
Después de elegir la fecha, el usuario puede seleccionar el tipo de datos que desea obtener. Por ejemplo, Copernicus Browser ofrece imágenes de Sentinel-2 en diferentes niveles de procesamiento, como el nivel L1C (datos básicos) o el nivel L2A (procesados para aplicaciones más específicas). Una vez configurados estos parámetros, es posible visualizar una vista previa de las imágenes directamente en el navegador, lo que permite confirmar si los datos son adecuados antes de proceder a la descarga.
El acceso a datos satelitales mediante Copernicus Browser no solo es gratuito, sino que también brinda la ventaja de trabajar con imágenes actualizadas y de alta resolución. Esta herramienta está diseñada con una interfaz amigable, lo que la hace accesible incluso para personas que no cuentan con experiencia previa en teledetección o sistemas de información geográfica. Gracias a esta plataforma, cualquier usuario puede explorar y utilizar imágenes satelitales para comprender y abordar problemas ambientales, sociales o económicos con mayor precisión y detalle.
Se ejemplifica como zona de estudio la localidad de Licantén, ubicada en la provincia de Curicó, región del Maule durante el día 27 de junio de 2023 durante un evento de inundaciones por precipitaciones
En caso de inundación, deslizamiento o eventos similares identificables mediante información ráster es posible utilizar diferentes índices multiespectrales o incluso, un apilamiento de estos para conseguir resaltar los fenómenos de interés.
Pasos previos en ArcGIS Pro
Para iniciar el flujo de trabajo correctamente en ArcGIS Pro, es fundamental guardar la imagen ráster en la geodatabase asociada al proyecto. Esto permite centralizar los datos y garantizar su compatibilidad con las herramientas y procesos que se usarán a continuación.
El proceso para guardar un ráster en la geodatabase es el siguiente:
- En el panel de contenido, ubica la imagen ráster que deseas exportar.
- Haz clic derecho sobre el nombre del ráster para abrir el menú contextual.
- Dirígete a la opción Data y selecciona Export Raster
- En la ventana de configuración que se abre, identifica el parámetro Output Raster Dataset. Aquí deberás seleccionar la geodatabase asociada a tu proyecto como ubicación de salida.
- Configura otros parámetros, como el sistema de referencia espacial o los límites de recorte, si es necesario, y luego haz clic en OK para completar el proceso.Una vez finalizado, el ráster estará guardado en la geodatabase del proyecto, lo que facilita su gestión y uso en los pasos posteriores del análisis. Este procedimiento es una buena práctica para mantener la coherencia y eficiencia en cualquier flujo de trabajo en ArcGIS Pro.
Cuando se añade un archivo .tif a ArcGIS Pro, es común que la imagen se visualice inicialmente con colores que no representan la realidad. Esto ocurre porque el software asigna automáticamente bandas espectrales a los canales de color (rojo, verde y azul) sin tener en cuenta el propósito específico del archivo o su diseño espectral. Para corregir esto y recrear el color natural de la imagen, es necesario reorganizar las bandas utilizando la herramienta Band Combination.
En el caso de las imágenes del satélite Sentinel-2, para obtener una representación que se aproxime al color natural (es decir, similar a lo que veríamos a simple vista), se debe configurar la combinación de bandas como 432. Esto significa asignar:
- La banda 4 (rojo) al canal rojo.
- La banda 3 (verde) al canal verde.
- La banda 2 (azul) al canal azul.
Una vez que se han configurado correctamente las bandas de color en ArcGIS Pro (por ejemplo, la combinación 432 para imágenes Sentinel-2), es posible que la visualización inicial todavía no sea óptima. Para mejorar la calidad de la imagen y resaltar los detalles necesarios, se pueden realizar ajustes en los valores de brillo, contraste y gamma desde la interfaz del programa.
Estos ajustes se encuentran disponibles en la pestaña Raster, dentro del panel de Enhancement. Desde aquí, puedes modificar los parámetros para obtener una representación visual más clara y adecuada para el análisis.
Brillo: Controla la cantidad de luz en la imagen, permitiendo que áreas más oscuras sean más visibles o reduciendo el exceso de luz en zonas demasiado brillantes.
Contraste: Ajusta la diferencia entre las áreas más claras y las más oscuras, destacando detalles que podrían no ser perceptibles en una imagen sin ajustes.
Gamma: Permite realizar un ajuste intermedio en los tonos de la imagen, equilibrando las áreas claras y oscuras sin afectar tanto el brillo general.
2. Cálculo de NDVI
El índice diferencial de vegetación normalizado (NDVI) es un índice normalizado que le permite generar una imagen que muestra el verdor, también conocida como biomasa relativa. Este índice aprovecha el contraste de características entre dos bandas de un dataset ráster multiespectral: la absorción de pigmento de clorofila en la banda roja y la alta reflectividad del material de las plantas en la banda infrarroja cercana (NIR).
https://pro.arcgis.com/es/pro-app/latest/help/analysis/raster-functions/ndvi-function.htm
Obtención de códigos Python desde geoprocesos de ArcGIS Pro
Es posible obtener el código Python correspondiente a cualquier geoproceso disponible en la plataforma de ArcGIS Pro, este es un paso importante en nuestro flujo de trabajo de zonificación de inundaciones. Esto se realiza de forma sencilla a través de la interfaz de geoprocesamiento.
El primer paso es dirigirse a la pestaña Analysis en la barra superior del programa. Dentro de esta sección, selecciona la opción Tools, lo que abrirá el panel de Geoprocessing en el lado derecho de la pantalla. En este panel, encontrarás una barra de búsqueda donde puedes escribir el nombre del geoproceso de interés, por ejemplo, "Reclassify" si deseas reclasificar los valores de un ráster.
Una vez encontrado el geoproceso, selecciónalo para abrir la ventana correspondiente, donde se configuran los parámetros. En la parte inferior de esta ventana, después de completar los parámetros necesarios, encontrarás una opción que muestra el equivalente en código Python para el geoproceso configurado. Este código puede copiarse y usarse directamente en tus scripts de Python para replicar el mismo análisis o proceso de manera automatizada.
Búsqueda del Geoproceso
Copiar código Python
Los códigos Python copiados de los geoprocesos de ArcGIS Pro pueden integrarse de manera eficiente dentro de una cadena de procesos en un Jupyter Notebook. Para realizar esta integración, es común utilizar Visual Studio Code como entorno de desarrollo, configurado con un ambiente clonado del propio ArcGIS Pro. Esto permite aprovechar las capacidades de Python para automatizar y replicar flujos de trabajo de análisis espacial.
En el caso mostrado, el código correspondiente a distintos geoprocesos, como el cálculo de NDVI, la reclasificación de valores y la conversión de ráster a polígonos, se organiza en celdas dentro de un Jupyter Notebook.
Visual Studio Code
Una vez que se ejecuta el código proporcionado para reclasificar el NDVI utilizando la herramienta arcpy.sa.Reclassify, es posible completar de manera programática los parámetros necesarios del geoproceso en Python. Esto permite crear una cadena de geoprocesos que se ejecuten secuencialmente, optimizando el flujo de trabajo y reduciendo la intervención manual.
En este caso, el código realiza los siguientes pasos:
1. Verifica si el archivo de salida ya existe, y en caso afirmativo, lo elimina para evitar conflictos.
2. Utiliza la función Reclassify para reclasificar el ráster de NDVI en base al campo "Value" y un rango definido con RemapRange.
3. Guarda el resultado reclasificado en la ubicación especificada.
A medida que se avanza en el flujo de trabajo, es posible verificar los resultados preliminares directamente desde la geodatabase del proyecto en ArcGIS Pro. Esta funcionalidad permite comprobar que los datos procesados cumplen con las expectativas antes de proceder con pasos adicionales en el análisis.
En el ejemplo mostrado, se puede observar el resultado del proceso de reclasificación del NDVI (Inundación_NDVI_reclass), donde las áreas identificadas con valores relevantes, como zonas de inundación, están resaltadas en el mapa. Este resultado reclasificado se almacena como un nuevo dataset en la geodatabase del proyecto, permitiendo una organización eficiente de los datos y facilitando su posterior consulta.
Comprobación de resultados preliminares
NDVI Reclass
Reclasifica (o cambia) los valores en un ráster.
https://pro.arcgis.com/es/pro-app/latest/tool-reference/spatial-analyst/reclassify.htm
El proceso de reclasificación del Índice de Vegetación de Diferencia Normalizada (NDVI) transforma los valores continuos del NDVI en clases discretas con la finalidad de delimitar los valores que resaltan el flujo hídrico en aumento considerando que este posee altos valores de turbiedad.
Los valores para delimitar el cauce de agua turbia son:
- Límite superior: 0,16916
- Límite inferior: -0,51940
Resultado NDVI Reclass
NDVI Raster to Polygon
Convierte un dataset ráster en entidades de polígono.
https://pro.arcgis.com/es/pro-app/latest/tool-reference/conversion/raster-to-polygon.htm
El proceso de conversión de ráster a polígono implica transformar el ráster reclasificado del Índice de Vegetación de Diferencia Normalizada (NDVI) en entidades vectoriales poligonales. Este proceso toma el ráster reclasificado como entrada y genera una capa de polígonos que representa la clase más representativa de la turbiedad del caudal hídrico.
Cálculo de NDSI
El Índice de Nieve Normalizado (NDSI, por sus siglas en inglés) es un índice derivado de imágenes satelitales utilizado para identificar y cuantificar la presencia de nube y nieve en una superficie. Este índice es especialmente útil en la gestión de recursos hídricos, la climatología y la monitorización de desastres naturales. El cálculo del NDSI se realiza utilizando las bandas del visible verde (Green) y el infrarrojo de onda corta (SWIR) de las imágenes satelitales.
https://pro.arcgis.com/en/pro-app/latest/arcpy/spatial-analyst/ndsi.htm
El NDSI permite diferenciar la nieve de otras superficies brillantes, debido a la alta reflectancia de la nieve en la banda visible y su baja reflectancia en la banda del infrarrojo de onda corta. En este caso se utiliza para la diferenciación de la cobertura nubosa en la extensión del ráster.
Con la intención de optimizar la detección de coberturas nubosas, se ha incorporado la banda azul (B2), aprovechando que las nubes suelen reflejar con alta intensidad en esta longitud de onda, mientras que la nieve presenta una reflectancia relativamente menor en el mismo rango. A su vez, la nieve destaca por su elevada reflectancia en el rango del verde, lo cual facilita la identificación de áreas nevadas. Esta modificación permite enfatizar las diferencias de reflectancia entre las bandas azul y verde, mejorando así la discriminación entre nubes y nieve.
La modificación del NDSI se realizó reemplazando la banda verde (B3) con la banda azul (B2) y SWIR (B11) con la banda verde (B3).
Resultado NDSI modificado
NDSI Reclass
Reclasifica (o cambia) los valores en un ráster.
https://pro.arcgis.com/es/pro-app/latest/tool-reference/spatial-analyst/reclassify.htm
El proceso de reclasificación del Índice de Nieve Normalizado (NDSI) implica convertir los valores continuos del NDSI en clases discretas. Este proceso se realiza cargando el ráster del NDSI y aplicando una reclasificación basada en rangos de valores definidos, que se asignan a nuevas categorías.
Los valores para delimitar la cobertura nubosa son:
· Límite superior: 0,10750
· Límite inferior: -0,06801
Resultado NDSI Reclass
NDSI Raster to Polygon
Convierte un dataset ráster en entidades de polígono.
El proceso de conversión de ráster a polígono implica transformar el ráster reclasificado del Índice de Nieve Normalizado (NDSI) en entidades vectoriales poligonales. Este proceso toma el ráster reclasificado como entrada y genera una capa de polígonos que representa la clase más representativa de la cobertura nubosa.
https://pro.arcgis.com/es/pro-app/latest/tool-reference/conversion/raster-to-polygon.htm
Pairwise Erase
Calcula una intersección por pares de las entidades de entrada y de borrado. Solo esas partes de las entidades de entrada que queden fuera de las entidades de borrado se copiarán en la clase de entidad de salida.
https://pro.arcgis.com/es/pro-app/latest/tool-reference/analysis/pairwise-erase.htm
En este caso, se utiliza para suprimir las áreas de intersección entre los polígonos derivados del NDVI y del NDSI. Este proceso toma como entrada las capas poligonales del NDVI y del NDSI y genera una nueva capa en la que se elimina la cobertura nubosa, dejando solo las áreas afectadas por inundación.
Resultado Pairwise Erase
Pairwise Clip
Extrae entidades de entrada que se superponen a las entidades del clip.
https://pro.arcgis.com/es/pro-app/latest/tool-reference/analysis/pairwise-clip.html
En este caso, se recortan las entidades de la capa resultante del proceso de Pairwise Erase utilizando una capa de límites regionales. Este proceso toma como entrada la capa de entidades a recortar y la capa de límites (regiones de Chile continental), generando una nueva capa en la que solo se conservan las entidades que caen dentro de los límites especificados.
Resultado Pairwise Clip
Eliminate Polygon Part
Crea una nueva clase de características de salida que contiene las características de los polígonos de entrada con algunas partes o agujeros de un tamaño especificado eliminados.
https://pro.arcgis.com/en/pro-app/latest/tool-reference/data-management/eliminate-polygon-part.htm
En este caso, se elimina cualquier parte de polígonos que represente menos del 0,05% del área total del polígono. Este proceso toma como entrada la capa poligonal y genera una nueva capa en la que se han eliminado las partes de polígonos no deseadas según los criterios.
Resultado de Eliminate Polygon Part
Zonificación Resultante
Te invitamos a ver el tutorial completo: