Morfometría de actividades extractivas a partir de imágenes de satélite de alta resolución espacial

Trabajo final de Máster Morfometría de actividades extractivas a partir de imágenes de satélite de alta resolución espacial Autor: Sergio Martínez Pardo Máster Universitario en Ingeniería de Minas Tutor: Juan Jorge Sánchez EPSEM, Octubre 2016 S. Martínez Pardo Página 2 Summary Control and study of the Earth’s surface with images captured by satellites has been doing for many years. The high spatial resolution of new satellites, with the low cost image acquisition, makes that small mining companies can carry out controls on their farms. This work aims to study the different covers that are in the extractive activities of a particular area using different methods of sorting through ENVI software S. Martínez Pardo Página 3 Resumen El control y estudio de la superficie terrestre se lleva realizando des de hace ya muchos años con imágenes captadas por satélites artificiales. La alta resolución espacial de nuevos satélites, conjuntamente con el bajo coste en la adquisición de imágenes, abre las puertas a este tipo de tecnología a pequeñas empresas mineras para poder realizar controles sobre sus explotaciones. Durante la realización de este trabajo se pretende hacer el estudio de las diferentes cubiertas que encontramos en las actividades extractivas de una zona en concreto mediante diferentes métodos de clasificación a través del software ENVI. S. Martínez Pardo Página 4 Contenido 1. Introducción ....................................................................................................... 9 1.1. Teledetección .............................................................................................. 9 1.1.1. Resolución radiométrica ...................................................................... 9 1.1.2. Resolución temporal .......................................................................... 10 1.1.3. Resolución espacial ............................................................................ 10 1.1.4. Resolución espectral .......................................................................... 10 1.1.5. Reflectancia espectral del terreno ..................................................... 11 1.2. Antecedentes ............................................................................................ 11 1.3. ¿Cuál es el futuro? ..................................................................................... 12 1.4. Impactos que genera la minería ................................................................ 13 1.5. Solución de los principales problemas de la minería mediante la teledetección. ............................................................................................ 14 1.5.1. Ejemplos de exploración minera ........................................................ 15 1.5.2. Ejemplos de trabajos medio ambientales en minería ....................... 15 1.5.3. Ejemplos de trabajos realizados en otros campos aplicables a la minería ............................................................................................... 16 2. Objetivos .......................................................................................................... 17 3. Área de estudio ................................................................................................ 18 4. Materiales y métodos ...................................................................................... 20 4.1. Materiales .................................................................................................. 20 4.1.1. Deimos-2 ............................................................................................ 20 4.1.2. ENVI .................................................................................................... 25 5. Metodología de trabajo ................................................................................... 27 S. Martínez Pardo Página 5 5.1. Clasificación no supervisada ..................................................................... 31 5.2. Clasificación supervisada ........................................................................... 32 5.3. Clasificación “Unmixing” ........................................................................... 34 5.4. NDVI (Índice de Vegetación) ..................................................................... 36 6. Resultados obtenidos y análisis de los mismos ............................................... 37 6.1. Clasificación no supervisada ..................................................................... 37 6.2. Clasificación supervisada ........................................................................... 39 6.3. Clasificación “Unmixing” ........................................................................... 42 6.4. NDVI (Índice de Vegetación) ..................................................................... 44 7. Conclusiones .................................................................................................... 46 8. Agradecimientos .............................................................................................. 48 9. Referencias bibliográficas ................................................................................ 49 10. Anexos .......................................................................................................... 51 10.1. Cubierta de Sal 1 ....................................................................................... 51 10.2. Cubierta de Sal 2 ....................................................................................... 52 10.3. Cubierta de carreteras y caminos ............................................................. 53 10.4. Cubierta de Vegetación ............................................................................. 54 10.5. Cubierta de Edificios .................................................................................. 55 10.6. Cubierta de Actividades Extractivas .......................................................... 56 S. Martínez Pardo Página 6 Lista de Figuras Figura 1. Bandas multiespectrales (GIS Geography, 2016) .................................... 11 Figura 2. Bandas hiperespectrales (GIS Geography, 2016) ...................................... 11 Figura 3. Imagen de la ubicación de las 4 imágenes. Área de estudio (Google Earth, 2012). .............................................................................................. 18 Figura 4. Imagen de la zona de estudio (Google Earth, 2012). .............................. 18 Figura 5. Vista externa y sección del satélite DEIMOS-2 (Deimos-Imaging, 2015). ................................................................................................................... 20 Figura 6. Esquema captura de datos “Multi-pointing imaging” (Deimos-imaging, 2015). ........................................................................................................ 24 Figura 7. Esquema captura de datos “Single pass stereo imaging” (Deimos-imaging, 2015). ......................................................................................................... 24 Figura 8. Esquema del procedimiento del trabajo. ................................................. 28 Figura 9. Máscara de la zona a estudiar (de color blanco las actividades extractivas de la zona). ............................................................................. 29 Figura 10. Imagen enmascarada de la zona a estudiar. .......................................... 30 Figura 11. Metodología de la clasificación no supervisada. .................................. 31 Figura 12. Metodología clasificación supervisada. .................................................. 33 Figura 13. Print-screen del ROI's que generamos con ENVI. ................................... 34 Figura 14. Metodología de la clasificación Unmixing. ........................................... 35 Figura 15. Clasificación no supervisada. .................................................................. 38 Figura 16. Zoom de la concesión minera Iberpotash S.A. en Súria. ........................ 39 Figura 17. Clasificación supervisada de la zona a estudiar. ..................................... 40 Figura 18. Imagen de Google Earth 2012 vs cubiertas clasificación supervisada ICL Iberia (Súria). ............................................................................................. 41 Figura 19. Z-Profile de los píxeles correspondientes a: A) Cubierta de edificios B) Cubierta de Sal. ......................................................................................... 42 S. Martínez Pardo Página 7 Figura 20. Gráfico valor espectral de cada cubierta. ............................................... 43 Figura 21. NDVI de la zona de estudio. .................................................................... 44 Figura 22. Zoom del NDVI de las dos montañas de sal. A) Súria B) Sallent. ......... 45 S. Martínez Pardo Página 8 Lista de Tablas Tabla 1. Características del DEIMOS-2 (Deimos-Imaging, 2015) ............................. 22 Tabla 2. Precios imágenes DEIMOS-2 (SCS, 2016) ................................................... 25 Tabla 3. Estadísticas de las diferentes cubiertas de las actividades extractivas. .... 37 Tabla 4. Características de la imagen supervisada .................................................. 41 S. Martínez Pardo Página 9 1. Introducción El estudio de la cubierta terrestre ha sido desde el inicio de la humanidad una importante herramienta para la evolución. La curiosidad, el querer saber o la necesidad son aspectos que nos han traído hasta aquí. Hoy en día vivimos en un mundo globalizado donde la necesidad de saber que hay en la otra parte del mundo nos lleva a tener que recurrir a herramientas como es la teledetección. Gracias a la teledetección hoy en día podemos estudiar y observar cualquier parte del mundo sin necesidad de desplazarnos al lugar de interés. En este trabajo utilizaremos imágenes de alta resolución espacial para estudiar los perímetros y el interior de actividades mineras a cielo abierto. Las imágenes utilizadas han sido obtenidas por el satélite español Deimos-2 (SOT), propiedad de la empresa Elecnor Deimos con base en Puertollano (Ciudad Real, España), que fue puesto en órbita el 19 de junio de 2014. Seguidamente se definirán algunos términos que nos facilitarán el entendimiento del trabajo. 1.1. Teledetección La Teledetección es la adquisición de información sobre un objeto a distancia, es decir, sin que haya contacto físico entre el objeto o sistema observado y el observador (López, M. J., Caselles, V., 1991). En el caso de la teledetección basada en la detección de ondas electromagnéticas procedentes de la superficie terrestre, y detectadas por un sensor a bordo de plataformas espaciales o de aeronaves, se diferencian cuatro características en la toma de datos, y en ellos mismos. Se trata de lo que se denomina resolución de la imagen, cuyas cuatro características principales se diferencian como la resolución radiométrica, la resolución temporal, la resolución espacial y la resolución espectral. 1.1.1. Resolución radiométrica La resolución radiométrica indica la sensibilidad del sensor, es decir, la capacidad de discriminar entre pequeñas variaciones en la radiación que capta. Suele expresarse mediante el número de bits con los que se almacena la información de cada celda. Cuanto mayor sea la precisión radiométrica mayor número de detalles podrán S. Martínez Pardo Página 16 1.5.3. Ejemplos de trabajos realizados en otros campos aplicables a la minería Hay muchos trabajos realizados para el control de taludes, hechos para zonas montañosas o vías de comunicación, que se pueden aplicar de la misma manera para el control de taludes en minería a cielo abierto, realizados con LiDAR sobre medios aerotransportados. Algunos ejemplos son los siguientes: - Análisis del uso de datos LiDAR sobre helicóptero para control de taludes carreteros (Pérez, G., J., L. et al., 2015). - Uso de datos LiDAR aéreos en 3D para el control de movimientos de ladera. Caso de estudio del deslizamiento de Diezma (Granada) (Azañón, J. M. et al., 2015). El listado de ejemplo de trabajos donde se ha trabajado con la teledetección en el ámbito de la minería es bastante extenso. Es esencial utilizar la teledetección en minería ya que aporta un beneficio en tiempo, personal y dinero, ya que por ejemplo en los levantamientos topográficos ya no se tiene que depender de un equipo de topografía, simplemente con la ayuda de un UAV se puede realizar en poco tiempo un mapa de la topografía de la mina. S. Martínez Pardo Página 17 2. Objetivos En el presente trabajo cabe diferenciar dos tipos de objetivos: objetivos generales del trabajo y objetivos de aprendizaje. Los objetivos generales del trabajo son: 1. Analizar imágenes de satélite (en este caso del satélite Deimos-2), mediante software específico de teledetección (aquí el software es ENVI), para la obtención de perímetros mineros y la distribución interior de los usos del suelo (a través de la diferenciación de cubiertas del suelo). 2. Establecer una metodología a partir de información satelital para obtener el perímetro minero y la distribución de la ocupación del suelo en una actividad extractiva. A nivel individual se ha establecido una serie de objetivos personales de aprendizaje a conseguir durante la realización de este trabajo: 1. Aprender a utilizar el software ENVI. 2. Aprender a establecer una metodología de seguimiento de actividades extractivas a partir de imágenes de satélite. S. Martínez Pardo Página 18 3. Área de estudio La empresa Deimos Imaging ha cedido para este trabajo cuatro imágenes captadas por los sensores del satélite Deimos-2 pertenecientes al área de Cataluña, dos de ellas de la zona de Girona y las otras dos de la zona de Manresa, en la comarca del Bages, zona donde se realiza el estudio (figuras 3 y 4). Figura 3. Imagen de la ubicación de las 4 imágenes. Área de estudio (Google Earth, 2012). Figura 4. Imagen de la zona de estudio (Google Earth, 2012). S. Martínez Pardo Página 19 Se ha elegido la zona de Manresa por su proximidad para poder hacer medidas de campo, y por su gran número de explotaciones mineras donde destacan las dos que tiene la empresa ICL Iberia Súria & Sallent, una en el municipio de Súria (Bages) y otra en el municipio de Sallent (Bages). Concretamente las zonas de estudio incluyen estas actividades y otras actividades, zonas sombreadas de color blanco en la figura 4. S. Martínez Pardo Página 20 4. Materiales y métodos 4.1 Materiales Los principales materiales utilizados para la realización de este trabajo han sido tres: el programa informático ENVI, las imágenes obtenidas con el satélite DEIMOS-2 (proporcionadas gratuitamente por la empresa Demos Imaging) y los archivos en formato “shape” de las actividades extractivas de Catalunya. 4.1.1. Deimos-2 El satélite DEIMOS-2 (figura 5), primer satélite español de muy alta resolución espacial) ha sido diseñado e integrado en el Centro de Inteligencia de Satélites propiedad de Elecnor Deimos, en la localidad de Puertollano (Ciudad Real, España). Fue lanzado el 19 de junio de 2014 a las 21:27 horas (hora peninsular española) desde Yasni (Rúsia), donde un lanzador ruso-ucraniano, llamado Dnepr, lo puso en órbita en tan solo 20 minutos. Funciona y opera desde una órbita heliosíncrona a una altitud de 620 km (Elecnor DEIMOS, 2016). Figura 5. Vista externa y sección del satélite DEIMOS-2 (Deimos-Imaging, 2015). Deimos-2 ha sido diseñado para proporcionar un servicio rentable, con gran capacidad de respuesta a clientes de todo el mundo. El proyecto ha costado 60 millones de euros, cifra que se prevé que aumente hasta los 100 millones de euros a la finalización de su vida útil (SINC, 2014). S. Martínez Pardo Página 21 Permite adquirir imágenes con una resolución de hasta 400 veces mayor que la de su antecesor el DEIMOS-1 (en órbita desde julio de 2009). Una imagen de 1 km2 de terreno contiene 400 veces más información que una adquirida por su predecesor. DEIMOS-2 permite capturar imágenes básicas de 12 km2, con una resolución de 75 cm, o lo que es lo mismo, cada píxel de la imagen se corresponde con una superficie de menos de 1 m2 de terreno. Se trata de un satélite ágil (capaz de moverse y girar alrededor de sus tres ejes) y por tanto permite adquirir imágenes que cubran superficies adyacentes para aumentar el área de observación e incluso adquirir en una única pasada la misma imagen des de diferentes ángulos, para poder generar posteriormente imágenes en tres dimensiones. Esto le permite apuntar su gran cámara de alta resolución a objetos muy concretos con gran precisión. Así pues, consigue imágenes con un gran detalle incluso de puntos de la Tierra que no se encuentran debajo de su trayectoria, como carreteras, edificios, puertos… en la órbita elegida. DEIMOS-2 da la vuelta a la Tierra 14 veces al día (Elecnor Deimos, 2016). Las principales características (tabla 1) del satélite DEIMOS-2 son (Deimos-Imaging, 2015): - Plataforma ágil. - Alto rendimiento en el “Attilude Control Subsystem” para señalar la precisión y estabilidad (tres ejes de estabilización usando 5 ruedas de reacción). - Motores de gas xenón para el mantenimiento en órbita. - 4 paneles solares externos con una generación de energía por panel de más de 400 Watts al final de su vida útil. S. Martínez Pardo Página 22 Tabla 1. Características del DEIMOS-2 (Deimos-Imaging, 2015). Los principales ámbitos donde puede dar servicio son (SINC, 2014): - Agricultura. - Medio ambiente. - Cambio climático. - Control de desastres naturales y protección civil (incendios e inundaciones) - Defensa, inteligencia y control de fronteras. A continuación se comentan las características que tienen las imágenes obtenidas del DEIMOS-2 por lo que se refiere a las resoluciones de imagen. S. Martínez Pardo Página 23 4.1.1.1 Resolución espacial El canal pancromático tiene una resolución espacial de 1,0 m y el canal multiespectral es de 4,0 m. El producto estándar de DEIMOS-2 pancromático (Ortho) tiene una mida de píxel de 75 cm después del re-muestreo. Todas las resoluciones se refieren en condiciones de observación “nadir”. Los productos con otras resoluciones espaciales en re-muestreo están disponibles por Elecnor mediante petición. 4.1.1.2 Resolución temporal Para disminuir el tiempo de revisita, el satélite se puede configurar para tener un ángulo de visión de ± 45° de la capacidad del nadir. Con la máxima inclinación, el campo de visión (FOV) puede extenderse a más de 600 km del punto más bajo. El tiempo de revisita medio global es de 2 días. 4.1.1.3 Bandas espectrales El sistema DEIMOS-2 incluye cámaras pancromática y multiespectral, captando datos continuamente. La cámara multiespectral se compone de 4 bandas: tres en el visible y una en el infrarrojo cercano (RGB y NIR). Para cada banda se tiene el siguiente rango espectral: - Pancromático: 560 nm a 900nm. - Multiespectral: o B (azul): 466 nm a 525 nm. o G (verde): 532 nm a 599 nm. o R (rojo): 640 nm a 697 nm. o NIR (infrarrojo cercano): 770 nm a 892 nm. 4.1.1.4 Métodos de adquisición de imágenes - Imagen de tirada única: 12 km de ancho y hasta 1400 km de longitud de imagen. - Multi-pointing imaging: realiza múltiples imágenes en diferentes puntos, se cambia de un objetivo a otro con un mínimo de tiempo de inactividad (figura 6). S. Martínez Pardo Página 24 Figura 6. Esquema captura de datos “Multi-pointing imaging” (Deimos-imaging, 2015). - Una sola pasada, imagen en estéreo (“Single pass stereo imaging”): dos adquisiciones de la misma zona en la misma órbita con diferentes ángulos de inclinación. Las imágenes que se obtienen son de 12 km de ancho y hasta 200 km de longitud. Al hacer las dos adquisiciones con ángulos diferentes se pueden generar imágenes en 3D (figura 7). - Figura 7. Esquema captura de datos “Single pass stereo imaging” (Deimos-imaging, 2015). S. Martínez Pardo Página 25 - Tessellation imaging: dos adquisiciones en la misma órbita con diferentes ángulos de cabeceo y balanceo. Se obtienen imágenes de 24 km de ancho hasta 200 km de longitud. compuesta por la adquisición de dos bandas adyacentes de 12 km de ancho cada una, capturadas con unos segundos de retardo. 4.1.1.5 Capacidad del sistema DEIMOS-2 tiene la capacidad de capturar hasta 200.000 km2 por día. Este volumen de datos se gestiona gracias a 32 Gbytes de capacidad de almacenamiento que utilizan dispositivos de memoria SDRAM, lo que permite capturar una franja de tierra de más de 1.400 km2 en una sola pasada. Los datos son descargados mediante la Unidad de Transmisión de Imágenes (ITU). 4.1.1.6 Precio de las imágenes Elecnor-Deimos ofrece diferentes productos (como ya se ha visto en apartados anteriores), y el precio de los mismos varía según el producto que necesitemos (ver tabla 2). Tabla 2. Precios imágenes DEIMOS-2 (SCS, 2016). El producto utilizado en este trabajo es “Bundie” y tiene un precio medio entre los 14 $/Km2 y los 26 $/Km2, por lo que teniendo en cuenta que la imagen es de 12 Km2 sale a un precio de entre 168 $ y 312 $. 4.1.2 ENVI ENVI es el mejor software comercial de procesamiento y análisis avanzado de imágenes, de la empresa Harris Geospatial, el cual es utilizado por analistas de imágenes, investigadores, científicos y profesionales de la teledetección y del SIG en una amplia variedad de disciplinas. S. Martínez Pardo Página 32 La clasificación no supervisada la hace automáticamente el software, a partir de unos intervalos, que debe decidir quién maneja el programa de cálculo, sobre cuantas clases se quieren diferenciar al hacer la clasificación del suelo. En el caso de este trabajo se ha decidido tomar inicialmente entre 5 y 10 clases, y no prescindir de ninguna de las cuatro bandas del sensor multiespectral. Automáticamente se ha generado una imagen de la zona, mostrando una clasificación de la superficie de la imagen con tan solo 7 clases (figura 14). El programa hace la clasificación a partir de los niveles de gris de cada píxel, que representan la reflectancia del terreno asociado a cada píxel para cada una de las cuatro bandas espectrales, es decir, identifica posibles firmas espectrales y las asocia en clases. Es por eso que esta clasificación nada más nos puede dar una idea de las diferentes cubiertas que se encuentran en la zona a estudiar. Así pues, hace falta hacer un trabajo posterior de campo para identificar las clases. Como en este caso se procede a llevar a cabo una clasificación supervisada, durante el proceso inicial de la misma se procede a identificar las diferentes cubiertas que se han obtenido en la clasificación no supervisada. 5.2 Clasificación supervisada Igual que en el punto anterior (4.1. clasificación supervisada), se parte de la imagen enmascarada para realizar la clasificación supervisada del terreno (figura 12). S. Martínez Pardo Página 33 Figura 12. Metodología clasificación supervisada. Con la visita in situ al terreno, se ha decidido crear una leyenda con tan solo cinco clases de cubierta del suelo: - Cubierta de sal. - Cubiertas de edificios. S. Martínez Pardo Página 34 - Cubierta de carreteras y caminos. - Cubierta actividad extractiva. - Cubierta Vegetación. Como se ve en el esquema anterior (figura 12) se tiene que clasificar la montaña de sal con dos cubiertas: cubierta Sal 1 y cubierta Sal 2; para poder conseguir eliminar parte de la distorsión que provoca en la clasificación no supervisada entre la cubierta de sal y la cubierta de edificios (figura 13). Figura 13. Print-screen del ROI's que generamos con ENVI. También se tiene que clasificar la zona que rodea a las actividades extractivas para que no interfiera en la clasificación de ninguna otra cubierta de la zona de estudio. 5.3 Clasificación “Unmixing” Los métodos de clasificación anteriores consideran que un solo punto puede pertenecer a una única clase, haciendo lo que se llama una clasificación dura. El valor digital medio para un punto es una combinación de los distintos tipos de cubierta que se encuentran en la superficie correspondiente al píxel. La técnica del “spectral unmixing” trata de encontrar en qué proporción cada cubierta forma parte de los distintos píxeles de la imagen. Para ello se parte de unos patrones espectrales, los “end-members”. En el caso de este trabajo se ha partido de la verdad terreno aportada por los ROI’s (Region Of Interest), ya que hay diversos estudios que aseguran que los end-members S. Martínez Pardo Página 35 de estas librerías no se ajustan totalmente a otras zonas de estudio (Sobrino, J.A., 2000). El conjunto de ROI’s utilizado es el mismo que el utilizado en la clasificación supervisada (figura 13). Una vez aplicados los ROI’s a la imagen enmascarada, esta técnica nos genera una imagen por cada clase de cubierta que se ha representado en los ROI’s, así pues en este caso se generan 7 imágenes correspondientes a los 7 tipos de cubierta de acuerdo al esquema metodológico de esta técnica (figura 14). Figura 14. Metodología de la clasificación Unmixing. S. Martínez Pardo Página 36 5.4 NDVI (Índice de Vegetación) En todo estudio de teledetección, que trate de identificar el tipo de cubierta de una zona, resulta imprescindible tener un conocimiento de dónde hay vegetación; ello nos permite tener una cierta confianza cualitativa en los resultados de las diferentes clasificaciones. Para ello, se procede a obtener el NDVI (Normalized Difference Vegetation Index), que puede ser definido como un parámetro calculado a partir de los valores de la reflectancia de la vegetación para las longitudes de onda del infrarrojo cercano (IRC) y del rojo (R). Viene dado por la siguiente fórmula: Con la imagen satelital que se ha trabajado en este trabajo (DEIMOS-2), las bandas que a utilizar son la Banda 3 (Red) y la Banda 4 (NIR). El software ENVI permite hacer el NDVI de una imagen de manera automática, se ha optado por realizar el cálculo del NDVI mediante la calculadora que proporciona el mismo programa con la fórmula mostrada más arriba. Los valores que retorna van de -1 a 1. Si se parte de la imagen enmascarada ENVI genera una imagen de las actividades extractivas con las zonas vegetales marcadas (figura 19). S. Martínez Pardo Página 37 6. Resultados obtenidos y análisis de los mismos En este apartado se expondrán los resultados obtenidos al hacer los pasos descritos en el apartado anterior. Así pues se muestran las diferentes imágenes que se han obtenido al hacer cada paso. La finalidad de hacer las diferentes clasificaciones es obtener las superficies de las diferentes cubiertas de las que se componen las actividades extractivas. Una vez generadas las imágenes con las diferentes clasificaciones se miran las estadísticas para poder extraer el número de pixeles que hay de cada clase, que multiplicados por el tamaño de pixel se obtendrán las superficies de las diferentes cubiertas. 6.1 Clasificación no supervisada La clasificación no supervisada (figura 15) que hace ENVI genera un mapa de la zona con cubiertas de diferentes colores. En este caso se ha hecho entre 5 y 10 clases, ENVI ha generado una imagen con 7 clases de cubiertas diferentes. Una de las 7 clases (color blanco) se tiene que descartar ya que es la cubierta que rodea a las actividades extractivas que hay en la zona de estudio. Los valores obtenidos de hacer esta clasificación aparecen en la tabla 3. Tabla 3. Estadísticas de las diferentes cubiertas de las actividades extractivas. S. Martínez Pardo Página 38 Figura 15. Clasificación no supervisada. La clasificación obtenida es bastante aproximada a la realidad, ya que las zonas de color azul, sobre todo las dos más grandes a los dos extremos de la imagen se corresponden a las dos montañas de sal que tiene ICL Iberia en los municipios de Súria y de Sallent. Si se hace un zoom (figura 16) a una de las dos zonas donde están situadas las montañas de sal, se puede ver algunas de las distorsiones que se generan al hacer la clasificación no supervisada. S. Martínez Pardo Página 39 Figura 16. Zoom de la concesión minera ICL Iberia en Súria. La categoría que más distorsión lleva es la de color azul claro ya que confunde la cubierta salida de las montañas con las cubiertas de los edificios industriales que hay en la misma zona. Otra categoría que genera distorsión, pero en este caso no tanto es la clase de color amarillo, ya que la coloca dentro de la zona salina de la montaña de sal. Las categorías que crean distorsión quedan más caracterizadas en la clasificación supervisada. 6.2 Clasificación supervisada Para poder hacer la clasificación supervisada primero de todo hay que saber la verdad terreno de la zona; para ello se realiza el conjunto de ROI’s (ver punto 5.2). Gracias a estas regiones de interés establecidas ENVI genera una imagen con la clasificación de cada cubierta que hay en las actividades extractivas. La imagen generada queda clasificada en 5 clases ya que como se ha mencionado en el apartado anterior (ver 5.2.) se tienen dos clases de cubierta de sal y una que es la cubierta exterior (color blanco) que se tiene que despreciar ya que es la zona que se encuentra fuera de las actividades extractivas (figura 17). S. Martínez Pardo Página 40 Figura 17. Clasificación supervisada de la zona a estudiar. Como se puede ver en la imagen anterior (figura 17) la superficie ha quedado mejor clasificada y sin tantas interferencias, todo y que siguen habiendo puntos en los que se confunden las cubiertas de sal con las de los edificios. Las diferentes cubiertas que se identifican quedan representadas por la tabla 4. S. Martínez Pardo Página 41 Tabla 4. Características de la imagen supervisada Como se puede observar ahora la cubierta que más abunda en el total de las actividades extractivas es la cubierta de “actividad extractiva” o lo que es igual a la zona explotada dentro de una mina (suelo desnudo). La cubierta de sal sigue siendo de las que más extensión ocupa, pero tenemos que tener en cuenta que sigue habiendo una distorsión con las cubiertas de los edificios, y clasifica partes de lo que tendría que ser edificio como sal (figura 18). Figura 18. Imagen de Google Earth 2012 vs cubiertas clasificación supervisada ICL Iberia (Súria). Hay que tener en cuenta que la imagen de Google Earth está tomada en 2012 y la imagen satelital que ha sido procesada es del 2014. Todo y eso, se puede observar como hay coincidencia en la cubierta de sal, pero también se tiene bastante confusión entre las zonas que pertenecen a las fabricas de la misma concesión minera y la montaña de sal. El principal problema por el que se confunden estas dos superficies es que nada más se distinguen en una de las 4 bandas, así pues es muy difícil que ENVI separe estas dos cubiertas perfectamente por mucho que se aplique la verdad terreno sobre el propia mapa (figura 19). S. Martínez Pardo Página 48 8. Agradecimientos Primero de todo agradecer al Sr. Aureli Martí, de la empresa Deimos-Imaging, y a la misma empresa, por la cesión de las imágenes espaciales del satélite DEIMOS-2, ya que sin ellas la realización de este trabajo no hubiese sido posible. En segundo lugar a mi tutor, Juan Jorge por sus días de apoyo en horas no muy convencionales y su ayuda para la guía de la realización de este trabajo. Finalmente a mi familia más cercana Mª Carmen, Paco y Marta, y a mi novia Mireia por el gran apoyo y ánimo para poder cumplir mis objetivos personales. S. Martínez Pardo Página 49 9. Referencias bibliográficas Sebmen, H., D. and Demirel, N. (2012), Remote Sensing of the Mine: Environment. Taylor and Francis Group. 170 pp. López, M. J. y Caselles, V. (1991), La Teledetección en el seguimiento de los fenómenos naturales. Recursos renovables: agricultura. Universidad de Valencia. Valencia. Jensen, J.R. (2007), Introductory to Digital Image Processing: A Remote Sensing Perspective. Prentice Hall Series in Geographic Information Science. Pérez, G. C. y Muñoz, N, A. I. (2006), Teledetección: Nociones y aplicaciones. Universidad de Salamanca. 360 pp. Deimos-Imaging. (2015), DEIMOS-2 Imagery user guide. 22 pp. Rodríguez, G. V. y Chica, O. M. (2015), Cartografía de potencialidad de oro en Rodalquilar: uso de imágenes hiperespectrales Hyperon como fuente de información. Teledetección: Humedales y Espacios Protegidos. Libro de Actas del XVI Congreso de la Asociación Española de Teledetección. 317-320 pp. Lora, L. J. C. (2016), Comparativa de sensores espaciales de diferente resolución espectral en la exploración minera. Trabajo final de Máster. Universidad Politécnica de Cataluña. Pérez G. J. L. et al. (2015), Análisis del uso de datos LiDAR sobre helicóptero para control de taludes carreteros. Teledetección: Humedales y Espacios Protegidos. Libro de Actas del XVI Congreso de la Asociación Española de Teledetección. 403-406 pp. Azañón, J. M. et al. (2015), Uso de datos LiDAR aéreos en 3D para el control de movimientos de ladera. Caso de estudio del deslizamiento de Diezma (Granada). Teledetección: Humedales y Espacios Protegidos. Libro de Actas del XVI Congreso de la Asociación Española de Teledetección. 407-410 pp. Buzzi, M. J.; Riaza, G. A.; García, M. A.; Holzwarth, S. (2013), Detección de cambios en los sedimentos de un río afectado por drenaje ácido de mina mediante imágenes hiperespectrales (río Odiel, Huelva). Teledetección: Sistemas Operacionales de Observación de la Tierra. Libro de Actas del XV Congreso de la Asociación Española de Teledetección. 406-409 pp. S. Martínez Pardo Página 50 Riaza, A.; García, M. E.; Carrère, V.; Mueller, A. (2013), Cartografía de sales marinas y fluviales es estuarios receptores de aguas ácidas con imágenes hiperespectrales Hyperon (Marismas del río Odiel, Huelva). Teledetección: Sistemas Operacionales de Observación de la Tierra. Libro de Actas del XV Congreso de la Asociación Española de Teledetección. 485-488 pp. Sobrino, J. A.; Raissouni, N.; Ker, Y. et al. (2000), Teledetección. Valencia: Universidad, Servicio de Publicaciones. 467 pp UCM. Disponible en: <https://www.ucm.es/data/cont/media/www/pag15564/Impactos%20de%20la%20miner%C3%ADa%20-%20Javier%20Lillo.pdf>. Última consulta: 28 de Setiembre de 2016. Agencia Sinc. Disponible en: <http://www.agenciasinc.es/Noticias/DEIMOS-2-elprimer-satelite-espanol-de-muy-alta-resolucion-ya-esta-en-orbita>. Última consulta: 25 de Setiembre de 2016. Elecnor Deimos. Disponible en: <http://www.deimos-space.com/elecnordeimos/>. Última visita: 29 de Agosto de 2016. Gencat. Disponib le en: <http://territori.gencat.cat/ca/01_departament/12_cartografia_i_toponimia/bases_ca rtografiques/medi_ambient_i_sostenibilitat/cartografia_en_format_miramon_sig/bas es_disponibles/focus/04/>. Última consulta: 5 de setiembre de 2016. SCS GI. Disponible en: <http://www.scsgi.com/images/deimos-2-pricing/>. Última consulta: 5 de octubre de 2016. S. Martínez Pardo Página 51 10. Anexos 10.1 Cubierta de Sal 1 S. Martínez Pardo Página 52 10.2 Cubierta de Sal 2 S. Martínez Pardo Página 53 10.3 Cubierta de carreteras y caminos S. Martínez Pardo Página 54 10.4 Cubierta de Vegetación S. Martínez Pardo Página 55 10.5 Cubierta de Edificios S. Martínez Pardo Página 56 10.6 Cubierta de Actividades Extractivas