Mapear y extraer pixeles de cuerpos de agua usando imagenes satelitales
1. Índices espectrales de agua
 |
| Figura 1. Curvas de reflectancia espectral de varios tipos de cobertura terrestre (Chen et al. 2022) |
|
Índice |
Abreviación |
Formula |
Referencia |
|
Normalized difference water index |
NDWI |
\[\frac{G-NIR}{G+NIR}\] |
McFeeters, 1996 |
|
Normalized difference water index |
NDWI |
\[\frac{NIR-SWIR_{1}}{NIR+SWIR_{1}}\] |
Gao, 1996 |
|
Modified Normalized difference water index |
MNDWI |
\[\frac{G-SWIR_{1}}{G+SWIR_{1}}\] |
Xu, 2006 |
|
Tasseled Cap Humidity index |
TCW |
\[a\times B+b\times G+c\times R\] \[+d\times NIR+e\times SWIR_{1}+f\times SWIR_{2}\] |
Crist, 1985 |
|
Automated Water Extraction Index |
AWEInon-shadow |
\[4\times (G-SWIR_{1}) -0.25\times NIR-2.75\times SWIR_{1}\] |
Feyisa et al., 2014) |
|
Automated Water Extraction Index |
AWEIshadow |
\[B+2.5\times G-1.5\times (NIR-SWIR_{1}) -0.25\times SWIR_{2}\] |
Feyisa et al., 2014 |
|
water index |
WI |
\[1.7204+171\times G+3\times R\] \[-70\times NIR-45\times SWIR_{1}-71\times SWIR_{2}\] | Fisher et al., 2016 |
|
Augmented Normalized Difference Water Index |
ANDWI |
\[\frac{B+G+R-NIR-SWIR_{1}-SWIR_{2}}{B+G+R-NIR+SWIR_{1}+SWIR_{2}}\] |
Rad et al., 2021 |
|
Índice ICEDEX |
ICEDEX |
\[\frac{NIR}{R}-\frac{NIR}{SWIR_{1}}\] |
1.1 Índice de Diferencia de Agua Normalizado (NDWI).
- Maximizar la reflectancia de las características acuáticas, al usar la longitud de onda correspondiente al verde.
- Minimiza la baja reflectancia del NIR para las características acuáticas.
- Maximiza la alta reflectancia del NIR para la vegetación terrestre y los suelos.
 |
| Figura 2. Índice de Agua Normalizado NDWI (Fuente: Ariza, García, Rojas, & Ramírez, 2014) |
 |
| Figura 3. Estimación de NDWIGAO con imagen Landsat del 01/10/2020 de la presa el palmito, México |
1.2. Índice de Diferencia de Agua Normalizado Modificado (MNDWI).
 |
| Figura 4. Índice de Agua Normalizado modificado MNDWI (Ariza et al., 2014). |
1.3. Índice de Agua ICEDEX
 |
| Figura 5. Índice de Agua ICEDEX (Ariza et al., 2014). |
¿Conoces algún otro índice?, déjanos tus comentarios
2. Umbralización óptima
 |
| Figura 6. Vista RGB de una imagen Landsat sobre la presa el "Palmito" |
 |
| Figura 7. Mapas de índices de agua usados para clasificación de la presa el Palmito |
De acuerdo a la Figura 7 y haciendo una evaluación visual se observa que los cuatro índices utilizados permiten clasificar cuerpos de agua de manera optima. Tu, ¿Cual usarias y porque?
Te invitamos a descargar esta infografía donde se resumen diferentes índices de vegetación que se han visto en esta entrada del blog..png)
Literatura citada.
Ariza, A., García J., S., Rojas B., S., & Ramírez D., M. 2014.
Desarrollo de un modelo de corrección de imágenes de satélite para
inundaciones: (CAIN - Corrección Atmosférica e Índices de Inundación). UN-SPIDER,
pp. 1-10.
Crist, E.P. (1985). A TM tasseled cap equivalent
transformation for reflectance factor data. Remote
Sensing of Environment, 17, 301–306.
Chen, J., Chen, S., Fu, R., Li, D., Jiang, H., Wang, C., … Jiang Formal analysis, H. (2022). Remote Sensing Big Data for Water Environment Monitoring: Current Status, Challenges, and Future Prospects. Earth’s Future, 10(2), e2021EF002289. https://doi.org/10.1029/2021EF002289
Feyisa, G.L., Meilby, H., Fensholt, R., & Proud,
S.R. (2014). Automated Water Extraction Index: A new technique for surface
water mapping using Landsat imagery. Remote
Sensing of Environment, 140, 23–35.
http://dx.doi.org/10.1016/j.rse.2013.08.029.
Fisher, Adrian; Flood, Neil; Danaher, Tim (2016). Comparing Landsat water index methods
for automated water classification in eastern Australia. Remote Sensing of Environment, 175(), 167–182. https://doi.org/10.1016/j.rse.2015.12.055
Gao, B. C. (1996). NDWI a normalized difference water
index for remote sensing of vegetation liquid water from space. Remote Sensing of Environment, 58(3), 257–266.
https://doi.org/10.1016/S0034-4257(96)00067-3
McFeeters, S. K., 1998. The use of normalized
difference wáter index (NDWI) in the delineation of open water features. International Journal Of
Remote Sensing, 17, pp. 1425-1432.
Muñoz Aguayo, P. 2015. Índices de vegetación. Centro de
Información de Recursos Naturales CIREN. Santiago: CIREN.
Sánchez, N., Alonso-Arroyo, A., Martínez-Fernández, J., Piles, M.,
González-Zamora, Á., Camps, A., & Vall-Llosera, M. (2015). On the synergy of airborne GNSS-R and landsat 8 for
soil moisture estimation. Remote Sensing. https://doi.org/10.3390/rs70809954
Sánchez-Ruiz, S., Piles, M., Sánchez, N., Martínez-Fernández, J.,
Vall-llossera, M., & Camps, A. (2014). Combining SMOS with visible and near/shortwave/thermal infrared satellite
data for high resolution soil moisture estimates. Journal of Hydrology.
https://doi.org/10.1016/j.jhydrol.2013.12.047
Xu, H. 2006. Modification of normalised difference
water index (NDWI) to enhance open water features in remotely sensed imagery. International Journal Of
Remote Sensing, 27(14), 3025-3033. https://doi.org/10.1080/01431160600589179.
Otsu, N. (1979). A Threshold Selection Method from Gray-Level Histograms. IEEE Transactions on Systems, Man, and Cybernetics, 9(1), 62–66. https://doi.org/10.1109/TSMC.1979.4310076
Hui-Fuang, N. (2006). Automatic thresholding for defect detection. Pattern Recognition Letters, 27(14), 1644–1649. https://doi.org/https://doi.org/10.1016/j.patrec.2006.03.009
Rad, A. M., Kreitler, J., & Sadegh, M. (2021). Augmented Normalized Difference Water Index for improved surface water monitoring. Environmental Modelling & Software, 140, 105030. https://doi.org/10.1016/J.ENVSOFT.2021.105030
