Metodología para la identificación de variables representativas en la captura de datos in situ de espectroscopía
DOI:
https://doi.org/10.15381/0dcte097Palabras clave:
Firmas espectrales, Spectral Angle Mapper, metadato, interoperabilidad, teledetecciónResumen
Las firmas espectrales son representaciones gráficas que relacionan el espectro electromagnético con la respuesta o amplitud de onda, resultado de la interacción de los objetos y la luz. Cada cobertura del suelo, debido a la diferente composición de materiales, genera una respuesta espectral particular. Por lo tanto, la clasificación automatizada de coberturas, ya sea orientada a objetos o a píxeles, tiene como fundamento la respuesta espectral de los diferentes segmentos o píxeles, respectivamente.
Las librerías espectrales son bases de datos donde se almacenan estas respuestas espectrales, de modo que los investigadores u organizaciones que intervienen en la recolección, procesamiento y análisis de estas muestras, puedan trabajar de manera colaborativa, evitando la redundancia en las investigaciones y optimizando tiempo en el desarrollo de las mismas. Sin embargo, actualmente no existe un modelo de metadatos definido para garantizar la interoperabilidad entre investigadores u organizaciones que generan firmas espectrales. Por lo tanto, como primer paso, es necesario identificar aquellas variables que resultan ser representativas en la captura de firmas espectrales. Para hacer la respectiva definición de parámetros, se capturan diferentes firmas de coberturas en el campo y se compara la espectralidad a partir del algoritmo Spectral Angle Mapper – SAM.
Referencias
Arumugam, A. (2014, August). Developing Web-Enabled Spectral Library Architecture using free and Open Source Software (FOSS) [Master´s Thesis]. Andhra University, India. https://www.iirs.gov.in/iirs/sites/default/files/StudentThesis/Abishek_mtech_2012-14.pdf
ASD Inc. (2010). FieldSpec HandHeld 2TM Spectroradiometer User Manual. ASD Document 600860. https://www.asdi.com
Chen, Y., Wang, Q., Wang, Y., Duan, S.-B., Xu, M., & Li, Z.-L. (2016). A Spectral Signature Shape-Based Algorithm for Landsat Image Classification. ISPRS International Journal of Geo-Information, 5(9), pp.154. https://doi.org/10.3390/ijgi5090154
Christovam, L. E., Pessoa, G. G., Shimabukuro, M. H., & Galo, M. L. B. T. (2019). Land use and land cover classification using hyperspectral imagery: Evaluating the performance of spectral angle mapper, support vector machine and random forest. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, XLII-2/W13, pp. 1841-1847. https://doi.org/10.5194/isprs-archives-XLII-2-W13-1841-2019
Chuvieco, E., & Huete, A. (2009). Fundamentals of Satellite Remote Sensing. CRC Press.
Dangal, S. R. S., & Sanderman, J. (2020). Is Standardization Necessary for Sharing of a Large Mid-Infrared Soil Spectral Library?. Sensors, 20(23), pp. 6729. https://doi.org/10.3390/s20236729
Frazier, A. E., & Hemingway, B. L. (2021). A Technical Review of Planet Smallsat Data: Practical Considerations for Processing and Using PlanetScope Imagery. Remote Sensing, 13(19), 3930. https://doi.org/10.3390/rs13193930
Gao, L., Yang, B., Du, Q., & Zhang, B. (2015). Adjusted Spectral Matched Filter for Target Detection in Hyperspectral Imagery. Remote Sensing, 7(6), pp. 6611-6634. https://doi.org/10.3390/rs70606611
He, Q., Xu, Z., Li, S., Li, R., Zhang, S., Wang, N., Pham, B. T., & Chen, W. (2019). Novel Entropy and Rotation Forest-Based Credal Decision Tree Classifier for Landslide Susceptibility Modeling. Entropy, 21(2), p. 106. https://doi.org/10.3390/e21020106
Hueni, A., Damm, A., Kneubuehler, M., Schlapfer, D., & Schaepman, M. E. (2017). Field and Airborne Spectroscopy Cross Validation—Some Considerations. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 10(3), pp. 1117-1135. https://doi.org/10.1109/JSTARS.2016.2593984
Jiménez, M., González, M., Amaro, A., & Fernández-Renau, A. (2014). Field Spectroscopy Metadata System Based on ISO and OGC Standards. ISPRS International Journal of Geo-Information, 3(3), pp. 1003-1022. https://doi.org/10.3390/ijgi3031003
Ly, H.-B., Monteiro, E., Le, T.-T., Le, V. M., Dal, M., Regnier, G., & Pham, B. T. (2019). Prediction and Sensitivity Analysis of Bubble Dissolution Time in 3D Selective Laser Sintering Using Ensemble Decision Trees. Materials, 12(9), pp. 1544. https://doi.org/10.3390/ma12091544
Milton, E. J. (1987). Review Article Principles of field spectroscopy. International Journal of Remote Sensing, 8(12), pp. 1807-1827. https://doi.org/10.1080/01431168708954818
Ochieng, P. J., Maróti, Z., Dombi, J., Krész, M., Békési, J., & Kalmár, T. (2023). Adaptive Savitzky–Golay Filters for Analysis of Copy Number Variation Peaks from Whole-Exome Sequencing Data. Information, 14(2), pp. 128. https://doi.org/10.3390/info14020128
Penner, M. H. (2017). Basic Principles of Spectroscopy. En S. S. Nielsen (Ed.), Food Analysis (pp. 79-88). Springer International Publishing. https://doi.org/10.1007/978-3-319-45776-5_6
Qian, S.-E. (2021). Hyperspectral Satellites, Evolution, and Development History. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 14, pp. 7032-7056. https://doi.org/10.1109/JSTARS.2021.3090256
Rajan Girija, R., & Mayappan, S. (2019). Mapping of mineral resources and lithological units: A review of remote sensing techniques. International Journal of Image and Data Fusion, 10(2), 79-106. https://doi.org/10.1080/19479832.2019.1589585
Scafutto, R. D. M., & Souza Filho, C. R. de. (2016). Quantitative characterization of crude oils and fuels in mineral substrates using reflectance spectroscopy: Implications for remote sensing. International Journal of Applied Earth Observation and Geoinformation, 50, pp. 221-242. https://doi.org/10.1016/j.jag.2016.03.017
Specka, X., Gärtner, P., Hoffmann, C., Svoboda, N., Stecker, M., Einspanier, U., Senkler, K., Zoarder, M. A. M., & Heinrich, U. (2019). The BonaRes metadata schema for geospatial soil-agricultural research data – Merging INSPIRE and DataCite metadata schemes. Computers & Geosciences, 132, pp. 33-41. https://doi.org/10.1016/j.cageo.2019.07.005
Stelle, C. A., Ariza-Lopez, F. J., & Urena-Camara, M. A. (2018). Spectral Library: A Proposal for Data Model. IGARSS 2018 - 2018 IEEE International Geoscience and Remote Sensing Symposium, 7395-7398. https://doi.org/10.1109/IGARSS.2018.8518247
Talukdar, S., Singha, P., Mahato, S., Shahfahad, Pal, S., Liou, Y.-A., & Rahman, A. (2020). Land-Use Land-Cover Classification by Machine Learning Classifiers for Satellite Observations—A Review. Remote Sensing, 12(7), pp. 1135. https://doi.org/10.3390/rs12071135
Valbuena, C. A., & Castro, C. E. (2013). Protocolo para el proceso de captura de firmas espectrales aplicado a levantamiento de suelos. IGAC, 1, p.38.
Verna, P., Raghubanshi, A., Srivastava, P. K., & Raghubanshi, A. S. (2020). Appraisal of kappabased metrics and disagreement indices of accuracy assessment for parametric and nonparametric techniques used in LULC classification and change detection. Modeling Earth Systems and Environment,6, pp. 1045–1059. https://doi.org/10.1007/s40808-020-00740-x
Yang, H., Cheng, Y., & Li, G. (2021). A denoising method for ship radiated noise based on Spearman variational mode decomposition, spatial-dependence recurrence sample entropy, improved wavelet threshold denoising, and Savitzky-Golay filter. Alexandria Engineering Journal, 60(3), pp. 3379-3400. https://doi.org/10.1016/j.aej.2021.01.055
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2024 Martha Patricia Valbuena Gaona
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
LOS AUTORES RETIENEN SUS DERECHOS:
a. Los autores retienen sus derechos de marca y patente, y tambien sobre cualquier proceso o procedimiento descrito en el artículo.
b. Los autores retienen el derecho de compartir, copiar, distribuir, ejecutar y comunicar públicamente el articulo publicado en la Rev. Inst. investig. Fac. minas metal cienc. geogr. (por ejemplo, colocarlo en un repositorio institucional o publicarlo en un libro), con un reconocimiento de su publicación inicial en la Rev. Inst. investig. Fac. minas metal cienc. geogr.
c. Los autores retienen el derecho a hacer una posterior publicación de su trabajo, de utilizar el artículo o cualquier parte de aquel (por ejemplo: una compilación de sus trabajos, notas para conferencias, tesis, o para un libro), siempre que indiquen la fuente de publicación (autores del trabajo, revista, volumen, numero y fecha).
