Máscara De Nubes: Cómo Funciona Y Se Implementa

¿Por Qué Es Necesario El Enmascaramiento De Nubes?

El enmascaramiento de nubes en teledetección prepara las imágenes para su procesamiento y mejora la generación de productos.

En el enmascaramiento de nubes previo al procesamiento, éste no es el único problema en las imágenes. La visibilidad también se ve reducida por las sombras que proyectan y que, por tanto, disminuyen la capacidad de reflectancia de los objetos a estudiar. Las nubes (y, en consecuencia, sus sombras) difieren en forma, tamaño y altitud, que dependen de la posición geográfica y de las peculiaridades climáticas de la región estudiada.

La información sobre las nubes está disponible en múltiples fuentes, a diferencia de la información sobre sus sombras, que definitivamente importa cuando se trata de la precisión de la imagen. Otra cosa es la escalabilidad de la máscara de nubes. Debe haber suficiente resolución para hacer zoom no sólo en todo el campo, sino también en sus zonas separadas. La falta de detalles en la imagen conduce a errores.

¿Dónde Se Usan Las Imágenes De Satélite Sin Imperfecciones?

Dado que las nubes no identificadas provocan errores en el análisis, este problema requiere un control adecuado. Una máscara de nubes adecuada es esencial en muchas esferas que dependen de la teledetección y la monitorización de cambios, tanto para necesidades gubernamentales como comerciales. La máscara de nubes rasterizada de las series de imágenes mejora el análisis para la agricultura, la silvicultura, el petróleo y el gas, la minería, la construcción, el transporte, las telecomunicaciones, la protección del medioambiente, las fuerzas armadas y policiales, la respuesta ante emergencias y desastres, etc. En concreto, los macrodatos se utilizan para generar capas adicionales que aportan información adicional a investigadores y empresas.

Por ejemplo, estas capas se incorporan en el software agrícola. Proporcionan a los agricultores la información más reciente y creíble para tomar decisiones sobre:

• dosis y momento de la siembra;
• cosecha;
• riego de precisión;
• fertilización;
• control de plagas;
• gestión de la maleza, etc.

Hay muchos escenarios en los que aplicar la máscara de nubes, dependiendo del propósito y las tareas a realizar. Irrelevante cuando se realiza el análisis de series de imágenes, para obtener resultados más precisos es necesario:

• estudiar la parte de la imagen limpia, o
• sustituir las partes poco claras por partes claras siempre que sea posible.

En cualquier caso, el problema repercute negativamente en el análisis útil de los datos. Por eso es necesario eliminarlas del proceso de análisis, para reducir la posibilidad de error en los resultados estimados.

¿Tiene Sentido Separar Las Nubes De La Bruma?

La clasificación estándar distingue las nubes y la bruma como categorías separadas, aunque no está del todo justificado. Se trata de objetos similares, que se diferencian por la humedad relativa atmosférica. La concentración de vapor de agua es mayor en las nubes y menor en la bruma. Por este motivo, puede resultar difícil separar una de otra, ya que sus límites pueden ser difusos.

Implementación De La Máscara De Nubes En EOSDA Crop Monitoring

En la herramienta EOSDA Crop Monitoring, las máscaras permiten eliminar datos inútiles que podrían afectar negativamente a los resultados del análisis.

Sin embargo, sería un error considerar que la detección de nubes es lo mismo que el enmascaramiento de nubes. Se trata de dos procesos diferentes. La detección busca identificar las nubes en la imagen y obtener una máscara. El enmascaramiento es el paso siguiente. Utiliza la máscara de nubes recibida para “ocultar” datos inútiles, por ejemplo, al generar índices en el producto.

Con una máscara de nubes precisa, EOSDA permite a sus clientes analizar imágenes de satélite con mayor precisión gracias a la exclusión de imágenes con un 60% o más de nubosidad, ya que una cobertura demasiado densa en la imagen puede disminuir la calidad de los resultados obtenidos.

Además, existe un índice NDVI sin nubes en EOSDA Crop Monitoring que utiliza datos de satélite de radar.

Disfrute De La Diferencia

Los científicos de EOSDA calculan múltiples índices y las imágenes con nubes son poco deseables para todos. Por lo tanto, la mejor opción es eliminar las imágenes inadecuadas del análisis para obtener una mayor precisión.

Como se ha visto, también es importante diferenciar entre sombras profundas y nubes densas, así como entre sombras claras y bruma. Además, es posible ignorar la bruma en algunas tareas, mientras que en otras también se necesita eliminarla de la ecuación.

El objetivo es ser flexible y ajustar los resultados a las necesidades del cliente, y EOSDA lo consigue. Disfrute de una precisión adicional con un enfoque innovador y manténgase a la vanguardia.