Conjunto de datos de imágenes forestales de Brasil (G-BFID v1.0)

Introducción

Para apoyar los esfuerzos del Gobierno de Brasil por implementar el Código Forestal de Brasil y proteger los bosques en tierras privadas, Google produjo dos mapas base derivados de las observaciones satelitales de SPOT: un mapa base visual y un mapa base analítico (G-BFID v1.0).

Estos productos de imágenes en mosaico establecen un valor de referencia para el 22 de julio de 2008, una fecha crítica según el Código Forestal de Brasil para identificar las "áreas consolidadas", es decir, las regiones con ocupación humana preexistente o uso agrícola. Estos conjuntos de datos de mosaicos, derivados del archivo satelital de SPOT, proporcionan una alternativa de mayor resolución a los datos de Landsat de 30 metros que se usan tradicionalmente para establecer esta referencia.

Para sintetizar miles de imágenes de SPOT en mapas base unificados, las imágenes se sometieron a una rutina de procesamiento que consistió en lo siguiente:

• Refinamiento de bordes para quitar artefactos de compresión
• Normalización radiométrica en comparación con un modelo de referencia de Landsat.
• Máscara de nubes (conservadora, manual)
• Corrección de desalineación (corregistración en un compuesto de Landsat)

Para la composición final, se empleó un método de mosaico determinístico en lugar de una reducción estadística. Los píxeles se organizaron en capas según la resolución espacial y la cronología de la misión satelital, y se les dio prioridad a las observaciones de los satélites más nuevos. Esta jerarquía de capas se combinó con el remuestreo de vecinos más cercanos para establecer una procedencia de datos estricta. En consecuencia, cada píxel del mapa base final conservó su origen discreto y siguió siendo directamente rastreable hasta una observación de fuente específica y sus metadatos.

Figura 1: Representación de extensión completa del mapa base visual de G-BFID v1.0 en color pseudonatural (izquierda) y el mapa base analítico que se muestra como un color falso de infrarrojo cercano (derecha).

Datos de origen

Especificaciones de los satélites y los sensores

Los mapas base de G-BFID v1.0 se derivan de los datos de imágenes de SPOT (Satellite pour l’Observation de la Terre). Las misiones SPOT, operadas por CNES y distribuidas por Airbus, proporcionan imágenes ópticas de alta resolución con un ancho de banda de 60 km. En este proyecto, se utiliza un archivo de imágenes de tres satélites específicos para establecer el modelo de referencia de 2008:

• SPOT 2 y 4: Equipados con los sensores HRV/HRVIR, que proporcionan datos multiespectrales con una resolución de 20 metros y datos pancromáticos con una resolución de 10 metros.
• SPOT 5: Equipado con el sensor HRG, que ofrece una resolución espacial significativamente mejorada con datos multiespectrales a una resolución de 10 metros y datos pancromáticos a una resolución de 5 metros.

	SPOT 2	ESPACIO 4	SPOT 5
Multispectral	20 millones	20 millones	10 min
Pancromática	10 min	10 min	5 millones
Bandas espectrales	Verde, rojo y NIR	Verde, rojo, NIR y SWIR	Verde, rojo, NIR y SWIR

Tabla 1. Especificaciones técnicas de las misiones SPOT 2, 4 y 5.

Nota: Airbus produce un producto pancromático de "supermodo" que se puede usar para mejorar la nitidez de las imágenes de SPOT 5 a una resolución de 2.5 metros. La disponibilidad de estos datos es muy limitada para las especificaciones de este proyecto y no se incluyeron.

Colecciones de entrada de Earth Engine

Se transfirieron y procesaron tres productos de datos SPOT distintos para generar los mapas base finales. Estas colecciones abarcan el período comprendido entre el 9 de enero de 2007 y el 26 de noviembre de 2009, y proporcionan la profundidad temporal necesaria para superar las limitaciones de la cobertura de nubes y, al mismo tiempo, mantener un valor de referencia de alta resolución.

Selección de escena

Para respaldar los esfuerzos de protección forestal en tierras privadas registradas en el Registro Ambiental Rural (CAR), se priorizó la cobertura geográfica del bioma amazónico y los cinco estados del "Arco de Deforestación": Maranhão, Mato Grosso, Pará, Rondônia y Tocantins.

Para alinearse con los requisitos del Código Forestal de Brasil, se estableció un período temporal a mediados de 2008. En función de estos criterios temporales y de cobertura de nubes (menos del 50%), se identificaron y se incorporaron al catálogo de datos de Earth Engine un total de 10,072 imágenes de SPOT 2, 4 y 5 para su procesamiento.

Nota sobre la composición espectral: Los sensores SPOT 2, 4 y 5 no capturan de forma nativa una banda espectral azul. En el caso de los productos de color natural, el distribuidor de datos proporciona una banda azul sintetizada, que se deriva de las bandas espectrales existentes para aproximarse a una representación de color real.

1. Color natural multiespectral fusionado

• Activo de Earth Engine: AIRBUS/SPOT_2_4_5/BRAZIL/2007_2009/PMS_NC/V1
• Cantidad de imágenes: 2,977
• Período: Del 1 de marzo de 2007 al 26 de noviembre de 2009
• Descripción: Este producto combina la banda pancromática de mayor resolución con las bandas multiespectrales para producir una imagen RGB nítida de 3 bandas. Esta es la fuente preferida para el mapa base visual.

Figura 2. Histograma de imágenes por mes y año para la colección de imágenes multiespectrales de color natural mejoradas con la técnica de fusión.

2. Color natural multispectral

• Activo de Earth Engine: AIRBUS/SPOT_2_4_5/BRAZIL/2007_2009/MS_NC/V1
• Cantidad de imágenes: 3,536
• Período: Del 9 de enero de 2007 al 26 de noviembre de 2009
• Descripción: Producto de color pseudonatural de 3 bandas (RGB simulado) con resolución multiespectral nativa. Esta colección se usa en el mapa base visual como fuente secundaria cuando los datos obtenidos con la técnica de pansharpening no están disponibles.

Figura 3. Histograma de imágenes por mes y año para la colección de imágenes de color natural multiespectrales.

3. Multispectral

• Activo de Earth Engine: AIRBUS/SPOT_2_4_5/BRAZIL/2007_2009/MS/V1
• Cantidad de imágenes: 3,559
• Período: Del 9 de enero de 2007 al 26 de noviembre de 2009
• Descripción: Es la fuente del mapa base analítico. Esta colección contiene las bandas espectrales originales (incluidas las de infrarrojo cercano y de infrarrojo de onda corta cuando están disponibles) necesarias para calcular los índices de vegetación (p.ej., NDVI) y realizar la clasificación de la cobertura.

Figura 4: Histograma de imágenes por mes y año para la colección de imágenes multiespectrales.

Cobertura y brechas geográficas

El objetivo principal de los mapas base de G-BFID v1.0 es establecer una referencia de alta resolución y cercana a 2008 para el territorio administrativo de Brasil. Sin embargo, mantener un período temporal estricto (2007-2009) y, al mismo tiempo, filtrar las imágenes de alta calidad y con poca nubosidad generó brechas espaciales, en especial en las regiones con nubosidad persistente.

Selección de escenas y filtrado de calidad

Para garantizar la integridad de los datos, se identificó un conjunto de candidatos del período 2007-2009 con una cobertura de nubes inicial inferior al 50%. A partir de esto, se incorporaron poco más de 10,000 imágenes y se filtraron aún más para excluir aquellas con problemas de calidad significativos:

• Verificación de discontinuidad: Se excluyeron las imágenes con artefactos geométricos o de telemetría identificados manualmente, incluidas las escenas discontinuas agrupadas por el proveedor de datos.
• Cloud QA: Son escenas rechazadas por analistas de imágenes profesionales por estar completamente cubiertas de nubes o por otros motivos.
• Densidad de datos: Solo se conservaron las imágenes con más del 10% de píxeles válidos (mapa base visual) después del enmascaramiento de nubes (más del 5% para el mapa base analítico).

Distribución espacial

Como se muestra en la figura 5, los mosaicos alcanzan la mayor densidad en el "Arco de la deforestación" y en las regiones del norte y centro-oeste. Las áreas transparentes representan regiones en las que ninguna imagen de SPOT 2, 4 o 5 pasó los filtros de calidad mencionados anteriormente dentro del período objetivo o se enmascararon por nubes.

Figura 5: Es la extensión espacial del mapa base visual de G-BFID v1.0. Las brechas internas y la cobertura incompleta en el sur y el este son el resultado de la priorización de la referencia temporal de 2008, el filtrado de calidad y el enmascaramiento de nubes. Si bien no se muestra el mapa base analítico, su extensión espacial es casi idéntica a la del mapa base visual en esta escala.

Cobertura por estado

En la figura 6, se proporciona un desglose estado por estado de la cobertura de píxeles válida. La cobertura es casi completa (más del 95%) para estados como Rondônia y Mato Grosso, mientras que los estados del sur y algunas partes del noreste muestran una menor densidad debido a las limitaciones del archivo y el enmascaramiento de nubes.

El gráfico también ilustra que el mapa base visual proporciona de forma constante una cobertura de píxeles válidos ligeramente mayor que el mapa base analítico en casi todos los estados. Esta diferencia existe porque el producto Visual puede utilizar las colecciones de color natural tanto pancromáticas como multiespectrales, mientras que el producto Analítico se deriva únicamente de la colección multiespectral.

Figura 6: Cobertura de píxeles válida para los mapas base visuales y analíticos por estado de Brasil. La cobertura es mayor en los estados del "Arco de deforestación" y menor en las regiones con cobertura de nubes persistente, adquisición limitada de SPOT y enmascaramiento de nubes.

Metodología de procesamiento

La metodología de procesamiento de los mapas base de G-BFID v1.0 prioriza la procedencia de los datos y la integridad radiométrica para respaldar las evaluaciones de cumplimiento del Código Forestal. En primer lugar, en esta sección, se define la arquitectura general del mosaico y la lógica de capas que se usa para preservar esta integridad. Luego, se describen los pasos cronológicos de procesamiento previo y normalización que se aplican a las imágenes fuente individuales antes del ensamblaje final.

Método de mosaico

Los mapas base finales se crearon con un método de mosaico en lugar de reductores estadísticos (como los compuestos de media o mediana). Este enfoque garantiza que los productos finales conserven los valores espectrales y las texturas espaciales originales de las imágenes de origen. Al evitar el promedio de varias observaciones, el mosaico conserva la procedencia discreta de cada píxel.

Lógica de capas

Las imágenes de entrada se superpusieron con una jerarquía que favorece una mayor resolución espacial y misiones satelitales posteriores:

• Mapa base visual: Las imágenes se ordenaron según el tamaño de píxel (priorizando los datos de mayor resolución disponibles) y, luego, según la misión satelital (priorizando los datos de los satélites SPOT más nuevos).
• Mapa base analítico: Las imágenes se organizaron en capas según la misión satelital, y se priorizaron las observaciones de las misiones SPOT posteriores para obtener los mejores datos disponibles.

Integridad y trazabilidad

• Muestreo: Todas las reproyecciones internas usaron el método de muestreo del vecino más cercano. Esto evita los efectos de suavizado interpolativo de otros métodos, lo que garantiza que las propiedades radiométricas y espaciales originales de los píxeles de origen no se vean influenciadas por sus vecinos.

• Trazabilidad de los datos: Se incluye una banda de metadatos date por píxel en ambos productos. Esto permite a los usuarios identificar la fecha exacta de observación para cualquier ubicación determinada, lo que garantiza la transparencia total en las evaluaciones de cumplimiento del Código Forestal.

Definición de bordes de imágenes

Para garantizar límites claros entre las escenas superpuestas, se aplicó un proceso de refinamiento de bordes para quitar los artefactos presentes en las imágenes de origen. Estos artefactos, que aparecen como píxeles moteados o "ruidosos" a lo largo de los bordes de la imagen, eran una característica de la compresión con pérdida en los datos que proporcionaba el proveedor. Para abordar este problema, se aplicó una erosión mínima focal de 2.5 píxeles a las máscaras de imagen, lo que permitió quitar los artefactos de borde de baja calidad y garantizar que solo se usen datos válidos en los mosaicos finales (figura 7).

Figura 7: Comparación del borde de una imagen antes (izquierda) y después (derecha) del proceso de perfeccionamiento de bordes. La erosión de 2.5 píxeles quita los artefactos "ruidosos" que provoca la compresión con pérdida, lo que genera transiciones más limpias entre las escenas superpuestas.

Enmascaramiento de nubes

Para garantizar la mayor integridad posible de los datos de la versión 1.0 del G-BFID, se implementó un procedimiento de enmascaramiento manual en todo el archivo de imágenes. Este enfoque se eligió en lugar de los métodos automatizados para permitir una exclusión más conservadora de los píxeles afectados por nubes o cualquier otra interferencia atmosférica.

Procedimiento de enmascaramiento

Los analistas capacitados identificaron las áreas que contienen nubes y artefactos atmosféricos relacionados. Para garantizar que estos píxeles problemáticos se capturaran por completo, se empleó una estrategia de enmascaramiento conservadora con geometrías simplificadas y gruesas. En lugar de rastrear con precisión los perímetros de las nubes individuales, se enmascararon áreas rectangulares más grandes para garantizar que el mosaico resultante permaneciera lo más claro posible.

Si bien este enfoque es intencionalmente agresivo (a menudo, quita píxeles válidos adyacentes a las nubes), se consideró necesario para proporcionar un producto de alta integridad para el modelo de referencia de 2008.

Política de enmascaramiento e integración

Las máscaras manuales se produjeron exclusivamente para las colecciones de imágenes multiespectrales y de color natural mejoradas. Dado que el producto de color natural multiespectral se deriva de los datos multiespectrales, estas máscaras se propagaron a las imágenes multiespectrales coincidentes durante el procesamiento.

En el mosaico final, se excluyeron todas las imágenes multiespectrales que no tenían una contraparte de color natural enmascarada manualmente que coincidiera. Esto garantiza que se hayan quitado las nubes de cada píxel incluido en el paquete de G-BFID v1.0, independientemente del tipo de producto.

Interpretación de las brechas de datos

Los espacios transparentes en los mosaicos finales representan áreas en las que no hay datos válidos y de alta calidad disponibles dentro del período temporal de 2007 a 2009. Estas brechas son el resultado de una combinación del enmascaramiento manual conservador que se describió anteriormente, el rechazo inicial de las escenas con una alta cobertura de nubes (más del 50%) o la ausencia total de imágenes de origen disponibles del proveedor para una región específica. Si bien las brechas regionales más grandes suelen reflejar la falta de imágenes disponibles de la década de 2000, los patrones "cuadriculados" distintivos que se muestran en la Figura 9 son consecuencia del enmascaramiento de nubes.

Figura 9: Ejemplos del enmascaramiento manual aplicado al mapa base visual. Los polígonos negros rectangulares ilustran el enfoque conservador que se usa para excluir las nubes y otros artefactos atmosféricos de los productos finales. Los píxeles enmascarados (sin datos) en los productos de datos son transparentes.

Corrección de desalineación

Se implementó un flujo de trabajo de correlación automática para mitigar los errores de correlación significativos en las imágenes de origen de SPOT en relación con una referencia geográfica derivada de los datos de la Colección 2 de Landsat.

Referencia del modelo de referencia

Se generó un mosaico de referencia de la Colección 2 de Landsat sin nubes para que sirva como imagen de referencia de la correlación. Esta imagen de referencia se construyó con un reductor de mediana en las imágenes de Landsat 7 y 8 que se cruzan con Brasil para el período de 2006 a 2010. La banda roja de Landsat se seleccionó como el objetivo de registro principal para que coincida con la banda roja de SPOT.

Estimación del desplazamiento

Se usó el algoritmo ee.Image.displacement para calcular la compensación a nivel de píxel entre los datos de origen de SPOT y la referencia de Landsat.

• Parámetros de búsqueda: Se aplicó una compensación máxima de 500 m y un parámetro de rigidez de 5 al modelo de desplazamiento.
• Agregación estadística: Los valores de delta X (dx) y delta Y (dy), y los valores de confianza se agregaron en toda el área de la imagen con un reductor de media.
• Cálculo de la magnitud: A partir de estas estadísticas agregadas, se calculó una estimación del desplazamiento total de la magnitud $M = \sqrt{dx^2 + dy^2}$ para representar el desplazamiento promedio de la escena.

Política de corrección

Las escenas se clasificaron y corrigieron según las estadísticas de desplazamiento calculadas para priorizar las mejoras significativas y evitar la introducción de artefactos nuevos:

• Corrección automática: Las imágenes que muestran una magnitud de desplazamiento $M > 30$ m con una puntuación de confianza $C > 0.3$ se desplazaron automáticamente con los valores estimados de $dx$ y $dy$.
• Evaluación manual: Para las escenas con un desplazamiento estimado muy alto (M > 100 m) pero con una confianza baja (C ≤ 0.3), se realizó una revisión manual. Las correcciones solo se aceptaron si la correlación resultante mostraba una mejora definitiva con respecto a la ubicación original.
• Exclusión: Las escenas que permanecieron significativamente desalineadas después de intentar corregirlas o aquellas con insuficientes atributos para una correlación confiable se excluyeron del mosaico.

Implementación y control de calidad

Las imágenes corregidas se volvieron a proyectar con un nuevo muestreo de vecinos más cercanos para conservar los valores radiométricos originales y evitar los efectos de suavizado de la interpolación bilineal o cúbica.

Para garantizar la trazabilidad espacial, se agregó una banda booleana coregistered a cada imagen y se conservó en el mosaico final. Estos metadatos permiten que los usuarios distingan entre los píxeles que se sometieron a un ajuste espacial y los que se conservaron en su posición original de entrega.

Normalización radiométrica

Para tener en cuenta las diferentes condiciones atmosféricas y las diferencias entre los sensores de las colecciones de origen de SPOT, se aplicó la normalización radiométrica a las imágenes que componen los productos de mosaico. Tanto el mapa base visual como el analítico utilizan la coincidencia de histogramas con un mapa base objetivo de Landsat del 2008 coherente.

Se seleccionó Landsat como referencia en lugar de alternativas más gruesas, como MODIS, porque su resolución de 30 metros se alinea más estrechamente con los datos de SPOT de 5 a 20 metros. Esta similitud garantiza que los histogramas espectrales sean más representativos de manera equitativa, lo que permite una transferencia radiométrica más precisa durante el proceso de correlación. La metodología específica para esta armonización difiere ligeramente según si el caso de uso final es visual o analítico.

Mapa base visual

Para minimizar las discontinuidades radiométricas entre las imágenes adyacentes y garantizar una apariencia casi perfecta, se implementó un flujo de trabajo de equilibrio de color con la correlación de histogramas. Los valores de píxeles se ajustaron para que coincidieran con un valor de referencia objetivo coherente del mosaico de Landsat de 2008.

El proceso sigue estos pasos:

• Enmascaramiento del análisis: Para garantizar estadísticas estables durante la correlación del histograma, se genera una máscara de análisis temporal para excluir las áreas que podrían sesgar los datos. El enmascaramiento se enfoca en dos características principales:
  • Áreas de cambio alto: Se excluyen los píxeles que superan el percentil 95 de diferencia absoluta entre la imagen de SPOT y el mosaico de referencia de Landsat.
  • Cuerpos de agua: Se excluye la alta variabilidad de reflectancia sobre el agua con el conjunto de datos del historial de clasificación anual del agua del JRC. El conjunto de datos se filtra para el año 2008 y se aplica una máscara inversa para garantizar que solo se conserven las clases que no son de agua para el análisis estadístico.
• Generación de tablas de búsqueda (LUT): Con los datos enmascarados, se calculan histogramas acumulativos para las bandas SPOT de origen y las bandas Landsat de destino.
• Interpolación: Los valores de píxeles de origen se reasignan a los valores de destino con la LUT generada, lo que alinea el perfil radiométrico de los datos de SPOT con la referencia de Landsat del 2008.

Figura 8. Normalización radiométrica del mapa base visual Las imágenes originales (a la izquierda) muestran una variación radiométrica significativa. Después del ajuste del histograma (a la derecha), las transiciones entre las escenas son casi imperceptibles, lo que proporciona una representación visual coherente en todo el mosaico. Los píxeles de fondo negros son regiones sin datos.

Mapa base analítico

El procesamiento del mapa base analítico es similar al del mapa base visual, pero incluye la conversión de los valores de DN a reflectancia de la capa superior de la atmósfera:

1. Conversión de reflectancia en la parte superior de la atmósfera (TOA)

Los números digitales (DN) sin procesar de SPOT se convierten en reflectancia TOA para tener en cuenta las propiedades físicas del sensor y la geometría solar:

• Cálculo de radiancia: Aplicación de los metadatos de sesgo y ganancia física específicos de la banda del proveedor.
• Normalización de la reflectancia: La radiancia se normaliza según la irradiancia solar, el coseno del ángulo cenital solar y la distancia entre la Tierra y el Sol para el día específico de la adquisición.

2. Coincidencia de histogramas

Para minimizar aún más las diferencias radiométricas entre las imágenes de SPOT dispares, se aplica un flujo de trabajo de correlación de histogramas:

• Enmascaramiento del análisis: En este paso, se usa el mismo enmascaramiento del análisis que se describió en la sección Mapa base visual anterior: se excluyen los píxeles de cambio del percentil 95 y se filtran los píxeles de agua a través de la máscara de clasificación invertida del JRC del 2008.

• Armonización: De manera similar al mapa base visual, los valores de píxeles se reasignan a través de una tabla de búsqueda para alinear el perfil radiométrico con una referencia de TOA de Landsat. Esto establece una coherencia radiométrica en todo el mosaico para entrenar modelos de aprendizaje automático a gran escala y ejecutar inferencias confiables.

Limitaciones y problemas conocidos

Si bien G-BFID v1.0 proporciona un valor de referencia de alta resolución de la década de 2000, los usuarios deben tener en cuenta varias limitaciones inherentes al archivo histórico de SPOT y las metodologías de procesamiento empleadas.

Integridad y brechas espaciales

Los mapas base no proporcionan una cobertura geográfica del 100% de Brasil. Existen brechas en las que ninguna imagen cumplió con la estricta ventana temporal de la era del 2008 (2007-2009), los umbrales de cobertura de nubes o los estándares de calidad del proyecto. Estos vacíos son más frecuentes en las regiones con cobertura de nubes persistente o con una frecuencia de adquisición histórica de imágenes satelitales más baja. Consulta la sección Cobertura y brechas geográficas para obtener más detalles.

Resolución nativa variable

Si bien los productos finales se entregan con un tamaño de píxel nominal de 5 metros (visual) y 10 metros (analítico), las imágenes de origen constan de una combinación de píxeles nativos de 5 m, 10 m y 20 m. Como se usó el remuestreo del vecino más cercano para preservar la integridad espectral, es posible que se vean los límites entre las diferentes resoluciones.

Figura 10: Ejemplo de cómo varían las resoluciones de la fuente nativa en el límite de una escena. El cambio en la nitidez refleja la transición entre las diferentes resoluciones del sensor SPOT que se conservan en el producto final.

Desalineación residual

A pesar del flujo de trabajo de corregistro automatizado, es posible que persistan los cambios espaciales en algunas áreas. Es más probable que se produzca un desajuste residual en regiones con un relieve extremo o en áreas forestales densas y homogéneas en las que el algoritmo no tuvo suficientes puntos de referencia para calcular vectores de desplazamiento con un alto nivel de confianza.

Artefactos atmosféricos y de nubes

El proceso manual de enmascaramiento de nubes fue intencionalmente conservador y agresivo; sin embargo, no es exhaustivo. Los usuarios pueden encontrar artefactos residuales ocasionales, como una neblina de cirros muy delgada o pequeñas sombras de nubes.

Figura 11: Ejemplo de nubes delgadas y brumosas residuales que permanecen después del proceso manual de enmascaramiento de nubes.

Inconsistencia radiométrica y rendimiento del AA

Si bien se usó la correlación de histogramas para minimizar las discontinuidades radiométricas, aún se observa una variación espectral residual entre las imágenes adyacentes. En el caso de la clasificación automatizada de la cobertura terrestre o las aplicaciones de aprendizaje automático, esta variabilidad aumenta la varianza espectral para un tipo de cobertura terrestre determinado en el mosaico. Este rango de datos más amplio puede reducir la precisión de la separación de clases durante la inferencia, lo que podría generar mayores tasas de error.

Figura 12. Diferencias espectrales residuales que se muestran en la intersección de tres imágenes. Estas discontinuidades se pueden ver como variaciones en el brillo y el color entre las imágenes superpuestas, y pueden afectar el rendimiento de los modelos de aprendizaje automático.

Saturación espectral

En áreas de brillo extremo, como las superficies urbanas muy reflectantes, los tipos de suelo específicos o la arena brillante, es posible que los píxeles alcancen el límite máximo detectable del sensor. Esta "saturación" genera una pérdida de textura y detalle en esas ubicaciones específicas.

Figura 13: Visualización de la saturación espectral y los artefactos de color resultantes. Los parches brillantes y los tintes poco naturales (naranja y amarillo en el mosaico visual de la izquierda, y cian en el mosaico analítico de la derecha) indican dónde una o más bandas espectrales alcanzaron su límite máximo detectable, lo que distorsiona la textura y la representación del color.

Índices de vegetación y relaciones de bandas modificados

Para lograr un mosaico casi perfecto, se aplicó la correlación de histogramas a cada banda espectral de forma individual, lo que altera inherentemente las proporciones físicas originales entre las bandas. Como resultado, el cálculo de índices comunes, como el NDVI o cualquier otra métrica de relación de bandas, producirá valores que difieren de los conjuntos de datos fuente sin alteraciones. Si bien estos índices derivados pueden seguir capturando patrones espaciales relativos en el mosaico, no se deben usar para fines absolutos, comparaciones entre sensores o análisis que se basen en umbrales de índice rígidos.