ENVI: Liberando el poder del análisis avanzado en ArcGIS

comentarios

0

En Harris Geospatial Solutions siempre estamos buscando otorgar acceso a mejores analíticas a más personas. Aquí explicaremos cómo los usuarios GIS se pueden beneficiar de una amplia gama de herramientas de análisis basadas en lo último en tecnología ENVI, usando un ejemplo hiperespectral como ilustración.

Con la versión ENVI 5.5 lanzada en marzo de este año hemos hecho mejoras en la interoperabilidad de ENVI y ArcGIS. Una vez que instalas la librería de cliente Python “ENVI Py for ArcGIS” sobre una instalación ENVI existente, 10 nuevas herramientas de procesamiento de imágenes serán añadidas a ArcGIS, las cuales puedes utilizar de inmediato. Además, puedes crear tu propio conjunto de herramientas con más opciones que antes.

Cada herramienta ENVI publicada en ArcGIS está basada en una ENVITask que realiza una operación específica de procesamiento de datos. Hemos probado y verificado que al menos 80 ENVITasks pueden ser publicadas exitosamente como herramientas aisladas en ArcGIS. Con una licencia ENVI Crop Science, 16 ENVITasks adicionales están disponibles para su uso. A medida que continuamos desarrollando nuevas ENVITasks, podrás crear aún más herramientas en ArcGIS.

No todas las ENVITasks pueden publicarse como herramientas aisladas en ArcGIS, principalmente porque utilizan tipos de datos que no están soportados en ArcGIS. Tenemos como ejemplo las áreas de interés (AOI), nubes de puntos y datos de serie raster de ENVI.

Sin embargo, lo bueno es que puedes crear un modelo que incluya estas tareas, luego empaquetarlo e implementar el modelo como una herramienta en ArcGIS. Los modelos creados con el ENVI Modeler pueden gestionar internamente formatos de datos que no están soportados en ArcGIS, además que puedes aprovechar la totalidad de las ENVITasks para crear poderosos flujos de trabajo de procesamiento de imágenes, incluyendo análisis hiperespectral.

Ejemplo

Supón que quieres usar la clasificación Spectral Angle Mapper (SAM) para cartografiar diferentes tipos de árboles en una escena AVIRIS de un área forestal:

Imagen AVIRIS de un bosque boreal en Minnesota, EEUU. El polígono rojo muestra el área de interés que será usada para la clasificación de árboles.

La tarea SAMClassification requiere espectros de referencia, en forma de librerías espectrales o AOIs, ninguna de las cuales son tipos de datos reconocidos en ArcGIS. De modo que no podrás añadir directamente la tarea SAMClassification a ArcGIS. Sin embargo, puedes crear un modelo que incluya:

  • La tarea SAMClassification
  • Una referencia a una librería espectral conocida o archivo AOI en disco (o en red)
  • Tareas para remuestrear los espectros de librerías para que coincidan con los espectros de imágenes
  • Una tarea que extraiga metadatos y propiedades de la imagen ingresada
Ejemplo de modelo de clasificación SAM
Trazo que muestra las curvas de reflectancia de varios tipos de árbol. Hemos colectado espectros de referencia de las librerías espectrales de la US Geological Survey (USGS) y de SPECCHIO, y luego usamos el Constructor de Librerías Espectrales de ENVI para crear una nueva librería con sólo los espectros que nos interesan.

Luego de construir el modelo, selecciona la opción Generate Metatask en el ENVI Modeler, y luego elige publicar la tarea en ArcMap o ArcGIS Pro.

Siempre que la carpeta “Toolboxes” de tu instalación de ArcGIS tenga permisos de escritura, la nueva herramienta se añadirá automáticamente a ArcGIS.

Cuando ejecutas la herramienta en ArcGIS, sólo se te pide una imagen de entrada y un nombre y ubicación opcionales de archivo de salida. Todos los pasos de procesamiento de datos y las ubicaciones de espectros de referencia son gestionados internamente. Aquí está el resultado de ejecutar la herramienta “Forest SAM Classification” en el subconjunto AVIRIS. Las clases representan diferentes especies de árboles.

He aquí algunas otras ENVITasks diseñadas para utilizarse con datos hiperespectrales, a partir de las cuales puedes crear herramientas para ArcGIS:

  • LinearSpectralUnmixing
  • MatchedFiltering (requiere un modelo)
  • MinimumNoiseTransform
  • MixtureTunedMatchedFiltering (requiere un modelo)
  • PixelPurityIndex
  • SpectralAdaptiveCoherenceEstimator (requiere un modelo)
  • SpectralAngleMapperClassification (requiere un modelo)

Con la disponibilidad de una gama más amplia de análisis ENVI, puedes incorporar capacidades aún más poderosas de procesamiento de imágenes en tu entorno GIS.

Jason Wolfe

comentarios

0