Comparación de datos hiperespectrales satelitales en cartografía geológica (Métodos, Parte 2)

En el artículo anterior, "Comparación de datos hiperespectrales satelitales en cartografía geológica (Métodos Parte 1)",... (Véase la publicación del 5 de diciembre de 2024)Las secciones anteriores presentaron el registro de datos, la separación espectral, la abundancia espectral y el índice espectral de diferentes sensores en el área de estudio. Esta sección continúa presentando técnicas de investigación relacionadas.

3.3 Comparación de sensores mediante consistencia espectral cuantitativa

Rupsa et al. diseñaron un conjunto de cuatro métricas de consistencia que abarcan comparaciones desde amplios rangos espectrales hasta rangos espectrales estrechos específicos para aplicaciones particulares. Para mantener la interpretabilidad y la consistencia, Rupsa et al. utilizaron el índice R², ampliamente utilizado, como base para las comparaciones. Además, Rabs², una métrica de consistencia absoluta, se calculó comparando la diferencia cuadrática media en los valores de reflectancia (en todas las bandas de cada sensor) entre cada sensor con respecto al valor del sensor con la desviación estándar más alta. Esta métrica varía de 0 a 1, donde un valor de 1 indica una consistencia perfecta de los datos, y los valores de 0 o menos infinito indican que la diferencia entre sensores es igual o mayor que la variabilidad interna de los datos.

Las medidas de consistencia absoluta son demasiado conservadoras, ya que los métodos empleados suelen ser sensibles únicamente a las variaciones espectrales relativas, no a la reflectancia absoluta. Por ello, los investigadores propusieron una segunda medida de consistencia, Rprop², que se calcula utilizando los residuos entre la regresión lineal y la regresión lineal de mejor ajuste, en lugar de compararla con una línea 1:1. Este índice es equivalente al coeficiente de determinación R² de la regresión lineal para cada par de mediciones de reflectancia, por lo que su valor oscila entre 0 (sin correlación) y 1 (correlación perfecta).

Donde SSR es la suma de los residuos de la regresión lineal de mejor ajuste, y SST es la suma de los cuadrados de las sumas de las variables dependientes.

Para comparar la consistencia absoluta y relativa de los sensores, Rupsa et al. remuestrearon todos los datos de reflectancia al mismo tamaño de píxel de 60 metros que EMIT y ajustaron la resolución espectral a aproximadamente 125 bandas, la misma que HyMap.

Ambas métricas son sensibles a los datos en todo el rango espectral o a un subconjunto seleccionado del espectro. Sin embargo, muchos análisis espectrales, como el análisis de índice espectral y la desmezcla lineal, utilizan solo unos pocos espectros específicos, lo que significa que la mayoría de las diferencias espectrales serán irrelevantes en estas comparaciones. Por lo tanto, Rupsa et al. propusieron una tercera métrica de consistencia, Rfeat², diseñada específicamente para comparar resultados de índices espectrales específicos. No es absoluta, sino una combinación lineal de píxeles específicos (es decir, componentes extremos). Estas características latentes pueden estar sesgadas por efectos del sensor y/o artefactos de corrección atmosférica y topográfica, pero pueden mantener la consistencia siempre que tengan el mismo impacto en cada píxel de la imagen. Esta comparación de características latentes también es específica de la aplicación y se basa en la selección de un conjunto específico de píxeles de componentes extremos que mantienen posiciones consistentes en ambos conjuntos de datos. De esta manera, los investigadores utilizaron mínimos cuadrados no negativos para desmezclar linealmente las imágenes y calcularon la métrica Rfeat² comparando la abundancia espectral de los resultados.

En resumen, Rupsa et al. calcularon un conjunto de cuatro métricas comparativas basadas en el índice R² para evaluar la consistencia entre sensores seleccionados en dos áreas de estudio. Rabs² mide la consistencia en las estimaciones de reflectancia bruta, mientras que Rprop² mide la consistencia en las variaciones espectrales relativas. Rfeat² y Rlat² son comparaciones específicas de la aplicación, que comparan índices espectrales específicos y abundancias espectrales linealmente desmezcladas, respectivamente. Rupsa et al. destacaron que mantuvieron la resolución original de los datos espectrales durante el análisis espectral y remuestrearon los datos a 60 metros en la comparación final. Este enfoque permite evaluar el rendimiento práctico de diferentes sensores en el mapeo geológico e identificar qué sensores funcionan mejor con métodos de análisis espectral específicos.

[1]: Chakraborty, R.; Rachdi, I.; Thiele, S.; Booysen, R.; Kirsch, M.; Lorenz, S.; Gloaguen, R.; Sebari, I. Comparación espectral y espacial de datos hiperespectrales satelitales para cartografía geológica. Remote Sens. 2024, 16, 2089. https://doi.org/ 10.3390/rs16122089