Los datos ráster se obtienen, comúnmente, al escanear mapas o recopilar fotografías aéreas e imágenes de satélite. Los datasets de mapas escaneados, por lo general, no contienen información de referencia espacial (ya sea incorporada en el archivo o como un archivo separado). Con las fotografías aéreas y las imágenes de satélite, a veces la información de ubicación que se entrega con ellas no es adecuada y los datos no se alinean correctamente con otros datos que ya tiene. Además, para utilizar algunos datasets ráster junto con los otros datos espaciales, es posible que deba alinearlos o georreferenciarlos en un sistema de coordenadas de mapa. Un sistema de coordenadas de mapa se define mediante una proyección de mapa (un método por el cual la superficie curva de la tierra se representa en una superficie plana).
Cuando realiza una georreferenciación de los datos de ráster, define su ubicación mediante coordenadas de mapa y asigna el sistema de coordenadas del marco de datos. La georreferenciación de datos de ráster permite visualizarlos, consultarlos y analizarlos con otros datos geográficos. La barra de herramientas Georreferenciación le permite georreferenciar datasets ráster, capas ráster (que pueden tener funciones ráster), servicios de imágenes y productos de ráster.
En general, los pasos para georreferenciar un dataset ráster son los siguientes:
- En ArcMap, agregue el ráster que desea alinear con sus datos proyectados.
- Agregue vínculos que conecten posiciones conocidas del dataset ráster a posiciones conocidas en las coordenadas del mapa. La herramienta Registro automático
puede ayudarle a crear vínculos automáticamente. - Guarde la información de georreferenciación una vez que esté satisfecho con la alineación (lo que también se conoce como registro).
- Transforme el dataset ráster de forma permanente (esto es opcional).
Para ver una demostración de georreferenciación de un dataset ráster, consulte el vídeo Georreferenciación.
Alinear el ráster con puntos de control
Normalmente, georreferenciará su datos ráster mediante datos espaciales existentes (datos de destino), como rásteres georreferenciados o una clase de entidad vectorial, que residen en el sistema de coordenadas del mapa deseado. El proceso implica la identificación de una serie de puntos de control del terreno, conocidos como coordenadas X, Y, que vinculan ubicaciones del dataset ráster con ubicaciones de los datos relacionados espacialmente (datos de destino). Los puntos de control son ubicaciones que se pueden identificar con precisión en el dataset ráster y en coordenadas del mundo real. Se pueden utilizar muchos tipos distintos de entidades como ubicaciones identificables, por ejemplo intersecciones de corrientes o caminos, afloramientos de roca, el extremo de una punta de tierra, la esquina de un campo establecido, esquinas de calles o la intersección de dos setos.
Los puntos de control se utilizan para generar una transformación polinómica que desplazará el dataset ráster desde su ubicación existente a la ubicación espacialmente correcta. La conexión entre un punto de control del dataset ráster (el punto de partida) y el punto de control correspondiente de los datos de destino alineados (el punto de destino) es un vínculo.
En el siguiente ejemplo se muestra un punto de control de partida (cruz amarilla) colocado en los datos de destino vectoriales en un cruce de calles y el punto de control asociado (cruz verde) colocado en el dataset ráster. La línea azul que une los puntos de control representa el vínculo asociado.
El número de vínculos que necesita crear depende de la complejidad de la transformación que piensa utilizar para transformar el dataset ráster en coordenadas de mapa. Sin embargo, la adición de más vínculos no resultará necesariamente en un mejor registro. Si es posible, debería expandir los vínculos por todo el dataset ráster en lugar de concentrarlos en un área. Normalmente, tener al menos un vínculo junto a cada esquina del dataset ráster y unos cuantos por el interior genera los mejores resultados.
Generalmente, cuanto mayor sea la superposición entre el dataset ráster y los datos de destino, mejor será la alineación, porque tendrá puntos más espaciados con los que georreferenciar el dataset ráster. Por ejemplo, si sus datos de destino solo ocupan un cuarto del área de su dataset ráster, los puntos que podría utilizar para alinear el dataset ráster se confinarían a esa área de superposición. Así, no es probable que las áreas situadas fuera del área de superposición se alinearan correctamente.
Tenga en cuenta que sus datos georreferenciados solo son tan precisos como los datos con los que se alinean. Para minimizar errores, debería georreferenciar a datos de la máxima resolución y la escala más grande para sus necesidades.
Transformar el ráster
Cuando haya creado suficientes vínculos, podrá transformar, o combar, el dataset ráster para combinar de forma permanente las coordenadas de mapa de los datos de destino. Tiene la opción de utilizar un polinomio, un spline, un ajuste o una transformación proyectiva o de similitud para determinar la ubicación correcta de las coordenadas de mapa para cada celda en el ráster.
La transformación polinómica utiliza un polinomio basado en puntos de control y un algoritmo de adecuación por mínimos cuadrados (LSF). Está optimizada para la precisión global, pero no garantiza la precisión local. La transformación polinómica produce dos fórmulas: una para calcular la coordenada X de salida de una ubicación de entrada (X, Y) y una para calcular la coordenada Y de una ubicación de entrada (X, Y). El objetivo del algoritmo de adecuación por mínimos cuadrados es derivar una fórmula general que se pueda aplicar a todos los puntos, normalmente a costa de un ligero movimiento de las posiciones de los puntos de control. La cantidad de puntos de control no correlativos requerido para este método debe ser de 1 para un cambio de orden cero, 3 para un primer orden afín, 6 para un segundo orden y 10 para un tercer orden. Los polinomios del menor orden tienden a generar un error de tipo aleatorio, mientras que los polinomios de mayor orden tienden a generar un error de extrapolación.
La transformación polinómica de primer orden se utiliza normalmente para georreferenciar una imagen. A continuación se muestra la ecuación para transformar un dataset ráster utilizando la transformación polinomial afín (primer orden). Puede ver cómo seis parámetros definen cómo se transforman las filas y columnas de un ráster en coordenadas de mapa.
Un polinomio de orden cero se utiliza para convertir los datos. Esto se utiliza generalmente cuando los datos ya están georreferenciadas, pero un pequeño cambio alinea mejor los datos. Solo se necesita un vínculo para realizar un cambio con polinomio de orden cero. Podría ser una buena idea crear unos cuantos vínculos y luego elegir el que parezca ser el más preciso.
Utilice una transformación afín de primer orden para desplazar, escalar y girar un dataset ráster. Esto normalmente da lugar a líneas rectas en el dataset ráster representadas como líneas rectas en el dataset ráster combado. Así, los cuadros y los rectángulos del dataset ráster se suelen cambiar a paralelogramos de ajuste de escala arbitraria y orientación angular.
Con un mínimo de tres vínculos, la ecuación matemática utilizada con una transformación de primer orden puede representar exactamente cada punto ráster en la ubicación de destino. La presencia de más de tres vínculos introduce errores, o errores residuales, que se distribuyen por todos los vínculos. Sin embargo, debería agregar más de tres vínculos, porque si uno se coloca mal, tiene un impacto mucho mayor en la transformación. Así, aunque el error de transformación matemática pueda aumentar al crear más vínculos, la precisión general de la transformación también aumentará.
Cuanto mayor sea el orden de la transformación, más compleja será la distorsión que se puede corregir. Sin embargo, raramente se necesitan transformaciones de más de tercer orden. Las transformaciones de orden superior necesitan más vínculos y, por tanto, implican más tiempo de procesamiento. En general, si es necesario extender, escalar y girar su dataset ráster, utilice una transformación de primer orden. No obstante, si tiene que doblar o curvar el dataset ráster, utilice una transformación de segundo o tercer orden.
La transformación por spline es un verdadero método de deformación elástica vectorial y optimiza para la exactitud local, pero no para la global. Se basa en una función por spline, un polinomio por partes que mantiene la continuidad y suavidad entre polinomios adyacentes. Las transformaciones por spline transforman los puntos de control de origen exactamente en puntos de control de destino; no se garantiza que los píxeles que están a una distancia de los puntos de control sean precisos. Esta transformación es útil cuando los puntos de control son importantes y se necesita que se registren de forma precisa. La adición de más puntos de control puede aumentar la precisión general de la transformación por spline. Ésta necesita un mínimo de 10 puntos de control.
La transformación de ajuste optimiza el LSF global y la precisión local. Se basa en un algoritmo que combina una transformación polinómica y técnicas de interpolación de red irregular de triángulos (TIN). La transformación de ajuste realiza una transformación polinómica mediante dos conjuntos de puntos de control y ajusta los puntos de control de forma local para combinar mejor los puntos de control de destino mediante una técnica de interpolación de TIN. Necesita un mínimo de tres puntos de control.
La transformación proyectiva puede combar líneas de manera que permanezcan rectas. Al hacerlo, es posible que las líneas que una vez fueron paralelas ya no sigan siendo paralelas. La transformación proyectiva es especialmente útil para imágenes oblicuas, mapas escaneados y para algunos productos de imágenes como Landsat y Digital Globe. Se requiere un mínimo de cuatro vínculos para realizar una transformación proyectiva. Cuando se utilizan solo cuatro vínculos, el error RMS será cero. Cuando se utilizan más puntos, el error RMS estará ligeramente por encima de cero.
La transformación de similitud es una transformación de primer orden que intenta conservar la forma del ráster original. El error RMS tiende a ser superior que el de otras transformaciones polinómicas dado que preservar la forma es más importante que conseguir el mejor ajuste.
Interpretar el error cuadrático medio
Cuando la fórmula general se deriva y aplica al punto de control, se devuelve una medida del error (el error residual). El error es la diferencia entre dónde terminó el punto de partida, frente a la ubicación real especificada (la posición del punto de destino). El error total se calcula mediante la suma cuadrática media (RMS) de todos los errores residuales para calcular el error RMS. Este valor describe el grado de coherencia de la transformación entre los distintos puntos de control (vínculos). Cuando el error es especialmente grande, puede quitar y agregar puntos de control para ajustarlo.
Aunque el error RMS es una buena evaluación de la precisión de la transformación, no confunda un error RMS bajo con un registro preciso. Por ejemplo, la transformación todavía puede contener errores considerables debido a un punto de control mal introducido. Cuantos más puntos de control de calidad equivalente se utilicen, más preciso será el polinomio a la hora de convertir los datos de entrada en coordenadas de salida. Normalmente, las transformaciones por spline y de ajuste dan un error RMS prácticamente cero o cero; sin embargo, esto no significa que la imagen se georreferencia perfectamente.
El residual hacia adelante le muestra el error en las mismas unidades que la referencia espacial del marco de datos. El residual inverso muestra el error en las unidades de píxeles. El residual inverso hacia adelante es una medida de qué tan cercana está su exactitud, medida en píxeles. Todos los valores residuales más cercanos a cero se consideran más precisos.
Remuestrear el dataset ráster
Al rectificar o transformar, proyectar o remuestrear un dataset ráster; convertirlo de una proyección a otra; o cambiar el tamaño de celda, está realizando una transformación geométrica. La transformación geométrica es el proceso de cambiar la geometría de un dataset ráster de un espacio de coordenadas a otro. Los tipos de transformaciones geométricas incluyen deformación elástica vectorial, que se utiliza normalmente para georreferenciar); proyección (mediante información de la proyección para transformar los datos de una proyección en otros); traslación (desplazamiento de todas las coordenadas por igual); giro (giro de todas las coordenadas por algún ángulo); y cambio del tamaño de celda del dataset.
Una vez aplicada al ráster de entrada la transformación geométrica, los centros de celda del ráster de entrada raramente se alinean con los centros de celda del ráster de salida; sin embargo, es necesario asignar valores a los centros.
Aunque se pueda pensar que cada celda de un dataset ráster se transforma a su nueva ubicación de coordenadas de mapa, el proceso realmente funciona a la inversa. Durante la georreferenciación, se calcula una matriz de celdas vacías mediante las coordenadas de mapa. A cada celda vacía se le otorga un valor en función del proceso de remuestreo.
Las tres técnicas de remuestreo más comunes son la asignación de vecino más cercano, la interpolación bilineal y la convolución cúbica. Estas técnicas asignan un valor a cada celda vacía al examinar las celdas del dataset ráster sin georreferenciar.
La asignación de vecino más cercano es la técnica de remuestreo más rápida y resulta adecuada para datos de categorías o temáticos, ya que no modifica el valor de las celdas de entrada. Una vez encontrada la ubicación del centro de la celda del dataset ráster de salida en el ráster de entrada, la asignación de vecino más próximo determina la ubicación del centro de celda más cercano del ráster de entrada y asigna el valor de esa celda a la celda del ráster de salida.
La asignación de vecino más cercano no cambia ninguno de los valores de las celdas del dataset ráster de entrada. El valor 2 en el ráster de entrada siempre será el valor 2 en el ráster de salida; nunca será 2,2 o 3. Dado que los valores de la celda de salida permanecen iguales, la asignación de vecino más cercano se deberá usar para datos nominales u ordinales, en los que cada valor representa una clase, un miembro o una clasificación (pueden ser datos de categoría tales como uso del terreno, tipo de suelo o bosque).
La interpolación bilineal utiliza el valor de los cuatro centros de celda de entrada más cercanos para determinar el valor del ráster de salida. El nuevo valor de la celda de salida es una media ponderada de estos cuatro valores, ajustada para reflejar su distancia desde el centro de la celda de salida del ráster de entrada. Este método de interpolación da como resultado una superficie de aspecto suavizado que se puede obtener utilizando el vecino más cercano.
Dado que los valores de las celdas de salida se calculas en función de la posición relativa y el valor de las celdas de entrada, la interpolación bilineal es preferible para los datos en que la ubicación de un punto conocido o fenómeno determina el valor asignado a la celda, es decir, superficies continuas. La elevación, la pendiente, la intensidad del ruido de un aeropuerto y la salinidad de las aguas subterráneas próximas a un estuario son todos los fenómenos representados como superficies continuas y se remuestrean de forma más adecuada utilizando la interpolación bilineal.
La convolución cúbica es similar a la interpolación bilineal, excepto en que la media ponderada se calcula a partir de los 16 centros de celda de entrada más próximos y sus valores. La convolución cúbica tiende a aplicar nitidez a los datos más que la interpolación bilineal, ya que se implican más celdas en el cálculo del valor de salida. Por tanto, este método de remuestreo se suele utilizar al remuestrear imágenes, como fotografías aéreas e imágenes de satélite.
La interpolación bilineal o la convolución cúbica no se deberían utilizar con datos de categorías, ya que las categorías no se mantendrán en el dataset ráster de salida. No obstante, las tres técnicas se pueden aplicar a datos continuos: el vecino más próximo genera una salida en bloque, la interpolación bilineal genera resultados más suaves y la convolución cúbica genera los resultados más nítidos. Al emprender un proyecto de remuestreo grande, se recomienda crear un prototipo utilizando más de una técnica de remuestreo para realizar una evaluación precisa del método más adecuado para sus datos.
¿Debería rectificar su ráster?
Puede transformar permanentemente el dataset ráster después de georreferenciarlo utilizando el comando Rectificar de la barra de herramientas Georreferenciación o mediante la herramienta Combar. También puede almacenar la información de transformación en los archivos auxiliares utilizando el comando Actualizar georreferenciación de la barra de herramientas Georreferenciación.
Rectificar o combado creará un nuevo dataset ráster que se georreferencia mediante las coordenadas de mapa y la referencia espacial. Puede guardarlo como BIL, BIP, BMP, BSQ, DAT, GIF, GRID, IMG, JPEG, JPEG 2000, PNG o TIFF. ArcGIS no requiere que transforme permanentemente el dataset ráster para mostrarlo con otros datos espaciales, sin embargo, debe hacerlo si desea realizar un análisis con este o desea utilizarlo con otro paquete de software que no reconoce la información de georreferenciación externa creada en el archivo de georreferenciación.
Al actualizar la georreferenciación se almacenará la información de transformación en archivos externos, no se creará un nuevo dataset ráster, lo que sí sucede cuando transforma permanentemente su dataset ráster. Para un dataset ráster que está basado en archivo, como TIFF, la transformación por lo general se almacenará en un archivo XML externo, con una extensión .AUX.XML. Si el dataset ráster es una imagen sin procesar, como BMP, y la transformación es afín, se escribirá en un archivo de georreferenciación. Para un dataset ráster en una geodatabase, Actualizar georreferenciación almacenará la transformación de geodatos en un archivo auxiliar interno del dataset ráster. Actualizar una capa ráster, un servicio de imágenes o una capa de mosaico solamente actualizará la capa en su documento de mapas, no guardará la información de georreferenciación de nuevo en el origen.
La tabla a continuación muestra cómo se guarda cada tipo de objetivo.
Georreferenciación de varios rásteres
| Tipo de datos | Resultado |
|---|---|
Dataset ráster | Actualizar georreferenciación actualizará el dataset ráster. |
Capa ráster | Actualizar georreferenciación actualizará la capa ráster y los rásteres de origen no se verán afectados. |
Capa de servicio de imágenes | Un servicio de imágenes no se actualizará en el servidor. Después de Actualizar Georreferenciación, puede guardar el documento de mapa (.mxd) o puede crear un archivo de capa (.lyr) para guardar cualquier trabajo de georreferenciación. |
Producto ráster | Un producto ráster no actualizará los archivos de dataset ráster subyacentes. Después de Actualizar Georreferenciación, puede guardar el documento de mapa (.mxd) o puede crear un archivo de capa (.lyr) para guardar cualquier trabajo de georreferenciación. |
Ráster con una función | Una función de ráster no actualizará los archivos ráster subyacentes. Después de Actualizar Georreferenciación, puede guardar el documento de mapa (.mxd) o puede crear un archivo de capa (.lyr) para guardar cualquier trabajo de georreferenciación. |