RECTIFICACIÓN GEOMÉTRICA, CORRECCIÓN ATMOSFÉRICA Y TOPOGRÁFICA EN LA ISLA DE EL HIERRO (ISLAS CANARIAS) CON IMAGEN

DE SATÉLITE GEOEYE-1

Miriam Domínguez-Segarra1, Sergi Campo1, Montserrat Salvà-Catarineu1

1Departament de Geografia, Universitat de Barcelona.miriamdominguez@ub.edu, sergiobarna2009@gmail.com, salva@ub.edu

RESUMEN

El área de estudio es la isla de El Hierro (Islas Canarias) donde se localiza la mayor extensión de sabinar canario (Juniperus turbinata Guss). El relieve de la isla es abrupto y la cumbre más alta es Malpaso con 1502 m. Los vientos alisios forman, en la parte norte de la isla, un manto de nubes la mayoría de los días del año. Por estos dos motivos, el proceso de selección de imágenes óptimas para identificar la vegetación ha sido complejo y se ha hecho imprescindible la aplicación de procesos de corrección. Trabajar con imágenes de satélite, requiere aplicar tratamientos previos con el fin de eliminar deformaciones geométricas, los efectos de los aerosoles de la atmosfera, la radiación intrínseca captada por el sensor y las diferentes iluminaciones reflejadas por la forma irregular del relieve, viéndose registrados en la imagen. En el presente estudio se ha tratado imágenes de satélite de alta resolución del Geoeye-1. La rectificación geométrica se ha llevado a cabo con polinomios de segundo grado y el error cuadrático resultante ha sido menor a la medida de celda. En la corrección atmosférica se ha aplicado con el método del objeto oscuro (Chavez) y las correcciones topográficas con el método empírico-estadístico propuesto por Civco y la corrección C de Teillet, siendo el segundo el que mejores resultados estadísticos ha ofrecido. Después de este estudio, estas imágenes serán una buena fuente de datos para posteriores análisis de la vegetación y del paisaje.

Palabras clave: sabinar canario; Geoeye-1; corrección radiométrica; rectificación geométrica.

ABSTRACT

The study area is the El Hierro island (Canary Islands), where localized the most extension of juniper (Juniperus turbinata Guss) in the Canary Islands. The relief of island is abrupt and the highest summit is Malpaso, 1501 meters. The trade winds generate, in the north part of island, a mantle of cloud the most days of the year. For this reason, the processing of selection of optimum image to identify the vegetation has been complex and it is essentially the accuracy assessment. The accuracy assessment is necessary to remove geometric deformations, the effects of aerosols of atmosphere, intrinsic radiation and the different illuminations scattering irregular forms because of relief, they are showed in the image. At the present study, It’s has worked with very high resolution images of Geoeye-1. The geometric rectification has been doing with polynomies of second grade. The RMSE has been lower of two meters (below of the cell size). Atmospheric correction is applied with de dark object method and topographic correction with empiric-statistics methods by Civco and Correction C by Teillet. The second method shows better statistics results than the first method. After this study, this image will be a good data source to analysis of vegetation and landscape.

Keywords: juniper, Geoeye-1, radiometric correction, geometric rectification.

1. INTRODUCCIÓN

El sabinar forma parte del bosque termófilo canario, con un elevado valor histórico, paisajístico, ecológico y biogeográfico. El Hierro es la isla que conserva el sabinar más extenso de Juniperus turbinata con ejemplares de mayor tamaño, destacado en el sector occidental (Salvà-Catarineu

1

et al., 2012). En la actualidad, las poblaciones de sabina canaria más extensas se encuentran en zonas de poco interés agrícola y áreas con pendientes muy marcadas (Salvà-Catarineu y Romo-Díez, 2008). La teledetección es una buena herramienta para observar zonas de difícil acceso. El uso de esta tecnología permite hacer un análisis de su evolución en el tiempo y optimizar los recursos ambientales y reducir los costes económicos del trabajo de campo. El presente trabajo forma parte del proyecto JUNITUR financiado por Ministerio de Economía y Competitividad.

Para este estudio se han elegido imágenes de satélite Geoeye-1. Este satélite comercial se define por su alta resolución geométrica. En ellas se reflejan las interacciones del sistema sensor-Tierra: las deformaciones geométricas producidas por la rotación y la curvatura de la Tierra (Palà y Pons, 1995), efectos de la atmósfera o de la iluminación solar produciendo efectos no deseados (Cristóbal, 2008). Además, los cambios de iluminación por pendientes y orientaciones reflejan una alta varianza y confusión espectral (Salvador et al., 1996).

Por estas razones es necesario el preprocesamiento a las imágenes. El tratamiento consiste en una corrección geométrica y radiométrica (Chavez, 1988; Chuvieco, 2010; Pons, et al., 2010). La metodología aplicada, se ha extraído del protocolo propuesto por el Plan Nacional de Teledetección (PNT) del Instituto Geográfico Nacional (IGN) (Hantson et al., 2011). En este sentido, trabajar con imágenes de alta resolución mejora los resultados de la rectificación geométrica y disminuye el error de las deformaciones (Aguilar et al., 2013), facilitando la tarea de localización de la sabina canaria, que se abordará en estudios posteriores.

Existen estudios del género Juniperus en la isla de El Hierro elaborados por diversos autores (Hernández Padrón, 1987; Losada et al., 1984; Nogales et al., 2009; Salvà-Catarineu y Romo-Diez, 2014; Santos, 1976). Por otra parte Schweichel (1999) estudió las cubiertas a partir de imágenes del satélite SPOT-2 con una resolución espacial de 10 y 20 metros. Finalmente destacar Del Arco et al. (2006) que elaboraron una cartografía de vegetación de la isla de El Hierro mediante trabajo de campo y ortofotografias.

El objetivo principal de este estudio es rectificar geométricamente y corregir radiométricamente las imágenes de muy alta resolución Geoeye-1 de la isla de El Hierro para identificar el sabinar. En este estudio se comparan dos métodos de corrección topográfica para optimizar el tratamiento previo de las imágenes de satélite en un lugar de pendientes muy marcadas en una extensión reducida.

2. METODOLOGIA

2.1. Área de estudio y material

La isla de El Hierro, al extremo sudoccidental del archipiélago de las Islas Canarias, es la más pequeña de las islas con 267,68 km2 y también es la más joven. Se caracteriza por una marcada diversidad geomorfológica y paisajística, con una altitud máxima de 1502 m (Malpaso) y una pendiente media de 12˚, llegando a registros de 80 ˚. En el 2000 fue declarada Reserva de la Biosfera por la Unesco por su patrimonio natural y cultural. (Del Arco et al., 2010; Nogales et al., 2009; Salvà-Catarineu et al., 2012).

Este estudio ha tratado con dos imágenes de Geoeye-1 (GE-1). Una de ellas corresponde a la parte norte del 28 de septiembre 2011 y la otra de la parte sur del 09 de octubre 2011 tomadas a las 12:03 UTC y 12:04 UTC. La resolución espacial es de 0,50 m en la banda pancromática y 2 m en la bandas multiespectrales: azul (0,45 – 0,51 µm), verde (0,51 – 0,58 µm), rojo (0,65 – 0,69 µm) e infrarrojo cercano (0,78 – 0,92 µm). El rango dinámico es de 11 bits (DigitalGlobe, 2014).

2

Figura 1. Imágenes multiespectrales del Geoeye-1 de la isla de El Hierro. La parte norte corresponde al 28 de septiembre de 2011. La parte sur al 09 de octubre del 2011. Los polígonos de color rojo delimitan las divisiones de

las imágenes originales para ajustar mejor el RMS de la rectificación geométrica.

Las dos imágenes se han dividido en partes de dimensiones inferiores (figura 1). Para ajustar la rectificación geométrica a los terrenos más accidentados. Cada parte se ha etiquetado con una nomenclatura específica para distinguir las zonas: R1C2, R1C3, R1C4, R2C1, R2C2, R2C3 y R2C4 para la imagen del norte y R1C1, R1C2, R1C3, R2C2 y R2C3 para la imagen del sur. Un total de 7 partes para el norte y 5 para el sur.

La cobertura nubosa es casi nula en las dos imágenes. Esta situación, compleja de obtener, es clave para agilizar las tareas de procesamiento previo de las imágenes de satélite.

Tabla 1. Datos descriptivos de las imágenes GE-1

Parte N Parte S

Fecha 28/09/11 09/10/11

Hora 12:03 UTC 12:04 UTC

Azimut solar 151,8º 156,3º

Elevación solar 57,2 53,7

Los puntos de control se han obtenido de la ortofotografia (2011) del Plan Nacional de Ortofotografia Aerea (PNOA) descargado del Centro Nacional de Información Geográfica (CNIG). De la misma fuente, se ha obtenido el Modelo Digital de Elevaciones de 5 metros, el cual se ha adaptado al lado de celda de la imagen de satélite para llevar a cabo las correcciones.

3

Las transformaciones se han calculado con los programas informáticos de SIG ArcGIS 10.5 (ESRI © ArcMap 10.5), Idrisi Selva 17.00 (Clark Labs © Idrisi Selva 17.00) y MiraMon (Pons, 2006).

2.2. Métodos

Figura 2. Diagrama metodológico de flujo de trabajo.

2.2.1. Rectificación geométrica La rectificación geométrica se ha llevado a cabo aplicando el modelo empírico-estadístico de transformación de polinomios de segundo grado para asegurar un mayor ajuste. Este modelo mejora la translación (asignar nuevas coordenadas), escalado, rotación hasta cierto ángulo, doblado y curvatura de la imagen. El polinomio determinará la cantidad de puntos de control que se debe tomar. Esta transformación polinómica utiliza un algoritmo de adecuación por mínimo de cuadrados (RMSE) (Palà y Pons, 1995).

En este estudio, los puntos de control (GCP –Ground Controls Points-) tienen origen en la ortofotografia (2011). Los puntos se han tomado en el sistema ETRS89. Un total de 377 GCP para la parte N y 236 GCP para la parte S.

2.2.2 Corrección radiométrica Según Kuester (2017), la fórmula para convertir los valores digitales (ND) a radiancias es:

L es la radiancia espectral obtenida por el sensor (W · m-2 · sr-1 · µm -1). Gain es la ganancia de calibración radiométrica (mW/cm2/µm/str/DN) de cada banda. Offset es la perdida de calibración radiométrica (mW/cm2/µm/str) de cada banda. Gain y Offset son valores registrados en los metadatos. El abscalfactor es un factor conversor de la radiancia relativa a absoluta (W · m-2 · sr-1 · µm -1) y effectivebandwidth asociado con el abscalfactor, es la amplitud de la radiación media de sus máximos rendimientos (throughput). Variando de 0 a 1.

4

2.2.3 Corrección atmosféricaLa aplicación del método de Chavez para convertir las radiancias a reflectancias es imprescindible para comparar imágenes de diferentes fechas (Chavez, 1988; S. Hantson et al., 2011)

Donde, p es reflectividad, E es la irradiación exoatmosférica solar (W·m-2·mm-1), τ1 es el coeficiente de transmisión atmosférica Sol-Terra, τ2 es el coeficiente de transmisión atmosférica Tierra-sensor. La es la radiancia recibida por el sensor en un área donde solamente hay contribución de la atmosfera (área oscura o agua según la región espectral). L es la radiancia de la celda a corregir y d2 la distancia Tierra-Sol (día juliano), Cos θ es el ángulo cenital solar.

Para eliminar las distorsiones radiométricas de la atmosfera, se debe hacer una última corrección de la influencia de la topografia para obtener la reflectancia de superficie.

2.2.4. Corrección topográficaEl primer paso de la corrección topográfica es calcular el ángulo de iluminación basado en la siguiente fórmula (Civco, 1989; Hantson et al., 2011; Riaño et al., 2003):

IL = cos γi = cos θp cosθz + sin θp sinθz cos (Φa –Φσ)

γi = ángulo de incidencia, θp = ángulo de pendiente, θz = ángulo solar cenital, фa = ángulo solar acimutal y фσ = ángulo de orientaciones. El resultado varía de -1 a 1. Los ángulos acimutales y solar cenital son calculados para las condiciones específicas del área. Estos ángulos se han calculado con el módulo Astres de MiraMon (Pons, 2006). Los parámetros que tiene en cuenta este módulo son las coordenadas geográficas de la isla y la fecha de la toma de imagen. La hora se expresa en UTC.

El segundo, una vez conocido el ángulo de iluminación, se han aplicado dos métodos partiendo de las condiciones lambertianas para comparar.

a) Método empírico-estadístico (Civco, 1989):

La aplicación de la transformación es más sencilla porque no requiere de parámetros externos. La longitud de onda es independiente y se tiene en cuenta la irradiación difusa entre las bandas. Muchos autores han mostrado que este método sobrecorrige la imagen en aquellas zonas de valores bajos de iluminación (Riaño et al., 2003).

b) Corrección C (Teillet et al., 1982)

Una de las correcciones topográficas más extendidas es la Corrección C, siendo una derivación del método empírico-estadístico de Teillet, et al., (1982). Los parámetros dependientes para cada banda, supone una correlación lineal entre las reflectancias de cada banda y el modelo de iluminaciones presentados al inicio del apartado. Este método implementa un factor C a la corrección del coseno para la radiación difusa atmosférica:

5

Los parámetros bλ y mλ son los coeficientes de regresión entre la iluminación y las reflectancias de cada banda. Por lo tanto, ck es una constante empírica calculada para cada banda.

2.2.5 Validación de las correcciones topográficas

Tal y como propone el estudio de Hantson y Chuvieco (2011) se ha comprobado el cambio de desviación estándar (SD) en los píxeles. Si el valor de SD disminuye, el impacto de la iluminación es menor. Después de la corrección topográfica, las reflectancias deberían ser valores inferiores, de lo contario, mostraría una sobrecorrección (Riaño et al., 2003). El segundo criterio es el cálculo del coeficiente de correlación entre las bandas corregidas y el modelo de iluminación. La corrección disminuye la relación entre ambas, es decir, el coeficiente de correlación debería ser un valor bajo. En el análisis gráfico de las reflectancias se aprecia el cambio de tono en las zonas de sombra. Finalmente, a partir de un conjunto de puntos identificados como sabina en pendientes y orientaciones distintas repartidos de manera homogénea, se ha obtenido la firma espectral. Las firmas de las correcciones topográficas se encuentran por debajo de la firma de la corrección atmosférica.

3. RESULTADOS Y DISCUSIÓN

3.1 Rectificación geométrica

Figura 3. Distribución de los GCP superpuestos en la banda pancromática rectificada del Geoeye-1. Los valores rojos son los corregidos y los verdes los puntos iniciales.

La figura 3 corresponde a la distribución de los puntos de control por toda la isla de manera uniforme. La tabla 2 detalla el RMS según las zonas de la isla. Este está entre los 0,82 y 1,96 m, siempre por debajo de los 2 metros del lado de celda. La división de las imágenes facilita la detección de aquellas zonas complejas de rectificar geométricamente. Los RMS cercanos a 2 metros son aquellas zonas de la isla de mayor altitud y alejadas del centro de la imagen.

Tabla 2. Numero de GCP según cada zona y el error RMS correspondiente de la rectificación geométrica.

Nombre R1C1 R1C2 R1C3 R1C4 R2C1 R2C2 R2C3Parte

NGCP - 20 33 152 48 84 40RMS - 0,82 1,91 1,88 1,74 1,96 1,87

Parte SGCP 119 11 38 - - 57 11RMS 1,75 1,92 1,99 - - 1,87 0,56

Los autores de estudios que han utilizado las imágenes de GE-1 han obtenido valores cercanos a los presentados en este trabajo. En el caso de Aguilar et al., (2013) utiliza 75 puntos independientes (ICP o independent chekpoints) para la validación de exactitud (accuracy assessment) y 40 puntos de control para aplicar los modelos empíricos computacionales,

6

mostrando valores por debajo de los 2 metros del RMS para una imagen que cubre 11 km de largo y 0,775 km de ancho con un relieve liso.

3.2. Correcciones atmosféricas y topográficas

La tabla 3 presenta un resumen de los cambios de las características espectrales para las tres correcciones: corrección atmosférica, la corrección topográfica de Civco i la corrección C de Teillet. Las medias de la corrección de Civco son similares a las de la corrección atmosférica, mientras que la corrección C disminuyen, destaca la banda 3 que disminuye un 79% aproximadamente. Las SD se mantienen igual, excepto la banda 2 de la corrección de Civco que aumenta respecto a la corrección atmosférica. La corrección C presenta mejores resultados que la corrección de Civco.

Tabla 3. Las medias y SD en porcentaje de la corrección atmosférica, del método de Civco y de la corrección C propuesta por Teillet. (B1: azul 0,45 – 0,51 µm, B2: verde 0,51 – 0,58 µm, B3: rojo 0,65 – 0,69 µm y B4: infrarrojo 0,78 – 0,92 µm)

Media SDChavez Civco Corrección C Chavez Civco Corrección C

B1 0,02 0,02 0,02 0,01 0,01 0,01B2 0,08 0,08 0,04 0,01 0,03 0,01B3 0,08 0,07 0,02 0,03 0,02 0,02B4 0,20 0,16 0,12 0,04 0,03 0,03

La tabla 4 presenta la baja correlación entre las reflectancias de las correcciones topográficas y el modelo de iluminación. Se ha desestimado la banda 1 por su baja influencia en la vegetación. Estos valores muestran que el efecto sombra ha reducido su impacto después de las correcciones. Según Sola et al. (2016), las correcciones son efectivas cuando los valores del coeficiente de la correlación están próximos a cero o son negativos.

Tabla 4. Coeficientes de correlación entre las reflectancias de la corrección topográfica del método Civco y la corrección C. ( B2: verde 0,51 – 0,58 µm, B3: rojo 0,65 – 0,69 µm y B4: infrarrojo 0,78 – 0,92 µm)

CIVCO CORRECCIÓN CCoeficiente de

correlación P valorCoeficiente de

correlación P valorB2 0,10 0,0001 0,07 0,0000B3 -0,03 0,0140 0,10 0,0001B4 -0,13 0,0001 0,16 0,0002

7

Figura 4. Firma espectral en reflectancias de la sabina. Chavez = Corrección atmosférica, Civco = la corrección topográfica de Civco y la corrección C = la corrección topográfica de Teillet. Los valores más bajos corresponden a las correcciones topográficas mostrando una disminución del efecto de la iluminación.

Las firmas espectrales son el reflejo de la disminución del efecto topográfico en la sabina (figura 4). Se ha incluido la banda 1 para observar qué reflectancias muestra la sabina y vemos que, las tres correcciones muestran valores cercanos a 0 en esta parte del espectro. En este caso, la corrección C sigue mostrando valores inferiores a la corrección atmosférica y a la corrección de Civco, tal y como muestran los resultados de Riaño et al. (2003).

La figura 5 amplia la zona de Las Playas donde el relieve es uno de los más accidentados de la isla. La imagen A corresponde a la corrección de Civco, muestra la zona de sombras con tonos más claros que la imagen B. La corrección de Teillet (B) visualmente es más parecida a la corrección atmosférica. A pesar de ello, los resultados estadísticos abalan la corrección C de Teillet.

Figura 5. Comparación entre la corrección empírico-estadístico (A), la corrección C (B) y sin aplicar la corrección topográfica

(C).

4. CONCLUSIONES

Se han aplicado los métodos de corrección a dos fechas con condiciones de iluminación bastante parecidas porque la hora de toma de la imagen varía un minuto. Los resultados mostrados están en línea con los obtenidos por otros autores de referencia (Riaño et al., 2003; Hantson y Chuvieco, 2011; Sola et al., 2016).

Las imágenes de alta resolución espacial son las que más acusan el problema del relieve debido a su nivel de detalle. La solución propuesta en este estudio ha sido la división de la imagen original, en otras de dimensiones inferiores para ajustar mejor las formas geométricas del territorio. Si se obviara el proceso de rectificación geométrica se arrastrarían una serie de errores, que en el momento de estudiar los sabinares, los resultados serían erróneos.

En cuanto a radiometría, a nivel visual, el método empírico-estadístico proporciona una mejor representación de las zonas de sombra, la corrección C muestra cambios estadísticos más similares a los que proponen los autores citados. Este parámetro de validación se verá totalmente influenciado por la corrección de las zonas de sombra.

Se puede concluir que el método del objeto oscuro de Chavez (1996) y la corrección C de Teillet et al. (1982) dan coeficientes válidos para las imágenes de satélite GeoEye-1 porque las reflectancias de la vegetación una vez corregidas son más parecidas entre ellas, que antes de

8

las correcciones radiométricas. La varianza de la reflectancia ha disminuido y los valores son similares para un mismo objeto tomado el mismo día y hora.

5. AGRADECIMIENTOS

Agradecemos el soporte de la Consejería de Medio Rural y Marino y Recursos Hidráulicos y a Miguel A. Rodríguez Domínguez del Cabildo insular de El Hierro por las facilidades dadas en la ejecución del trabajo de campo. Este estudio ha sido financiado por los proyectos de investigación JUNITUR (CSO2011-24425, 2012-2015) y JUNITUR+ (CSO2015-68500-R, 2016-2019) de la Secretaría de Investigación, Desarrollo e Innovación del Ministerio de Economía y Competitividad. GRAFCAN por cedernos la cartografía de vegetación de la isla.

6. BIBLIOGRAFÍA

Aguilar, M. A., Saldaña, M. del M., y Aguilar, F. J. (2013). Assessing geometric accuracy of the orthorectification process from GeoEye-1 and WorldView-2 panchromatic images. International Journal of Applied Earth Observation and Geoinformation. https://doi.org/10.1016/j.jag.2012.06.004

Chavez, P. S. (1988). An improved dark-object subtraction technique for atmospheric scattering correction of multispectral data. Remote Sensing of Environment, 24, 459–479.

Chuvieco, E. (2010). Teledetección ambiental. La observación de la Tierra desde el espacio. (Planeta, Ed.) (3ra ed.). Barcelona.

Civco, D. L. (1989). Topographic normalization of Landsat Thematic Mapper digital imagery. Photogrammetric Engineering , 55(9), 1303. Retrieved from http://mendeley.csuc.cat/fitxers/d7897cca27dc409106eeb83de431dd7c

Cristóbal Roselló, J. (2008). Estimació de l’evapotranspiració real i d’altres fluxos d’energia mitjançant la modelització SIG i la Teledetecció a Catalunya: aplicació amb sensors de mitjana i baixa resolució espacial.

del Arco Aguilar, M.-J., González-González, R., Garzón-Machado, V., y Pizarro-Hernández, B. (2010). Actual and potential natural vegetation on the Canary Islands and its conservation status. Biodiversity and Conservation, 19(11), 3089–3140. https://doi.org/10.1007/s10531-010-9881-2

Del Arco Aguilar, M. J., Wildpret de la Torre, W., Perez de Paz, P. L., Rodriguez Delgado, O., Acebes Ginovés, J. R., Garcia Gallo, A., Martín Osorio, V.E., Reyes Betancort, J.A., Salas Pascual, M., Diaz, M.A., Bermejo Dominguez, J.A., González González, R., Cabrera Lacalzada, M.V., y Garcia Ávila, S. (2006). Memoria del mapa de vegetación de Canarias. GRAFCAN. Santa Cruz de Tenerife.

Hantson, S., y Chuvieco, E. (2011). Evaluation of different topographic correction methods for landsat imagery. International Journal of Applied Earth Observation and Geoinformation, 13(5), 691–700. https://doi.org/10.1016/j.jag.2011.05.001

Hantson, S., Chuvieco, E., Pons, X., Domingo, C., Cea, C., Moré, G., Cristobal, J., Peces, J. J. y Tejeiro, J. A. (2011). Cadena de pre-procesamiento estándar para las imágenes Landsat del Plan Nacional de Teledetección. Revista de Teledetección, 36, 51–61.

Hernández Padrón, C. E. (1987). Flora y Vegetación Liquénica Epífita de los Sabinares Herreños.

J. Ronald Eastman. (2012). Idrisi Selva.

Kuester, M. A. (2017). Absolute Radiometric Calibration : 2016v0 Absolute Radiometric

9

Correction of DigitalGlobe Products. Digital Globe.

Losada, A., Beltrán, E., Hernández, C., y Wild-pret de la Torre, W. (1984). Contribución al estudio de los briófitos epífitos de Juniperus Phoenicea L. en la isla del Hierro (I.Canarias). Anales de Biologia, 2, 307–317.

Nogales, M., Padrón, B., Padilla, D.P., Nieves, C. y Marrero, P. (2009). Germination patterns throughout an insular altitudinal gradient : The case of the Macaronesian endemic plant Rubia fruticosa Ait . ( Rubiaceae ) in El Hierro ( Canary Islands ), 204, 543–548. https://doi.org/10.1016/j.flora.2008.07.006

Palà, V., y Pons, X. (1995). Incorporation of relief into geometric corrections based on polynomials. Photogrammmetric Engineering and Remote Sensing 61, 7, 935–944.

Pons, X. (2006). MiraMon.

Pons, X., More, G., y Pesquer, L. (2010). Automatic Matching of Landsat Image Series To High Resolution Orthorectified Imagery. ESA Living Planet Symposium, 2010(July), 1–6.

Riaño, D., Chuvieco, E., Salas, J., y Aguado, I. (2003). Assessment of different topographic corrections in landsat-TM data for mapping vegetation types. IEEE Transactions on Geoscience and Remote Sensing, 41(5 PART 1), 1056–1061. https://doi.org/10.1109/TGRS.2003.811693

Salvà-Catarineu, M., y Romo-Díez, À. (2008). Uso de TIG la conservación del sabinar de Juniperus Turbinata subsp. Canariensis en la isla de El Hierro. Tecnologías de La Información Geográfica Para El Desarrollo Territorial. Servicio de Publicaciones Y Difusión Científica de La ULPGC. Las Palmas de Gran Canaria, 766–776.

Salvà-Catarineu, M., Romo, À., y Salvador Franch, F. (2012). Estructura de edad y biodiversidad de los sabinares de Juniperus turbinata Guss. en El Hierro (Islas Canarias). Las Zonas de Montaña: Gestión Y Biodiversidad, 40–45.

Salvà-Catarineu, M., Romo, À., Salvador Franch, F., Cortés Lucas, A., Padrón, P., Boratynski, A., Rodriguez, A. y López Bustins, J. A. (2014). Estructura y características ambientales de los sabinares de Juniperus turbinata Guss . en la isla de El Hierro ( Islas Canarias ), (c), 1904–1909.

Salvador, R., Pons, X., y Diego, F. (1996). Validación de un método de corrección radiométrica sobre diferentes áreas montañosas.

Santos Guerra, A. (1976). Notas sobre la vegetación potencial de la isla de el hierro. Anales Del Instituto Botánico Cavanilles, 261, 249–261.

Schweichel, R. (1999). ^Die^ Vegetation der Kanareninsel El Hierro: Anwendung von Fernerkundungsdaten (SPOT 2). Retrieved from http://mendeley.csuc.cat/fitxers/5d512049d62cc34a8590dba9a588866d

Sola, I., González-Audícana, M., y Álvarez-Mozos, J. (2016). Multi-criteria evaluation of topographic correction methods. Remote Sensing of Environment, 184, 247–262. https://doi.org/10.1016/j.rse.2016.07.002

Teillet, P. M., Guindon, B., y Goodenough, D. G. (1982). On the slope-aspect correction of multiespectral scanner data. Canadian Journal of Remote Sensing, 8(2), 84–106.

10