Implementation and evaluation of the landsat ecosystem disturbance adaptive processing systems (LEDAPS) model: A case study in the Colombian andes [Implementación y evaluación del modelo Landsat Ecosystem Disturbance Adaptive Processing System (LEDAPS): Estudio de caso en los Andes colombianos]

Abstract

espanolEn este trabajo se hace un analisis de la reflectividad obtenida con una serie de imagenes Landsat procesadas con el modelo LEDAPS en una region de los Andes Colombianos. Fueron calibradas 38 imagenes de los sensores TM y ETM con el modelo LEDAPS con el fin de evaluar las diferencias de reflectividad entre las bandas de un mismo sensor, las diferencias entre sensores, y los patrones temporales. Se utilizaron pruebas estadisticas no parametricas exactas que permitieron concluir: a) la reflectividad superficial entre bandas (1-5 y 7) es distinta y que esta diferencia se mantiene entre escenas de fechas distintas; b) al comparar las bandas de igual longitud de onda entre los sensores TM y ETM+ hay altas similitudes estadisticas entre las bandas; c) las variaciones temporales en reflectividad desde el ano 1986 a 2013 con los sensores estudiados no son significativas. Estos resultados estan sustentados con la implementacion de modelacion robusta con varios metodos resistentes a observaciones inusuales y otros problemas tipicos de la modelacion de minimos cuadrados clasicos. EnglishThis paper analyzes the reflectance obtained with a series of Landsat images processed with LEDAPS model in a region of the Colombian Andes. A total of 38 images of TM and ETM sensors were calibrated to surface reflectance using LEDAPS in order to determine difference among bands of the same sensor, difference between sensors and analyze temporal patterns. Exact nonparametric statistics allow to conclude that: a) surface reflectance for band 1–5 and 7 were significantly different and this difference remains among images of different dates; b) there are statistical similarities between the TM and ETM sensors bands; c) temporal variations on surface reflectance from the years 1986 to 2013 with the sensors studied are not statistically significant. These results are supported by the implementation of robust modeling with various methods resistant to unusual observations and other typical problems of the classical least squares modeling.