🛰️ Clasificador de Terreno por Satélite — k-Means de Píxeles en Vivo

Cada píxel se representa únicamente por su firma espectral — reflectancia simulada en rojo, reflectancia en infrarrojo cercano (NIR), y NDVI derivado de esas dos bandas. k-means nunca mira dónde está situado un píxel en la imagen; asigna repetidamente cada píxel al centroide (de los k) que esté más cerca en este espacio espectral 3-dimensional (distancia euclidiana), y luego mueve cada centroide a la media de los píxeles que tiene asignados actualmente. Después de suficientes iteraciones los grupos se estabilizan, y recolorear la imagen según el ID del grupo produce un mapa de cobertura terrestre basado únicamente en la similitud espectral.

NDVI = (NIR − Rojo) / (NIR + Rojo) es una razón normalizada que separa fuertemente la vegetación sana (NDVI alto, ya que la clorofila refleja fuertemente el NIR pero absorbe la luz roja) del agua, el suelo desnudo y las superficies urbanas (NDVI bajo o negativo). Incluir el NDVI junto con las bandas brutas le da a k-means un eje adicional muy discriminativo, razón por la cual el control deslizante de peso de vegetación a menudo produce la separación de clases más limpia.

Reponderar una banda reescala la métrica de distancia que usa k-means, lo que cambia la forma de los grupos en el espacio de características — por lo que la simulación reinicializa los centroides con k-means++ y reagrupa desde cero. Reducir el peso del NIR, por ejemplo, hace más difícil separar los píxeles de agua y suelo desnudo, ya que ambos tienen baja reflectancia en rojo, y normalmente verás que la inercia converge a un valor final más alto y a veces requiere más iteraciones.

La mecánica central es real y coincide con la clasificación no supervisada de teledetección: el agrupamiento píxel a píxel en el espacio de características multiespectral es una técnica estándar (ISODATA y el agrupamiento k-means se usan en herramientas como ENVI y QGIS). Esta simulación usa valores de reflectancia sintéticos con ruido gaussiano por píxel en lugar de bandas satelitales calibradas genuinas, y omite la corrección atmosférica, el enmascarado de nubes y bandas adicionales (SWIR, térmica) que usan los clasificadores operativos, así que trátala como un modelo didáctico fiel del paso de agrupamiento, no como un proceso de producción.

A las superficies urbanas y al suelo desnudo se les asignan deliberadamente firmas espectrales similares en esta simulación — ambos tienen una reflectancia moderada y aproximadamente equilibrada en rojo y NIR, y un NDVI bajo — lo que refleja un desafío real de teledetección en el que el concreto, los tejados y el suelo seco a menudo ocupan regiones superpuestas del espacio espectral. Aumentar k, o ajustar los pesos de las bandas, a veces puede separarlos, pero con solo rojo, NIR y NDVI disponibles no siempre hay suficiente señal de separación, tal como en la práctica los clasificadores a menudo añaden bandas adicionales (como SWIR) específicamente para resolver esta ambigüedad.