Galería de índices—ArcGIS Pro | Documentación (2023)

Los índices de imágenes son imágenes que se calculan a partir de imágenes multibanda. Las imágenes destacan un fenómeno concreto que está presente y atenúan otros factores que degradan los efectos de la imagen. Por ejemplo, un índice de vegetación mostrará la vegetación que está en buen estado con un color brillante en la imagen de índice, mientras que la vegetación que no lo está tendrá valores más bajos y el terreno yermo será oscuro. Dado que el sombreado debido a las variaciones del terreno (colinas y valles) afecta a la intensidad de las imágenes, los índices se crean de manera que el color de un objeto se resalta en lugar de que lo haga el brillo o la intensidad del objeto. El valor de un índice de vegetación para un pino en buen estado que está sombreado en un valle será similar al de un pino que está a pleno sol. A menudo, estos índices se crean añadiendo y sustrayendo bandas, con lo que se generan varias relaciones de bandas. Están vinculados a bandas concretas que están en partes definidas del espectro electromagnético. Como resultado, es posible que solo sean válidos para ciertos sensores o clases de sensores, y es fundamental que se usen las bandas adecuadas en el cálculo.

Una de las formas habituales de usar estos índices es la comparación del mismo objeto en varias imágenes a lo largo del tiempo. Por ejemplo, podría haber varias imágenes de un campo agrícola tomadas con periodicidad semanal desde la siembra del campo y a lo largo de toda la estación de crecimiento. Se calcularía el índice de vegetación para cada imagen. Cuando se analizan estos índices de vegetación semanales, es esperable que haya un periodo de la estación de crecimiento en que las imágenes se vuelven más brillantes. Después, cuando comienza la senescencia en el otoño, el índice se reduce hasta que la planta se cosecha o hasta que las hojas mueren al final de la estación. El efecto normalizador de los índices hace que esta comparación resulte útil. Al comparar varios campos de una región, puede identificar los que se están desarrollando bien y los que tienen problemas. Este tipo de análisis también se puede usar para identificar los campos que han sufrido daños debidos a tormentas.

Seleccione el índice según el fenómeno que quiera analizar. Asegúrese de que la imagen de entrada procede de un sensor que tiene las bandas adecuadas (longitudes de onda y rango) para ser compatible con el índice que ha elegido. Los índices leen los metadatos de la imagen para comprobar los nombres de las bandas. Cuando encuentren una coincidencia, el índice se aplicará de forma automática. Normalmente, ArcGIS Pro utiliza los nombres de banda de Landsat 8, pero los nombres de banda de otros sensores pueden tener otros nombres. En este caso, puede sustituir la banda adecuada del sensor que está utilizando en la función de índice. Por ejemplo, el producto ráster Landsat 5 TM tiene una banda (7) llamada infrarrojo medio (MIR), que se compara con la banda equivalente de Landsat 8 (7) denominada infrarrojo de onda corta 2 (SWIR2). En este caso, el índice que desea aplicar no puede encontrar la información del nombre de banda requerido en los metadatos de la imagen, por lo que se abre un cuadro de diálogo en el que debe introducir el número de banda adecuado del índice que desea aplicar.

Nota:

Cuando selecciona un índice para aplicarlo a sus imágenes, asegúrese de que las imágenes de origen contienen la banda adecuada del índice. Por ejemplo, el Índice de nieve de diferencia normalizado (NDSI) necesita una banda infrarroja de onda corta (SWIR) y no funcionará correctamente con imágenes que no cuenten con una banda SWIR.

Índices de vegetación y suelos

MSAVI

El método Índice de vegetación ajustada de suelo modificado (MSAVI2) minimiza el efecto del terreno desnudo en el SAVI.

MSAVI2 = (1/2)*(2(NIR+1)-sqrt((2*NIR+1)2-8(NIR-Rojo)))
  • NIR = valores de píxel de la banda infrarroja cercana
  • Rojo = valores de píxel de la banda roja

Referencia: Qi, J. et al., 1994, "A modified soil vegetation adjusted index," Remote Sensing of Environment, Vol. 48, n.º 2, 119–126.

NDVI

El índice diferencial de vegetación normalizado (NDVI) es un índice normalizado que le permite generar una imagen que muestra el verdor, también conocida como biomasa relativa. Este índice aprovecha el contraste de características entre dos bandas de un dataset ráster multiespectral: la absorción de pigmento de clorofila en la banda roja y la alta reflectividad del material de las plantas en la banda infrarroja cercana (NIR).

(Video) Creating Spectral Indices ( NDVI , NDBI , NDWI etc ) in ArcGIS Pro (example using Landsat 8 Imagery)

La ecuación del NDVI documentada y predeterminada es la siguiente:

NDVI = ((NIR - Red)/(NIR + Red))
  • NIR = valores de píxel de la banda infrarroja cercana
  • Rojo = valores de píxel de la banda roja

Este índice coloca los valores entre -1,0 y 1,0.

Más información acerca del NDVI

PVI

El método Índice de vegetación perpendicular (PVI, por sus siglas en inglés) es similar a un índice diferencial de vegetación; sin embargo, es sensible a las variaciones atmosféricas. Al utilizar este método para comparar imágenes, solo se debe utilizar en imágenes que se han corregido atmosféricamente.

PVI = (NIR - a*Rojo - b) / (sqrt(1 + a2))
  • NIR = valores de píxel de la banda infrarroja cercana
  • Rojo = valores de píxel de la banda roja
  • a = pendiente de la línea del suelo
  • b = gradiente de la línea del suelo

Este índice coloca los valores entre -1,0 y 1,0.

SAVI

El método Índice de vegetación ajustado al suelo (SAVI, por sus siglas en inglés) es un índice de vegetación que intenta minimizar las influencias del brillo del suelo utilizando un factor de corrección de brillo del suelo. Esto con frecuencia se utiliza en regiones áridas en donde la cubierta de vegetación es baja y genera valores entre -1,0 y 1,0.

SAVI = ((NIR - Rojo) / (NIR + Rojo + L)) x (1 + L)
  • NIR = valores de píxel de la banda infrarroja cercana
  • Rojo = valores de píxel de la banda roja cercana
  • L = cantidad de cobertura de vegetación verde

Si usa una lista delimitada por espacios, identificará las bandas NIR y roja e introducirá el valor L en el siguiente orden: NIR Roja L. Por ejemplo, 4 3 0,5.

Referencia: Huete, A. R., 1988, "A soil-adjusted vegetation index (SAVI)," Remote Sensing of Environment, Vol. 25, 295–309.

(Video) Working with the ArcGIS Spectral Index Library

TSAVI

El método Índice de vegetación ajustado de suelo transformado (TSAVI, por sus siglas en inglés) es un índice de vegetación que minimiza las influencias de brillo del suelo al asumir que la línea del suelo tiene una intercepción y pendiente arbitraria.

TSAVI = (s * (NIR - s * Rojo - a)) / (a * NIR + Rojo - a * s + X * (1 + s2))
  • NIR = valores de píxel de la banda infrarroja cercana
  • Rojo = valores de píxel de la banda roja
  • s = la pendiente de la línea del suelo
  • a = la intercepción de la línea del suelo
  • X = un factor de ajuste que se establece para minimizar el ruido del suelo

Referencia: Baret, F. y G. Guyot, 1991, "Potentials and limits of vegetation indices for LAI and APAR assessment," Remote Sensing of Environment, Vol. 35, 161–173.

VARI

El Índice de resistencia atmosféricamente visible (VARI) está diseñado para resaltar la vegetación en la parte visible del espectro, a la vez que mitiga las diferencias en la iluminación y los efectos atmosféricos. Resulta idóneo para las imágenes RGB o en color; utiliza las tres bandas de color.

VARI = (Green - Red) / (Green + Red - Blue)
  • Verde = valores de píxel de la banda verde
  • Rojo = valores de píxel de la banda roja
  • Azul = valores de píxel de la banda azul

Referencia: Gitelson, A., et al. "Vegetation and Soil Lines in Visible Spectral Space: A Concept and Technique for Remote Estimation of Vegetation Fraction." International Journal of Remote Sensing 23 (2002): 2537−2562.

Índices de agua

NDSI

El Índice de nieve de diferencia normalizado (NDSI) está diseñado para usar MODIS (bandas 4 y 6) y Landsat TM (bandas 2 y 5) para la identificación de la cobertura de nieve a la vez que se ignora la cobertura de nubes. Como se basa en una proporción, también atenúa los efectos atmosféricos.

NDSI = (Green - SWIR) / (Green + SWIR)
  • Verde = valores de píxel de la banda verde
  • SWIR = valores de píxel de la banda infrarroja de onda corta

Referencia: Riggs, G., D. Hall y V. Salomonson. "A Snow Index for the Landsat Thematic Mapper and Moderate Resolution Imaging Spectrometer". Geoscience and Remote Sensing Symposium, IGARSS 94, Volumen 4: Surface and Atmospheric Remote Sensing: Technologies, Data Analysis, and Interpretation (1994), pp. 1942-1944.

MNDWI

El Índice de agua de diferencia normalizada modificado (MNDWI) utiliza las bandas verde y SWIR para realzar las entidades que se encuentran en mar abierto. También disminuye las entidades de área construidas que a menudo se correlacionan con el mar abierto en otros índices.

MNDWI = (Green - SWIR) / (Green + SWIR)
  • Verde = valores de píxel de la banda verde
  • SWIR = valores de píxel de la banda infrarroja de onda corta

Referencia: Xu, H. "Modification of Normalised Difference Water Index (NDWI) to Enhance Open Water Features in Remotely Sensed Imagery". International Journal of Remote Sensing 27, No. 14 (2006): 3025-3033.

(Video) How to make Normalized Difference Snow Index using ArcGIS Pro || How to create NDSI Map in ArcGIS

NDMI

El Índice de diferencia de humedad normalizado (NDMI) es sensible a los niveles de humedad de la vegetación. Se usa para monitorizar las sequías y los niveles de combustible en las áreas vulnerables a los incendios. Usa las bandas NIR y SWIR para crear una relación diseñada para mitigar la iluminación y los efectos atmosféricos.

NDMI = (NIR - SWIR1)/(NIR + SWIR1)
  • NIR = valores de píxel de la banda infrarroja cercana
  • SWIR1 = valores de píxel de la banda infrarroja de onda corta 1

Referencias:

  1. Wilson, E.H. y Sader, S.A., 2002, "Detection of forest harvest type using multiple dates of Landsat TM imagery." Remote Sensing of Environment, 80, pp. 385-396.
  2. Skakun, R.S., Wulder, M.A. y Franklin, S.E. (2003). "Sensitivity of the thematic mapper enhanced wetness difference index to detect mountain pine beetle red-attack damage."Remote Sensing of Environment, Vol. 86, Pp. 433-443.

Índices de geología

Minerales arcillosos

La relación de minerales arcillosos es una proporción entre las bandas SWIR1 y SWIR2. Esta relación aprovecha el hecho de que los minerales hídricos, como la arcilla o la alunita, absorben radiación en la parte de 2,0–2,3 micrones del espectro. Este índice atenúa los cambios de iluminación debidos al terreno, ya que se trata de una proporción.

Ratio de minerales arcillosos = SWIR1 / SWIR2
  • SWIR1 = valores de píxel de la banda infrarroja de onda corta 1
  • SWIR2 = valores de píxel de la banda infrarroja de onda corta 2

Referencia: Amro F. Alasta, "Using Remote Sensing data to identify iron deposits in central western Libya". International Conference on Emerging Trends in Computer and Image Processing (ICETCIP'2011) Bangkok Dec., 2011.

Minerales ferrosos

La relación de minerales ferrosos resalta los minerales que contienen hierro. Usa la relación entre las bandas SWIR y NIR.

Ratio de minerales ferrosos = SWIR / NIR
  • SWIR = valores de píxel de la banda infrarroja de onda corta
  • NIR = valores de píxel de la banda infrarroja cercana

Referencia: Segal, D. "Theoretical Basis for Differentiation of Ferric-Iron Bearing Minerals, Using Landsat MSS Data."Proceedings of Symposium for Remote Sensing of Environment, 2nd Thematic Conference on Remote Sensing for Exploratory Geology, Fort Worth, TX (1982): pp. 949-951.

Óxido de hierro

La relación de óxido de hierro es una proporción entre las longitudes de onda roja y azul. La presencia de filosilicatos con contenido limonítico y una alteración del óxido de hierro limonítico causan absorción en la banda azul y reflectancia en la banda roja. Esto hace que las áreas con una gran alteración de hierro brillen. La naturaleza de la relación permite que el índice atenúe las diferencias de iluminación causadas por las sombras del terreno.

Ratio de óxido de hierro = rojo / azul
  • Rojo = valores de píxel de la banda roja
  • Azul = valores de píxel de la banda azul

Referencia: Segal, D. "Theoretical Basis for Differentiation of Ferric-Iron Bearing Minerals, Using Landsat MSS Data."Proceedings of Symposium for Remote Sensing of Environment, 2nd Thematic Conference on Remote Sensing for Exploratory Geology, Fort Worth, TX (1982): pp. 949-951.

(Video) ArcGIS Online tutorial - Publish a Grid Index from ArcGIS Pro to your ArcGIS Online account

Índices de paisaje

BAI

El Índice de área calcinada (BAI) utiliza los valores de reflectancia de la parte roja y NIR del espectro para identificar las áreas del terreno afectadas por un incendio.

BAI = 1/((0.1 -RED)^2 + (0.06 - NIR)^2)
  • Rojo = valores de píxel de la banda roja
  • NIR = valores de píxel de la banda infrarroja cercana

Referencia: Chuvieco, E., M. Pilar Martín y A. Palacios. "Assessment of Different Spectral Indices in the Red-Near-Infrared Spectral Domain for Burned Land Discrimination". Remote Sensing of Environment 112 (2002): 2381-2396.

NBR

El Índice de relación de calcinación normalizado (NBRI) utiliza las bandas NIR y SWIR para destacar las áreas calcinadas a la vez que mitiga las diferencias en la iluminación y los efectos atmosféricos. Las imágenes se deben corregir a los valores de reflectancia antes de utilizar este índice; consulte la función Reflectancia aparente para más información.

NBR = (NIR - SWIR) / (NIR + SWIR)
  • NIR = valores de píxel de la banda infrarroja cercana
  • SWIR = valores de píxel de la banda infrarroja de onda corta

Referencia: Key, C. y N. Benson, N. "Landscape Assessment: Remote Sensing of Severity, the Normalized Burn Ratio; and Ground Measure of Severity, the Composite Burn Index."FIREMON: Fire Effects Monitoring and Inventory System, RMRS-GTR, Ogden, UT: USDA Forest Service, Rocky Mountain Research Station (2005).

NDBI

El Índice de áreas construidas de diferencia normalizada (NDBI) utiliza las bandas NIR y SWIR para resaltar las áreas construidas por el hombre. Se basa en una relación para mitigar los efectos de las diferencias de iluminación del terreno, así como los efectos atmosféricos.

NDBI = (SWIR - NIR) / (SWIR + NIR)
  • SWIR = valores de píxel de la banda infrarroja de onda corta
  • NIR = valores de píxel de la banda infrarroja cercana

Referencia: Zha, Y., J. Gao y S. Ni. "Use of Normalized Difference Built-Up Index in Automatically Mapping Urban Areas from TM Imagery". International Journal of Remote Sensing 24, n.° 3 (2003): 583-594.

Temas relacionados

  • Grupo de herramientas de la pestaña Imágenes
  • Exportar o convertir datasets ráster

¿Algún comentario sobre este tema?

FAQs

¿Qué es el índice vari? ›

VARI. El Índice de resistencia atmosféricamente visible (VARI) está diseñado para resaltar la vegetación en la parte visible del espectro, a la vez que mitiga las diferencias en la iluminación y los efectos atmosféricos. Resulta idóneo para las imágenes RGB o en color; utiliza las tres bandas de color.

¿Qué son los indices de vegetación? ›

El NDVI o índice de verde es un indicador que señala el verdor, densidad y salud de la vegetación en cada píxel de una imagen de satélite.

¿Qué es un índice espectral en el uso de imágenes satelitales? ›

Es un índice que permite identificar la presencia de vegetación verde en la superficie y caracterizar su distribución espacial. Se calcula como la diferencia normalizada entre la banda del rojo (R) y del infrarrojo cercano (NIR).

¿Qué es el índice Gndvi? ›

El Índice GNDVI (Vegetación de Diferencia Normalizada Verde) es un índice del “verdor” de la planta o actividad fotosintética. Es uno de los índices de vegetación más utilizados para determinar la captación de agua y nitrógeno en el dosel del cultivo.

¿Qué mide el NDVI? ›

¿Qué Mide El NDVI En Los Cultivos? De una forma simple, el NDVI mide el estado y la salud de los cultivos o el vigor de estos. Este índice de vegetación es un indicador de verdor y tiene una fuerte relación con la biomasa verde, que es indicativa de crecimiento.

¿Qué es NDVI y NDWI? ›

Los indices de vegetación, como el NDVI y el NDWI, calculados a través de datos satelitales, permiten el control del estado del cultivo y representan una herramienta de la agricultura de precisión.

¿Cómo interpretar el EVI? ›

El rango de valores del EVI es de -1 a +1, y para la vegetación sana, varía entre 0,2 y 0,8. Dato clave: El índice EVI contiene los coeficientes C1 y C2 para corregir la dispersión de los aerosoles presentes en la atmósfera y L para ajustar el fondo del suelo y del dosel de la vegetación.

¿Qué es mejor Landsat y Sentinel? ›

Sentinel, la mejor opción para imágenes de agricultura

Landsat toma imágenes con una resolución por píxel de 30 x 30 m. Esto es muy inferior a lo que logran las imágenes de agricultura de Sentinel.

¿Cómo se hace un índice de imágenes? ›

En el menú de Word, clica en “Referencias” y en una vez dentro del cuadro, haz clic en “Insertar tabla de ilustraciones”. Una vez ahí, puedes elegir entre “Figura” (ilustración) y “Tabla”, dependiendo del índice que estés creando. También puedes elegir el diseño que se adecua mejor a tu trabajo.

¿Qué es la imagen Sentinel? ›

Consiste en un portal donde se pueden realizar búsquedas de imágenes con interfaz gráfica filtrando por sensor, producto, fecha de adquisición y zona geográfica, entre otros.

¿Qué mide el índice de Paasche? ›

Índice de Paasche: media agregativa de cantidades ponderadas por los precios del periodo corriente. También el índice de Paasche se puede expresar como media aritmética ponderada de índices simples de cantidades.

¿Cómo hacer un índice de las plantas? ›

Cálculo empírico del IAF: Tomar dos plantas por unidad de estudio, medir y multiplicar largo por ancho de cada hoja, el resultado multiplicarlo por el factor 0.75, sumar los valores obtenidos de cada hoja por planta, promediar resultados de cada planta.

¿Qué es un índice de vegetación y qué aplicaciones tiene? ›

En términos generales, los índices de vegetación son medidas radiométricas sin dimensión, que combinan información de diferentes canales del espectro electromagnético para aumentar la señal de vegetación. Los índices miden la variación espacial y temporal de la actividad fotosintética de la planta.

¿Cómo interpretar imágenes NDVI? ›

Rango Del Índice NDVI

Los valores muy pequeños (0,1 o menos) de la función NDVI corresponden a áreas sin rocas, arena o nieve. Los valores moderados (de 0,2 a 0,3) representan arbustos y praderas, mientras que los valores grandes (de 0,6 a 0,8) indican bosques templados y tropicales.

¿Qué índices se utilizan para evaluar la vegetación? ›

Los índices SR, GI y RVI inician su escala desde cero; para el índice SR valores bajos corresponden a superficies descubiertas o sin vegetación, mientras que para el índice RVI valores altos corresponden a este tipo de superficies.

¿Qué es el RMS en ArcGIS? ›

El error RMS mide los errores entre los puntos de control de destino y las ubicaciones transformadas de los puntos de control de origen. La transformación se obtiene a partir de mínimos cuadrados, por lo que se pueden proporcionar más vínculos de los necesarios.

¿Qué es Insights for ArcGIS? ›

ArcGIS Insights es un espacio de trabajo de análisis que permite realizar análisis de datos iterativos y de exploración. Puede responder preguntas con datos de ArcGIS, hojas de cálculo de Excel, bases de datos empresariales y más, arrastrando los datos para realizar análisis.

¿Qué es un MPK en ArcGIS? ›

Los paquetes de teselas (. tpk) contienen un conjunto de teselas (imágenes) de un mapa o dataset ráster que se puede publicar como una capa de teselas web o una capa de elevación web. El paquete de teselas también se puede usar como un mapa base en las aplicaciones de ArcGIS.

¿Cómo se calcula el NDWI? ›

NDWI = (GREEN-NIR)/(GREEN+NIR)

La relación entre bandas permite maximizar la reflectancia del agua al trabajar con longitudes de ondas en el verde, maximiza la reflectancia de la vegetación y minimiza la reflectancia de masas de agua gracias al NIR.

¿Qué son las siglas EVI? ›

El Equipo de Valoración de Incapacidades, también conocido por sus siglas como EVI, y también como Tribunal Médico del INSS, es un equipo médico-social, encuadrado en el Instituto Nacional de la Seguridad Social, siendo un equipo técnico al que la Seguridad Social, desde el punto de vista legal, tiene encomendada la ...

¿Quién compone el EVI? ›

Según establece la ley, el equipo de valoración se compone, generalmente, por un médico inspector, el subdirector provincial de incapacidad permanente del INSS, un médico facultativo, un inspector de trabajo y seguridad social y un funcionario del departamento correspondiente.

¿Cuánto tiempo tarda en resolver el EVI? ›

El plazo máximo que contempla la ley para que el INSS notifique su resolución es de 135 días. La comunicación se realiza por escrito (normalmente con un aviso previo), y es habitual que llegue en un plazo mucho más corto que el máximo legal previsto.

¿Qué es el índice de circulación? ›

El índice de circulación indica en términos porcentuales, el porcentaje de personas que pasan por delante de una sección sobre las que entran a la tienda. Un bajo índice indica que la sección es poco visitada.

¿Qué es el índice de discriminación? ›

Así el índice de discriminación es la expresión numérica de la medida en que una pregunta separa a los examinados de más alto rendimiento de los de más bajo rendimiento.

¿Cómo calcular el índice de compra? ›

Para calcular la frecuencia de compra, divide el número total de pedidos entre el número de clientes únicos para el mismo periodo de tiempo. La frecuencia de compra es el número medio de pedidos por cliente.

¿Cómo se mide el merchandising? ›

Una forma rentable y confiable de medir la efectividad del merchandising, es utilizar el Point of Sale Data que se genera diariamente en las tiendas. Para que esto funcione se necesitan tener datos históricos de dos grupos de tiendas que se comporten de manera similar, es decir tiendas comparables.

¿Qué es el índice de capacidad de compra? ›

Ratio que expresa el porcentaje que corresponde a una zona o territorio determinado sobre las compras totales que se producen en un mercado.

¿Cómo se interpreta el índice de dificultad? ›

El índice de dificultad es la proporción de personas que responden correctamente un reactivo de una prueba. Mientras mayor sea esta proporción, menor será su dificultad. Se trata de una relación inversa: a mayor dificultad del ítem, menor será su índice de dificultad.

¿Cómo calcular el índice de dificultad? ›

Índice de dificultad (ID) = Σ RCP/ n

n : Nº total de participantes evaluados. El valor obtenido debe ser positivo y estar comprendido entre 0,00 y 1,00 para discernir el grado de dificultad del ítem.

¿Cuántos grados de discriminación existen? ›

Existen tres tipos de discriminación de precios: primer, segundo y tercer grado. Primer grado o discriminación perfecta: Ocurre cuando el vendedor conoce la disposición a pagar de cada consumidor y le cobra el precio máximo que está dispuesto a pagar por cada unidad.

Videos

1. ArcGIS Pro: Interactive Cut and Fill Exploratory Analysis Tool
(Tessellations Incorporated)
2. ArcGIS Pro: Image Stack and Band Combinations
(Aaron Maxwell)
3. Downloading Using and Analyzing Lidar Data in ArcGIS Pro
(Our Earth)
4. Basics, ArcGIS Pro. Extensions and Tools
(GeoInfo)
5. Work with a grid in ArcGIS Pro
(ArcGIS)
6. ArcGis Pro - Crear Proyecto con Shapefiles
(Rodolfo Franco)
Top Articles
Latest Posts
Article information

Author: Domingo Moore

Last Updated: 02/22/2023

Views: 6432

Rating: 4.2 / 5 (73 voted)

Reviews: 80% of readers found this page helpful

Author information

Name: Domingo Moore

Birthday: 1997-05-20

Address: 6485 Kohler Route, Antonioton, VT 77375-0299

Phone: +3213869077934

Job: Sales Analyst

Hobby: Kayaking, Roller skating, Cabaret, Rugby, Homebrewing, Creative writing, amateur radio

Introduction: My name is Domingo Moore, I am a attractive, gorgeous, funny, jolly, spotless, nice, fantastic person who loves writing and wants to share my knowledge and understanding with you.