Comparación de métodos de clasificación aplicados a imágenes sentinel-2 y landsat-8, para la diferenciación de plantaciones forestales en entre ríos, argentina.
- Autores: Evangelina Gabriela Avogadro, Joan-Cristian Padró
- Localización: Geofocus: Revista Internacional de Ciencia y Tecnología de la Información Geográfica, ISSN-e 1578-5157, Nº. 24, 2019
- Idioma: español
- Enlaces
-
Resumen
En Argentina las plantaciones alcanzan 1.2 millones de hectáreas. Se plantea si la clasificación automática (CA) de imágenes de los sensores MSI (MultiSpectral Imager) de Sentinel-2 (S2) y OLI (Operational Land Imager) de Landsat-8 (L8) puede ser precisa y fiable para identificar plantaciones. Se analizó qué combinación de CA y sensor es más preciso, y cuáles son las características de S2 y L8 que dan lugar a diferencias. El área de estudio fue el departamento de Concordia (Entre Ríos, Argentina). Se compararon tres métodos de CA: supervisado paramétrico (mínima distancia euclidiana), supervisado no paramétrico (kNN) y no supervisado (IsoData Híbrido). El kNN, con Acierto Global de 91.4% para S2, es el más preciso. En conclusión, la CA es precisa y fiable para ser complementaria a la fotointerpretación. La resolución espectral y espacial de MSI no aporta una mejora relevante en la CA.
