Índices de vegetación para la clasificación de coberturas del terreno: cuenca del río Combeima, Colombia

• Julián Leal Villamil ^[1] ; Mauricio Alejandro Perea Ardila ^[2] ; Jaime López Carvajal
  1. [1] Universidad del Tolima

     Universidad del Tolima

     Colombia

     
  2. [2] Centro de Investigaciones Oceanográficas e Hidrográficas del Pacífico
• Localización: Revista geográfica venezolana, ISSN-e 2244-8853, ISSN 1012-1617, Vol. 61, Nº 2, 2020, págs. 396-411
• Idioma: español
• Títulos paralelos:
  • Vegetation indices for land cover classification: River Combeima basin, Colombia
• Enlaces
  • Texto completo
• Resumen
  • español

    La determinación de las coberturas del terreno es un factor trascendental en el conocimiento y entendimiento de las complejas dinámicas territoriales en un área específica; a su vez, son un insumo básico de la planificación del territorio y sus recursos naturales. El presente estudio tuvo por objeto evaluar la aplicación de cuatro índices de vegetación (RATIO, NDVI, NRVI, CTVI), para determinar las coberturas presentes en la parte media de la cuenca del río Combeima, empleando el proceso de clasificación supervisada de máxima verosimilitud en una imagen Pleiades de alta resolución espacial (0,5m). Los resultados demuestran que el uso de los cuatro índices de vegetación, como apoyo al proceso de clasificación supervisada, presentó mejores valores en los índices de calidad temática de la interpretación, siendo el índice RATIO el que registró mayor valor, incrementando en 0,24 el valor Kappa respecto al uso exclusivo de las bandas originales de la imagen.

  • English

    Land cover determination is a transcendental factor in the knowledge and understanding of complex spatial dynamics in a specific area, also, they are a basic input in land planning and its natural resources. The purpose of this study was to evaluate the application of four vegetation indices (RATIO, NDVI, NRVI, CTVI) to estimate the land cover present in the middle part of the Combeima river basin by using the maximum likelihood supervised classification method in a high spatial resolution Pleiades image (0,5m).

    The results showed that the use of the four vegetation indices, as a support to the supervised classification process, showed better values in the thematic quality indexes of interpretation, with the RATIO index being the best performer, increasing Kappa value by 0,24 with respect to the use of the original image bands.