Aplicación del algoritmo de redes elásticas en imágenes satelitales

Erick Príncipe, B. Willems
{"title":"Aplicación del algoritmo de redes elásticas en imágenes satelitales","authors":"Erick Príncipe, B. Willems","doi":"10.15381/rif.v21i1.20179","DOIUrl":null,"url":null,"abstract":"Esta investigación se realizó en el Santuario Nacional Los Manglares de Tumbes (SNLMT), ubicado en el distrito de Zarumilla departamento de Tumbes, está orientada a implementar una metodología que permita caracterizar la cobertura de manglar. Para ello, se analizó y procesó la imagen del sensor TM del satélites LandSat 5 evaluando una serie de parámetros relacionados a la supercie del suelo, tales como SAVI (Índice de vegetación ajustado al suelo), NDVI (Índice de vegetación de diferencia normalizada) y NDWI (Índice de agua de diferencia normalizada) con miras a establecer el índice óptimo que permita discriminar las diferentes componentes de cobertura de suelo del Santuario. El indice óptimo (SAVI) antes descrito fue introducido en el Algoritmo de las Redes Elásticas (ENA, por sus siglas en ingles) para la clasicación de la cobertura de suelo del SNLMT. Las imágenes construidas a partir de los resultados ENA, fueron sometidos al proceso de validación empleando métodos convencionales como el algoritmo de máxima verosimilitud (AMV). Tal proceso de validación consistió en realizar los análisis y comparaciones de las grácas de rmas espectrales promedio de cada clase informacional obtenidos tanto con ENA y AMV, dando como resultados similares grácas donde el RMSE fue por debajo de 0.052 (adimensional) y el factor de correlación sobre r=0.886. Esto indica que el método ENA resulta ser una herramienta ecaz para la subdivisión de clases de cobertura manglar.","PeriodicalId":440559,"journal":{"name":"Revista de Investigación de Física","volume":"248 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2018-07-14","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Revista de Investigación de Física","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.15381/rif.v21i1.20179","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 1

Abstract

Esta investigación se realizó en el Santuario Nacional Los Manglares de Tumbes (SNLMT), ubicado en el distrito de Zarumilla departamento de Tumbes, está orientada a implementar una metodología que permita caracterizar la cobertura de manglar. Para ello, se analizó y procesó la imagen del sensor TM del satélites LandSat 5 evaluando una serie de parámetros relacionados a la supercie del suelo, tales como SAVI (Índice de vegetación ajustado al suelo), NDVI (Índice de vegetación de diferencia normalizada) y NDWI (Índice de agua de diferencia normalizada) con miras a establecer el índice óptimo que permita discriminar las diferentes componentes de cobertura de suelo del Santuario. El indice óptimo (SAVI) antes descrito fue introducido en el Algoritmo de las Redes Elásticas (ENA, por sus siglas en ingles) para la clasicación de la cobertura de suelo del SNLMT. Las imágenes construidas a partir de los resultados ENA, fueron sometidos al proceso de validación empleando métodos convencionales como el algoritmo de máxima verosimilitud (AMV). Tal proceso de validación consistió en realizar los análisis y comparaciones de las grácas de rmas espectrales promedio de cada clase informacional obtenidos tanto con ENA y AMV, dando como resultados similares grácas donde el RMSE fue por debajo de 0.052 (adimensional) y el factor de correlación sobre r=0.886. Esto indica que el método ENA resulta ser una herramienta ecaz para la subdivisión de clases de cobertura manglar.
弹性网络算法在卫星图像中的应用
这项研究是在Tumbes省Zarumilla区Tumbes国家保护区(SNLMT)进行的,目的是实施一种方法来描述红树林覆盖的特征。为此,审查和处理了5类卫星的传感器的卫星图像评估一系列相关参数等土壤supercie赛维紧地面植被指数标准,归一化植被指数(NDVI)和NDWI指数(水标准的差距),以期建立优化指数以区分土壤覆盖不同组成部分的避难所。本文将上述最优指数(SAVI)引入弹性网络算法(ENA)中,对SNLMT的土地覆盖进行分类。利用ENA结果构建的图像,采用最大似是而非算法(AMV)等传统方法进行验证。这一验证过程包括对ENA和AMV获得的每个信息类的平均光谱均方根图进行分析和比较,得到RMSE低于0.052(无量纲)和r=0.886的相似图结果。这表明ENA方法是划分红树林覆盖类别的有效工具。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信