COMPARACIÓN DE MÉTODOS DE CLASIFICACIÓN APLICADOS A IMÁGENES SENTINEL-2 Y LANDSAT-8, PARA LA DIFERENCIACIÓN DE PLANTACIONES FORESTALES EN ENTRE RÍOS, ARGENTINA.
{"title":"COMPARACIÓN DE MÉTODOS DE CLASIFICACIÓN APLICADOS A IMÁGENES SENTINEL-2 Y LANDSAT-8, PARA LA DIFERENCIACIÓN DE PLANTACIONES FORESTALES EN ENTRE RÍOS, ARGENTINA.","authors":"E. Avogadro, Joan Cristian Padró Garcia","doi":"10.21138/gf.652","DOIUrl":null,"url":null,"abstract":"En Argentina las plantaciones alcanzan 1.2 millones de hectareas. Se plantea si la clasificacion automatica (CA) de imagenes 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 analizo que combinacion de CA y sensor es mas preciso, y cuales son las caracteristicas de S2 y L8 que dan lugar a diferencias. El area de estudio fue el departamento de Concordia (Entre Rios, Argentina). Se compararon tres metodos de CA: supervisado parametrico (minima distancia euclidiana), supervisado no parametrico (kNN) y no supervisado (IsoData Hibrido). El kNN, con Acierto Global de 91.4% para S2, es el mas preciso. En conclusion, la CA es precisa y fiable para ser complementaria a la fotointerpretacion. La resolucion espectral y espacial de MSI no aporta una mejora relevante en la CA.","PeriodicalId":53900,"journal":{"name":"Geofocus-Revista Internacional de Ciencia y TecnologIa de la InformaciOn GeogrAfica","volume":null,"pages":null},"PeriodicalIF":0.4000,"publicationDate":"2019-12-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"2","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Geofocus-Revista Internacional de Ciencia y TecnologIa de la InformaciOn GeogrAfica","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.21138/gf.652","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"GEOSCIENCES, MULTIDISCIPLINARY","Score":null,"Total":0}
引用次数: 2
Abstract
En Argentina las plantaciones alcanzan 1.2 millones de hectareas. Se plantea si la clasificacion automatica (CA) de imagenes 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 analizo que combinacion de CA y sensor es mas preciso, y cuales son las caracteristicas de S2 y L8 que dan lugar a diferencias. El area de estudio fue el departamento de Concordia (Entre Rios, Argentina). Se compararon tres metodos de CA: supervisado parametrico (minima distancia euclidiana), supervisado no parametrico (kNN) y no supervisado (IsoData Hibrido). El kNN, con Acierto Global de 91.4% para S2, es el mas preciso. En conclusion, la CA es precisa y fiable para ser complementaria a la fotointerpretacion. La resolucion espectral y espacial de MSI no aporta una mejora relevante en la CA.