COMPARACIÓN DE MÉTODOS DE CLASIFICACIÓN APLICADOS A IMÁGENES SENTINEL-2 Y LANDSAT-8, PARA LA DIFERENCIACIÓN DE PLANTACIONES FORESTALES EN ENTRE RÍOS, ARGENTINA.

IF 0.4 Q4 GEOSCIENCES, MULTIDISCIPLINARY
E. Avogadro, Joan Cristian Padró Garcia
{"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.
比较应用于SENTINEL-2和LANDSAT-8图像的分类方法,以区分阿根廷恩特雷里奥斯的森林人林。
在阿根廷,种植园达到120万公顷。提出了Sentinel-2(S2)和Landsat-8(L8)的MSI(多光谱成像仪)传感器图像的自动分类(CA)是否可以准确可靠地识别种植园。分析了交流与传感器组合精度较高的原因,以及导致差异的S2和L8的特点。研究区域是康科迪亚省(阿根廷恩特雷里奥斯)。比较了三种CA方法:有监督的参数(最小欧几里德距离)、有监督的非参数(KNN)和无监督(混合ISODATA)。KNN对S2的总体命中率为91.4%,是最准确的。总之,CA是对摄影解释的补充,是准确可靠的。MSI的光谱和空间分辨率并没有显著改善CA。
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
CiteScore
0.50
自引率
0.00%
发文量
8
审稿时长
12 weeks
×
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