SciELO - Scientific Electronic Library Online

 
vol.40 número2Side effects of the natural pesticide Spinosad (GF-120 Formulation) on Eretmocerus paulistus (Hymenoptera: Aphelinidae), a parasitoid of the whitefly Aleurothrixus floccosus (Hemiptera: Aleyrodidae), under laboratory conditionsProductividad y colaboración científica en viticultura y enología en los países latinoamericanos índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

Links relacionados

Compartir


Ciencia e investigación agraria

versión On-line ISSN 0718-1620

Resumen

SOUZA, Carlos H. Wachholz de; MERCANTE, Erivelto; PRUDENTE, Victor H. R.  y  JUSTINA, Diego D.D.. Métodos de evaluación de desempeño para la clasificación supervisada de imágenes satelitales en la determinación de las clases de cobertura terrestre. Cienc. Inv. Agr. [online]. 2013, vol.40, n.2, pp.419-428. ISSN 0718-1620.  http://dx.doi.org/10.4067/S0718-16202013000200016.

C.H.W. Souza, E. Mercante, V.H.R. Prudente y D.D.D. Justina. 2013. Métodos de evaluación de desempeño para la clasificación supervisada de imágenes satelitales en la determinación de las clases de cobertura terrestre. Cien. Inv. Agr. 40(2): 419-428. Imágenes satelitales junto con técnicas de sensoriarniento remoto ofrecen nuevas oportunidades para el monitoreo y evaluación de cultivos, con menores costos y una mayor objetividad en relación a los métodos tradicionales. La presente investigación utilizó imágenes de satélite Landsat 5/TM para identificar las clases de cobertura del suelo en Cafelândia (Paraná, Brasil), un municipio predominantemente agrícola. Cinco métodos de clasificación supervisada: Paralelepípedo (PL), Distancia mínima (MND), Distancia de Mahalanobis (MHD), Máximo probabilidad (MLC) y Mapeador de Ángulo Espectral (SAM) fueron probados en este trabajo. Con el fin de evaluar la eficiencia de las clasificaciones, se utilizaron índices y métricas de precisión obtenidos a través de matrices de errores y confusión total. Los resultados indicaron que los clasificadores de distancia de Mahalanobis y SAM superaron a los demás, consiguiendo los mejores resultados y proporcionando los menores errores para las cuatro clases estudiadas (soja, maíz, bosque, suelo desnudo), con valores de precisión global de 88 y 86%, respectivamente, y valores de índice de Kappa de 0,83 y 0,80, respectivamente. Para las métricas aplicadas, los valores fueron 0,88 y 0,86 para el índice de sensibilidad, 0,96 y 0,95 para el índice de especificidad y de 0,84 y 0,81 para el coeficiente de correlación de Matthews, respectivamente. La elección de los diferentes tipos de clasificadores claramente resultó en grandes variaciones en el desempeño del mapeamiento de la cobertura y uso de la tierra. El uso de las medidas obtenidas a partir de la matriz de errores es un método adecuado para hacer comparaciones entre mapas temáticos.

Palabras clave : Clasificadores; índices de precisión; paisaje agrícola; sensoriamento remoto.

        · resumen en Inglés     · texto en Inglés     · Inglés ( pdf )

 

Creative Commons License Todo el contenido de esta revista, excepto dónde está identificado, está bajo una Licencia Creative Commons