header

Balancing misclassification errors of land cover classification maps using support vector machines and Landsat imagery in the Maipo river basin Central Chile

Año: 2013
Categoría: Cuenca del Maipo, Mapa de uso de suelos, Uso de suelos

Autores: Olga Lucia Puertas, Alexander Brenning, Francisco Javier Meza

Revista: Remote Sensing of Environment 137 (2013) 112–123

Link a la publicación

Abstract

La capacidad de realizar análisis de cambio de cobertura terrestre basados en mapas de la Clasificación de Uso / Cubierta (LUCC, por sus siglas en inglés) a partir de datos de teledetección depende de la calidad del método de mapeo. Las áreas de cobertura de tierras obtenidas de clasificadores no ajustados con clasificaciones desequilibradas entre diferentes clases podrían resultar en la identificación errónea de tendencias. El objetivo de nuestro trabajo es describir un nuevo enfoque para la obtención de mapas LUCC con errores de clasificación errónea equilibrada y, por tanto, áreas no predichas para cada clase.

Esto se logra minimizando numéricamente las diferencias entre las proporciones de área obtenidas con estimaciones de referencia estadística no sesgadas, que se mide por una cantidad a la que nos referimos como la suma de desequilibrio de cuadratura de clase (SSCU). Evaluamos los métodos propuestos en el contexto de la clasificación de la cubierta vegetal con clasificadores de máquinas vectoriales de apoyo en cuatro puntos entre 1975 y 2010 en la cuenca del río Maipo (Chile Central), basados en imágenes Landsat. En este estudio, la optimización redujo la SSCU (θ) en un 94% en promedio en comparación con la clasificación no ajustada. El ajuste del clasificador también aumentó ligeramente la precisión de los mapas LUCC resultantes. La cantidad de sesgo en el área de cobertura territorial clasificada y el grado de desequilibrio de los errores de clasificación errónea difieren entre las clases de cobertura del suelo. Las tierras agrícolas mostraron la mayor reducción en las diferencias relativas medias del 27% al 2% en comparación con las estimaciones de áreas estadísticas imparciales. El mayor incremento en la precisión del usuario se obtuvo para la cobertura de la tierra urbana en 1999, donde se logró un incremento del 56% al 85%. Las mejoras cualitativas en la clasificación fueron visibles en áreas de clasificación difíciles tales como las llanuras inundables secas. El método propuesto se recomienda especialmente para los estudios que tienen como objetivo proporcionar comparaciones multi-temporales.

Noticias

Sector Agroforestal: ¿Cómo se prepara para un futuro resiliente y bajo en emisiones de carbono?

23-04-2019

En el marco del Ciclo de Seminarios "Chile se prepara para recibir la COP25", desarrollado en conjunto a Líderes Empresariales Contra el Cambio Climático, CLG-Chile durante este año, el martes 23...

Agenda