Clasificación de usos del suelo a partir de imágenes Sentinel-2

  1. Borràs, J.
  2. Delegido, J.
  3. Pezzola, A.
  4. Pereira, M.
  5. Morassi, G.
  6. Camps-Valls, G.
Revista:
Revista de teledetección: Revista de la Asociación Española de Teledetección

ISSN: 1133-0953

Año de publicación: 2017

Número: 48

Páginas: 55-66

Tipo: Artículo

DOI: 10.4995/RAET.2017.7133 DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Otras publicaciones en: Revista de teledetección: Revista de la Asociación Española de Teledetección

Objetivos de desarrollo sostenible

Resumen

Sentinel-2 (S2) es un nuevo satélite de la ESA que cuenta con 13 bandas proporcionando imágenes de alta calidad radiométrica y excelente resolución espacial (10 y 20 m) ideal para trabajos de clasificación. En este trabajo se han abordado dos objetivos: determinar el mejor método de clasificación con S2, y cuantificar su mejora respecto a otras misiones operativas, como SPOT. Para ello se han seleccionado cuatro clasificadores (LDA, RF, Árboles de decisión, K-NN) que se han aplicado en dos zonas agrarias: una en la huerta de Valencia (España) y otra en la región de Buenos Aires (Argentina). Se han probado todos los clasificadores usando, por una parte, todas las bandas de S2, y por otra usando sólo las cuatro que coinciden con SPOT. En todos los casos se han aplicando porcentajes entre el 10 y el 50% de datos de entrenamiento y usado el resto de datos como validación. Como resultado se ha generado un mapa de usos del suelo a partir del mejor clasificador, basándose en el índice Kappa, proporcionando información científicamente relevante como es el área ocupada por cada una de las clases.

Referencias bibliográficas

  • Abraira, V. 2001. El índice kappa. Semergen, 27(5), 247-249. https://doi.org/10.1016/S1138- 3593(01)73955-X
  • Breiman, L. 1984. Classification and regression trees. Chapman & Hall/CRC. Breiman, L. 2001. Random forests. Machine Learning, 45(1), 5-32. https://doi. org/10.1023/A:1010933404324
  • Camps-Valls, G., Gómez Chova, L., Muñoz Marí, J., Rojo Álvarez, J.L., Martínez-Ramón, M. 2008. Kernel based framework for muli-temporal and multi-source remote sensing data classification and change detection. IEEE Trans. Geosc. Rem. Sens., 46(6), 1822-1835. https://doi.org/10.1109/ TGRS.2008.916201
  • Camps-Valls, G., Tuia, D., Gómez-Chova, L., Jiménez, S., Malo, J. 2011. Remote Sensing Image Processing. Synthesis Lectures on Image, Video, and Multimedia Processing, 5(1), 1-192. https://doi.org/10.2200/ S00392ED1V01Y201107IVM012
  • Cohen J. A. 1960. Coefficient of agreement for nominal scales. Educ. Psychol. Meas., 20(1), 37-46. https:// doi.org/10.1177/001316446002000104
  • Comber, A., Fisher, P., Wadsworth, R. 2005. You know what land cover is but does anyone else? ... an investigation into semantic and ontological confusion. International Journal of Remote Sensing, 26(1), 223- 228. https://doi.org/10.1080/0143116042000274032
  • Del Bosque, I., Arozarena, A., Villa, G., Valcárcel, N., Porcuna, A. 2005. Creación de un sistema de información geográfico de ocupación del suelo en España."Proyecto SIOSE". Actas del XI Congreso Nacional de Teledetección, 21-23 Septiembre, Puerto de la Cruz, España, 255-262.
  • Delegido, J., Verrelst, J., Alonso, L., Moreno, J. 2011. Evaluation of Sentinel-2 Red-Edge Bands for Empirical Estimation of Green LAI and Chlorophyll Content. Sensors, 11, 7063-7081. https://doi. org/10.3390/s110707063
  • Drusch, M., Del Bello, U., Carlier, S., Colin, O., Fernández, V., Gascón, F., Hoersch, B., Isola, C., Laberinti, P., Martimort, P., Meygret, A., Spoto, F., Sy, O., Marchese, F., Bargellini, P. 2012. Sentinel-2:ESA’s Optical High-Resolution Mission for GMES Operational Services. Remote sensing of Environment, 120, 25-36. https://doi.org/10.1016/j. rse.2011.11.026
  • ESA. 2016. www.esa.int/. Consultado el 10 de julio de 2016.
  • Gislason, P.O., Benediktsson, J.A., Sveinsson, J.R. 2006. Random Forests for land cover classification. Pattern Recognition Letters, 27(4), 294-300. https:// doi.org/10.1016/j.patrec.2005.08.011
  • Hastie, T., Tibshirani, R., Friedman, J. 2009. The Elements of Statistical Learning: Data Mining, Inference, and Prediction, 2nd ed.; Springer: New York, NY, USA. https://doi.org/10.1007/978-0-387- 84858-7
  • Immitzer, M., Atzberger, C., Koukal, T. 2012. Tree species classification with Random Forest using very high spatial resolution 8-band WorldView-2 satellite data. Remote Sensing, 4, 2661-2693. https:// doi.org/10.3390/rs4092661
  • James, G., Witten, D., Hastie, T., Tibshiram, R. 2015. An Introduction to Statistical Learning with Applications in R. In Springer Texts in Statistics. Volume 103. https://doi.org/10.1007/978-1-4614- 7138-7
  • Landis, J.R., Koch, G.G. 1977. The measurement of observer agreement for categorical data. Biometrics, 33, 159-174. https://doi.org/10.2307/2529310
  • López González, F.J., Crecente Maseda, R., Álvarez López, C.J. 2002. Los usos del suelo analizados mediante S.I.G. XIV Congreso de Ingeniería Gráfica. 5-7 Junio, Santander, España.
  • Manual de usuario de Sentinel 2-ESA. Julio 2015.
  • Martimort, P., Berger, M., Carnicero, B., Del Bello, U., Fernández, V., Gascón, F., et al. 2007. Sentinel-2: Optical high-resolution mission for GMES operational services. Geoscience and Remote Sensing Symposium, 2007. IGARSS 2007. IEEE International, 131, 18-23. https://doi.org/10.1109/ igarss.2007.4423394
  • Mena, A.J. 2014. Procesamiento de imágenes satelitales multiespectrales. Proyecto final de carrera, Facultad de Informática, Universidad del País Vasco.
  • Pezzola, A. 2014. Transformaciones territoriales producto del riego en el Valle Bonaerense del Río Colorado. Departamento de geografía y turismo, UNS, provincia de Buenos Aires.
  • Quinlan, J.R. 1993. Programs for Machine Learning. 1st ed. San Mateo, CA, Morgan.
  • Rees, G. 2005. The Remote Sensing Data Book. Cambridge University Press, 262 pp.
  • Rodríguez-Galiano, V., Chica-Rivas, M. 2012. Clasificación de imágenes de satélite mediante software libre: Nuevas tendencias en algoritmos de Inteligencia artificial. Departamento de Geodinámica, Universidad de Granada.
Fuente de los datos: Dialnet