Cartografía de coberturas del suelo mediante sensores remotos de la ciudad de Resistencia, Argentina (2013)

Los Sensores Remotos se han convertido en los últimos tiempos en una herramienta importante para la planificación territorial, debido a la originalidad metodológica con la cual operan y el amplio espectro de observación de la superficie terrestre. El número de algoritmos disponibles en la literatura...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autores principales: Da Silva, Cristian Javier, Insaurralde, Juan Ariel, Cardozo, Osvaldo Daniel
Formato: Artículo
Lenguaje:Español
Publicado: Universidad Nacional del Nordeste. Facultad de Humanidades 2022
Materias:
Sensores remotos
MNDWI
NDVI
Clasificación no supervisada
Árbol de decisión
Remote Sensing
Unsupervised Classification
Decision Tree
Acceso en línea:http://repositorio.unne.edu.ar/handle/123456789/50229
Aporte de:
RIUNNE - Repositorio Institucional de la Universidad Nacional del Nordeste (UNNE) de Universidad Nacional del Nordeste
id I48-R184-123456789-50229
record_format dspace
spelling I48-R184-123456789-502292024-11-15T10:36:42Z Cartografía de coberturas del suelo mediante sensores remotos de la ciudad de Resistencia, Argentina (2013) Mapping ofland coverages through remote sensing, in Resistencia city, Argentina (2013) Da Silva, Cristian Javier Insaurralde, Juan Ariel Cardozo, Osvaldo Daniel Sensores remotos MNDWI NDVI Clasificación no supervisada Árbol de decisión Remote Sensing MNDWI NDVI Unsupervised Classification Decision Tree Los Sensores Remotos se han convertido en los últimos tiempos en una herramienta importante para la planificación territorial, debido a la originalidad metodológica con la cual operan y el amplio espectro de observación de la superficie terrestre. El número de algoritmos disponibles en la literatura científica, permiten tratar individualmente muchas de las coberturas terrestres y caracterizarlas en base a su comportamiento espectral.En el presente trabajo se han aplicado dos métodos de clasificación de imágenes: árboles de decisión o reglas y clasificación no supervisada. También se han calculado índices de vegetación y de agua (NDVI y MNDWI), para identificar las coberturas y generar cartografía temática que sirva como base para posteriores estudios. Además, se ha elaborado la matriz de confusión con el fin de determinar la validez de la clasificación obtenida.Como resultado, se han obtenidos coberturas de vegetación, urbano, cursos y cuerpos de agua, clasificados a partir de técnicas oportunamente mencionadas, que brindan una fiabilidad global del orden del 61%, y si se consideran de manera individual (urbano y cuerpos y cursos de agua), las mismas alcanzan una precisión superior al 70%. Remote Sensing has become in recent years an important tool for land use planning, due to the methodological originality with which it operates and the wide view of the Earth surface. The range of image processing algorithms available today in scientific literature allows that many coverages can be treated individually and can be characterized by their spectral behavior. In this paper we have applied different image classification methods such as decision tree or rules, unsupervised classification, have also been calculated Normalized Difference Vegetation Index (NDVI) and Modified Normalized Difference Water Index (MNDWI) to identify coverages and generate thematic mapper, as the basis for further studies. Furthermore, has been applied the confusion matrix in order to determine validity of the classification obtained. Have been obtained coverages vegetation, urban, courses and water bodies, that they have classified by mentioned techniques the previous paragraph, which provide a global reliability of the order of 61%, and if considered individually (urban and bodies and waterways) , they reach an accuracy above 70%. 2022-09-06T18:34:17Z 2022-09-06T18:34:17Z 2014-03-05 Artículo Da Silva, Cristian Javier, Insaurralde, Juan Ariel y Cardozo, Osvaldo Daniel, 2015. Cartografía de coberturas del suelo mediante sensores remotos de la ciudad de Resistencia, Argentina (2013). Geográfica digital. Resistencia: Universidad Nacional del Nordeste. Facultad de Humanidades, vol. 11, no. 21, p. 1-18. E-ISSN 1668-5180. http://dx.doi.org/10.30972/geo.11212103 http://repositorio.unne.edu.ar/handle/123456789/50229 spa https://revistas.unne.edu.ar/index.php/geo/article/view/2103 http://dx.doi.org/10.30972/geo.11212103 openAccess http://creativecommons.org/licenses/by-nc-nd/2.5/ar/ application/pdf p. 1-18 application/pdf Universidad Nacional del Nordeste. Facultad de Humanidades Geográfica digital, 2014, vol. 11, no. 21, p. 1-18
institution Universidad Nacional del Nordeste
institution_str I-48
repository_str R-184
collection RIUNNE - Repositorio Institucional de la Universidad Nacional del Nordeste (UNNE)
language Español
topic Sensores remotos
MNDWI
NDVI
Clasificación no supervisada
Árbol de decisión
Remote Sensing
MNDWI
NDVI
Unsupervised Classification
Decision Tree
spellingShingle Sensores remotos
MNDWI
NDVI
Clasificación no supervisada
Árbol de decisión
Remote Sensing
MNDWI
NDVI
Unsupervised Classification
Decision Tree
Da Silva, Cristian Javier
Insaurralde, Juan Ariel
Cardozo, Osvaldo Daniel
Cartografía de coberturas del suelo mediante sensores remotos de la ciudad de Resistencia, Argentina (2013)
topic_facet Sensores remotos
MNDWI
NDVI
Clasificación no supervisada
Árbol de decisión
Remote Sensing
MNDWI
NDVI
Unsupervised Classification
Decision Tree
description Los Sensores Remotos se han convertido en los últimos tiempos en una herramienta importante para la planificación territorial, debido a la originalidad metodológica con la cual operan y el amplio espectro de observación de la superficie terrestre. El número de algoritmos disponibles en la literatura científica, permiten tratar individualmente muchas de las coberturas terrestres y caracterizarlas en base a su comportamiento espectral.En el presente trabajo se han aplicado dos métodos de clasificación de imágenes: árboles de decisión o reglas y clasificación no supervisada. También se han calculado índices de vegetación y de agua (NDVI y MNDWI), para identificar las coberturas y generar cartografía temática que sirva como base para posteriores estudios. Además, se ha elaborado la matriz de confusión con el fin de determinar la validez de la clasificación obtenida.Como resultado, se han obtenidos coberturas de vegetación, urbano, cursos y cuerpos de agua, clasificados a partir de técnicas oportunamente mencionadas, que brindan una fiabilidad global del orden del 61%, y si se consideran de manera individual (urbano y cuerpos y cursos de agua), las mismas alcanzan una precisión superior al 70%.
format Artículo
author Da Silva, Cristian Javier
Insaurralde, Juan Ariel
Cardozo, Osvaldo Daniel
author_facet Da Silva, Cristian Javier
Insaurralde, Juan Ariel
Cardozo, Osvaldo Daniel
author_sort Da Silva, Cristian Javier
title Cartografía de coberturas del suelo mediante sensores remotos de la ciudad de Resistencia, Argentina (2013)
title_short Cartografía de coberturas del suelo mediante sensores remotos de la ciudad de Resistencia, Argentina (2013)
title_full Cartografía de coberturas del suelo mediante sensores remotos de la ciudad de Resistencia, Argentina (2013)
title_fullStr Cartografía de coberturas del suelo mediante sensores remotos de la ciudad de Resistencia, Argentina (2013)
title_full_unstemmed Cartografía de coberturas del suelo mediante sensores remotos de la ciudad de Resistencia, Argentina (2013)
title_sort cartografía de coberturas del suelo mediante sensores remotos de la ciudad de resistencia, argentina (2013)
publisher Universidad Nacional del Nordeste. Facultad de Humanidades
publishDate 2022
url http://repositorio.unne.edu.ar/handle/123456789/50229
work_keys_str_mv AT dasilvacristianjavier cartografiadecoberturasdelsuelomediantesensoresremotosdelaciudadderesistenciaargentina2013
AT insaurraldejuanariel cartografiadecoberturasdelsuelomediantesensoresremotosdelaciudadderesistenciaargentina2013
AT cardozoosvaldodaniel cartografiadecoberturasdelsuelomediantesensoresremotosdelaciudadderesistenciaargentina2013
AT dasilvacristianjavier mappingoflandcoveragesthroughremotesensinginresistenciacityargentina2013
AT insaurraldejuanariel mappingoflandcoveragesthroughremotesensinginresistenciacityargentina2013
AT cardozoosvaldodaniel mappingoflandcoveragesthroughremotesensinginresistenciacityargentina2013
_version_ 1832343624020393984

Ejemplares similares