CONICET | Buscador de Institutos y Recursos Humanos

Las aplicaciones de la tecnología satelital en la producción agropecuaria y el manejo de recursos naturales se ha incrementado notablemente en las últimas dos décadas. Aparte del creciente uso de dispositivos basados en la tecnología GPS, la clasificación de imágenes satelitales para la detección de diversos tipos de cobertura de suelo está cobrando gran importancia. Esta última técnica se está aplicando al monitoreo de cultivos, pronóstico de rendimientos, evaluación de la desertización, detección de infestaciones de diversas plagas, entre otras aplicaciones. Uno de los algoritmos de clasificación más empleados, el de máxima verosimilitud (MV), se basa en el cálculo de un vector medio y una matriz de covarianza para cada clase espectral, cálculo que es posible si se dispone de un número elevado de pixeles de cada clase para el entrenamiento. El método de Mínima Distancia a la Media (MDM) puede brindar mejores resultados cuando la calidad de los sitios de entrenamiento es baja (si presentan alta variabilidad). En situaciones donde esto no se cumple, los resultados arrojados por este algoritmo suelen ser pobres, y otros métodos de clasificación resultan más convenientes (Uma Shankar, 2007). Las redes neuronales (RN) están cobrando cada vez mayor relevancia en el procesamiento de imágenes satelitales, debido a su eficiencia, a la posibilidad de reducir los datos necesarios para el entrenamiento y a que no dependen de supuestos estadísticos sobre la distribución de los datos (Jarvis y Stuart, 1996). Existe una amplia diversidad de modelos de RN que han sido aplicados en la clasificación de imágenes: perceptrón multicapa feed-forward (Kaul y col., 2005); mapas de Kohonen (Tissari y col., 2007); RN de función radial de base (Murnion y Kubo, 1998); RN en diamante binario (Murnion, 1996). La detección de cultivos en la Región Pampeana utilizando imágenes satelitales es una herramienta cuya importancia se ha incrementado en las últimas dos décadas y la aplicación de RN para este fin se ha iniciado recientemente en la región (Bocco y col., 2007). El objetivo de este trabajo es estudiar la aptitud de diferentes modelos de RN para detectar lotes cultivados con trigo en la región central de la provincia de Córdoba y compararlos con las técnicas de clasificación MV y MDM. Se emplearon tres imágenes Landsat 5 TM correspondientes a marzo, septiembre y noviembre de 2005. Utilizando el software Idrisi Andes (Clark Labs, Clark University, Worcester, EEUU, 2006) se realizaron clasificaciones supervisadas aplicando los métodos de MV y MDM y RN del tipo MLP de diversa arquitectura, empleando las mismos sitios de entrenamiento en todos los casos. Los primeros resultados muestran que las clasificaciones con MLP produjeron mapas con mayor precisión global superior al 90% en todos los modelos, frente a 87% para MDM y 58% para MV. Las precisiones de usuario (PU) y de productor (PP) en los mapas obtenidos mediante MLP fueron uniformes, entre 82 y 85%, mientras que los mapas producidos con MV y MDM presentaron mayor disparidad (MDM: PU = 81%, PP = 62%; MV: PU = 37%, PP = 95%).

enviar mensaje