Uso de Métodos de Aprendizaje Automático y teledetección para clasificación de uso y cobertura del suelo en un valle semiárido de la Patagonia

TRUJILLO JIMENEZ, MAGDA ALEXANDRA; LIBEROFF, A. L.; PESSACG, NATALIA; PACHECO, CRISTIAN; FLAHERTY, SILVIA

Congreso; CONGRESO ARGENTINO DE AGROINFORMATICA (JAIIO); 2021

El valle agrícola-ganadero en la Cuenca Inferior del Río Chubut (VIRCh) tiene una extensión de 225 km2 y está situado en la Patagonia semiárida oriental argentina. Si bien este es uno de los valles más importantes de la región no existe hasta ahora información espacial completa, detallada y actualizada de sus actividades y coberturas del suelo. En este artículo avanzamos en la sistematización de este proceso y comparamos 7 métodos tradicionales de aprendizaje automático supervisado aplicados a la clasificación del uso y la cobertura del suelo a partir de imágenes satelitales de Sentinel-2 MSI y de datos adquiridos sobre el terreno. Con estos métodos obtuvimos predicciones que superan entre el 70 y 80 % de precisión en la clasificación de cultivos frutales, horticultura, terrenos construidos, arbustales, pasturas y agua. Nearest Neighbors y Decision Tree fueron los clasificadores que mostraron los mejores desempeños. El código fuente y algoritmos desarrollados están disponibles en: DOI: 10.5281/zenodo.5338597 para su libre recreación, uso y reproducibilidad.