首页> 外文期刊>Revista, Facultad Nacional de Agronomia, Medellin >CLASIFICACIóN NO SUPERVISADA DE COBERTURAS VEGETALES SOBRE IMáGENES DIGITALES DE SENSORES REMOTOS: 'LANDSAT - ETM+'
【24h】

CLASIFICACIóN NO SUPERVISADA DE COBERTURAS VEGETALES SOBRE IMáGENES DIGITALES DE SENSORES REMOTOS: 'LANDSAT - ETM+'

机译:来自遥感器的数字图像植物覆盖率的非监督分类:“ LANDSAT-ETM +”

获取原文
           

摘要

La diversidad de especies vegetales presentes en Colombia y la falta de inventario sobre ellas hace pensar en un proceso que facilite la labor de los investigadores en estas disciplinas. Los sensores remotos satelitales como el LANDSAT ETM+ y las técnicas de inteligencia artificial no supervisadas, como los Self-Organizing Maps - SOM, podrían proveer una alternativa viable para avanzar en la obtención rápida de información que corresponda a zonas con diferentes coberturas vegetales presentes en la geografía nacional. La zona propuesta para el caso en estudio fue clasificada de forma supervisada por el método de máxima similitud en otro trabajo de investigación en ciencias forestales y se discriminaron ocho tipos de coberturas vegetales. Esta información sirvió como patrón de medida para evaluar el desempe?o de los clasificadores no supervisados ISODATA y SOM. Sin embargo, la información que proveen las imágenes debió ser depurada previamente de acuerdo a los criterios de uso y calidad de los datos de manera que se utilizara la información adecuada para estos métodos no supervisados. Para esto se recurrió a varios conceptos como las estadísticas de las imágenes, el comportamiento espectral de las comunidades vegetales, las características del sensor y la divergencia promedio que permitieron definir las mejores bandas y sus combinaciones. Sobre éstas se aplicó el concepto de análisis de componentes principales que permitió reducir el número de datos conservando un gran porcentaje de la información. Sobre estos datos depurados se aplicaron las técnicas no supervisadas modificando algunos parámetros que pudieran mostrar una mejor convergencia de los métodos. Los resultados obtenidos se compararon con la clasificación supervisada a través de matrices de confusión y se concluye que no hay una buena convergencia de los métodos de clasificación no supervisada con este proceso para el caso de las coberturas vegetales.
机译:哥伦比亚存在的植物种类繁多,缺乏相关清单,这表明该过程促进了这些学科的研究人员的工作。卫星遥感器(例如LANDSAT ETM +)和无监督人工智能技术(例如自组织地图-SOM)可以提供一种可行的替代方案,以快速获取对应于植被中存在不同植被覆盖区域的信息。国家地理。在另一项森林科学研究工作中,采用最大相似度方法对拟议中的研究区域进行了分类,并区分了八种植物。此信息用作评估无监督分类器ISODATA和SOM性能的度量标准。但是,必须根据使用和数据质量的标准事先完善图像提供的信息,以便将适当的信息用于这些无监督的方法。为此,使用了一些概念,例如图像的统计数据,植物群落的光谱行为,传感器的特性以及允许定义最佳波段及其组合的平均散度。主成分分析的概念被应用到这些元素上,这使得可以在保留大量信息的同时减少数据数量。将无监督技术应用于这些精炼数据,修改一些参数,这些参数可能显示出方法的更好收敛性。通过混淆矩阵将获得的结果与监督分类进行比较,得出的结论是,对于植物覆盖的情况,无监督分类方法与该过程没有很好的收敛性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号