Clasificación y mapeo automático de coberturas del suelo en imágenes satelitales utilizando Redes Neuronales Convolucionales
Fuente:
Redalyc
Salvato in:
| Autore principale: | |
|---|---|
| Natura: | Artículo científico |
| Lingua: | es |
| Pubblicazione: |
Universidad de Los Llanos
2017
|
| Soggetti: | |
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
| _version_ | 1876480295000080384 |
|---|---|
| author | Arnol S Suárez L |
| author_facet | Arnol S Suárez L |
| contents | Clasificación y mapeo automático de coberturas del suelo en imágenes satelitales utilizando Redes Neuronales Convolucionales Arnol S Suárez L Andrés F Jiménez L Mauricio Castro-Franco Angel Cruz-Roa Veterinaria telede tección parques naturales coberturas de suelo Aprendizaje automático La clasificación de cobertura del suelo es importante para estudios de cambio climático y monitoreo de servicios eco-sistémicos. Los métodos convencionales de clasificación de coberturas se realizan mediante la interpretación visual de imágenes satelitales, lo cual es costoso, dispendioso e impreciso. Implementar métodos computacionales permite generar clasificación de coberturas en imágenes satelitales de manera automática, rápida, precisa y económica. Particularmente, los métodos de aprendizaje automático son técnicas computacionales promisorias para la estimación de cambios de cobertura del suelo. En este trabajo se presenta un método de aprendizaje automático basado en redes neuronales con-volucionales de arquitectura tipo ConvNet para la clasificación automática de coberturas del suelo a partir de imágenes Landsat 5 TM. La ConvNet fue entrenada a partir de las anotaciones manuales por medio de interpretación visual sobre las imágenes satelitales con las que los expertos generaron el mapa de cobertura del parque nacional el Tuparro, de los Parques Nacionales Naturales de Colombia. El modelo de validación se realizó con datos de los mapas de coberturas del Amazonas colombiano realizado por el Sistema de Información Ambiental de Colombia. Los resultados obtenidos de la diagonal de la matriz de confusión de la exactitud promedio fue de 83.27% en entrenamiento y 91.02% en validación; para la clasificación en parche entre bosques. 2017 artículo científico 0121-3709 https://www.redalyc.org/articulo.oa?id=89659219008 es http://www.redalyc.org/revista.oa?id=896 Orinoquia application/pdf Universidad de Los Llanos Orinoquia (Colombia) Num.1 Vol.21 |
| format | Artículo científico |
| id | redalyc_89659219008 |
| institution | Redalyc |
| language | es |
| publishDate | 2017 |
| publisher | Universidad de Los Llanos |
| spellingShingle | Clasificación y mapeo automático de coberturas del suelo en imágenes satelitales utilizando Redes Neuronales Convolucionales Arnol S Suárez L Veterinaria telede tección parques naturales coberturas de suelo Aprendizaje automático Clasificación y mapeo automático de coberturas del suelo en imágenes satelitales utilizando Redes Neuronales Convolucionales Arnol S Suárez L Andrés F Jiménez L Mauricio Castro-Franco Angel Cruz-Roa Veterinaria telede tección parques naturales coberturas de suelo Aprendizaje automático La clasificación de cobertura del suelo es importante para estudios de cambio climático y monitoreo de servicios eco-sistémicos. Los métodos convencionales de clasificación de coberturas se realizan mediante la interpretación visual de imágenes satelitales, lo cual es costoso, dispendioso e impreciso. Implementar métodos computacionales permite generar clasificación de coberturas en imágenes satelitales de manera automática, rápida, precisa y económica. Particularmente, los métodos de aprendizaje automático son técnicas computacionales promisorias para la estimación de cambios de cobertura del suelo. En este trabajo se presenta un método de aprendizaje automático basado en redes neuronales con-volucionales de arquitectura tipo ConvNet para la clasificación automática de coberturas del suelo a partir de imágenes Landsat 5 TM. La ConvNet fue entrenada a partir de las anotaciones manuales por medio de interpretación visual sobre las imágenes satelitales con las que los expertos generaron el mapa de cobertura del parque nacional el Tuparro, de los Parques Nacionales Naturales de Colombia. El modelo de validación se realizó con datos de los mapas de coberturas del Amazonas colombiano realizado por el Sistema de Información Ambiental de Colombia. Los resultados obtenidos de la diagonal de la matriz de confusión de la exactitud promedio fue de 83.27% en entrenamiento y 91.02% en validación; para la clasificación en parche entre bosques. 2017 artículo científico 0121-3709 https://www.redalyc.org/articulo.oa?id=89659219008 es http://www.redalyc.org/revista.oa?id=896 Orinoquia application/pdf Universidad de Los Llanos Orinoquia (Colombia) Num.1 Vol.21 |
| title | Clasificación y mapeo automático de coberturas del suelo en imágenes satelitales utilizando Redes Neuronales Convolucionales |
| topic | Veterinaria telede tección parques naturales coberturas de suelo Aprendizaje automático |
| url | https://www.redalyc.org/articulo.oa?id=89659219008 |