Evaluación de imágenes de radar Sentinel- 1A e imágenes multiespectrales Sentinel-2A en la clasificación de cobertura del suelo en diferentes niveles de detalle

Abstract

En este proyecto se evaluó el potencial de imágenes capturadas por Sentinel-1A y Sentinel-2A para la generación de cartografía temática de cobertura del suelo en tres niveles de detalle: exploratorio, de reconocimiento y semi-detallado, usando el sistema de clasificación CLCc (Corine Land Cover adaptado para Colombia). Para el efecto, se aplicaron y compararon dos técnicas de clasificación digital de imágenes: (i) basado en pixeles y (ii) orientado a objetos. En los dos casos se usó el algoritmo de aprendizaje automático denominado RandomForest. . La clasificación se realizó en dos zonas de estudio con diferente relieve: una de baja pendiente y otra de alta pendiente. El proyecto permitió identificar los canales de radar Sentinel-1A, las bandas Sentinel-2A y los índices multiespectrales relevantes en la categorización de coberturas. Igualmente se evaluó la exactitud temática mediante matrices de confusión, validación cruzada e índice Kappa usando como referencia los resultados de interpretación visual de las imágenes Sentinel-2A. Se encontró que las variables que aportan mayor información para la discriminación de coberturas son Banda 2 – Banda 3 – Banda 5 – Banda 8A - EVI Banda 5 – EVI Banda 8A de Sentinel-1A y los índices de radar (VH – VV-VH – (VV-VH)/2 de Sentinel-2A. Se comprobó que los valores de exactitud temática disminuyen a medida que el nivel de detalle y el número de clases de interés aumentan. Igualmente, se encontró que las clases que presentaron la mejor exactitud fueron territorios agrícolas para nivel 1, pastos para nivel 2 y pastos limpios para nivel 3. Los resultados obtenidos sugieren que la integración de datos multiespectrales y datos de radar mejora las clasificaciones que se basan en una sola fuente de datos. Igualmente, que la exactitud temática en zonas de baja pendiente es más alta que la obtenida en zonas de alta pendiente. En síntesis, se puede afirmar que las imágenes analizadas tienen un gran potencial para la clasificación de cobertura en diferentes niveles de detalle. (Texto tomado de la fuente).

In this project, the potential of Sentinel-1A and Sentinel-2A images is evaluated for the generation of thematic cartography of soil cover in three levels of detail: that is, exploratory, recognition and semi-detailed, using the Corine Land Cover classification system adapted for Colombia for this, it was applied and compared techniques of image classification: (i) based on pixels; and (ii) object oriented. In both cases the automatic learning algorithm called RandomForest was used. The classification was carried out in two study areas with different aspects. The project allowed the identification of radar channels Sentinel-1A, bands of Sentinel-2A and multispectral indexes are relevant for the categorization of coverage. Likewise, the thematic accuracy was assessed using confusion matrices, cross validation and index. Kappa based on land use obtained by visual interpretation of the Sentinel-2A was found that the bands that provide discriminative information about cover are Band 2 - Band 3 - Band 5 - Band 5 A - EVI Band 5 - EVI Band 8A of Sentinel-1A, and radar indices (VH - VV - VH - (VV - VH) / 2 of Sentinel-2A. It was show that thematic accuracy decrease as the level of detail and the number of interest classes- increase. Also, we find that the classes that present the best results for level 1, pastures for level 2 and pastures clean for level 3. The results multispectral and radar data provide better results than using a single source. The thematic precision in the areas of low slope is higher than the correct one in the zones of high slope. In summary, it can be affirmed that the analyzed images have a great potential for the classification of coverage in different levels of detail.