Libro de Resúmenes / Book of Abstracts (Español/English)
Libro de Resúmenes / Book of Abstracts (Español/English)
Libro de Resúmenes / Book of Abstracts (Español/English)
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Resumenes 121<br />
Comparación <strong>de</strong> Enfoques <strong>de</strong> Aprendizaje Supervisados para la<br />
Detección Temprana <strong>de</strong> Áreas Invadidas por Paraíso (Melia<br />
azedarach) en Imágenes Landsat ETM <strong>de</strong>l Parque Nacional El<br />
Palmar<br />
Priscilla Minotti 1 , Anal Scopel 2 , Diana Stuart Sinton 2,3 y Fernando Ruiz<br />
Selmo 2<br />
1 Departamento <strong>de</strong> Ciencias Biológicas, Universidad CAECE, Buenos Aires,<br />
Argentina, Av. De Mayo 866, (1084) Buenos Aires, Argentina,<br />
pminotti@caece.edu.ar<br />
2 IFEVA, Facultad <strong>de</strong> Agronomía, Universidad <strong>de</strong> Buenos Aires, Buenos Aires,<br />
Argentina.<br />
3 GIS Program, National Institute for Technology & Liberal Education, Middlebury,<br />
Vermont USA<br />
El Parque Nacional El Palmar (PNEP) es un relicto <strong>de</strong> 8400 Ha <strong>de</strong><br />
sabanas templadas <strong>de</strong> la palmera Butia yatay con serios problemas <strong>de</strong><br />
conservación <strong>de</strong>bidos a la invasión <strong>de</strong> varias especies <strong>de</strong> leñosas exóticas,<br />
entre las cuales se <strong>de</strong>staca el Paraíso (Melia azedarach). En este trabajo,<br />
evaluamos la capacidad <strong>de</strong> <strong>de</strong>tección <strong>de</strong>l estado <strong>de</strong> invasión por paraíso en<br />
imágenes Landsat ETM, usando enfoques <strong>de</strong> aprendizaje automático<br />
supervisado cuya aplicación en tele<strong>de</strong>tección <strong>de</strong> invasiones biológicas es<br />
aún incipiente.<br />
Se compilaron posiciones <strong>de</strong> muestras <strong>de</strong> vegetación obtenidas con<br />
GPS no diferencial consi<strong>de</strong>rando tres estados: sin invasión; invasión<br />
incipiente e invadida. Se utilizaron dos imágenes Landsat ETM <strong>de</strong> épocas<br />
contrastantes (invierno 2000 y verano 2001) calibradas radiométrica y<br />
geométricamente, extrayéndose los valores espectrales <strong>de</strong> la ventana <strong>de</strong><br />
3x3 píxeles correspondientes a la ubicación <strong>de</strong> la muestra. Se evaluaron<br />
cinco inductores <strong>de</strong> clasificación -Bayes ingenuo, k-vecinos más cercanos<br />
(k-nn), árboles <strong>de</strong> <strong>de</strong>cisión con J48, reglas <strong>de</strong> <strong>de</strong>cisión con JRip, y red<br />
neuronal con arquitectura <strong>de</strong> perceptrón <strong>de</strong> tres capas con<br />
retropropagación- utilizando curvas ROC, matrices <strong>de</strong> confusión, tasa total<br />
<strong>de</strong> aciertos positivos y tasa total <strong>de</strong> falsos positivos.<br />
El estado <strong>de</strong> invasión pudo ser <strong>de</strong>tectado por las siguientes variables:<br />
diferencia entre fechas <strong>de</strong> las reflectivida<strong>de</strong>s en el infrarrojo cercano y en<br />
valores <strong>de</strong> los índices NDVI, SAVI y NDWI; reflectancia <strong>de</strong> verano en el azul<br />
y reflectancia en invierno en el infrarrojo medio (banda 5). Las clases<br />
invadida y sin invasión son fácilmente i<strong>de</strong>ntificables por todos los métodos<br />
analizados, con valores <strong>de</strong> performance superiores al 70%. La invasión<br />
incipiente, en cambio, fue <strong>de</strong>tectada con errores razonables por k-nn (con<br />
un vecino más cercano) y en menor medida por la red neuronal propuesta.<br />
La aplicación <strong>de</strong> k-nn para clasificación supervisada <strong>de</strong> imágenes satelitales<br />
es muy promisorio ya que es <strong>de</strong> fácil implementación para el monitoreo<br />
semestral y también <strong>de</strong> interpretación conceptual para los administradores<br />
<strong>de</strong>l PNEP.<br />
Comparison <strong>of</strong> Supervised Learning Approaches to Detect<br />
Early Landscape Invasion <strong>of</strong> Chinaberry Trees (Melia