A. Larrañaga et al.Sec. + Reg. Secano RegadíoFiabilidad global 0,85 0,87 0,61Kappa global 0,52 0,54 0,34Kappa por cultivoBarbecho 0,53 0,55 0,16Cereales 0,52 0,52 0,33Pra<strong>de</strong>ra — — —Alfalfa 0,09 0,08 0,26Habas 0,91 0,91 0,74Girasol 0,68 0,51 0,81Colza 0,29 0,29Espárrago 0,18 0,78 0,02Guisante 0,88 0,57 1,00Tabla 4. Resultados obtenidos, globales y por cultivo.siembra en septiembre suele recibir cuatro o cincocortes mientras que la alfalfa que se siembraen primavera, recibe tres o cuatro cortes duranteel verano. Esto hace que sea un cultivo muyheterogéneo por lo que la firma obtenida para laalfalfa es poco precisa y, en consecuencia, no seclasifica a<strong>de</strong>cuadamente. La pra<strong>de</strong>ra, otra claseque presenta bastante heterogeneidad, tampocose ha clasificado bien y se confun<strong>de</strong> principalmentecon los cereales, > 70% <strong>de</strong> las pra<strong>de</strong>ras sehan clasificado como cereales (Tablas 4 y 5).Los cultivos mayoritarios <strong>de</strong> la zona y por lotanto los que mayor probabilidad a priori tienenson los cereales y se han clasificado a<strong>de</strong>cuadamente,más <strong>de</strong>l 90% se han clasificado en la claseque les correspondía. Los cultivos minoritarios,la colza, el espárrago y los guisantes, quequedan peor clasificados, se confun<strong>de</strong>n con cultivosmayoritarios como los cereales y el barbecho(Tabla 5).En términos generales, los cultivos <strong>de</strong> secanose han clasificado mejor que los <strong>de</strong> regadío (Tabla4). Esto pue<strong>de</strong> <strong>de</strong>berse a que (1) la muestra<strong>de</strong> cultivos <strong>de</strong> regadío era menor que la <strong>de</strong> secano,(2) el tamaño medio <strong>de</strong> las parcelas <strong>de</strong> regadíotambién era inferior a las <strong>de</strong> secano y (3) sesabe, gracias a las visitas a campo realizadas enfechas próximas a las adquisiciones <strong>de</strong> las imágenes,que en algunas <strong>de</strong> las parcelas acababan<strong>de</strong> instalar recientemente la infraestructura parael riego, aunque mantenían un sistema <strong>de</strong> producción<strong>de</strong> secano.La fecha en la que se adquieren las imágeneses vital en el resultado <strong>de</strong> la clasificación <strong>de</strong>bi-Verdad campoBA Cereal PR AF HA GI CO ES GUClasificadoBA 59,78 4,13 11,63 11,48 0,11 10,83 0,00 24,39 29,51Cereal 37,58 94,82 70,93 61,45 17,91 0,00 47,60 53,52 55,06PR 0,17 0,15 0,00 0,00 0,36 0,00 0,00 0,00 0,00AF 1,19 0,20 1,29 12,56 9,47 0,00 0,00 0,00 0,00HA 0,32 0,14 0,25 0,00 54,46 0,00 0,00 0,00 0,00GI 0,23 0,03 0,00 0,00 3,62 89,17 0,00 0,00 0,00CO 0,46 0,15 8,17 0,00 12,28 0,00 52,40 0,00 0,00ES 0,27 0,34 7,73 14,51 0,00 0,00 0,00 22,08 0,00GU 0,00 0,05 0,00 0,00 0,00 0,00 0,00 0,00 15,43Total 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00 100,00Tabla 5. Matriz <strong>de</strong> confusión <strong>de</strong> la clasificación total (secano y regadío) en tanto por cien.86 Revista <strong>de</strong> Tele<strong>de</strong>tección. ISSN: 1988-8740. 2010. 34: 77-88
Clasificación <strong>de</strong> cultivos en la zona media <strong>de</strong> Navarra mediante imágenes radar polarimétricasdo al distinto estado <strong>de</strong> <strong>de</strong>sarrollo vegetativo <strong>de</strong>lcultivo. Para este trabajo se han utilizado las imágenesALOS disponibles. Lamentablemente, nohabía ninguna imagen <strong>de</strong> verano por lo que sehan utilizado solo imágenes <strong>de</strong> primavera.Los cultivos <strong>de</strong> verano, no se <strong>de</strong>berían <strong>de</strong> haberincluido en la clasificación <strong>de</strong>bido a que lasfechas <strong>de</strong> adquisición <strong>de</strong> estas imágenes no sona<strong>de</strong>cuadas para tal fin. No se disponía <strong>de</strong> ningunaotra imagen adquirida en fechas más a<strong>de</strong>cuadaspara clasificar los cultivos <strong>de</strong> verano.En el caso <strong>de</strong>l girasol, es importante mencionarque en Navarra, el grueso <strong>de</strong> las siembras serealiza a finales <strong>de</strong>l mes <strong>de</strong> abril y a principios<strong>de</strong> mayo (fuente: ITG Agrícola). Por lo tanto, hayque interpretar con cuidado los resultados obtenidospara esta clase, dado que en marzo y mayose habrá observado el suelo <strong>de</strong>snudo y no elcultivo en sí. En <strong>de</strong>finitiva, es importante conocerel ciclo productivo <strong>de</strong> todos estos cultivospara interpretar los resultados a<strong>de</strong>cuadamente.Aún conociendo todas las limitaciones que seacaban <strong>de</strong> mencionar, el resultado final obtenidoha sido bueno. El índice Kappa global <strong>de</strong>0,52, correspon<strong>de</strong> a una calidad buena (Kappa> 0,4) según la categorización propuesta porLandis y Koch (1977) y la fiabilidad global indicaque un 85% <strong>de</strong> las parcelas se han clasificadocorrectamente.unido en una única clase. Este hecho sueleser también habitual en clasificacionesbasadas en imágenes ópticas y se suele actuar<strong>de</strong> forma similar.— Es importante conocer el calendario o cicloproductivo <strong>de</strong> los cultivos a clasificary, a ser posible, seleccionar las imágenesen función <strong>de</strong>l mismo.Las futuras líneas <strong>de</strong> trabajo son:— Incorporar al análisis imágenes <strong>de</strong> fechasmás a<strong>de</strong>cuadas para clasificar los cultivos<strong>de</strong> verano.— Estudiar clasificadores más específicos <strong>de</strong>clasificación a nivel <strong>de</strong> objeto y para imágenesmultitemporales (función discriminantey random forests).— Analizar distintos tipos <strong>de</strong> imágenes radar(distintas bandas, ángulos <strong>de</strong> inci<strong>de</strong>ncia yfechas) y ver cuales son los más a<strong>de</strong>cuadospara este tipo <strong>de</strong> clasificación.AGRADECIMIENTOSEste trabajo ha sido realizado gracias a lafinanciación por el Ministerio <strong>de</strong> Ciencia e Innovación<strong>de</strong>l Subprograma Torres Quevedo, alFondo Social Europeo y al Proyecto CGL2007-63453/HID <strong>de</strong>l Plan Nacional <strong>de</strong> I+D+i.CONCLUSIONESLas principales conclusiones <strong>de</strong> este trabajo son:— La clasificación se ha llevado a cabo utilizandoclasificadores convencionales ylos resultados obtenidos han sido satisfactorios(Kappa global, 0,52) y similares alos obtenidos en otros estudios que utilizanel mismo tipo <strong>de</strong> clasificador (Rodrigueset al., 2003).— Es interesante realizar un análisis previo<strong>de</strong> todas las bandas generadas y seleccionarlas más importantes, ya que se pue<strong>de</strong>nobtener resultados similares con menorcoste computacional.— El trigo, avena y cebada se confun<strong>de</strong>n mucho<strong>de</strong>bido a que la época en la que se hancaptado las imágenes, el <strong>de</strong>sarrollo vegetativo<strong>de</strong> estos cultivos es muy parecido.Es por eso que estos tres cultivos se hanREFERENCIASALBERGA, A. 2007. A study of land cover classificationusing polarimetric SAR parameters. InternationalJournal of Remote Sensing, 28(17): 3851-3870.CLOUDE, S. R., & POTTIER, E. 1996. A review oftarget <strong>de</strong>composition theorems in radar polarimetry.IEEE Transactions Geoscience and RemoteSensing, 34(2): 498-518.CLOUDE, S. R., & POTTIER, E. 1997. An entropybased classification scheme for land applicationsof polarimetric SARs. IEEE Transactions Geoscienceand Remote Sensing, 35(2): 68-78.DONG, Y., MILNE, A. K., & FORSTER, B. C. 2001.Segmentation and classification of vegetated areasusing polarimetric SAR image data. IEEE Trans.Geoscience and Remote Sensing, 39(2): 321-329.FREEMAN, A., & DURDEN, S. L. 1992. A threecomponent scattering mo<strong>de</strong>l to <strong>de</strong>scribe polarimetricSAR data. Proc. SPIE, Radar Polarimetry,1748: 213-225.Revista <strong>de</strong> Tele<strong>de</strong>tección. ISSN: 1988-8740. 2010. 34: 77-88 87