11.07.2015 Views

REVISTADE TELEDETECCIÓN - Asociación Española de ...

REVISTADE TELEDETECCIÓN - Asociación Española de ...

REVISTADE TELEDETECCIÓN - Asociación Española de ...

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

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

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!