Cuantificación espacial de la vegetación y suelo desnudo en el corredor minero de Madre de Dios al año 2018

• Autores: Guzmán Cerro, Alan Oscar, Cardenas Cahuana, Marcelino
• Formato: tesis de grado
• Fecha de Publicación: 2022
• Institución: Universidad Nacional Amazónica de Madre de Dios
• Repositorio: UNAMAD-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unamad.edu.pe:20.500.14070/855
• Enlace del recurso: http://hdl.handle.net/20.500.14070/855
• Nivel de acceso: acceso abierto
• Materia: Resolución espacial; Neural net; Máximum Likelihood; Spectral Angle Mapper; https://purl.org/pe-repo/ocde/ford#1.05.00

El presente estudio determina la cuantificación espacial de la vegetación y suelo desnudo en el área del corredor minero de Madre de Dios al año 2018. La cuantificación se realizó por medio de los algoritmos de clasificación Neural Net, Máximum Likelihood, y Spectral Angle Mapper del software ENVI. Las imágenes utilizadas fueron PlanetScope con una resolución espacial de 3m x 3m. Los resultados proporcionan información de la cuantificación de la vegetación y suelo desnudo del área de los métodos Neural Net (636 481,5589 ha – 46 384,7228 ha), Máximum Likelihood (616 771,4152 ha – 37 592,7006 ha), y Spectral Angle Mapper (587 800,2596 ha – 28 873, 1855 ha), siendo la más fiable a nivel de precisión en la cuantificación de la vegetación y suelo desnudo, el método Neural Net con 636 481,5589 ha y 46 384,7228 ha. Los resultados de la precisión se justifican en la validación de 383 puntos de muestreo mixto, con datos de campo, imágenes de alta resolución, e imágenes obtenidas con Dron. La matriz de precisión global (confusión) reporta un 82,22%, con un índice de kappa (k) de 0,74, estableciendo una concordancia considerable a nivel exactitud. Mientras que los métodos algoritmos de clasificación Máximum Likelihood y Spectral Angle Mapper presentan resultados subestimados, siendo la más excesiva el método de Spectral Angle Mapper respecto a los métodos Neural Net y Máximum Likelihood.