Aplicación del Algoritmo de Redes Elásticas en imágenes satelitales

Descripción del Articulo

Esta investigación se realizó en el Santuario Nacional Los Manglares de Tumbes (SNLMT), ubicado en el distrito de Zarumilla departamento de Tumbes, está orientada a implementar una metodología que permita caracterizar la cobertura de manglar. Para ello, se analizó y procesó la imagen del sensor TM d...

Descripción completa

Detalles Bibliográficos
Autores: Príncipe Aguirre, Romel Erick, Willems, Bram
Formato: artículo
Fecha de Publicación:2018
Institución:Instituto Geofísico del Perú
Repositorio:IGP-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.igp.gob.pe:20.500.12816/4632
Enlace del recurso:http://hdl.handle.net/20.500.12816/4632
Nivel de acceso:acceso abierto
Materia:Imágenes satelitales
Índice físico
Máxima verosimilitud
Cluster
Manglares de Tumbes
Tumbes
Perú
http://purl.org/pe-repo/ocde/ford#1.05.00
Descripción
Sumario:Esta investigación se realizó en el Santuario Nacional Los Manglares de Tumbes (SNLMT), ubicado en el distrito de Zarumilla departamento de Tumbes, está orientada a implementar una metodología que permita caracterizar la cobertura de manglar. Para ello, se analizó y procesó la imagen del sensor TM del satélites LandSat 5 evaluando una serie de parámetros relacionados a la superficie del suelo, tales como SAVI (Índice de vegetación ajustado al suelo), NDVI (Índice de vegetación de diferencia normalizada) y NDWI (Índice de agua de diferencia normalizada) con miras a establecer el índice óptimo que permita discriminar las diferentes componentes de cobertura de suelo del Santuario. El indice óptimo (SAVI) antes descrito fue introducido en el Algoritmo de las Redes Elásticas (ENA, por sus siglas en ingles) para la clasificación de la cobertura de suelo del SNLMT. Las imágenes construidas a partir de los resultados ENA, fueron sometidos al proceso de validación empleando métodos convencionales como el algoritmo de máxima verosimilitud (AMV). Tal proceso de validación consistió en realizar los análisis y comparaciones de las gráficas de firmas espectrales promedio de cada clase informacional obtenidos tanto con ENA y AMV, dando como resultados similares gráficas donde el RMSE fue por debajo de 0.052 (adimensional) y el factor de correlación sobre r=0.886. Esto indica que el método ENA resulta ser una herramienta eficaz para la subdivisión de clases de cobertura manglar.
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).