Metodología para identificar frailejón mediante el uso de imágenes de radar: una herramienta para la conservación ambiental
Una de las principales características de las imágenes capturadas por radares de apertura sintética (SAR) es la posibilidad de ser generadas casi que en cualquier condición climática permitiendo de esta manera extraer información de la superficie terrestre en zonas con predominante presencia de nube...
- Autores:
-
Sandoval Lagos, Jonathan Said
- Tipo de recurso:
- Fecha de publicación:
- 2023
- Institución:
- Universidad Distrital Francisco José de Caldas
- Repositorio:
- RIUD: repositorio U. Distrital
- Idioma:
- spa
- OAI Identifier:
- oai:repository.udistrital.edu.co:11349/39506
- Acceso en línea:
- http://hdl.handle.net/11349/39506
- Palabra clave:
- Radar de Apertura Sintética (SAR)
Conservación ambiental
Frailejón
Téxtura
Clasificación supervisada
Maestría en Ciencias de la Información y las Comunicaciones -- Tesis y disertaciones académicas
Conservación ambiental y ecosistemas de páramo
Tecnologías de radar de apertura sintética (SAR) para la biodiversidad
Análisis de imágenes sentinel y clasificación de especies
Synthetic Aperture Radar (SAR)
Environmental Conservation
Frailejon
Texture
Supervised classification
- Rights
- License
- Attribution-NonCommercial-NoDerivatives 4.0 Internacional
Summary: | Una de las principales características de las imágenes capturadas por radares de apertura sintética (SAR) es la posibilidad de ser generadas casi que en cualquier condición climática permitiendo de esta manera extraer información de la superficie terrestre en zonas con predominante presencia de nubes como el ecosistema de Páramo. En este trabajo se desarrolló, evaluó y validó una metodología para la detección de frailejón mediante la captura de información en campo y el uso de imágenes de radar Sentinel sobre un área ubicada en el páramo de Sumapaz. Se emplearon métodos de clasificación no supervisada y supervisada obteniendo en la fase de evaluación los mejores resultados con la técnica Máquina de soporte vectorial (SVM) obteniendo un coeficiente kappa de 0.76 y una exactitud global de 88%. Posteriormente, como parte del proceso de evaluación la metodología fue replicada sobre una nueva zona ubicada en el páramo de Sumapaz haciendo uso de la misma imagen usada en la clasificación descrita anteriormente y obteniendo como resultado un coeficiente kappa de 0.78 y una exactitud global de 89%. Por último, se realizó la validación de la metodología propuesta al aplicar el mismo método de clasificación sobre una imagen con temporalidad distinta a la usada en el proceso de evaluación y se obtuvo un coeficiente kappa de 0.82 y una exactitud global de 92%. Por lo cual, La implementación de la metodología demostró el gran potencial de involucrar imágenes provenientes de sensores activos en la identificación de frailejón. |
---|