Sistema multi-algoritmo para la clasificación de coberturas de la tierra en el bosque seco tropical del Área de Conservación Guanacaste, Costa Rica

Resumen

Por décadas  la detección y el monitoreo de coberturas de la tierra se ha llevado a cabo por medio de teledetección aéreo-transportada y satelital. La habilidad de detectar y cuantificar coberturas de la tierra depende en gran medida de las capacidades del sensor y técnicas de clasificación entre las cuales destacan supervisada, no supervisada y mixta. El método supervisado se considera el más preciso; sin embargo, depende de la capacidad del algoritmo utilizado para discriminar las categorías. En las coberturas de la tierra asociadas al bosque seco tropical del Área de Conservación Guanacaste, Costa Rica se realizaron series de clasificaciones supervisadas, utilizando los algoritmos Minimum Distance, Mahalanobies, Maximum Likelihood, Neural Network, Support Vector Machine y Parallelepiped para determinar cuál algoritmo clasificaba mejor cada cobertura (bosque tardío, bosque temprano, bosque intermedio, bosque de galería, pastos, manglar) según puntos de control tomados mediante trabajo de campo. De acuerdo al índice de kappa y valores de precisión se destacó el rendimiento de Maximum Likelihood y Neural Network en la clasificación de las coberturas de la tierra. Este estudio demuestra que un esquema jerárquico y multi-algoritmo puede propulsar los resultados de la clasificación de coberturas de la tierra al contemplar las ventajas y limitaciones de cada algoritmo de clasificación; especialmente si se considera aspectos relativos al tamaño de muestra, resoluciones del sensor (temporal, espacial, radiométrica, espectral), condiciones atmosféricas y composición de la vegetación y paisaje.