Clasificación no supervisada en QGIS 3

La versión 6 del PlugIn Clasificación semiautomática (SCP) compatible con QGIS 3, incorpora nuevas funcionalidades entre ellas la clasificación no supervisada de imágenes de satélite. En artículos anteriores se explicó cómo realizar una Clasificación Supervisada utilizando el SCP y se dieron Tips para lograr una adecuada clasificación e interpretación

¿Qué utilidad tiene el realizar una Clasificación No Supervisada?

La clasificación supervisada de imágenes de satélite es un proceso secuencial que requiere la toma de datos en campo o por lo menos un conocimiento previo, definir dichos sitios en la imagen, construir las respectivas firmas espectrales y probar algoritmos de clasificación. Por el contrario una clasificación no supervisada, es un proceso automático en el cual el usuario solo especifica un numero de regiones o clases, luego el algoritmo realiza la separación (o zonificación) considerando las estadísticas de la imagen.

Utilidad de la clasificación no supervisada:

  • Explorar la imagen sin conocimiento previo, así como la posible distribución de coberturas.
  • Clasificar pocas coberturas o muy evidentes, por ejemplo lagos, costas, plantaciones densas. En ocasiones será suficiente para obtener el resultado deseado.
  • Definir sitios de entrenamiento para una posterior clasificación supervisada.

Pasos para realizar una Clasificación No Supervisada en SCP

1.- Ejecute QGIS 3 y active el complemento SCP (explicación detallada de los pasos iniciales en los artículos anteriores).

2.- Cargue una imagen raster, en el ejemplo se utiliza una imagen del tutorial de la pagina oficial del SCP, corresponde a una porción de una imagen Sentinel 2. Si desea descargar la imagen utilice este enlace facilitado en la web oficial.

Clasificación no supervisada QGIS 3

3.- En el menú SCP seleccione Juego de Bandas.

Clasificación no supervisada QGIS 3 SCP

En la caja de dialogo que se despliega, en la pestaña ubicada en la parte superior seleccione la imagen, sino aparece haga clic en el botón con una flecha en forma curva y vuelva a intentarlo. En la misma caja de dialogo en la pestaña Configuración de la Longitud de Onda, seleccione el tipo de imagen.

Configuración de la Longitud de Onda QGIS 3

4.- En la misma caja de dialogo, en la barra de opciones ubicadas en el lateral izquierdo seleccione la opción Band Processing luego en la pestaña Clustering

Band Processing QGIS 3

5.- SCP 6 cuenta con dos algoritmos para realizar una clasificación no supervisada, K-Means e Isodata. Para ejecutar la clasificación escoja el método y especifique el número de clases, el resto de los parámetros los dejaremos con sus valores por defecto.

El panel Clustering permite alterar ciertos parámetros de ejecución de los algoritmos, incluso la posibilidad de combinar los métodos Supervisado y No Supervisado

Clasificación K-Means con siete clases (07):

Clasificación K-Means QGIS 3

Clasificación Isodata con once (11) clases

Clasificación Isodata QGIS 3

Ademas de los raster, la ejecución de los algoritmos genera una tabla de resultados con las medias espectrales de cada Clase para cada banda, así como la máxima distancia espectral. En la parte central de la figura se muestran los datos extraídos y ordenados para facilitar su interpretación.

Clustering QGIS 3

Luego de la clasificación el intérprete compara la imagen original con la clasificación, buscando correspondencia con las clases y coberturas de la tierra.

Autor: Luis Eduardo Pérez Graterol
Profesión: Ingeniero en Recursos Naturales
País: Venezuela
Web: www.mundocartogeo.blogspot.com

7 comentarios en «Clasificación no supervisada en QGIS 3»

  1. Excelente explicacion!

    Una vez generada la clasificación no supervisada, como es el metodo para vectorizar dicha imagen y poder calcular el área?
    Si alguien me puede compartir algun tutorial o explicacion se los agradeceria.

    • Saludos, gracias por tu comentario, tienes varias opciones, te explico dos de ellas:
      1.- En menú Raster> Conversión > Rasterizar
      2.- Utilizando el PlugIn, en menú SCP > Postprocessing > Clasificación a Vectorial

      Ambas opciones no requieren mayor explicación son casi directas

  2. Excelente aporte! Una consulta, ¿cual es la diferencia entre los dos algoritmos? Pensaba para clasificar superficies forestales para potenciales usos.

    • Los dos algoritmos de clasificación son K mean e Isodata.

      • Kmean: primero imagina que tienes tus datos en un diagrama de dispersión, deacuerdo a los grupos solicitados genera unos centros de grupos aproximados, calcula la distancia a cada centro y agrupa los puntos de menor distancia. Luego que están formados los grupos calcula un nuevo centro de grupo y vuelve a calcular la distancia de cada punto al centro, cambiando la agrupación. Este proceso continua hasta que no hay cambios en los grupos o se llega al máximo de iteraciones introducido
      • Isodata es similar pero tiene el paso adicional de considerar la dispersión, los grupos con alta desviación estándar son divididos y con valores similares y baja desviación son unidos

      Puedes combinar clasificación supervisada con no supervisada, si estas interesado en profundizar puedes tomar el curso que ofertamos en esta pagina, de Fundamentos y Practicas de Teledetección.

  3. Muy buenos resultados con este proceso de clasificación. me gustaría saber como combinar con una clasificación supervisada.

    • Saludos Augusto, puedes combinar ambos tipos de clasificación en ambos sentidos:
      – Supervisada – no supervisada
      – No supervisada – supervisada
      Es común utilizar la clasificación supervisada para definir zonas de entrenamiento para una posterior clasificación supervisada
      En el curso de fundamentos de teledetección se muestran técnicas para optimizar la clasificación. En general consisten en el mismo procedimiento:
      1. Realizas tu primera clasificación (superv. o no superv.)
      2. Defines la clase que deseas afinar, generas una imagen booleana donde solo quede dicha zona
      3. Extraes los valores de la imagen original utilizando la imagen booleana
      4. Realizas la clasificación sobre dicha porción de la imagen
      5. Sustituyes sobre la imagen clasificada en el primer paso la zona clasificada
      Este procedimiento los puedes realizar con QGis con la calculadora raster con operaciones condicionales y de asignación

Los comentarios están cerrados.