Una de las tecnologías emergentes que dirige la frontera del desarrollo urbano y la planificación del uso del suelo son las herramientas y metodologías geoespaciales.
La teledetección proporciona una forma proactiva de abordar los problemas mediante la aplicación de sus técnicas de recopilación de datos, procesamiento y presentación de mapas en la solución de una amplia gama de problemas que afectan al medio ambiente, la salud, la seguridad, el transporte, la demarcación del uso del suelo, entre varios otros. Las imágenes de satélite se han utilizado de forma sustancial en el ámbito de la gestión y la planificación del uso del suelo para la gestión y el seguimiento de los sistemas terrestres.
Este tutorial contribuye a las diversas técnicas de evaluación y gestión del uso del suelo en la industria geoespacial presentando un enfoque paso a paso de la aplicación de técnicas de teledetección y SIG para realizar una clasificación supervisada en imágenes Landsat 8. Aunque varios algoritmos de clasificación han evolucionado a lo largo de los años, este tutorial utiliza el algoritmo de Máxima Verosimilitud.
La figura 1 muestra un resumen del flujo metodológico empleado para realizar la clasificación supervisada en ArcGIS Pro.
Imágenes Landsat y creación de bandas compuestas
Para los fines de este tutorial, se accede a las imágenes del Landsat 8 desde el sitio web del USGS Earth Explorer, tras un proceso de registro gratuito.
La cobertura de nubes para las imágenes de Landsat 8 debe establecerse en «menos del 10 por ciento».
Para los procesos de composición de bandas se pueden utilizar las siguientes combinaciones de bandas: color natural (bandas 4,3,2), falso color (bandas 7,6,4), infrarrojo de color (bandas 5,4,3), entre muchas otras. Estas combinaciones de bandas facilitan la detección de clases específicas de uso del suelo durante el training de la muestra para la clasificación. Para este tutorial, se utilizan las bandas 5,4,3.
Para realizar la composición de bandas en ArcGIS Pro, se siguen los siguientes pasos:
- Abra ArcGIS Pro y cree un nuevo proyecto.
- En la pestaña Map, seleccione «Add data» y navegue hasta la ubicación de las imágenes Landsat 8.
- Seleccione las bandas 5,4,3 y haga clic en «Ok».
- En la barra de búsqueda de la caja de herramientas de geoprocesamiento, escriba y busque «Composite bands».
- Establezca «Input Raster» a las bandas 5,4,3.
- Establezca en «Output Raster» el nombre y la ubicación de salida deseados.
- Haga clic en «Run».
Recorte, gestor de sample training y clasificación
Para racionalizar las imágenes Landsat a un área de interés, se siguen los siguientes pasos;
- Escriba y busque «Extract by Mask» en la barra de búsqueda de la caja de herramientas de geoprocesamiento.
- Establecer como «Input Raster» la imagen apilada (resultados obtenidos del proceso de banda compuesta).
- Establezca como «Feature mask» el área de interés.
- Establezca en «Output Raster» el nombre y la ubicación de salida deseados.
- Haga clic en «Run».
Para preparar los datos de muestra para la clasificación en ArcGIS Pro, se siguen los siguientes pasos;
- En el menú desplegable de «Classification Tools» de la pestaña Imágenes, seleccione «Training Samples Manager«.
- En la pestaña «New schema», seleccione «Edit Properties».
- Establezca el «Name» con el nombre de salida del esquema deseado y haga clic en «Save».
Se pueden añadir nuevas clases al esquema y seleccionar los datos de la prueba;
- Seleccione «Add New Class» como se muestra en la figura 5.
- Establezca el «Class Name» y el «Value» a la clase que se desea procesar.
- Haga clic en «Ok».
Para este tutorial, se utilizan las siguientes clases: bosque denso, bosque abierto, agua y zonas urbanizadas. Para seleccionar las muestras de clasificación para el agua,
- Haga clic en el agua del panel de esquemas y seleccione una herramienta de dibujo.
- Pase el puntero del ratón por encima de las imágenes apiladas mientras dibuja sobre las masas de agua en el área de estudio.
- Repita los pasos para otras clases de uso del suelo: bosque abierto, bosque denso y zonas edificadas.
- Para guardar las muestras de entrenamiento, haga clic en «guardar como» como se muestra en la figura 6.
Para clasificar las imágenes Landsat utilizando los datos de las muestras de entrenamiento recogidas y guardadas, se siguen los siguientes pasos;
- En el menú desplegable de «Classification Tools» de la pestaña Imágenes, seleccione «Classify.».
- En la interfaz de «Classify.», configure el clasificador como de máxima verosimilitud.
- Ajuste la «Training sample» a los resultados del «Training sample manager».
- Haga clic en «Run».
El resultado final es esta capa clasificada que luego puede modificar:
Evaluación de la precisión de la imagen clasificada en ArcGIS Pro
Para validar los resultados de la clasificación, se siguen los siguientes pasos;
- Escriba y busque «Create Accuracy Assessment Points» en la barra de búsqueda de la caja de herramientas de geoprocesamiento.
- Establezca como «Input Raster» la imagen clasificada.
- Establezca «Output Accuracy Assessment Points» (Puntos de evaluación de la precisión de salida) con el nombre y la ubicación deseados de los puntos de evaluación de la precisión generados automáticamente.
- Establezca «Number of Points» en 500 y la estrategia de muestreo en «Stratified Random».
- Haga clic en «Run».
- Abra la tabla de atributos de los puntos de evaluación de la precisión generados.
Los valores reales sobre el terreno por defecto para los puntos de datos que se muestran en la tabla de atributos son -1.
- Haga clic en la pestaña «Edit» de la barra de menú.
- Establezca los Ground truth values para cada uno de los puntos de evaluación de la precisión (500) haciendo coincidir los puntos con la clase de uso del suelo del mapa base.
- Desactive la columna que representa los valores de las distintas clases de uso del suelo de la «Classified image» sobre la que se generaron estos puntos de evaluación de la precisión mientras realiza el paso 8.
- Guarde los cambios.
Para generar una Confusion matrix a partir de los puntos de evaluación de la precisión, se siguen los siguientes pasos;
- Escribir y buscar «Compute Confusion Matrix» desde la barra de búsqueda de la caja de herramientas de geoprocesamiento.
- Establezca como «puntos de evaluación de la precisión de entrada» los puntos de evaluación de la precisión generados y establezca como «Output confusion matrix» el nombre y la ubicación deseados de la matriz.
- Haga clic en «Run».
Tabla 1: Confusion matrix of clasification
Traducido desde: gislounge
