Mapping the forest types and landcover of Puerto Rico. Comenzaremos a discutirlo el lunes.

Presentación del tema: "Mapping the forest types and landcover of Puerto Rico. Comenzaremos a discutirlo el lunes."— Transcripción de la presentación:

1 Mapping the forest types and landcover of Puerto Rico. Comenzaremos a discutirlo el lunes

2 Precisión de la clasificación Páginas 169-170 y 206 del Manual de Idrisi

3 Precisión de la clasificación Una clasificación adecuada es aquella que indica que las clases se encuentran en lugares donde existen realmente e indica que no existen en lugares que realmente no existen. Las clasificaciones, sean del tipo que sean, no son 100% precisas. La precisión de una clasificación nos indica la confiabilidad que debemos tener en sus resultados. Es necesario informar la precisión de la clasificación a los usuarios de la misma.

4 Posibles resultados de una clasificación supervisada Clase real en el terreno: Píxeles clasificados como: Agua Bosque Urbano Agrícola 100% 20% 100% 55% 25%

5 Tipos de error Error de omisión: píxel correspondiendo a una clase de cobertura pero que no fue clasificado de esa manera. –su complemento es la precisión del productor Error de comisión: píxel clasificado como una clase de cobertura a la que no pertenece. –su complemento es la precisión del usuario

6 Matriz de error

7 Area de interés

8 Lugares de entrenamiento

9 Lugares de referencia

10 Clases en lugares de referencia

11 Matriz de error Las columnas presentan lo observado en los lugares de referencia. Las filas presentan lo clasificado en los lugares de referencia.

12 Matriz de error

13 Tipos de error Error de omisión: píxel correspondiendo a una clase de cobertura pero que no fue clasificado de esa manera. –su complemento es la precisión del productor Error de comisión: píxel clasificado como una clase de cobertura a la que no pertenece. –su complemento es la precisión del usuario

14 Precisión general Lugares clasificados correctamente dividido por el total de lugares de referencia. –Este índice de precisión no toma en cuenta los errores de comisión y omisión. Otro estimado, estadísticamente más apropiado, sería el coeficiente de Kappa. –Este coeficiente toma en cuenta los errores de comisión y de omisión.

15 Ejemplo de cálculos del coeficiente Kappa (continuación de tabla 8-11)

16 Precisión del productor Se calcula por clase de uso de terreno. Lugares de una clase de uso de terreno clasificados correctamente dividido por el total de lugares de referencia correspondientes a esa clase.

17 Precisión del usuario También se calcula por clase de uso de terreno. Lugares de una clase de uso de terreno clasificados correctamente dividido por el total de lugares clasificados en esa clase.

18 Datos para estimar precisión Lugares de entrenamiento. –Nos dan una medida viciada de la precisión. –No deben utilizarse para estimar precisión porque esos píxeles fueron utilizados para hacer la clasificación. Lugares de referencia. –Deben ser independientes de los lugares de entrenamiento. –Pueden ser obtenidos en reconocimiento preliminar o luego de hacer la clasificación. –Cotejados en el campo o con fotos aéreas.

19 Diseños de muestreo para corroborar la clasificación Al azar Sistemático Al azar estratificado

20 Diseño al azar

21 Diseño de muestreo sistemático o regular

22 Diseño de muestreo al azar estratificado

23 Número de lugares a muestrear Método estadístico. (Vean el Manual de Idrisi) Regla general. Seleccionar al menos 50 lugares al azar o sistemáticamente por cada clase de uso de terreno.

24 Mapping the forest types and landcover… Helmer et al. 2002

25 Pasos para la clasificación digital Definir el problema Seleccionar clases y el tipo de dato telesensado Procesar los datos Evaluar los resultados Distribuir los resultados

26 Definir el problema Establecer objetivos: formular preguntas o hipótesis claras. Seleccionar área de estudio. Seleccionar clases o categorías a detectar. [Seleccionar el tipo de dato telesensado más adecuado para los objetivos.]

27 Preguntas guías ¿Cuáles son los objetivos del estudio? ¿Cómo los justifican? ¿Cuáles son los retos de utilizar datos de satélites en áreas tropicales complejas? –Zonas ecológicas y ángulos de iluminación –Vegetación en etapas sucesionales –Cubierta de nubes –Escala espacial y resolución de clases

28 Seleccionar clases y tipo de dato telesensado Las características de los datos digitales (e.g., su resolución espacial) deben ser apropiadas para el nivel o jerarquía de clases deseado.

29 Seleccionar clases y tipo de dato telesensado

30

31

32 Tipos de bosques Bosque húmedo de la costa Bosque calizo húmedo Bosque seco de la costa Bosque calizo seco Bosque de la baja cordillera Bosque de la alta cordillera Bosque del bajo Luquillo Bosque del alto Luquillo Según Little, Woodbury y Wadsworth (1974)

33 de Ewel y Whitmore 1973 Parecido al de Little, Woodbury y Wadsworth (1974Parecido al de Little, Woodbury y Wadsworth (1974)

34 Mapa geológico

35

36

37 Preguntas guías ¿Cómo utilizaron el proceso de segmentación de imágenes? ¿Cuáles y cuántas imágenes telesensadas utilizaron, y por qué? ¿Para qué utilizaron edición e interpretación manual? ¿Cómo manejaron el reto de las nubes en las imágenes?

38 Preguntas guías ¿Cómo evaluaron la precisión de la clasificación? ¿Para qué reclasificaron según sistemas de clasificación globales? ¿Cómo generaron los resultados de áreas protegidas?

39 Preguntas guías ¿Cuáles fueron los resultados principales del estudio? ¿Cuál es la importancia del estudio en términos de la estrategia de clasificación utilizada y en términos de los resultados de áreas protegidas?

40