Examen parcial el próximo lunes 9 de marzo Próximo tutorial 4-5 Anuncios Examen parcial el próximo lunes 9 de marzo Próximo tutorial 4-5

Mapping the forest types and landcover of Puerto Rico. Lo discutiremos el próximo jueves 5 de marzo.

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

Precisión de la clasificación 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.

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

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

Matriz de error

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

Matriz de error

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

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.

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

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.

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.

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.

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

Diseño al azar

Diseño de muestreo sistemático o regular

Diseño de muestreo al azar estratificado

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.

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