Mapping the forest types and landcover of Puerto Rico. Lo discutiremos pronto. Lo consiguen en el portal del curso.
Clasificación no-supervisada Páginas del Manual de Idrisi
Clasificación no supervisada Extrae grupos de píxeles con características espectrales suficientemente similares entre sí mismos pero suficientemente distintos a los otros grupos (clases espectrales). Los resultados son independientes de nuestro conocimiento sobre la localización de los tipos de cobertura en el área de estudio. Luego de ese proceso se determina a qué tipo de cobertura corresponde cada clase espectral. Pretende ser una manera menos subjetiva para extraer información sobre las clases presentes en el área de interés.
Ejemplo de procedimiento de agrupar
Proceso de agrupar
CLUSTER Uno de los algoritmos utilizados en Idrisi
Picos y hombros en un histograma
ETM4
Histograma de composición de ETM 2, 3 y 4
Grupos amplios vs. Grupos finos
Clasificación no-supervisda jerárquica banda3 banda4
Posibles resultados de una clasificación no supervisada Clase espectral Clase real en el terreno Clase 1Agua Clase 2 Clase 3Bosque Clase 4 Clase 5Agrícola
Evaluación de la clasificación Igual que para clasificación supervisada