Clasificación de uso y cobertura del suelo basada en modelos de Aprendizaje de Máquina Supervisados

  • Federico Javier Beron de la Puente
  • Anabella Montico
  • Natalia V. Revollo
  • Verónica Gil
  • Paula A. Zapperi
Palabras clave: LULC, Modelos de Aprendizaje de Máquina Supervisados, áreas agrícolas

Resumen

. La obtención de información geográfica de usos y coberturas del suelo (LULC) es crucial para el monitoreo espacio-temporal de la actividad agrícola y de sus efectos sobre el ambiente. En este marco, el objetivo del trabajo fue comparar la performance de Google Earth Engine (GEE) y del complemento Semi-automatic Classification Plugin (SCP) dentro de QGis para clasificar LULC en imágenes multiespectrales Sentinel-2. Los modelos fueron aplicados a una región del centro-sur del sistema de Ventania, en el suroeste de la provincia de Buenos Aires, Argentina y validados con información medida in situ. Los resultados indican que ambos modelos son capaces de clasificar LULC con una precisión entre 77.6 % y 97.8%, habiendo obtenido mejores resultados con GEE. 

Publicado
2024-09-06
Cómo citar
Beron de la Puente, F., Montico, A., Revollo, N., Gil, V., & Zapperi, P. (2024). Clasificación de uso y cobertura del suelo basada en modelos de Aprendizaje de Máquina Supervisados. Memorias De Las JAIIO, 10(3), 1-14. Recuperado a partir de https://publicaciones.sadio.org.ar/index.php/JAIIO/article/view/955
Sección
CAI - Congreso Argentino de AgroInformática

Artículos más leídos del mismo autor/a