Análisis comparativo de algoritmos de clasificación de imágenes en el software R para la identificación de cobertura boscosa en el municipio El Dorado (Meta)

Abstract

El objetivo de este estudio es determinar el algoritmo de clasificación supervisada con mejores métricas en la identificación de la cobertura boscosa, para el municipio de El Dorado (Meta), actualmente se tienen a disposición diferentes desarrollos tecnológicos enfocados en el Machine Learning para las aplicaciones propias de la teledetección; en el caso de la clasificación supervisada se cuenta con una amplia variedad de algoritmos, sin embargo, estas posibilidades tienden a pasar desapercibidas por el usuario, ya que en la mayoría de softwares de procesamiento esta metodología viene configurada con un algoritmo en particular. Para definir cuál es algoritmo de clasificación supervisada con el que se obtiene un mejor resultado se propone hacer uso de una imagen satelital de Sentinel-2 y del software R para el procesamiento y análisis estadístico; se realiza una selección de cuatro algoritmos de clasificación supervisada, obteniendo resultados de precisión, resultados visuales y tiempos de procesamiento para cada uno de ellos; dando como resultado que es el algoritmo de Red Neuronal Artificial (RNA) con un kappa de 0.96 y un índice de precisión de 0.97 el que mejores métricas tiene y por ende el óptimo para la generación de productos intermedios y finales de caracterización del territorio.