Uso de Random Forest y Máxima Verosimilitud para análisis de coberturas ajustadas a Corine Land Cover. Municipio Olaya Antioquia.

Abstract

La clasificación de coberturas es una herramienta importante para la planificación y gestión del territorio. En Colombia, se ha adaptado la metodología Corine Land Cover (CLC), la cual define los parámetros para identificar y clasificar coberturas y usos del suelo, proporcionando una base técnica para la toma de decisiones por parte de entes gubernamentales. En este contexto, el municipio de Olaya – Antioquia presenta limitaciones en su Esquema de Ordenamiento Territorial (E.O.T.), al carecer de una caracterización metodológica para la clasificación de sus coberturas. Por lo tanto, esta investigación tuvo como objetivo aplicar los algoritmos de clasificación supervisada Random Forest y Máxima Verosimilitud, ajustados al estándar CLC y a partir de imágenes satelitales PlanetScope con resolución de 3 metros, para definir cuál algoritmo obtuvo mejor desempeño y generar insumos cartográficos que apoyen el E.O.T.. Se identificaron cinco clases principales: territorios artificializados, bosques, áreas abiertas sin o con poca vegetación, ríos y cuerpos de agua artificiales. La evaluación de precisión, mediante matrices de confusión e índice Kappa, evidenció que Máxima Verosimilitud obtuvo mejores resultados con una precisión del 85 % y un índice Kappa de 0,81, frente al 79 % y 0,74 de Random Forest. Se identificaron limitaciones en la diferenciación de coberturas con firmas espectrales similares, como zonas urbanas y arenas ribereñas. Se concluye que ambos algoritmos son viables para la clasificación supervisada, aunque se recomienda incorporar datos complementarios para mejorar la precisión. Este trabajo constituye un insumo técnico valioso para la actualización del E.O.T. y la gestión territorial del municipio.