Distribución espacial de la incertidumbre en mapas de cubiertas obtenidos mediante teledetección

• Pons, X. ^[1] ; Sevillano, E. ^[3] ; Moré, G. ^[3] ; Serra, P. ^[3] ; Cornford, D. ^[2] ; Ninyerola, M. ^[1]
  1. [1] Universitat Autònoma de Barcelona

     Universitat Autònoma de Barcelona

     Barcelona, España

     
  2. [2] Aston University

     Aston University

     Reino Unido

     
  3. [3] Grumets Research Group, CREAF

  Mostrar afiliaciones +
• Localización: Revista de teledetección: Revista de la Asociación Española de Teledetección, ISSN 1133-0953, Nº. 42, 2014, págs. 1-10
• Idioma: español
• Títulos paralelos:
  • Spatial distribution of the uncertainty in land cover maps obtained from remote sensing
• Enlaces
  • Texto completo
• Resumen
  • español

    La utilización conjunta de imágenes de teledetección con clasificadores estadísticos con la finalidad de obtener cartografía temática de tipo categórico no suele proporcionar datos acerca de cómo se distribuye espacialmente el error y la incertidumbre en los mapas resultantes. Este trabajo expone, en el contexto del proyecto FP7 GeoViQua, aproximaciones posibilistas para métodos en pasos sucesivos como los clasificadores híbridos. Tanto en el caso de estrategias “por píxel” como “por objeto”, la propuesta se basa en la utilización de la verdad terreno disponible para modelizar adecuadamente la distribución espacial de los errores. Los resultados permiten confeccionar mapas de acierto de la clasificación con un muy elevado nivel de fiabilidad (R2 > 0.94), con lo cual los usuarios de los mapas conocen con confianza la exactitud en cada zona de los mismos.

  • English

    When combining remote sensing imagery with statistical classifiers to obtain categorical thematic maps it is not usual to provide data about the spatial distribution of the error and uncertainty of the resulting maps. This paper describes, in the context of GeoViQua FP7 project, feasible approaches for methods based on several steps such as hybrid classifiers. Both for “per pixel” and “per polygon” strategies, the proposal is based on the use of the available ground truth, which is used to properly model the spatial distribution of the errors. Results allow mapping the classification success with a very high level of reliability (R2>0,94), providing users a sound knowledge of the accuracy at every area of the map.