Se realizaron dos clasificaciones multiespectrales, una supervisada y una no supervisada, con base en una imagen Landsat TM utilizando para ello un algoritmo de máxima similitud. En el primer caso se obtuvieron 29 clases a partir de unas 41 muestras y en el caso de la clasificación no supervisada se obtuvieron 27 clases. En ambos casos, el número final de clases se redujo una vez agrupadas las clases espectrales en clases de información, resultando seis en total. Por otra parte, se elaboraron diferentes compuestos en color para realizar una interpretación visual. Los tres productos fueron comparados en un ambiente SIG contra una base de referencia de verdad en campo, consistente en una malla de puntos equidistantes a 1 km2, totalizando 560 sitios de control. Los resultados de la comparación permiten apreciar que los mejores valores de exactitud corresponden a la clasificación supervisada (82.32%) seguidos de la clasificación visual (78.72%) y la no supervisada (73.18%). Estos valores fueron obtenidos una vez agrupadas las clases afines.
Using a Maximum Likelihood algorithm a Landsat TM image was classified by both supervised and non–supervised approaches. In the first case, 12 classes were obtained based on 30 samples; the non–supervised procedure yielded 30 classes. Once grouped, both classifications considered 6 classes. Additionally, color composites were prepared and visually interpreted. The three products were compared in a GIS environment using a regularly distributed network of points refering the field truth. The results show that the lowest error correspond to the supervised classification (82.32% exactitude), followed by the visual interpretation (78.72%) and the non–supervised procedure (73.18%). These figures were obtained after grouping the classes according to their similarities.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados