Cartografía de coberturas del suelo mediante Sensores Remotos, de la ciudad de Resistencia, Argentina (2013)
- Autores
- Da Silva, Cristian Javier; Insaurralde, Juan Ariel; Cardozo, Osvaldo Daniel
- Año de publicación
- 2014
- Idioma
- español castellano
- Tipo de recurso
- artículo
- Estado
- versión publicada
- Descripción
- Los Sensores Remotos se han convertido en los últimos tiempos en una herramienta importante para la planificación territorial, debido a la originalidad metodológica con la cual operan y el amplio espectro de observación de la superficie terrestre. El número de algoritmos disponibles en la literatura científica, permiten tratar individualmente muchas de las coberturas terrestres y caracterizarlas en base a su comportamiento espectral. En el presente trabajo se han aplicado dos métodos de clasificación de imágenes: árboles de decisión o reglas y clasificación no supervisada. También se han calculado índices de vegetación y de agua (NDVI y MNDWI), para identificar las coberturas y generar cartografía temática que sirva como base para posteriores estudios. Además, se ha elaborado la matriz de confusión con el fin de determinar la validez de la clasificación obtenida. Como resultado, se han obtenidos coberturas de vegetación, urbano, cursos y cuerpos de agua, clasificados a partir de técnicas oportunamente mencionadas, que brindan una fiabilidad global del orden del 61%, y si se consideran de manera individual (urbano y cuerpos y cursos de agua), las mismas alcanzan una precisión superior al 70%.
Remote Sensing has become in recent years an important tool for land use planning, due to the methodological originality with which it operates and the wide view of the Earth surface. The range of image processing algorithms available today in scientific literature allows that many coverages can be treated individually and can be characterized by their spectral behavior. In this paper we have applied different image classification methods such as decision tree or rules, unsupervised classification, have also been calculated Normalized Difference Vegetation Index (NDVI) and Modified Normalized Difference Water Index (MNDWI) to identify coverages and generate thematic mapper, as the basis for further studies. Furthermore, has been applied the confusion matrix in order to determine validity of the classification obtained. Have been obtained coverages vegetation, urban, courses and water bodies, that they have classified by mentioned techniques the previous paragraph, which provide a global reliability of the order of 61%, and if considered individually (urban and bodies and waterways) , they reach an accuracy above 70%.
Fil: Da Silva, Cristian Javier. Universidad Nacional del Nordeste; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Insaurralde, Juan Ariel. Universidad Nacional del Nordeste; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina
Fil: Cardozo, Osvaldo Daniel. Universidad Nacional del Nordeste; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina - Materia
-
Sensores Remotos
MNDWI
Clasificación No Supervisada
Árbol de Decisión
NDVI - Nivel de accesibilidad
- acceso abierto
- Condiciones de uso
- https://creativecommons.org/licenses/by-nc-sa/2.5/ar/
- Repositorio
- Institución
- Consejo Nacional de Investigaciones Científicas y Técnicas
- OAI Identificador
- oai:ri.conicet.gov.ar:11336/21825
Ver los metadatos del registro completo
id |
CONICETDig_0e4124417d82f41796197a927eaa24d0 |
---|---|
oai_identifier_str |
oai:ri.conicet.gov.ar:11336/21825 |
network_acronym_str |
CONICETDig |
repository_id_str |
3498 |
network_name_str |
CONICET Digital (CONICET) |
spelling |
Cartografía de coberturas del suelo mediante Sensores Remotos, de la ciudad de Resistencia, Argentina (2013)Mapping ofland coverages through remote sensing, in Resistencia city, Argentina (2013)Da Silva, Cristian JavierInsaurralde, Juan ArielCardozo, Osvaldo DanielSensores RemotosMNDWIClasificación No SupervisadaÁrbol de DecisiónNDVIhttps://purl.org/becyt/ford/1.5https://purl.org/becyt/ford/1Los Sensores Remotos se han convertido en los últimos tiempos en una herramienta importante para la planificación territorial, debido a la originalidad metodológica con la cual operan y el amplio espectro de observación de la superficie terrestre. El número de algoritmos disponibles en la literatura científica, permiten tratar individualmente muchas de las coberturas terrestres y caracterizarlas en base a su comportamiento espectral. En el presente trabajo se han aplicado dos métodos de clasificación de imágenes: árboles de decisión o reglas y clasificación no supervisada. También se han calculado índices de vegetación y de agua (NDVI y MNDWI), para identificar las coberturas y generar cartografía temática que sirva como base para posteriores estudios. Además, se ha elaborado la matriz de confusión con el fin de determinar la validez de la clasificación obtenida. Como resultado, se han obtenidos coberturas de vegetación, urbano, cursos y cuerpos de agua, clasificados a partir de técnicas oportunamente mencionadas, que brindan una fiabilidad global del orden del 61%, y si se consideran de manera individual (urbano y cuerpos y cursos de agua), las mismas alcanzan una precisión superior al 70%.Remote Sensing has become in recent years an important tool for land use planning, due to the methodological originality with which it operates and the wide view of the Earth surface. The range of image processing algorithms available today in scientific literature allows that many coverages can be treated individually and can be characterized by their spectral behavior. In this paper we have applied different image classification methods such as decision tree or rules, unsupervised classification, have also been calculated Normalized Difference Vegetation Index (NDVI) and Modified Normalized Difference Water Index (MNDWI) to identify coverages and generate thematic mapper, as the basis for further studies. Furthermore, has been applied the confusion matrix in order to determine validity of the classification obtained. Have been obtained coverages vegetation, urban, courses and water bodies, that they have classified by mentioned techniques the previous paragraph, which provide a global reliability of the order of 61%, and if considered individually (urban and bodies and waterways) , they reach an accuracy above 70%.Fil: Da Silva, Cristian Javier. Universidad Nacional del Nordeste; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; ArgentinaFil: Insaurralde, Juan Ariel. Universidad Nacional del Nordeste; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; ArgentinaFil: Cardozo, Osvaldo Daniel. Universidad Nacional del Nordeste; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; ArgentinaUniversidad Nacional del Nordeste. Facultad de Humanidades. Instituto de Geografía2014-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/21825Da Silva, Cristian Javier; Insaurralde, Juan Ariel; Cardozo, Osvaldo Daniel; Cartografía de coberturas del suelo mediante Sensores Remotos, de la ciudad de Resistencia, Argentina (2013); Universidad Nacional del Nordeste. Facultad de Humanidades. Instituto de Geografía; Geográfica Digital; 11; 21; 1-2014; 1-181668-5180CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/http://hum.unne.edu.ar/revistas/geoweb/Geo21/contenidos/dasilva14.htminfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2025-09-29T10:31:06Zoai:ri.conicet.gov.ar:11336/21825instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982025-09-29 10:31:06.972CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse |
dc.title.none.fl_str_mv |
Cartografía de coberturas del suelo mediante Sensores Remotos, de la ciudad de Resistencia, Argentina (2013) Mapping ofland coverages through remote sensing, in Resistencia city, Argentina (2013) |
title |
Cartografía de coberturas del suelo mediante Sensores Remotos, de la ciudad de Resistencia, Argentina (2013) |
spellingShingle |
Cartografía de coberturas del suelo mediante Sensores Remotos, de la ciudad de Resistencia, Argentina (2013) Da Silva, Cristian Javier Sensores Remotos MNDWI Clasificación No Supervisada Árbol de Decisión NDVI |
title_short |
Cartografía de coberturas del suelo mediante Sensores Remotos, de la ciudad de Resistencia, Argentina (2013) |
title_full |
Cartografía de coberturas del suelo mediante Sensores Remotos, de la ciudad de Resistencia, Argentina (2013) |
title_fullStr |
Cartografía de coberturas del suelo mediante Sensores Remotos, de la ciudad de Resistencia, Argentina (2013) |
title_full_unstemmed |
Cartografía de coberturas del suelo mediante Sensores Remotos, de la ciudad de Resistencia, Argentina (2013) |
title_sort |
Cartografía de coberturas del suelo mediante Sensores Remotos, de la ciudad de Resistencia, Argentina (2013) |
dc.creator.none.fl_str_mv |
Da Silva, Cristian Javier Insaurralde, Juan Ariel Cardozo, Osvaldo Daniel |
author |
Da Silva, Cristian Javier |
author_facet |
Da Silva, Cristian Javier Insaurralde, Juan Ariel Cardozo, Osvaldo Daniel |
author_role |
author |
author2 |
Insaurralde, Juan Ariel Cardozo, Osvaldo Daniel |
author2_role |
author author |
dc.subject.none.fl_str_mv |
Sensores Remotos MNDWI Clasificación No Supervisada Árbol de Decisión NDVI |
topic |
Sensores Remotos MNDWI Clasificación No Supervisada Árbol de Decisión NDVI |
purl_subject.fl_str_mv |
https://purl.org/becyt/ford/1.5 https://purl.org/becyt/ford/1 |
dc.description.none.fl_txt_mv |
Los Sensores Remotos se han convertido en los últimos tiempos en una herramienta importante para la planificación territorial, debido a la originalidad metodológica con la cual operan y el amplio espectro de observación de la superficie terrestre. El número de algoritmos disponibles en la literatura científica, permiten tratar individualmente muchas de las coberturas terrestres y caracterizarlas en base a su comportamiento espectral. En el presente trabajo se han aplicado dos métodos de clasificación de imágenes: árboles de decisión o reglas y clasificación no supervisada. También se han calculado índices de vegetación y de agua (NDVI y MNDWI), para identificar las coberturas y generar cartografía temática que sirva como base para posteriores estudios. Además, se ha elaborado la matriz de confusión con el fin de determinar la validez de la clasificación obtenida. Como resultado, se han obtenidos coberturas de vegetación, urbano, cursos y cuerpos de agua, clasificados a partir de técnicas oportunamente mencionadas, que brindan una fiabilidad global del orden del 61%, y si se consideran de manera individual (urbano y cuerpos y cursos de agua), las mismas alcanzan una precisión superior al 70%. Remote Sensing has become in recent years an important tool for land use planning, due to the methodological originality with which it operates and the wide view of the Earth surface. The range of image processing algorithms available today in scientific literature allows that many coverages can be treated individually and can be characterized by their spectral behavior. In this paper we have applied different image classification methods such as decision tree or rules, unsupervised classification, have also been calculated Normalized Difference Vegetation Index (NDVI) and Modified Normalized Difference Water Index (MNDWI) to identify coverages and generate thematic mapper, as the basis for further studies. Furthermore, has been applied the confusion matrix in order to determine validity of the classification obtained. Have been obtained coverages vegetation, urban, courses and water bodies, that they have classified by mentioned techniques the previous paragraph, which provide a global reliability of the order of 61%, and if considered individually (urban and bodies and waterways) , they reach an accuracy above 70%. Fil: Da Silva, Cristian Javier. Universidad Nacional del Nordeste; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina Fil: Insaurralde, Juan Ariel. Universidad Nacional del Nordeste; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina Fil: Cardozo, Osvaldo Daniel. Universidad Nacional del Nordeste; Argentina. Consejo Nacional de Investigaciones Científicas y Técnicas; Argentina |
description |
Los Sensores Remotos se han convertido en los últimos tiempos en una herramienta importante para la planificación territorial, debido a la originalidad metodológica con la cual operan y el amplio espectro de observación de la superficie terrestre. El número de algoritmos disponibles en la literatura científica, permiten tratar individualmente muchas de las coberturas terrestres y caracterizarlas en base a su comportamiento espectral. En el presente trabajo se han aplicado dos métodos de clasificación de imágenes: árboles de decisión o reglas y clasificación no supervisada. También se han calculado índices de vegetación y de agua (NDVI y MNDWI), para identificar las coberturas y generar cartografía temática que sirva como base para posteriores estudios. Además, se ha elaborado la matriz de confusión con el fin de determinar la validez de la clasificación obtenida. Como resultado, se han obtenidos coberturas de vegetación, urbano, cursos y cuerpos de agua, clasificados a partir de técnicas oportunamente mencionadas, que brindan una fiabilidad global del orden del 61%, y si se consideran de manera individual (urbano y cuerpos y cursos de agua), las mismas alcanzan una precisión superior al 70%. |
publishDate |
2014 |
dc.date.none.fl_str_mv |
2014-01 |
dc.type.none.fl_str_mv |
info:eu-repo/semantics/article info:eu-repo/semantics/publishedVersion http://purl.org/coar/resource_type/c_6501 info:ar-repo/semantics/articulo |
format |
article |
status_str |
publishedVersion |
dc.identifier.none.fl_str_mv |
http://hdl.handle.net/11336/21825 Da Silva, Cristian Javier; Insaurralde, Juan Ariel; Cardozo, Osvaldo Daniel; Cartografía de coberturas del suelo mediante Sensores Remotos, de la ciudad de Resistencia, Argentina (2013); Universidad Nacional del Nordeste. Facultad de Humanidades. Instituto de Geografía; Geográfica Digital; 11; 21; 1-2014; 1-18 1668-5180 CONICET Digital CONICET |
url |
http://hdl.handle.net/11336/21825 |
identifier_str_mv |
Da Silva, Cristian Javier; Insaurralde, Juan Ariel; Cardozo, Osvaldo Daniel; Cartografía de coberturas del suelo mediante Sensores Remotos, de la ciudad de Resistencia, Argentina (2013); Universidad Nacional del Nordeste. Facultad de Humanidades. Instituto de Geografía; Geográfica Digital; 11; 21; 1-2014; 1-18 1668-5180 CONICET Digital CONICET |
dc.language.none.fl_str_mv |
spa |
language |
spa |
dc.relation.none.fl_str_mv |
info:eu-repo/semantics/altIdentifier/url/http://hum.unne.edu.ar/revistas/geoweb/Geo21/contenidos/dasilva14.htm |
dc.rights.none.fl_str_mv |
info:eu-repo/semantics/openAccess https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
https://creativecommons.org/licenses/by-nc-sa/2.5/ar/ |
dc.format.none.fl_str_mv |
application/pdf application/pdf application/pdf |
dc.publisher.none.fl_str_mv |
Universidad Nacional del Nordeste. Facultad de Humanidades. Instituto de Geografía |
publisher.none.fl_str_mv |
Universidad Nacional del Nordeste. Facultad de Humanidades. Instituto de Geografía |
dc.source.none.fl_str_mv |
reponame:CONICET Digital (CONICET) instname:Consejo Nacional de Investigaciones Científicas y Técnicas |
reponame_str |
CONICET Digital (CONICET) |
collection |
CONICET Digital (CONICET) |
instname_str |
Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.name.fl_str_mv |
CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas |
repository.mail.fl_str_mv |
dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar |
_version_ |
1844614320938287104 |
score |
13.070432 |