Algoritmos de clasificación automática para el ordenamiento territorial de los bosques nativos de la provincia de Buenos Aires

Autores
Grimson, Rafael; Schivo, Facundo; Goya, Juan Francisco; Arturi, Marcelo Fabián; Derguy, María Rosa; Sandoval, Martín; Torres Robles, Silvia Susana; Rodríguez, Laura Belén; Pratolongo, Paula
Año de publicación
2024
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
El objetivo de este trabajo es actualizar y mejorar la cartografía existente sobre la distribución espacial de los bosques nativos de la provincia de Buenos Aires. Se desarrolló en el marco de un proyecto de transferencia ejecutado por investigadores del sistema científico tecnológico nacional para la Dirección de Bosques del Ministerio de Ambiente de la Provincia de Buenos Aires. El proyecto se enfocó en diseñar y llevar adelante una metodología para identificar y delimitar coberturas de bosque nativo uniformes para toda la provincia. Para actualizar la cartografía se usó una combinación de información relevada a campo con la interpretación visual de series multitemporales de imágenes ópticas de alta resolución, generalizada usando algoritmos de aprendizaje automático alimentados con información derivada de series de imágenes satelitales multiespectrales Sentinel-2. Los productos obtenidos se evaluaron por medio de la matriz de contingencia calculada a partir de datos etiquetados a campo. Se detalla la metodología utilizada para la clasificación automática, incluyendo la de etiquetado de puntos de entrenamiento, la información espectral empleada para alimentar los clasificadores, la selección de la metodología de clasificación en sí, los detalles del posprocesamiento para cada formación boscosa y la evaluación de los productos finales obtenidos. La delimitación obtenida excluye 235182 ha de las 968397 ha del mapeo vigente —que consideramos no correspondientes a bosque nativo— e incorpora 187512 ha de bosque nativo que no habían sido mapeadas antes. Así, la superficie total de bosque nativo mapeada en la provincia se redujo en 4.9%. La evaluación, realizada mediante 719 puntos etiquetados a campo, asigna una exactitud global de 0.89 y un índice kappa de 0.85 a la clasificación obtenida. Esto indica que la metodología propuesta es adecuada para delimitar bosques nativos en la provincia.NOTA: el PDF de este trabajo fue retirado de línea el 03-03-2025 a pedido de los autores
The objective of this work is to update and improve the existing cartography on the spatial distribution of native forests in the Buenos Aires province, Argentina. It was developed within the framework of a project executed by researchers of the national scientific and technological system for the Dirección de Bosques of the Ministerio de Ambiente de la Provincia de Buenos Aires, focusing on the design and execution of a uniform methodology for the identification and delineation of native forest covers for the entire province. The cartographic update used a combination of field-collected information, complemented with visual interpretation of multitemporal series of high-resolution optical images, generalized using machine learning algorithms fed with information derived from Sentinel-2 multispectral satellite image series. The products obtained were evaluated using metrics derived from the contingency matrix, calculated from field-labeled data. The methodology used for automatic classification is detailed, including the methodology for labeling training points, the spectral information used to feed the classifiers, the selection of the classification methodology itself, as well as the details of the post-processing procedure applied to each specific forest formation and the evaluation of the final products obtained. The delineation obtained excludes 235182 ha from the 968397 ha of the current map, which we consider to not correspond to native forests, and incorporates 187512 ha of native forests that had not been previously mapped, reducing the total mapped area of native forests in the province by 4.9%. The evaluation, carried out with 719 field-labeled points, assigns an overall accuracy of 0.89 and a kappa index of 0.85 to the classification obtained, indicating that the proposed methodology is suitable for the delineation of native forests in the province.NOTE: the PDF of this work was removed from online access on 03-03-2025 at the request of the authors
Laboratorio de Investigación de Sistemas Ecológicos y Ambientales
Consejo Nacional de Investigaciones Científicas y Técnicas
Materia
Ciencias Agrarias
Delta
Caldenal
Monte
Talares de Barranca
Talares del Este
Bosque Ribereño
Sentinel-2
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/194260

id SEDICI_347a11e921c6a723cec703034ca46657
oai_identifier_str oai:sedici.unlp.edu.ar:10915/194260
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Algoritmos de clasificación automática para el ordenamiento territorial de los bosques nativos de la provincia de Buenos AiresAutomatic classification algorithms for the land-use planning of native forests in the province of Buenos AiresGrimson, RafaelSchivo, FacundoGoya, Juan FranciscoArturi, Marcelo FabiánDerguy, María RosaSandoval, MartínTorres Robles, Silvia SusanaRodríguez, Laura BelénPratolongo, PaulaCiencias AgrariasDeltaCaldenalMonteTalares de BarrancaTalares del EsteBosque RibereñoSentinel-2El objetivo de este trabajo es actualizar y mejorar la cartografía existente sobre la distribución espacial de los bosques nativos de la provincia de Buenos Aires. Se desarrolló en el marco de un proyecto de transferencia ejecutado por investigadores del sistema científico tecnológico nacional para la Dirección de Bosques del Ministerio de Ambiente de la Provincia de Buenos Aires. El proyecto se enfocó en diseñar y llevar adelante una metodología para identificar y delimitar coberturas de bosque nativo uniformes para toda la provincia. Para actualizar la cartografía se usó una combinación de información relevada a campo con la interpretación visual de series multitemporales de imágenes ópticas de alta resolución, generalizada usando algoritmos de aprendizaje automático alimentados con información derivada de series de imágenes satelitales multiespectrales Sentinel-2. Los productos obtenidos se evaluaron por medio de la matriz de contingencia calculada a partir de datos etiquetados a campo. Se detalla la metodología utilizada para la clasificación automática, incluyendo la de etiquetado de puntos de entrenamiento, la información espectral empleada para alimentar los clasificadores, la selección de la metodología de clasificación en sí, los detalles del posprocesamiento para cada formación boscosa y la evaluación de los productos finales obtenidos. La delimitación obtenida excluye 235182 ha de las 968397 ha del mapeo vigente —que consideramos no correspondientes a bosque nativo— e incorpora 187512 ha de bosque nativo que no habían sido mapeadas antes. Así, la superficie total de bosque nativo mapeada en la provincia se redujo en 4.9%. La evaluación, realizada mediante 719 puntos etiquetados a campo, asigna una exactitud global de 0.89 y un índice kappa de 0.85 a la clasificación obtenida. Esto indica que la metodología propuesta es adecuada para delimitar bosques nativos en la provincia.NOTA: el PDF de este trabajo fue retirado de línea el 03-03-2025 a pedido de los autoresThe objective of this work is to update and improve the existing cartography on the spatial distribution of native forests in the Buenos Aires province, Argentina. It was developed within the framework of a project executed by researchers of the national scientific and technological system for the Dirección de Bosques of the Ministerio de Ambiente de la Provincia de Buenos Aires, focusing on the design and execution of a uniform methodology for the identification and delineation of native forest covers for the entire province. The cartographic update used a combination of field-collected information, complemented with visual interpretation of multitemporal series of high-resolution optical images, generalized using machine learning algorithms fed with information derived from Sentinel-2 multispectral satellite image series. The products obtained were evaluated using metrics derived from the contingency matrix, calculated from field-labeled data. The methodology used for automatic classification is detailed, including the methodology for labeling training points, the spectral information used to feed the classifiers, the selection of the classification methodology itself, as well as the details of the post-processing procedure applied to each specific forest formation and the evaluation of the final products obtained. The delineation obtained excludes 235182 ha from the 968397 ha of the current map, which we consider to not correspond to native forests, and incorporates 187512 ha of native forests that had not been previously mapped, reducing the total mapped area of native forests in the province by 4.9%. The evaluation, carried out with 719 field-labeled points, assigns an overall accuracy of 0.89 and a kappa index of 0.85 to the classification obtained, indicating that the proposed methodology is suitable for the delineation of native forests in the province.NOTE: the PDF of this work was removed from online access on 03-03-2025 at the request of the authorsLaboratorio de Investigación de Sistemas Ecológicos y AmbientalesConsejo Nacional de Investigaciones Científicas y Técnicas2024-12-10info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionArticulohttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdf527-545http://sedici.unlp.edu.ar/handle/10915/194260spainfo:eu-repo/semantics/altIdentifier/url/https://ojs.ecologiaaustral.com.ar/index.php/Ecologia_Austral/article/view/2431info:eu-repo/semantics/altIdentifier/issn/1667-782Xinfo:eu-repo/semantics/altIdentifier/doi/10.25260/EA.24.34.3.0.2431info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by/4.0/Creative Commons Attribution 4.0 International (CC BY 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-05-13T13:00:06Zoai:sedici.unlp.edu.ar:10915/194260Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-05-13 13:00:06.927SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Algoritmos de clasificación automática para el ordenamiento territorial de los bosques nativos de la provincia de Buenos Aires
Automatic classification algorithms for the land-use planning of native forests in the province of Buenos Aires
title Algoritmos de clasificación automática para el ordenamiento territorial de los bosques nativos de la provincia de Buenos Aires
spellingShingle Algoritmos de clasificación automática para el ordenamiento territorial de los bosques nativos de la provincia de Buenos Aires
Grimson, Rafael
Ciencias Agrarias
Delta
Caldenal
Monte
Talares de Barranca
Talares del Este
Bosque Ribereño
Sentinel-2
title_short Algoritmos de clasificación automática para el ordenamiento territorial de los bosques nativos de la provincia de Buenos Aires
title_full Algoritmos de clasificación automática para el ordenamiento territorial de los bosques nativos de la provincia de Buenos Aires
title_fullStr Algoritmos de clasificación automática para el ordenamiento territorial de los bosques nativos de la provincia de Buenos Aires
title_full_unstemmed Algoritmos de clasificación automática para el ordenamiento territorial de los bosques nativos de la provincia de Buenos Aires
title_sort Algoritmos de clasificación automática para el ordenamiento territorial de los bosques nativos de la provincia de Buenos Aires
dc.creator.none.fl_str_mv Grimson, Rafael
Schivo, Facundo
Goya, Juan Francisco
Arturi, Marcelo Fabián
Derguy, María Rosa
Sandoval, Martín
Torres Robles, Silvia Susana
Rodríguez, Laura Belén
Pratolongo, Paula
author Grimson, Rafael
author_facet Grimson, Rafael
Schivo, Facundo
Goya, Juan Francisco
Arturi, Marcelo Fabián
Derguy, María Rosa
Sandoval, Martín
Torres Robles, Silvia Susana
Rodríguez, Laura Belén
Pratolongo, Paula
author_role author
author2 Schivo, Facundo
Goya, Juan Francisco
Arturi, Marcelo Fabián
Derguy, María Rosa
Sandoval, Martín
Torres Robles, Silvia Susana
Rodríguez, Laura Belén
Pratolongo, Paula
author2_role author
author
author
author
author
author
author
author
dc.subject.none.fl_str_mv Ciencias Agrarias
Delta
Caldenal
Monte
Talares de Barranca
Talares del Este
Bosque Ribereño
Sentinel-2
topic Ciencias Agrarias
Delta
Caldenal
Monte
Talares de Barranca
Talares del Este
Bosque Ribereño
Sentinel-2
dc.description.none.fl_txt_mv El objetivo de este trabajo es actualizar y mejorar la cartografía existente sobre la distribución espacial de los bosques nativos de la provincia de Buenos Aires. Se desarrolló en el marco de un proyecto de transferencia ejecutado por investigadores del sistema científico tecnológico nacional para la Dirección de Bosques del Ministerio de Ambiente de la Provincia de Buenos Aires. El proyecto se enfocó en diseñar y llevar adelante una metodología para identificar y delimitar coberturas de bosque nativo uniformes para toda la provincia. Para actualizar la cartografía se usó una combinación de información relevada a campo con la interpretación visual de series multitemporales de imágenes ópticas de alta resolución, generalizada usando algoritmos de aprendizaje automático alimentados con información derivada de series de imágenes satelitales multiespectrales Sentinel-2. Los productos obtenidos se evaluaron por medio de la matriz de contingencia calculada a partir de datos etiquetados a campo. Se detalla la metodología utilizada para la clasificación automática, incluyendo la de etiquetado de puntos de entrenamiento, la información espectral empleada para alimentar los clasificadores, la selección de la metodología de clasificación en sí, los detalles del posprocesamiento para cada formación boscosa y la evaluación de los productos finales obtenidos. La delimitación obtenida excluye 235182 ha de las 968397 ha del mapeo vigente —que consideramos no correspondientes a bosque nativo— e incorpora 187512 ha de bosque nativo que no habían sido mapeadas antes. Así, la superficie total de bosque nativo mapeada en la provincia se redujo en 4.9%. La evaluación, realizada mediante 719 puntos etiquetados a campo, asigna una exactitud global de 0.89 y un índice kappa de 0.85 a la clasificación obtenida. Esto indica que la metodología propuesta es adecuada para delimitar bosques nativos en la provincia.NOTA: el PDF de este trabajo fue retirado de línea el 03-03-2025 a pedido de los autores
The objective of this work is to update and improve the existing cartography on the spatial distribution of native forests in the Buenos Aires province, Argentina. It was developed within the framework of a project executed by researchers of the national scientific and technological system for the Dirección de Bosques of the Ministerio de Ambiente de la Provincia de Buenos Aires, focusing on the design and execution of a uniform methodology for the identification and delineation of native forest covers for the entire province. The cartographic update used a combination of field-collected information, complemented with visual interpretation of multitemporal series of high-resolution optical images, generalized using machine learning algorithms fed with information derived from Sentinel-2 multispectral satellite image series. The products obtained were evaluated using metrics derived from the contingency matrix, calculated from field-labeled data. The methodology used for automatic classification is detailed, including the methodology for labeling training points, the spectral information used to feed the classifiers, the selection of the classification methodology itself, as well as the details of the post-processing procedure applied to each specific forest formation and the evaluation of the final products obtained. The delineation obtained excludes 235182 ha from the 968397 ha of the current map, which we consider to not correspond to native forests, and incorporates 187512 ha of native forests that had not been previously mapped, reducing the total mapped area of native forests in the province by 4.9%. The evaluation, carried out with 719 field-labeled points, assigns an overall accuracy of 0.89 and a kappa index of 0.85 to the classification obtained, indicating that the proposed methodology is suitable for the delineation of native forests in the province.NOTE: the PDF of this work was removed from online access on 03-03-2025 at the request of the authors
Laboratorio de Investigación de Sistemas Ecológicos y Ambientales
Consejo Nacional de Investigaciones Científicas y Técnicas
description El objetivo de este trabajo es actualizar y mejorar la cartografía existente sobre la distribución espacial de los bosques nativos de la provincia de Buenos Aires. Se desarrolló en el marco de un proyecto de transferencia ejecutado por investigadores del sistema científico tecnológico nacional para la Dirección de Bosques del Ministerio de Ambiente de la Provincia de Buenos Aires. El proyecto se enfocó en diseñar y llevar adelante una metodología para identificar y delimitar coberturas de bosque nativo uniformes para toda la provincia. Para actualizar la cartografía se usó una combinación de información relevada a campo con la interpretación visual de series multitemporales de imágenes ópticas de alta resolución, generalizada usando algoritmos de aprendizaje automático alimentados con información derivada de series de imágenes satelitales multiespectrales Sentinel-2. Los productos obtenidos se evaluaron por medio de la matriz de contingencia calculada a partir de datos etiquetados a campo. Se detalla la metodología utilizada para la clasificación automática, incluyendo la de etiquetado de puntos de entrenamiento, la información espectral empleada para alimentar los clasificadores, la selección de la metodología de clasificación en sí, los detalles del posprocesamiento para cada formación boscosa y la evaluación de los productos finales obtenidos. La delimitación obtenida excluye 235182 ha de las 968397 ha del mapeo vigente —que consideramos no correspondientes a bosque nativo— e incorpora 187512 ha de bosque nativo que no habían sido mapeadas antes. Así, la superficie total de bosque nativo mapeada en la provincia se redujo en 4.9%. La evaluación, realizada mediante 719 puntos etiquetados a campo, asigna una exactitud global de 0.89 y un índice kappa de 0.85 a la clasificación obtenida. Esto indica que la metodología propuesta es adecuada para delimitar bosques nativos en la provincia.NOTA: el PDF de este trabajo fue retirado de línea el 03-03-2025 a pedido de los autores
publishDate 2024
dc.date.none.fl_str_mv 2024-12-10
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
Articulo
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://sedici.unlp.edu.ar/handle/10915/194260
url http://sedici.unlp.edu.ar/handle/10915/194260
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://ojs.ecologiaaustral.com.ar/index.php/Ecologia_Austral/article/view/2431
info:eu-repo/semantics/altIdentifier/issn/1667-782X
info:eu-repo/semantics/altIdentifier/doi/10.25260/EA.24.34.3.0.2431
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by/4.0/
Creative Commons Attribution 4.0 International (CC BY 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by/4.0/
Creative Commons Attribution 4.0 International (CC BY 4.0)
dc.format.none.fl_str_mv application/pdf
527-545
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1865172504588320768
score 13.115601