Metodología de clasificación automática de uso y cobertura de suelo : Uso de métodos de aprendizaje automático y teledetección para clasificación de uso y cobertura del suelo en un...

Autores
Trujillo-Jiménez, Magda Alexandra; Liberoff, Ana Laura; Pessacg, Natalia; Pacheco, Cristian; Flaherty, Silvia
Año de publicación
2021
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
El valle agrícola-ganadero en la Cuenca Inferior del Río Chubut (VIRCh) tiene una extensión de 225 km2 y está situado en la Patagonia semiárida oriental argentina. Si bien este es uno de los valles más importantes de la región no existe hasta ahora información espacial completa, detallada y actualizada de sus actividades y coberturas del suelo. En este artículo avanzamos en la sistematización de este proceso y comparamos 7 métodos tradicionales de aprendizaje automático supervisado aplicados a la clasificación del uso y la cobertura del suelo a partir de imágenes satelitales de Sentinel-2 MSI y de datos adquiridos sobre el terreno. Con estos métodos obtuvimos predicciones que superan entre el 70 y 80 % de precisión en la clasificación de cultivos frutales, horticultura, terrenos construidos, arbustales, pasturas y agua. Nearest Neighbors y Decision Tree fueron los clasificadores que mostraron los mejores desempeños. El código fuente y algoritmos desarrollados están disponibles en: DOI: 10.5281/zenodo.5338597 para su libre recreación, uso y reproducibilidad.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
Aprendizaje Automático Supervisado,
Uso y Cobertura del Suelo,
Imágenes Satelitales Multiespectrales,
Valle Inferior del Río Chubut
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/3.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/140748

id SEDICI_9841cb7fe02988dfb8697cb2ad8a0669
oai_identifier_str oai:sedici.unlp.edu.ar:10915/140748
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Metodología de clasificación automática de uso y cobertura de suelo : Uso de métodos de aprendizaje automático y teledetección para clasificación de uso y cobertura del suelo en un valle semiárido de la PatagoniaTrujillo-Jiménez, Magda AlexandraLiberoff, Ana LauraPessacg, NataliaPacheco, CristianFlaherty, SilviaCiencias InformáticasAprendizaje Automático Supervisado,Uso y Cobertura del Suelo,Imágenes Satelitales Multiespectrales,Valle Inferior del Río ChubutEl valle agrícola-ganadero en la Cuenca Inferior del Río Chubut (VIRCh) tiene una extensión de 225 km2 y está situado en la Patagonia semiárida oriental argentina. Si bien este es uno de los valles más importantes de la región no existe hasta ahora información espacial completa, detallada y actualizada de sus actividades y coberturas del suelo. En este artículo avanzamos en la sistematización de este proceso y comparamos 7 métodos tradicionales de aprendizaje automático supervisado aplicados a la clasificación del uso y la cobertura del suelo a partir de imágenes satelitales de Sentinel-2 MSI y de datos adquiridos sobre el terreno. Con estos métodos obtuvimos predicciones que superan entre el 70 y 80 % de precisión en la clasificación de cultivos frutales, horticultura, terrenos construidos, arbustales, pasturas y agua. Nearest Neighbors y Decision Tree fueron los clasificadores que mostraron los mejores desempeños. El código fuente y algoritmos desarrollados están disponibles en: DOI: 10.5281/zenodo.5338597 para su libre recreación, uso y reproducibilidad.Sociedad Argentina de Informática e Investigación Operativa2021-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf175-188http://sedici.unlp.edu.ar/handle/10915/140748spainfo:eu-repo/semantics/altIdentifier/url/http://50jaiio.sadio.org.ar/pdfs/cai/CAI-25.pdfinfo:eu-repo/semantics/altIdentifier/issn/2525-0949info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/3.0/Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported (CC BY-NC-SA 3.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:35:43Zoai:sedici.unlp.edu.ar:10915/140748Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:35:44.19SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Metodología de clasificación automática de uso y cobertura de suelo : Uso de métodos de aprendizaje automático y teledetección para clasificación de uso y cobertura del suelo en un valle semiárido de la Patagonia
title Metodología de clasificación automática de uso y cobertura de suelo : Uso de métodos de aprendizaje automático y teledetección para clasificación de uso y cobertura del suelo en un valle semiárido de la Patagonia
spellingShingle Metodología de clasificación automática de uso y cobertura de suelo : Uso de métodos de aprendizaje automático y teledetección para clasificación de uso y cobertura del suelo en un valle semiárido de la Patagonia
Trujillo-Jiménez, Magda Alexandra
Ciencias Informáticas
Aprendizaje Automático Supervisado,
Uso y Cobertura del Suelo,
Imágenes Satelitales Multiespectrales,
Valle Inferior del Río Chubut
title_short Metodología de clasificación automática de uso y cobertura de suelo : Uso de métodos de aprendizaje automático y teledetección para clasificación de uso y cobertura del suelo en un valle semiárido de la Patagonia
title_full Metodología de clasificación automática de uso y cobertura de suelo : Uso de métodos de aprendizaje automático y teledetección para clasificación de uso y cobertura del suelo en un valle semiárido de la Patagonia
title_fullStr Metodología de clasificación automática de uso y cobertura de suelo : Uso de métodos de aprendizaje automático y teledetección para clasificación de uso y cobertura del suelo en un valle semiárido de la Patagonia
title_full_unstemmed Metodología de clasificación automática de uso y cobertura de suelo : Uso de métodos de aprendizaje automático y teledetección para clasificación de uso y cobertura del suelo en un valle semiárido de la Patagonia
title_sort Metodología de clasificación automática de uso y cobertura de suelo : Uso de métodos de aprendizaje automático y teledetección para clasificación de uso y cobertura del suelo en un valle semiárido de la Patagonia
dc.creator.none.fl_str_mv Trujillo-Jiménez, Magda Alexandra
Liberoff, Ana Laura
Pessacg, Natalia
Pacheco, Cristian
Flaherty, Silvia
author Trujillo-Jiménez, Magda Alexandra
author_facet Trujillo-Jiménez, Magda Alexandra
Liberoff, Ana Laura
Pessacg, Natalia
Pacheco, Cristian
Flaherty, Silvia
author_role author
author2 Liberoff, Ana Laura
Pessacg, Natalia
Pacheco, Cristian
Flaherty, Silvia
author2_role author
author
author
author
dc.subject.none.fl_str_mv Ciencias Informáticas
Aprendizaje Automático Supervisado,
Uso y Cobertura del Suelo,
Imágenes Satelitales Multiespectrales,
Valle Inferior del Río Chubut
topic Ciencias Informáticas
Aprendizaje Automático Supervisado,
Uso y Cobertura del Suelo,
Imágenes Satelitales Multiespectrales,
Valle Inferior del Río Chubut
dc.description.none.fl_txt_mv El valle agrícola-ganadero en la Cuenca Inferior del Río Chubut (VIRCh) tiene una extensión de 225 km2 y está situado en la Patagonia semiárida oriental argentina. Si bien este es uno de los valles más importantes de la región no existe hasta ahora información espacial completa, detallada y actualizada de sus actividades y coberturas del suelo. En este artículo avanzamos en la sistematización de este proceso y comparamos 7 métodos tradicionales de aprendizaje automático supervisado aplicados a la clasificación del uso y la cobertura del suelo a partir de imágenes satelitales de Sentinel-2 MSI y de datos adquiridos sobre el terreno. Con estos métodos obtuvimos predicciones que superan entre el 70 y 80 % de precisión en la clasificación de cultivos frutales, horticultura, terrenos construidos, arbustales, pasturas y agua. Nearest Neighbors y Decision Tree fueron los clasificadores que mostraron los mejores desempeños. El código fuente y algoritmos desarrollados están disponibles en: DOI: 10.5281/zenodo.5338597 para su libre recreación, uso y reproducibilidad.
Sociedad Argentina de Informática e Investigación Operativa
description El valle agrícola-ganadero en la Cuenca Inferior del Río Chubut (VIRCh) tiene una extensión de 225 km2 y está situado en la Patagonia semiárida oriental argentina. Si bien este es uno de los valles más importantes de la región no existe hasta ahora información espacial completa, detallada y actualizada de sus actividades y coberturas del suelo. En este artículo avanzamos en la sistematización de este proceso y comparamos 7 métodos tradicionales de aprendizaje automático supervisado aplicados a la clasificación del uso y la cobertura del suelo a partir de imágenes satelitales de Sentinel-2 MSI y de datos adquiridos sobre el terreno. Con estos métodos obtuvimos predicciones que superan entre el 70 y 80 % de precisión en la clasificación de cultivos frutales, horticultura, terrenos construidos, arbustales, pasturas y agua. Nearest Neighbors y Decision Tree fueron los clasificadores que mostraron los mejores desempeños. El código fuente y algoritmos desarrollados están disponibles en: DOI: 10.5281/zenodo.5338597 para su libre recreación, uso y reproducibilidad.
publishDate 2021
dc.date.none.fl_str_mv 2021-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/140748
url http://sedici.unlp.edu.ar/handle/10915/140748
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://50jaiio.sadio.org.ar/pdfs/cai/CAI-25.pdf
info:eu-repo/semantics/altIdentifier/issn/2525-0949
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/3.0/
Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported (CC BY-NC-SA 3.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/3.0/
Creative Commons Attribution-NonCommercial-ShareAlike 3.0 Unported (CC BY-NC-SA 3.0)
dc.format.none.fl_str_mv application/pdf
175-188
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_ 1844616236011356160
score 13.070432