Clasificación de usos y coberturas del suelo del sudeste de la provincia de Buenos Aires utilizando Google Earth Engine

La información sobre el uso y el relevamiento de los cambios de cobertura permite articular políticas para la explotación sustentable de los recursos. Los sensores remotos, montados en plataformas satelitales, proveen una cobertura completa de la superficie terrestre, y es posible modelar la informa...

Descripción completa

Guardado en:
Detalles Bibliográficos
Autor principal: Salomón, Alejandro Luis
Otros Autores: Baldassini, Pablo
Formato: acceptedVersion
Lenguaje:Español
Publicado: Universidad de Buenos Aires. Facultad de Agronomía 2022
Materias:
Acceso en línea:http://ri.agro.uba.ar/greenstone3/library/collection/tesis/document/2022salomonalejandroluis
http://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=aagtesis&d=2022salomonalejandroluis_oai
Aporte de:
id I28-R145-2022salomonalejandroluis_oai
record_format dspace
spelling I28-R145-2022salomonalejandroluis_oai2023-04-19 Baldassini, Pablo Salomón, Alejandro Luis 2022 La información sobre el uso y el relevamiento de los cambios de cobertura permite articular políticas para la explotación sustentable de los recursos. Los sensores remotos, montados en plataformas satelitales, proveen una cobertura completa de la superficie terrestre, y es posible modelar la información registrada para realizar predicciones. En este trabajo se realizó una clasificación supervisada para estimar el uso del suelo en los partidos de San Cayetano, Tres Arroyos y Necochea, ubicados en el sur de la provincia de Buenos Aires, para la campaña 2015-2016. El proceso de clasificación combinó la capacidad de procesamiento de la plataforma Google Earth Engine con información terrestre para cada subcampaña (invierno y verano) provista por el Método de relevamiento de Segmentos Aleatorios realizado por el Ministerio de Agricultura, Ganadería y Pesca, el cual consiste en el muestreo de áreas permanentes (segmentos) de 400 hectáreas. Estas áreas son visitadas periódicamente por técnicos que constatan los cultivos presentes y el porcentaje de ocupación de cada cultivo. Esta información se utilizó para entrenar el algoritmo de clasificación Random Forest, el cual combinó información de reflectancia\nsuperficial registrada en las bandas del espectro visible, infrarrojo cercano e infrarrojo medio del satélite Landsat 8. Se realizaron tres submuestreos (denominados total, balanceado y\nproporcional) con la intención de evaluar la respuesta del algoritmo frente a distintos volúmenes de datos. En este trabajo se evaluaron, además, distintas aproximaciones para la estimación de área, ya sea estimando el uso por subcampaña (invierno y verano), y a escala de campaña anual.\nPara los usos y coberturas obtenidas se estimaron los valores de superficie poblacional por cultivo, tanto de manera puntual como por intervalo de confianza del 95%, siguiendo la metodología propuesta por Olofsson et al. (2014). Los resultados sugieren que el muestreo balanceado permite obtener mejores precisiones que los otros dos tipos de muestreo, con una\nprecisión general entre 77 y 92%, y precisiones del usuario y del productor superiores al 75% en la mayoría de los usos. No solo las precisiones difirieron entre clasificaciones (invierno, verano y\nanual), sino que también se observaron diferencias en cuanto a la superficie estimada por cada una de ellas. A su vez, las superficies estimadas presentaron importantes diferencias respecto a los datos reportados por el Ministerio de Agricultura, Ganadería y Pesca de la Nación en base a informantes calificados, ubicandose estos valores, en la gran mayoría de los casos, por fuera del intervalo de confianza estimado por las clasificaciones. Estas diferencias observadas plantean la\nnecesidad de incorporar nuevas metodologías de estimación que permitan un abordaje estadístico de manera de mejorar y complementar los métodos de estimación existentes. Especialización en Teledetección y Sistemas de Información Geográfica 35 p. : tbls., grafs., fot., mapas application/pdf http://ri.agro.uba.ar/greenstone3/library/collection/tesis/document/2022salomonalejandroluis es Universidad de Buenos Aires. Facultad de Agronomía info:eu-repo/semantics/openAccess openAccess http://ri.agro.uba.ar/greenstone3/library/page/biblioteca#section4 Licencia Creative Commons Atribución-NoComercial-SinDerivadas 4.0 Internacional UTILIZACION DE LA TIERRA SENSORES REMOTOS CAMBIO DE USO DE LA TIERRA COBERTURA DE SUELOS CLASIFICACION DE TIERRAS MUESTREO TECNICAS ANALITICAS REGION PAMPEANA BUENOS AIRES (PROVINCIA) Clasificación de usos y coberturas del suelo del sudeste de la provincia de Buenos Aires utilizando Google Earth Engine info:eu-repo/semantics/acceptedVersion http://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=aagtesis&d=2022salomonalejandroluis_oai
institution Universidad de Buenos Aires
institution_str I-28
repository_str R-145
collection Repositorio Digital de la Universidad de Buenos Aires (UBA)
language Español
orig_language_str_mv es
topic UTILIZACION DE LA TIERRA
SENSORES REMOTOS
CAMBIO DE USO DE LA TIERRA
COBERTURA DE SUELOS
CLASIFICACION DE TIERRAS
MUESTREO
TECNICAS ANALITICAS
REGION PAMPEANA
BUENOS AIRES (PROVINCIA)
spellingShingle UTILIZACION DE LA TIERRA
SENSORES REMOTOS
CAMBIO DE USO DE LA TIERRA
COBERTURA DE SUELOS
CLASIFICACION DE TIERRAS
MUESTREO
TECNICAS ANALITICAS
REGION PAMPEANA
BUENOS AIRES (PROVINCIA)
Salomón, Alejandro Luis
Clasificación de usos y coberturas del suelo del sudeste de la provincia de Buenos Aires utilizando Google Earth Engine
topic_facet UTILIZACION DE LA TIERRA
SENSORES REMOTOS
CAMBIO DE USO DE LA TIERRA
COBERTURA DE SUELOS
CLASIFICACION DE TIERRAS
MUESTREO
TECNICAS ANALITICAS
REGION PAMPEANA
BUENOS AIRES (PROVINCIA)
description La información sobre el uso y el relevamiento de los cambios de cobertura permite articular políticas para la explotación sustentable de los recursos. Los sensores remotos, montados en plataformas satelitales, proveen una cobertura completa de la superficie terrestre, y es posible modelar la información registrada para realizar predicciones. En este trabajo se realizó una clasificación supervisada para estimar el uso del suelo en los partidos de San Cayetano, Tres Arroyos y Necochea, ubicados en el sur de la provincia de Buenos Aires, para la campaña 2015-2016. El proceso de clasificación combinó la capacidad de procesamiento de la plataforma Google Earth Engine con información terrestre para cada subcampaña (invierno y verano) provista por el Método de relevamiento de Segmentos Aleatorios realizado por el Ministerio de Agricultura, Ganadería y Pesca, el cual consiste en el muestreo de áreas permanentes (segmentos) de 400 hectáreas. Estas áreas son visitadas periódicamente por técnicos que constatan los cultivos presentes y el porcentaje de ocupación de cada cultivo. Esta información se utilizó para entrenar el algoritmo de clasificación Random Forest, el cual combinó información de reflectancia\nsuperficial registrada en las bandas del espectro visible, infrarrojo cercano e infrarrojo medio del satélite Landsat 8. Se realizaron tres submuestreos (denominados total, balanceado y\nproporcional) con la intención de evaluar la respuesta del algoritmo frente a distintos volúmenes de datos. En este trabajo se evaluaron, además, distintas aproximaciones para la estimación de área, ya sea estimando el uso por subcampaña (invierno y verano), y a escala de campaña anual.\nPara los usos y coberturas obtenidas se estimaron los valores de superficie poblacional por cultivo, tanto de manera puntual como por intervalo de confianza del 95%, siguiendo la metodología propuesta por Olofsson et al. (2014). Los resultados sugieren que el muestreo balanceado permite obtener mejores precisiones que los otros dos tipos de muestreo, con una\nprecisión general entre 77 y 92%, y precisiones del usuario y del productor superiores al 75% en la mayoría de los usos. No solo las precisiones difirieron entre clasificaciones (invierno, verano y\nanual), sino que también se observaron diferencias en cuanto a la superficie estimada por cada una de ellas. A su vez, las superficies estimadas presentaron importantes diferencias respecto a los datos reportados por el Ministerio de Agricultura, Ganadería y Pesca de la Nación en base a informantes calificados, ubicandose estos valores, en la gran mayoría de los casos, por fuera del intervalo de confianza estimado por las clasificaciones. Estas diferencias observadas plantean la\nnecesidad de incorporar nuevas metodologías de estimación que permitan un abordaje estadístico de manera de mejorar y complementar los métodos de estimación existentes.
author2 Baldassini, Pablo
author_facet Baldassini, Pablo
Salomón, Alejandro Luis
format acceptedVersion
author Salomón, Alejandro Luis
author_sort Salomón, Alejandro Luis
title Clasificación de usos y coberturas del suelo del sudeste de la provincia de Buenos Aires utilizando Google Earth Engine
title_short Clasificación de usos y coberturas del suelo del sudeste de la provincia de Buenos Aires utilizando Google Earth Engine
title_full Clasificación de usos y coberturas del suelo del sudeste de la provincia de Buenos Aires utilizando Google Earth Engine
title_fullStr Clasificación de usos y coberturas del suelo del sudeste de la provincia de Buenos Aires utilizando Google Earth Engine
title_full_unstemmed Clasificación de usos y coberturas del suelo del sudeste de la provincia de Buenos Aires utilizando Google Earth Engine
title_sort clasificación de usos y coberturas del suelo del sudeste de la provincia de buenos aires utilizando google earth engine
publisher Universidad de Buenos Aires. Facultad de Agronomía
publishDate 2022
url http://ri.agro.uba.ar/greenstone3/library/collection/tesis/document/2022salomonalejandroluis
http://repositoriouba.sisbi.uba.ar/gsdl/cgi-bin/library.cgi?a=d&c=aagtesis&d=2022salomonalejandroluis_oai
work_keys_str_mv AT salomonalejandroluis clasificaciondeusosycoberturasdelsuelodelsudestedelaprovinciadebuenosairesutilizandogoogleearthengine
_version_ 1766013737126330368