Resumen de Influencia del número de imágenes en la calidad de la cartografía detallada de vegetación forestal

Gerard Moré Gómez, Xavier Pons

• español

  Es conocido que en la generación de cartografía detallada de vegetación mediante clasificación de imágenes de satélite es de gran utilidad el uso de imágenes tomadas a lo largo de varias fechas. Ello se debe a que la resolución mutiestacional que ofrecen dichas imágenes permite la diferenciación de las cubiertas en base a su diferente dinámica fenológica. Este trabajo tiene el objetivo de determinar de forma empírica cuantas fechas diferentes son necesarias para la obtención de un mapa detallado de vegetación. Un clasificador híbrido se ha aplicado a dos zonas de estudio con tipologías de paisaje diferentes para cartografiar cubiertas de vegetación natural (en su mayoría a nivel de especie dominante). Las variables de entrada en la fase no supervisada del clasificador provienen de las imágenes de una serie temporal Landsat continua desde 2002 hasta 2005. Se han realizado las clasificaciones en cada una de las zonas incorporando distintos números de fechas y combinaciones de ellas. Se han comparado los resultados según el número de categorías que el clasificador consigue discriminar, el acierto de la clasificación, la superficie finalmente clasificada y otras consideraciones de carácter cartográfico. Los resultados apuntan a que un mínimo de tres fechas es casi imprescindible para poder discriminar las principales categorías de la leyenda, pero que para obtener una cartografía detallada con un alto grado de acierto y completitud espacial es necesario un mínimo de cuatro o cinco (en función de la zona de estudio) fechas distintas.

• English

  Using several images from a range of several dates is very important when making detailed maps of vegetation. Land covers can be discriminated by using this multitemporal resolution that takes advantage of the particular phenology of each cover. The objective of this work is to empirically determine how many images are needed to obtain a detailed vegetation map. A hybrid classifier has been applied to two study zones with different landscapes. The legend is on natural vegetation categories (almost all of them at species level). The input variables come from a temporal imagery from 2002 until 2005. Several classifications have been done using different number of images and different combinations of images. The accuracy level, the classified area, the number of finally classified categories and other cartographic considerations have been compared among the different classifications. Results show that for our study zones a minimum of three images are needed to represent the main categories of the legend, but four or five (depending on the area) are required to obtain a detailed map with high accuracy level and spatial coherence.