%0 Journal Article
%T CLASIFICACI車N NO SUPERVISADA DE COBERTURAS VEGETALES SOBRE IM芍GENES DIGITALES DE SENSORES REMOTOS: ※LANDSAT - ETM+§ NONSUPERVISED CLASSIFICATION OF VEGETABLE COVERS ON DIGITAL IMAGES OF REMOTE SENSORS: "LANDSAT - ETM+"
%A Mauricio Arango Guti谷rrez
%A John William Branch Bedoya
%A Ver車nica Botero Fern芍ndez
%J Revista Facultad Nacional de Agronom赤a, Medell赤n
%D 2005
%I Universidad Nacional de Colombia, Sede Medell赤n
%X La diversidad de especies vegetales presentes en Colombia y la falta de inventario sobre ellas hace pensar en un proceso que facilite la labor de los investigadores en estas disciplinas. Los sensores remotos satelitales como el LANDSAT ETM+ y las t谷cnicas de inteligencia artificial no supervisadas, como los Self-Organizing Maps - SOM, podr赤an proveer una alternativa viable para avanzar en la obtenci車n r芍pida de informaci車n que corresponda a zonas con diferentes coberturas vegetales presentes en la geograf赤a nacional. La zona propuesta para el caso en estudio fue clasificada de forma supervisada por el m谷todo de m芍xima similitud en otro trabajo de investigaci車n en ciencias forestales y se discriminaron ocho tipos de coberturas vegetales. Esta informaci車n sirvi車 como patr車n de medida para evaluar el desempe o de los clasificadores no supervisados ISODATA y SOM. Sin embargo, la informaci車n que proveen las im芍genes debi車 ser depurada previamente de acuerdo a los criterios de uso y calidad de los datos de manera que se utilizara la informaci車n adecuada para estos m谷todos no supervisados. Para esto se recurri車 a varios conceptos como las estad赤sticas de las im芍genes, el comportamiento espectral de las comunidades vegetales, las caracter赤sticas del sensor y la divergencia promedio que permitieron definir las mejores bandas y sus combinaciones. Sobre 谷stas se aplic車 el concepto de an芍lisis de componentes principales que permiti車 reducir el n迆mero de datos conservando un gran porcentaje de la informaci車n. Sobre estos datos depurados se aplicaron las t谷cnicas no supervisadas modificando algunos par芍metros que pudieran mostrar una mejor convergencia de los m谷todos. Los resultados obtenidos se compararon con la clasificaci車n supervisada a trav谷s de matrices de confusi車n y se concluye que no hay una buena convergencia de los m谷todos de clasificaci車n no supervisada con este proceso para el caso de las coberturas vegetales. The plant species diversity in Colombia and the lack of inventories of them suggests the need for a process that facilitates the work of investigators in these disciplines. Remote satellite sensors such as LANDSAT ETM+ and non-supervised artificial intelligence techniques, such as self-organizing maps - SOM, could provide viable alternatives for advancing in the rapid obtaining of information related to zones with different vegetative covers in the national geography. The zone proposed for the study case was classified in a supervised form by the method of maximum likelihood by another investigation in forest sciences and eight types of vegetative c
%K SOM
%K ISODATA
%K LANDSAT
%K an芍lisis de componentes principales
%K clasificaci車n no supervisada
%K coberturas vegetales
%K SOM
%K ISODATA
%K LANDSAT
%K principal component analysis
%K non-supervised classification
%K vegetative covers
%U http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S0304-28472005000100004