Evaluación de algoritmos de machine learning en la clasificación de imágenes satelitales multiespectrales, caso: Amazonia Peruana

Resumen

En el presente artículo, en primera instancia se desarrolla el fundamento teórico e implementación de algunas técnicas de machine learning (Aprendizaje Automático), aplicadas a la clasificación de imágenes satelitales, el área estudio encuentra ubicado en la región de la amazonia peruana, fundamentalmente por el interés en abordar alguna problemática sobre la deforestación, cambios de cobertura, cambio climático, etc. La metodología general se basa en los procesos para la implementación de algoritmos de machine learning, se realizó un preprocesamiento previo con software QGIS para la descarga y corrección atmosférica, y los algoritmos se implementaron en entornos de desarrollo (IDE) como anaconda, jupyter notebook y el lenguaje de programación Python 3.0. Los resultados de clasificación basada en pixeles  y no supervisada kmeans, no garantiza  una clasificación robusta y tiene limitaciones en la clasificación de coberturas en imágenes satelitales ya que las firmas espectrales de cada pixel tienen una resolución espacial de 30m para imágenes Landsat, sin embargo, la clasificación supervisada, el algoritmo SVM y naive bayes presentaron mejor precisión de 0.909 en comparación con el algoritmo de árbol de decisión 0.864, considerando los pocos datos de entrenamiento y validación del modelo de clasificación de coberturas.