Revisión bibliográfica de uso de sensores remotos para la detección de cambios de cobertura vegetal impactada por la deforestación

Abstract

La presente investigación propuso como objetivo explicar los procesamientos metodológicos principales con usos de sensores remotos para la detección de cambios de cobertura vegetal; además de los métodos de detección de cambios más utilizados, y los principales métodos de clasificación temáticas basado en píxel y objetos. Por ello, se consultaron 36 fuentes de investigación para la elaboración de base de datos que determina los objetivos. Como los métodos más utilizados fueron el NDVI y CVA con 90% y 60% respectivamente. Los resultados obtenidos en los estudios revisados, con el coeficiente de kappa y la precisión global fueron instrumentos que validaron a los métodos de NDVI y CVA con una mayor precisión de 0.73 - 86.22%y 0.77 - 89.25% respectivamente para la detección de cambios en la cobertura vegetal, mientras que los métodos menos utilizados fueron el ACP, CPC, IR, Dx con un 20%, 10%, 10% y 10 % respectivamente. Para los métodos de clasificación temática basados en píxel, se obtuvo que el método con mayor precisión fue el SVM con 82.27% y el MLC con el 74.15%, y para los métodos basados en objetos se obtuvo una mayor precisión global para el RF con 89.9% y el K-NN con 81.5 %. Por lo tanto, se concluyó que los métodos de detección más utilizado para identificar cambios en la cobertura vegetal fueron el NDVI y el CVA como también presentaron una alta precisión y concordancia de kappa con la vegetación; y para el método de clasificación temática, los más utilizados que lograron tener una precisión alta, basada en píxel, fue el de SVM y MLC, en los estudios revisados, quienes permitiendo clasificar varias clases de vegetación en diferentes periodos; y para métodos basados en objetos el método RF y K-NN, lograron una alta precisión, aunque los estudios fueron mínimos para el método de clasificación debido a la demanda de tiempo.