Buscar en Google Scholar
Título: Modelos de clasificación para detección del cambio de uso de la tierra en la Amazonia Peruana
Asesor(es): Dalla Corte, Ana Paula; Rosot, Nelson Carlos; Araki, Hideo
Campo OCDE: https://purl.org/pe-repo/ocde/ford#4.01.02
Fecha de publicación: 2019
Institución: Universidade Federal do Paraná
Resumen: El área de estudio de la presente investigación fue el distrito de Nueva Requena, ubicado en la provincia de Coronel Portillo, en el departamento de Ucayali, Perú. El distrito de Nueva Requena, así como diferentes áreas de la cuenca del Amazonas, actualmente enfrenta un cambio alarmante en la cubierta forestal y el uso de la tierra, generando cambios significativos en los procesos ambientales. En este contexto, es necesario implementar un sistema de monitoreo que utilice modelos de clasificación supervisados capaces de proporcionar información confiable y de calidad sobre el cambio de uso del suelo. En esta investigación, se utilizaron imágenes pasivas del satélite Sentinel-2A, imágenes activas de Sentinel-1A y la fusión de ambas, y se aplicaron dos algoritmos: Support Vector Machine (SVM) en el módulo Object Analysis y el algoritmo Boosting o árboles de decisión. Se realizaron 83 clasificaciones supervisadas con los algoritmos mencionados, y se seleccionó el modelo más apropiado para determinar el cambio en el uso del suelo. El mejor modelo de clasificación se denominó C6C7, generado con imágenes satelitales pasivas Sentinel-2A. Los algoritmos se ejecutaron por separado y luego se realizó el álgebra de mapas para generar el cambio en el uso de la tierra; la clasificación supervisada C6 se realizó con el algoritmo de refuerzo con partición de muestra al 80% de entrenamiento y 20% de pruebas para tres bandas espectrales en el año 2016, y la clasificación supervisada C7 con el algoritmo de máquina de vectores de soporte (SVM) como entradas las medianas de las tres bandas del año 2018. Este modelo tuvo el error de clasificación más bajo, del 22.7%, y la validación se realizó con imágenes de alta resolución PeruSat-1 para el año 2018 e imágenes de Google Earth para el año 2016, proporcionando un índice Kappa de 0.607 y el porcentaje correctamente clasificado (PCC) de 86.10% para el año 2016 y el índice Kappa de 0.560 y el porcentaje correctamente clasificado (PCC) de 82.30% para el año 2018, mostrando un acuerdo considerable y moderado, respectivamente.
Nota: Descargue el texto completo en el repositorio institucional de la Universidade Federal do Paraná: https://hdl.handle.net/1884/69168
Disciplina académico-profesional: Ingeniería Forestal
Institución que otorga el grado o título: Universidade Federal do Paraná. Setor de Ciências Agrárias
Grado o título: Doctora en Ingeniería Forestal
Jurado: Rosot, Nelson Carlos; Doetzer Rosot, Maria Augusta; Araki, Hideo; Campos Macedo, Rodrigo de; Yoshihiro Nakajima, Nelson
Fecha de registro: 10-sep-2021

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
LlanosEthelRC.pdf
  Acceso restringido
Tesis (abierta en repositorio de origen)9.04 MBAdobe PDFVisualizar/Abrir  Solicita una copia
Autorizacion.pdf
  Acceso restringido
Autorización del registro568.23 kBAdobe PDFVisualizar/Abrir  Solicita una copia


IMPORTANTE
La información contenida en este registro es de entera responsabilidad de la universidad, institución o escuela de educación superior que administra el repositorio académico digital donde se encuentra el trabajo de investigación y/o proyecto, los cuales son conducentes a optar títulos profesionales y grados académicos. SUNEDU no se hace responsable por los contenidos accesibles a través del Registro Nacional de Trabajos de Investigación – RENATI.