Análisis de componentes principales regionalizados aplicados a la clasificación digital de una imagen de satélite LANDSAT8 sensor OLI del año 2015, estudio de caso El Espinal, Tolima

En la presente investigación se aplicó la técnica geoestadística multivariada de Análisis de Componentes Principales Regionalizados (ACPR), la cual es una técnica de mejoramiento espectral que a diferencia del Análisis de Componentes Principales (ACP) describe la estructura de correlación espacial d...

Descripción completa

Detalles Bibliográficos
Autores Principales: Rico Páez, Edgar Andres, Santa Guzmán, Luis Fernando, Fuentes López, Hector Javier
Formato: Artículo (Article)
Lenguaje:Español (Spanish)
Publicado: Universidad Distrital Francisco José de Caldas 2017
Materias:
ACP
Acceso en línea:http://hdl.handle.net/11349/25786
Descripción
Sumario:En la presente investigación se aplicó la técnica geoestadística multivariada de Análisis de Componentes Principales Regionalizados (ACPR), la cual es una técnica de mejoramiento espectral que a diferencia del Análisis de Componentes Principales (ACP) describe la estructura de correlación espacial de las bandas de la imagen, a partir de la cual genera un nuevo grupo de bandas artificiales de menor dimensión, menos correlacionado y más interpretable. Se obtuvieron clasificaciones supervisadas con las bandas de ACP y ACPR como insumo, donde se eligió el algoritmo de clasificación Distancia de Mahalanobish, el cual ofreció los mejores resultados en la clasificación, según lo evaluado cualitativamente con la imagen satelital y las fotografías aéreas de GoogleEarth.La calidad de estas clasificaciones se determinaron calculando las matrices de confusión e índices Kappa (κ), mostrando que la clasificación obtenida a partir de las bandas de ACPR para 60m ofreció la mejor exactitud temática, con el mayor valor de κ =0.8640.