Clasificación supervisada de imágenes Landsat, analizando por secciones el territorio estudiado (Cuenca del Grijalva, Chiapas, México)

Abstract

La clasificación de las coberturas y usos del suelo es fundamental para los estudios de caracterización físico-ambiental, ordenación y planificación del territorio, para lo cual es necesario contar con archivos de clasificación de buena precisión y resolución espacial. Si bien existe una gran cantidad de archivos temáticos en formatos vectorial y ráster, disponibles para su consulta y aplicación, mediante algoritmos específicos se pueden generar cartografía de alta precisión y gran detalle a partir de imágenes de satélite. Como objetivo de este trabajo se realizaron procedimientos de clasificación supervisada, por el método de máxima verosimilitud (CMV), a un segmento de una imagen Landsat 8 (Cuenca del Río Grijalva en Chiapas, México), comparando los resultados obtenidos al proceder de dos maneras en la asignación de las muestras: de manera general y por secciones o estratos del territorio. En primer lugar, se definieron 40 clases distintas de coberturas, mismas que se agruparon en 7 categorías: 1) Agua, 2) Arbolado, 3) Agropecuario, 4) Suelo desnudo, 5) Residencial 6) Vialidades y 7) Sombras. En cuanto a la CMV propiamente dicha, por un lado, se asignaron muestras de todas las clases distribuidas de manera uniforme en todo el territorio estudiado y se realizó una sola clasificación general. Por otro lado, las muestras se asignaron de manera específica en 5 se secciones del territorio claramente distinguibles (Área fluvial, áreas urbanas, localidades rurales, carreteras de intercomunicación y resto del territorio), y se realizaron clasificaciones independientes de cada sección que al final se unieron en un sólo archivo clasificado. Los resultados obtenidos denotan que con la clasificación por secciones, si bien implica mayor trabajo y precisa de un mejor conocimiento del territorio estudiado, se obtiene un mayor nivel de precisión en el archivo clasificado; lo cual se corroboró mediante recorridos de campo, confrontando con información antecedente y con las matrices de confusión obtenidas en cada clasificación (confiabilidad ≥ 80%).