x

1. “Año del fortalecimiento de la soberanía Nacional”
UNIVERSIDAD NACIONAL AGRARIA LA MOLINA
FACULTAD DE INGENIERÍA AGRÍCOLA
"DEPARTAMENTO DE RECURSOS HÍDRICOS "
TEMA: Clasificación de la imagen satelital del proyecto PECHIP
por los 3 métodos
CURSO: GEOMÁTICA
GRUPO: 4
PROFESOR: Montalvo Arquinigo, Néstor
ALUMNO:
● Fernández Carbajal, Sebastián Oliver
●
●
LA MOLINA- LIMA – PERÚ

2. Proyecto Especial Chira Piura

3. CLASIFICACIÓN SUPERVISADA
Primeramente, descargamos las imágenes que en el proyecto CHIRA-
PIURA aplican 2 ya que la extensión es larga.
Luego combinamos las bandas que reflejan la imagen natural para asi
poder observar y usar los puntos.

4. Después de llamar a la imagen podremos empezar a realizar el
proceso constructivo LANSARD 8 para así poder verificar cómo sería
la clasificación.
Este proceso consiste en realizar el muestreo para así poder
determinar las uniones y post clasificación

5. Después de realizar el muestreo se clasifica en 8, para que sea
mucho más preciso
Finalmente nos logra salir esta imagen realizada, esta clasificación
hecha es importante para poder ser mas exactos con la distribución.
COMENTARIO: Importante saber la constitución de las imágenes
para saber referenciar de una mejor forma, estas imágenes, ya que
se puede visualizar mejor.

6. Método Clasificación no supervisada
Método Iso Cluster
Clasificamos en 8 grupos las 2 imágenes que abarcó nuestro proyecto
con la herramienta “Iso Cluster”.
Luego llamamos el archivo con la herramienta “Maximum Likelihood
Classification” que está con la extensión “gsg”, lo convertimos en forma
vectorial con la herramienta “Rater to polygon”, y luego lo agrupamos
con la herramienta “Dissolver” en función a su “gridcode”, finalmente
le damos color.

7. Comparación de las imagenes satelital con las imagenes ya clasificadas
con el metodo Iso Cluster.
Cuadro de datos de las 2 imágenes que abarcaba nuestro proyecto.
El método Iso Cluster clasifico en 8 grupos el área de la imagen de
acuerdo al color de los pixeles, sin embargo, al ser una clasificación no
supervisada el programa no logra identificar qué áreas tienen las
mismas características físicas.