1. ESCUELA SUPERIOR POLITÉCNICA DE
CHIMBORAZO
Escuela de Forestal 1
PLAN DE CLASE N° 1
1. DATOS INFORMATIVOS 2. ORGANIZACIÓN DE LA CLASE
FACULTAD Recursos Naturales UNIDAD 4
CARRERA Forestal TEMA Análisis Digital con Software SIG (Clasificación
Supervisada)
SEDE Espoch Matriz Riobamba MODALIDAD ORGANIZATIVA Clase Teórica / Clase Práctica
ASIGNATURA Teledetección MÉTODO Inductivo-Deductivo, Analítico - Sintético
NIVEL Quinto TÉCNICA - ESTRATEGIA Preguntas Socráticas, Lluvia de Ideas
PERÍODO ACADÉMICO Septiembre 2019 – Febrero 2020
DOCENTE Ing. Jonny Guaiña Mgs.
FECHA 12 de Noviembre 2019
3. PROCESO DIDÁCTICO
OBJETIVO DE
APRENDIZAJE
ESTRATEGIAS METODOLÓGICAS
RECURSOS
DIDÁCTICOS
EVALUACIÓN
TIPO INSTRUMENTOS
Conocer el análisis
multiespectral por
medio de imágenes
satelitales, para aplicar
en el campo Forestal
CLASE 1 (30 minutos)
1. EXPERIENCIA: (Fase inicial)
Motivación:
Imágenes satelitales.
Lluvia de ideas: Se identifican enunciados y proposiciones.
Enunciación del objetivo y el tema.
2’
Guía didáctica.
Bibliografía.
Virtuales Tics.
Infraestructura
educativa.
Equipos de
proyección.
Diagnóstica.
Formativa o
procesual.
Guía de práctica.
Rúbrica
Test.
2. REFLEXIÓN:
Preguntas Socráticas:
Qué identifica en las imágenes.
Qué problema se puede definir por las imágenes presentadas.
Cuál es el aporte de las imágenes satelitales en el campo forestal.
3’
3. CONCEPTUALIZACIÓN: (Fase de desarrollo)
Docente:
Expone el contenido científico: Clasificación Supervisada con
imágenes satelitales utilizando SIG.
Estudiante:
Construye el conocimiento mediante la interacción y observación de
las actividades realizadas (caso práctico).
De la observación abstrae definiciones con sus propias palabras.
Reconocer las funciones de las herramientas de ArcMap, para la
clasificación supervisada de imágenes satelitales.
Identificar la secuencia de pasos, para la elaboración de imágenes
satelitales por medio de la clasificación supervisada.
10’
2. ESCUELA SUPERIOR POLITÉCNICA DE
CHIMBORAZO
Escuela de Forestal 2
OBJETIVO DE
APRENDIZAJE
ESTRATEGIAS METODOLÓGICAS
RECURSOS
DIDÁCTICOS
EVALUACIÓN
TIPO INSTRUMENTOS
Socializan los resultados con sus compañeros.
4. APLICACIÓN: (Fase de evaluación o cierre)
Ejecución del caso práctico.
Refuerzo del docente para retroalimentar el tema.
Evaluación: Preguntas y respuestas.
15’
LOGRO DE
APRENDIZAJE
Aplicar apropiadamente elanálisis multiespectral de imágenes satelitales, en el diseño de mapas vectoriales en el campo Forestal.
3. ESCUELA SUPERIOR POLITÉCNICA DE
CHIMBORAZO
Escuela de Forestal 1
5. CONTENIDO CIENTÍFICO
Clasificación supervisada y no supervisada en ArcGIS
Estas operaciones sirven para clasificar cada cuadradode un mapa ráster por medio de unos análisis estadísticos multivariados
según los parámetros elegidos (clasificada) oque elequipotome comolos más adecuados por su cuenta (noclasificada),generando
así un mapa ráster según los colores que nosotros hayamos elegido y en cuantas categorías hayamos elegido.
Supervisada:
Existe un ráster a analizar.
Se genera una capa de puntos de los cuales se clasifica cada uno según los datos que se desee separar, por ejemplo, en este mapa
se distinguirán masas de agua, terrenosin vegetación, terrenocon vegetación y terrenoconstruido, por lo tanto, haremos muchos
puntos en terreno con agua y en su id de atributos pondremos un número: (agua=1, vegetación=2, tierra=3, construido=4).
Hay que tener en cuenta que ha mayor número de puntos para un mismo tipo de terreno, es igual a un mayor númerode datos y
así a una mayor exactitud.
Un ejemplo de la sección de la tabla de atributos.
Una vez generado el mapa de puntos, ir a Spatial Analyst Tools > Multivariate >Create Signatures.
4. ESCUELA SUPERIOR POLITÉCNICA DE
CHIMBORAZO
Escuela de Forestal 2
Seleccionar el ráster, la capa de puntos, y después el campo de atributos de puntos en que basarse.
Este archivo segenerará en GSG, que si acudes a la carpeta donde hayas guardado el documento y se abre conel blog de
notas se ve la estadística.
Ahora para la generación de este ráster iremos desde Spatial Spatial Analyst Tools > Multivariate > Maximum Likelihood
Classification.
Insertamos el ráster observado y en «imput signature file» el archivo SGS generado antes. «Reject action» es opcional, nosotros
pondremos 0,1 y también se puede usar la prioridad
Finalmente generamos un ráster como el siguiente:
5. ESCUELA SUPERIOR POLITÉCNICA DE
CHIMBORAZO
Escuela de Forestal 3
Ponemos los dos en comparación.
6. BIBLIOGRAFÍA
Arnalich, Santiago. (2012). GPS, Google, Earth y Cooperación Como crear, compartir y colaborar con mapas en red. España:Arnalich,
Water and Habitat.
Rodríguez, P. D., Sánchez, C. N., & Domínguez, G. J. A. (2015). Cuestiones de teledetección. Retrieved from
https://ebookcentral.proquest.com
Organismo Internacional Regional de Sanidad Agropecuaria-OIRSA (2005). Sistemas de información geográfica. Retrieved
from https://ebookcentral.proquest.com.
Arnalich, S., Urruela, J. (2012). GPS, Google Earth y Cooperación: cómo crear, compartir y colaborar con mapas en la red.
Madrid:Arnalich.
Arnalich, Santiago. (2010). GvSIG y Cooperación Como construir e incorporar Sistemas de Información Geográfica a tu proyecto.
España:Arnalich, Water and hábitat
Ing. Ximena Lara., Mgs Ing. Jonny Guaiña Y., Mgs
DIRECTORA DE CARRERA PROFESOR
7. OBSERVACIONES