Compilado de indices de vegetación para una campaña, utilizando imagenes Landsat, clasificación supervizada con envi, con utilización de ROI y comparando ésta con utilización de la digitalización del Relevamiento de Segmentos Aleatorios.

1. Rollero, Angel Eduardo
Cuantificación de tipos de cobertura de suelo.
Trabajo Práctico Evaluatorio.
Gráfico del desarrollo. (Ver Anexo).
Se utilizaron 4 imágenes Landsat 5 TM, path-row 227-85 correspondientes al 03 de
Octubre, 22 de Diciembre de 2010, 23 de Enero y 28 de Marzo de 2011.
Con las bandas 3 y 4 a travez del software IDRISI Andes, previa corrección
atmosférica, se calculó el NDVI para las cuatro fechas, se las coregistró y se
confeccionó un compilado de los cuatro indices de vegetación, este fue el insumo de
la clasificación. Esta se realizó con Envi 4.2, por lo cual se digitalizaron polígonos
ROI, (40) para cada cobertura, guardando la mitad como áreas de entrenamiento
y la otra mitad como áreas de validación.

2. Compilado de 4 IVN.
Se realizó un recorte de bordes para que superpusieran las cuatro imágenes en
todos los sectores.
Zoom.
Digitalización de ROI con Envi 4.2

3. Clasificación supervizada con Envi 4.2
Se utilizaron la mitad de las ROI para control y la otra mitad para validación.
Primer producto, mapa de coberturas imagen Landsat TM 227 – 85.
Leyenda:
Agua
Girasol
Maíz
Monte
Pastizales
Soja 1º
Soja 2º
Matriz de confusión generada con Envi 4.2, utilizando las Roi de control previamente
digitalizadas.
Overall Accuracy = (34448/37583) 91.6585%
Kappa Coefficient = 0.8634
Pixeles
Class agua girasol maíz monte pastizales soja 1º soja 2º Total
agua 21580 5 9 0 5 0 0 21599
girasol 0 1508 349 0 23 2 0 1882
maíz 0 253 1863 0 0 445 0 2561
monte 0 0 0 363 15 0 0 378
pastizales 1084 8 15 1 5573 469 127 7277
soja primera 0 63 125 0 73 1251 0 1512
soja segunda 0 0 0 0 63 0 2310 2373
Total 22665 1837 2361 364 5752 2167 2437 37583
Porcentaje
Class agua girasol maíz monte pastizales soja 1º soja 2º Total
agua 95.21 0.27 0.38 0 0.09 0 0 57.47
girasol 0 82.09 14.78 0 0.4 0.09 0 5.01
maíz 0 13.77 78.91 0 0 20.54 0 6.81
monte 0 0 0 99.73 0.26 0 0 1.01
pastizales 4.78 0.44 0.64 0.27 96.89 21.64 5.21 19.36
soja primera 0 3.43 5.29 0 1.27 57.73 0 4.02
soja segunda 0 0 0 0 1.1 0 94.79 6.31
Total 100 100 100 100 100 100 100 100

4. Class Commission Omission Prod. Acc. User Acc.
(Percent) (Percent) (Percent) (Percent)
agua 0.09 4.79 95.21 99.91
girasol 19.87 17.91 82.09 80.13
maíz 27.25 21.09 78.91 72.75
monte 3.97 0.27 99.73 96.03
pastizales 23.42 3.11 96.89 76.58
soja primera 17.26 42.27 57.73 82.74
soja segunda 2.65 5.21 94.79 97.35
Posteriormente se le aplica un filtro de paso bajo 3 x 3.
Al mapa de coberturas obtenido se le vuelve a calcular la matriz de confusión.
Matriz:
Overall Accuracy = (34768/37583) 92.5099%
Kappa Coefficient = 0.8769
Class agua girasol maíz monte pastizales soja 1º soja 2º Total
agua 21748 1 0 0 0 0 0 21749
girasol 0 1525 365 0 4 0 0 1894
maíz 0 264 1873 0 0 439 0 2576
monte 0 0 0 363 15 0 0 378
pastizales 917 10 11 1 5685 480 111 7215
soja primera 0 37 112 0 0 1248 0 1397
soja segunda 0 0 0 0 48 0 2326 2374
Total 22665 1837 2361 364 5752 2167 2437 37583
Class agua girasol maíz monte pastizales soja 1º soja 2º Total
agua 95.95 0.05 0 0 0 0 0 57.87
girasol 0 83.02 15.46 0 0.07 0 0 5.04
maíz 0 14.37 79.33 0 0 20.26 0 6.85
monte 0 0 0 99.73 0.26 0 0 1.01
pastizales 4.05 0.54 0.47 0.27 98.84 22.15 4.55 19.2
soja primera 0 2.01 4.74 0 0 57.59 0 3.72
soja segunda 0 0 0 0 0.83 0 95.45 6.32
Total 100 100 100 100 100 100 100 100

5. Class Commission Omission Prod. Acc. User Acc.
(Percent) (Percent) (Percent) (Percent)
agua 0 4.05 95.95 100
girasol 19.48 16.98 83.02 80.52
maíz 27.29 20.67 79.33 72.71
monte 3.97 0.27 99.73 96.03
pastizales 21.21 1.16 98.84 78.79
soja primera 10.67 42.41 57.59 89.33
soja segunda 2.02 4.55 95.45 97.98
Se necesita obtener la superficie de cultivos de cosecha gruesa para la campaña 10 – 11
en el partido de Trenque Lauquen, para lo cual se hace un recorte del mapa de
coberturas anteriormente obtenido con el shapefile de departamentos.
Se procedió a vectorizar al recorte tipo raster con Erdas Imagine y abrir el vector de
polígonos con ArcGis.

6. Para superponer el mapa sectorizado resultante de la clasificación con el area de
verificación, se tomó el archivo digitalizado de segmentos verdad de campo de las
recorridas del verano 10-11 para el oeste de la provincia de Bs. As. Y se seleccionaron
los de Trenque Lauquen.
En ArcGis, se hace el corte del area de verificación en el mapa CLIP y luego UNION.
En las figuras se pueden observar los polígonos de verificación etiquetados con el GRID_CODE o sea la
leyenda de clasificación.
Se actualizan los datos de Area y se exporta el dbf a formato xls.
La tabla se organiza dejando solo tres columnas Clases (cultivos de verificación), Grid-Code (categorías
del mapa clasificado) y Area (superficie de cada polígono).

7. Se confecciona una tabla dinámica.
Para luego construir la matriz de confusión.
Estimación de la superficie en hectáreas calculada por conteo de pixeles.
Se plantea continuar el trabajo construyendo la ecuación de regresión para corregir los
valores de la clasificación utilizando los datos observados a campo.

8. Insumos
I
IVN para las 4
fechas
Layer stack 4 IVN
coregistración
Verdad de Campo 10-11
Magyp.
Lotes digitalizados con
descripción de coberturas
Imágenes Lansat
227-85
Año 2010 (Octubre y Dic.)
Año 2011 (Enero y Marzo)
Clasificación Supervizada con
ENVI
Mapa de coberturas
(1)
Matriz de
confusión
Filtro 3 x 3
Mapa de Coberturas
(2)
Matriz de
confusión
Insumos

9. Obtención de coberturas para el partido de Trenque Lauquen en la Prov. de Buenos Aires
Mapa de Coberturas
(2)
Recorte del
partido
Vectorización
Clip-Union en ArcGis del
Mapa y Lotes digitalizados
Edición de dbf con
Excel
Matriz de confusión
Tabla dinámica
Verdad de Campo 10-11
Magyp.
Lotes digitalizados con descripción
de coberturas de Trenque Lauquen.