- -

Cartografía de bosques de manglar mediante imágenes de sensores remotos: estudio de caso Buenaventura, Colombia

RiuNet: Institutional repository of the Polithecnic University of Valencia

Share/Send to

Cited by

Statistics

Cartografía de bosques de manglar mediante imágenes de sensores remotos: estudio de caso Buenaventura, Colombia

Show simple item record

Files in this item

dc.contributor.author Perea-Ardila, M. A. es_ES
dc.contributor.author Oviedo-Barrero, F. es_ES
dc.contributor.author Leal-Villamil, J. es_ES
dc.coverage.spatial east=-77.03944745658669; north=3.8705310115256317; name=Cra. 34 #3 Sur-1 a 3 Sur-131, Buenaventura, Valle del Cauca, Colòmbia es_ES
dc.date.accessioned 2019-06-27T10:07:46Z
dc.date.available 2019-06-27T10:07:46Z
dc.date.issued 2019-06-27
dc.identifier.issn 1133-0953
dc.identifier.uri http://hdl.handle.net/10251/122785
dc.description.abstract [EN] Mangroves are plant communities of high ecological and economic importance for coastal regions. This investigation provides a methodology for mapping Mangrove forests through remote sensing images in a semidetail scale (1:25,000) in a sector of the municipality of Buenaventura, Colombia. A Sentinel 2 image and 2017 highresolution ortophotomosaic of the municipality were used for the mangrove cartography, using QGIS software, spectral analysis was performed and supervised classification was established using Maximum Likelihood algorithm. Results shown that mangrove is the most representative cover in the study area whit 7,264.21 ha in total extension (59.21% of total area), the development classification got a thematic accuracy of 80% and 0.70 in Kappa index. The used methodology can be used as an academic and research reference for mangrove semi-detail mapping in the world. es_ES
dc.description.abstract [ES] Los manglares son comunidades vegetales de alta importancia ecología y económica para las regiones costeras. La presente investigación proporciona un método para determinar la cartografía de bosques manglar mediante imágenes de sensores remotos a escala 1:25.000 en un sector del municipio de Buenaventura, Colombia; para la cartografía de bosques de manglar se empleó una imagen satelital Sentinel 2 y una ortofotografía de alta resolución del año 2017; usando el software libre QGIS, se realizó los análisis espectrales, se estableció una clasificación supervisada mediante el algoritmo de máxima verosimilitud. Los resultados obtenidos muestran que la cobertura de manglar es la de mayor representatividad en el área de estudio con una extensión total de 7.264,21 ha (59,21% del área total), la clasificación desarrollada presentó una exactitud temática global de 80% e índice de Kappa de 0,70. El método empleado sirve como un referente sobre la cartografía de bosques de manglar en el mundo. es_ES
dc.language Español es_ES
dc.publisher Universitat Politècnica de València
dc.relation.ispartof Revista de Teledetección
dc.rights Reconocimiento - No comercial - Sin obra derivada (by-nc-nd) es_ES
dc.subject Cartografía es_ES
dc.subject Manglar es_ES
dc.subject Sensores remotos es_ES
dc.subject Firma espectral es_ES
dc.subject Clasificación supervisada es_ES
dc.subject Máxima verosimilitud es_ES
dc.subject Mapping es_ES
dc.subject Mangroves es_ES
dc.subject Remote sensing es_ES
dc.subject Spectral signature es_ES
dc.subject Supervised classification es_ES
dc.subject Maximum likelihood es_ES
dc.title Cartografía de bosques de manglar mediante imágenes de sensores remotos: estudio de caso Buenaventura, Colombia es_ES
dc.title.alternative Mangrove forest mapping through remote sensing imagery: study case for Buenaventura, Colombia es_ES
dc.type Artículo es_ES
dc.date.updated 2019-06-27T08:18:04Z
dc.identifier.doi 10.4995/raet.2019.11684
dc.rights.accessRights Abierto es_ES
dc.description.bibliographicCitation Perea-Ardila, MA.; Oviedo-Barrero, F.; Leal-Villamil, J. (2019). Cartografía de bosques de manglar mediante imágenes de sensores remotos: estudio de caso Buenaventura, Colombia. Revista de Teledetección. (53):73-86. https://doi.org/10.4995/raet.2019.11684 es_ES
dc.description.accrualMethod SWORD es_ES
dc.relation.publisherversion https://doi.org/10.4995/raet.2019.11684 es_ES
dc.description.upvformatpinicio 73 es_ES
dc.description.upvformatpfin 86 es_ES
dc.type.version info:eu-repo/semantics/publishedVersion es_ES
dc.description.issue 53
dc.identifier.eissn 1988-8740


This item appears in the following Collection(s)

Show simple item record