Mostrar el registro sencillo del ítem
dc.contributor.author | Borràs, J. | es_ES |
dc.contributor.author | Delegido, J. | es_ES |
dc.contributor.author | Pezzola, A. | es_ES |
dc.contributor.author | Pereira, M. | es_ES |
dc.contributor.author | Morassi, G. | es_ES |
dc.contributor.author | Camps-Valls, G. | es_ES |
dc.date.accessioned | 2017-06-26T09:21:51Z | |
dc.date.available | 2017-06-26T09:21:51Z | |
dc.date.issued | 2017-06-20 | |
dc.identifier.issn | 1133-0953 | |
dc.identifier.uri | http://hdl.handle.net/10251/83604 | |
dc.description.abstract | [EN] Sentinel-2 (S2), a new ESA satellite for Earth observation, accounts with 13 bands which provide high-quality radiometric images with an excellent spatial resolution (10 and 20 m) ideal for classification purposes. In this paper, two objectives have been addressed: to determine the best classification method for S2, and to quantify its improve-ment with respect to the SPOT operational mission. To do so, four classifiers (LDA, RF, Decision Trees, K-NN) have been selected and applied to two different agricultural areas located in Valencia (Spain) and Buenos Aires (Argentina). All classifiers were tested using, on the one hand, all the S2 bands and, on the other hand, only selecting those bands from S2 closer to the four bands from SPOT. In all the cases, between 10%-50% of samples were used to train the classifier while remaining the rest for validation. As a result, a land use map was generated from the best classifier, according to the Kappa index, providing scientifically relevant information such as the area of each land use class. | es_ES |
dc.description.abstract | [ES] Sentinel-2 (S2) es un nuevo satélite de la ESA que cuenta con 13 bandas proporcionando imágenes de alta calidad radiométrica y excelente resolución espacial (10 y 20 m) ideal para trabajos de clasificación. En este trabajo se han abordado dos objetivos: determinar el mejor método de clasificación con S2, y cuantificar su mejora respecto a otras misiones operativas, como SPOT. Para ello se han seleccionado cuatro clasificadores (LDA, RF, Árboles de decisión, K-NN) que se han aplicado en dos zonas agrarias: una en la huerta de Valencia (España) y otra en la región de Buenos Aires (Argentina). Se han probado todos los clasificadores usando, por una parte, todas las bandas de S2, y por otra usando sólo las cuatro que coinciden con SPOT. En todos los casos se han aplicando porcentajes entre el 10 y el 50% de datos de entrenamiento y usado el resto de datos como validación. Como resultado se ha generado un mapa de usos del suelo a partir del mejor clasificador, basándose en el índice Kappa, proporcionando información científicamente relevante como es el área ocupada por cada una de las clases. | 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 | Clasificación | es_ES |
dc.subject | Teledetección | es_ES |
dc.subject | Usos del suelo | es_ES |
dc.subject | Índice Kappa | es_ES |
dc.subject | Sentinel-2 | es_ES |
dc.subject | Classification | es_ES |
dc.subject | Remote sensing | es_ES |
dc.subject | Land | es_ES |
dc.subject | Kappa index | es_ES |
dc.title | Clasificación de usos del suelo a partir de imágenes Sentinel-2 | es_ES |
dc.title.alternative | Land use classification from Sentinel-2 imagery | es_ES |
dc.type | Artículo | es_ES |
dc.date.updated | 2017-06-26T08:50:04Z | |
dc.identifier.doi | 10.4995/raet.2017.7133 | |
dc.rights.accessRights | Abierto | es_ES |
dc.description.bibliographicCitation | Borràs, J.; Delegido, J.; Pezzola, A.; Pereira, M.; Morassi, G.; Camps-Valls, G. (2017). Clasificación de usos del suelo a partir de imágenes Sentinel-2. Revista de Teledetección. (48):55-66. https://doi.org/10.4995/raet.2017.7133 | es_ES |
dc.description.accrualMethod | SWORD | es_ES |
dc.relation.publisherversion | https://doi.org/10.4995/raet.2017.7133 | es_ES |
dc.description.upvformatpinicio | 55 | es_ES |
dc.description.upvformatpfin | 66 | es_ES |
dc.type.version | info:eu-repo/semantics/publishedVersion | es_ES |
dc.description.issue | 48 | |
dc.identifier.eissn | 1988-8740 | |
dc.description.references | Breiman, L. (2001). Machine Learning, 45(1), 5-32. doi:10.1023/a:1010933404324 | es_ES |
dc.description.references | Cohen, J. (1960). A Coefficient of Agreement for Nominal Scales. Educational and Psychological Measurement, 20(1), 37-46. doi:10.1177/001316446002000104 | es_ES |
dc.description.references | Comber, A., Fisher, P., & Wadsworth, R. (2005). You know what land cover is but does anyone else?…an investigation into semantic and ontological confusion. International Journal of Remote Sensing, 26(1), 223-228. doi:10.1080/0143116042000274032 | es_ES |
dc.description.references | Delegido, J., Verrelst, J., Alonso, L., & Moreno, J. (2011). Evaluation of Sentinel-2 Red-Edge Bands for Empirical Estimation of Green LAI and Chlorophyll Content. Sensors, 11(7), 7063-7081. doi:10.3390/s110707063 | es_ES |
dc.description.references | Gislason, P. O., Benediktsson, J. A., & Sveinsson, J. R. (2006). Random Forests for land cover classification. Pattern Recognition Letters, 27(4), 294-300. doi:10.1016/j.patrec.2005.08.011 | es_ES |
dc.description.references | Hastie, T., Tibshirani, R., & Friedman, J. (2009). The Elements of Statistical Learning. Springer Series in Statistics. doi:10.1007/978-0-387-84858-7 | es_ES |
dc.description.references | Immitzer, M., Atzberger, C., & Koukal, T. (2012). Tree Species Classification with Random Forest Using Very High Spatial Resolution 8-Band WorldView-2 Satellite Data. Remote Sensing, 4(9), 2661-2693. doi:10.3390/rs4092661 | es_ES |
dc.description.references | Landis, J. R., & Koch, G. G. (1977). The Measurement of Observer Agreement for Categorical Data. Biometrics, 33(1), 159. doi:10.2307/2529310 | es_ES |
dc.description.references | Mena, A.J. 2014. Procesamiento de imágenes satelitales multiespectrales. Proyecto final de carrera, Facultad de Informática, Universidad del País Vasco. | es_ES |
dc.description.references | Quinlan, J.R. 1993. Programs for Machine Learning. 1st ed. San Mateo, CA, Morgan. | es_ES |
dc.description.references | Rees, G. 2005. The Remote Sensing Data Book. Cambridge University Press, 262 pp. | es_ES |
dc.description.references | Rodríguez-Galiano, V., Chica-Rivas, M. 2012. Clasificación de imágenes de satélite mediante software libre: Nuevas tendencias en algoritmos de Inteligencia artificial. Departamento de Geodinámica, Universidad de Granada. | es_ES |