Delimitación de áreas inundadas basada en datos SAR Sentinel-1 procesados mediante aprendizaje automático
Un estudio de caso en Amazonía Central, Brasil.
DOI:
https://doi.org/10.18055/Finis30884Resumen
La delimitación de áreas sujetas a
inundaciones es crucial para comprender la dinámica del agua y los cambios fluviales. Este
estudio analizó el potencial de las imágenes de radar de apertura sintética (SAR) adquiridas
en la banda-C por el satélite Sentinel-1 en 2017, 2018 y 2019 para delinear áreas inundadas
en la Amazonía Central. Las imágenes fueron procesadas por la Red Neuronal Artificial de
Perceptrón Multicapa (RNA-MLP) y dos clasificadores de aprendizaje automático (ML)
K-Nearest Neighbor (KNN-7 y KNN-11). El preprocesamiento de imágenes SAR complejas
de una sola mirada (SLC) involucró los siguientes pasos metodológicos: aplicación del
archivo de órbita; calibración radiométrica (σ0); corrección del terreno Range-Doppler; filtrado
de ruido moteado; y conversión de datos lineales en coeficientes de retrodispersión
(unidades en dB). Se aplicó El filtro Lee con un tamaño de ventana de 3×3 para filtrar el
ruido moteado. Se obtuvo un conjunto de 6000 muestras asignadas aleatoriamente para
entrenamiento (70%), validación (20%) y prueba (10%) en base a la interpretación visual de
la imagen del satélite óptico Sentinel-2 adquirida el mismo año que las imágenes de radar.
Los humedales más grandes se encontraron en 2019 en el área de estudio (municipio de
Parintins y Urucará, Rió Amazonas, Brasil): 6244km2 por el clasificador RNA-MLP; 6268km2
por KNN-7; y, 6290km2 por KNN-11, mientras que, los humedales más pequeños se encontraron
en 2018: 5364km2 por el clasificador RNA-MLP; 5412km2 por KNN-7; y 5535km2 por
KNN-11. Los tres clasificadores presentaron coeficientes Kappa entre 0,77 y 0,91. RNA-
-MLP mostró la mejor precisión. La presencia de efectos de sombra en las imágenes SAR
aumentó los errores de comisión.
Descargas
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2023 Finisterra
![Creative Commons License](http://i.creativecommons.org/l/by-nc-nd/4.0/88x31.png)
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
1. Las opiniones expresadas en los textos presentados a Finisterra son responsabilidad de los/as autores/as.
2. Los/as autores/as conservan los Derechos de Autor/a y otorgan a la revista el derecho de la primera publicación, con el trabajo licenciado simultáneamente bajo la Licencia de Atribución Creative Commons que permite compartir el trabajo con el reconocimiento de autoría y la publicación inicial en esta revista.
3. Los/as autores/as se comprometen a seguir las “Normas de publicación de manuscritos” en la plataforma RCAAP.
4. Siempre que el texto deba cambiar, a sugerencia de los/as Revisores/as Científicos/as y / o del Comité Ejecutivo, los/as autores/as se comprometen a aceptar estas sugerencias y presentarlas en las condiciones solicitadas. Siempre que haya cambios con los que los/as autores/as no estén de acuerdo, las justificaciones deben proporcionarse caso por caso.
5. La reproducción de material con Derechos de Autor/a ha sido autorizada previamente.
6. Los textos son originales, no publicados o enviados a otras revistas.