Browsing by Author "Zambrano Garcia, Zambrano Garcia"

Now showing 1 - 1 of 1
  • Thumbnail Image
    ItemOpen Access
    Aplicación de algoritmo de inteligencia artificial para la detección de cultivos de cacao (Theobroma cacao L.), banano (Musa paradisiaca L.) y palma africana (Elaeis guineensis J.) en la zona norte de las provincias del Guayas y los Ríos
    (Quevedo:UTEQ, 2023) Zambrano Garcia, Zambrano Garcia; Vlassova, Lidia
    La teledetección es una herramienta crucial en la planificación territorial, por lo que es necesario evaluar la efectividad de los nuevos métodos que van surgiendo en este campo en entornos reales. En este estudio, se comparó la precisión del método tradicional de teledetección, Maximum Verosimilitud (ML), con un método basado en inteligencia artificial llamado Bosques Aleatorios (RF), en la identificación de cultivos de banano, cacao y palma africana, así como de otras coberturas. Se emplearon imágenes satelitales de Sentinel-2 obtenidas a través del sitio web de la USGS, las cuales fueron corregidas atmosféricamente. A partir de estas imágenes, se calcularon los índices espectrales NDVI (Normalized Difference Vegetation Index) y RESI (Red-Edge Spectral Indices) y se definieron regiones de interés (ROIs) sobre la capa de índices calculados de cada imagen. Las ROIs se crearon tanto a partir de coordenadas in situ como de Google Earth. La clasificación mediante ML se realizó en el entorno del software ENVI y la clasificación mediante RF se llevó a cabo en el programa QGIS con herramienta complementaria de Dzetsaka. Para evaluar los resultados, se utilizaron la matriz de confusión tradicional, el coeficiente de Kappa y la prueba estadística no paramétrica Wilcoxon-Mann-Whitney. Los resultados indicaron que ML detectó con mayor precisión los cultivos de palma africana, sin embargo, la clasificación general más precisa (incluyendo los cultivos de interés y otras coberturas) fue la obtenida con RF. Por lo tanto, se recomienda continuar investigando el potencial de RF en condiciones más favorables, como imágenes registradas durante las épocas secas y con una mayor cantidad de muestras disponibles. Palabras clave: Maximum Likelihood, Random Forest, Cultivos, NDVI, RESI