Análisis de uso de suelo a partir de imágenes satelitales sentinel 2 en el cantón Buena Fe, provincia de Los Ríos
| dc.contributor.advisor | Vlassova, Lidia | |
| dc.contributor.author | Vera Rojas, Nolberto Javier | |
| dc.date.accessioned | 2021-07-26T13:39:45Z | |
| dc.date.available | 2021-07-26T13:39:45Z | |
| dc.date.issued | 2020 | |
| dc.description | This research shows an analysis of land use from Sentinel 2 satellite images in the Buena Fe canton, province of Los Ríos, whose multispectral resolution is 10 meters, which allowed determining with greater accuracy and detail the calculation of spectral indices such as NDVI, SAVI and NDMI that show the characteristics of the vegetation cover. The maximum likelihood method (Maximum Likelihood) allowed us to perform the supervised classification with which we identified the types of land cover and land use in the study area. Six categories were identified, whose percentages of coverage marked the bush zone with 37% coverage, followed by cocoa and banana crops with 29% and 20% respectively, while the lowest percentages were for palm crops with 9% and water bodies with 4%. Finally, to check the accuracy of the methods applied and validate the classification, a confusion matrix was calculated, resulting in a double-entry table with an accuracy of 95.9% efficiency. The calculation of the kappa coefficient was also applied to evaluate the level of satisfaction of the results, obtaining a score of 0.94, which according to the table proposed by Cohen means that the classification is very good with a high degree of acceptance. Keywords: Land use, land cover, Sentinel 2 satellite images, supervised classification, spectral indices, spatial distribution. | es_ES |
| dc.description.abstract | La presente investigación muestra un análisis de uso de suelo a partir de imágenes satelitales Sentinel 2 en el cantón Buena Fe provincia de Los Ríos, cuya resolución multiespectral es de 10 metros, lo cual permitió determinar con mayor exactitud y detalle el cálculo de los índices espectrales tales como NDVI, SAVI Y NDMI que muestran las características de la cubierta vegetal. El método de máxima verosimilitud (Máximum Likelihood) permitió realizar la clasificación supervisada con la que se identificaron los tipos de cobertura y usos de suelo en el área de estudio. Se identificaron seis categorías cuyos porcentajes de cobertura marcan a la zona arbustiva con un 37% de cobertura, seguidos del cultivo de cacao y el cultivo de banano con 29% y 20% respectivamente, mientras que con menor porcentaje se da en el cultivo de palma con 9%, cuerpos de agua con un 4%. Finalmente, para comprobar la precisión de los métodos aplicados y validar la clasificación, se desarrolló el cálculo de la matriz de confusión dando como resultado una tabla de doble entrada con una precisión del 95,9% de eficacia. Así mismo se aplicó el cálculo del coeficiente kappa que permitió valorar el nivel de satisfacción de los resultados obteniendo un 0,94 que según la tabla propuesta por Cohen significa que la clasificación es muy buena con alto grado de aceptación. Palabras clave: Uso de suelo, cobertura de suelo, imágenes satelitales Sentinel 2, clasificación supervisada, índices espectrales, distribución espacial | es_ES |
| dc.format.extent | 81 p. | es_ES |
| dc.identifier.citation | Vera Rojas, Nolberto Javier (2020).“Análisis de uso de suelo a partir de imágenes satelitales sentinel 2 en el cantón Buena Fe, provincia de Los Ríos”. Quevedo. UTEQ. 81 p. | es_ES |
| dc.identifier.other | 1200172 | |
| dc.identifier.uri | https://repositorio.uteq.edu.ec/handle/43000/6186 | |
| dc.language.iso | spa | es_ES |
| dc.publisher | Quevedo: UTEQ | es_ES |
| dc.rights | openAccess | es_ES |
| dc.subject | Uso de suelo | es_ES |
| dc.subject | Cobertura de suelo | es_ES |
| dc.subject | Imágenes satelitales Sentinel 2 | es_ES |
| dc.subject | Clasificación supervisada | es_ES |
| dc.title | Análisis de uso de suelo a partir de imágenes satelitales sentinel 2 en el cantón Buena Fe, provincia de Los Ríos | es_ES |
| dc.type | bachelorThesis | es_ES |
