Detección de bosques de tierras secas mediante generalización de firmas espectrales

Autores
Guida Johnson, Bárbara; Aranda, María Agustina
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
artículo
Estado
versión publicada
Descripción
Los bosques de tierras secas se encuentran entre los más amenazados y menos estudiados del mundo. Detectarlos y monitorearlos con imágenes satelitales de resolución media presenta limitaciones derivadas de su estructura naturalmente abierta. Por ende, se han propuesto metodologías que incorporan información de imágenes de muy alta resolución; estas metodologías están comprometidas por la baja disponibilidad de imágenes en algunas regiones. El objetivo de este trabajo es evaluar la factibilidad de implementar la generalización de firmas espectrales para apoyar la detección multitemporal de los bosques de tierras secas, tomando como caso de estudio un bosque de algarrobo en Mendoza (Argentina). Este enfoque utiliza firmas espectrales de imágenes obtenidas en fechas diferentes a las de la imagen que se clasifica. Se comparó la generalización de firmas con el enfoque tradicional; es decir, utilizando firmas únicamente de la fecha bajo análisis. Para cada una de las tres fechas estudiadas también se evaluaron 9 tipos de clasificaciones, variando 1) la adición o ausencia de un índice espectral al mosaico que se clasifica; 2) el esquema de clasificación, y 3) el clasificador. Se construyeron matrices de error y se calcularon métricas de exactitud de los mapas. La exactitud total de las clasificaciones basadas en la generalización de firmas espectrales fue igual o mayor que la de las clasificaciones realizadas con firmas de la fecha analizada. Se obtuvieron mejores resultados al implementar un esquema de clasificación simple (con dos categorías: bosque y no bosque) y utilizando Random Forest. La metodología evaluada constituye un aporte valioso para el diseño de estrategias que permitan monitorear este tipo de bosques de forma remota con eficiencia, ya que se puede implementar en fechas y regiones con una cantidad insuficiente de muestras de alta resolución para clasificar y validar mapas, o donde estos datos estén muy concentrados en el espacio.
Dryland forests are among the most threatened and least studied forests in the world. Their detection and monitoring using medium-resolution satellite imagery present limitations derived from their naturally open structure. Therefore, methodologies incorporating information from very high-resolution images have been proposed, though these are compromised by the low availability of such imagery in some regions. This work aims to evaluate the feasibility of implementing spectral signature generalization to support multitemporal detection of dryland forests, taking a carob forest in Mendoza (Argentina) as a case study. This approach uses spectral signatures from images obtained on dates different from those classified. Signature generalization was compared with the traditional approach (i.e., using signatures only from the date under analysis). For each of the three dates studied, nine types of classifications were evaluated, varying 1) the addition or absence of a spectral index to the mosaic being classified; 2) the classification scheme; and 3) the classifier. Error matrices were constructed, and map accuracy metrics were calculated. The overall accuracy of classifications based on spectral signature generalization was equal to or greater than that of classifications performed using signatures from the analyzed date. Be�er results were obtained for classification types by implementing a simple classification scheme (two categories: forest and non-forest) and using Random Forest. The evaluated methodology constitutes a valuable contribution to designing strategies for efficient remote monitoring of these types of forests, particularly bec ause it can be implemented on dates and in regions with insufficient numbers of high-resolution samples for classification and map validation, or where these data are highly spatially concentrated.
Fil: Guida Johnson, Bárbara. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Mendoza. Instituto Argentino de Nivología, Glaciología y Ciencias Ambientales. Provincia de Mendoza. Instituto Argentino de Nivología, Glaciología y Ciencias Ambientales. Universidad Nacional de Cuyo. Instituto Argentino de Nivología, Glaciología y Ciencias Ambientales; Argentina
Fil: Aranda, María Agustina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Mendoza. Instituto Argentino de Nivología, Glaciología y Ciencias Ambientales. Provincia de Mendoza. Instituto Argentino de Nivología, Glaciología y Ciencias Ambientales. Universidad Nacional de Cuyo. Instituto Argentino de Nivología, Glaciología y Ciencias Ambientales; Argentina. Universidad Nacional de Cuyo. Facultad de Ciencias Exactas y Naturales; Argentina
Materia
BOSQUE ABIERTO
IMÁGENES SATELITALES
LANDSAT
RANDOM FOREST
SUPPORT VECTOR MACHINE
Nivel de accesibilidad
acceso abierto
Condiciones de uso
https://creativecommons.org/licenses/by/2.5/ar/
Repositorio
CONICET Digital (CONICET)
Institución
Consejo Nacional de Investigaciones Científicas y Técnicas
OAI Identificador
oai:ri.conicet.gov.ar:11336/290945
Acceder
id CONICETDig_2d3753bbc8ace77de2491228ccf9dd72
oai_identifier_str oai:ri.conicet.gov.ar:11336/290945
network_acronym_str CONICETDig
repository_id_str 3498
network_name_str CONICET Digital (CONICET)
spelling Detección de bosques de tierras secas mediante generalización de firmas espectralesDetection of dryland forest through spectral signatures generalizationGuida Johnson, BárbaraAranda, María AgustinaBOSQUE ABIERTOIMÁGENES SATELITALESLANDSATRANDOM FORESTSUPPORT VECTOR MACHINEhttps://purl.org/becyt/ford/2.7https://purl.org/becyt/ford/2https://purl.org/becyt/ford/1.6https://purl.org/becyt/ford/1Los bosques de tierras secas se encuentran entre los más amenazados y menos estudiados del mundo. Detectarlos y monitorearlos con imágenes satelitales de resolución media presenta limitaciones derivadas de su estructura naturalmente abierta. Por ende, se han propuesto metodologías que incorporan información de imágenes de muy alta resolución; estas metodologías están comprometidas por la baja disponibilidad de imágenes en algunas regiones. El objetivo de este trabajo es evaluar la factibilidad de implementar la generalización de firmas espectrales para apoyar la detección multitemporal de los bosques de tierras secas, tomando como caso de estudio un bosque de algarrobo en Mendoza (Argentina). Este enfoque utiliza firmas espectrales de imágenes obtenidas en fechas diferentes a las de la imagen que se clasifica. Se comparó la generalización de firmas con el enfoque tradicional; es decir, utilizando firmas únicamente de la fecha bajo análisis. Para cada una de las tres fechas estudiadas también se evaluaron 9 tipos de clasificaciones, variando 1) la adición o ausencia de un índice espectral al mosaico que se clasifica; 2) el esquema de clasificación, y 3) el clasificador. Se construyeron matrices de error y se calcularon métricas de exactitud de los mapas. La exactitud total de las clasificaciones basadas en la generalización de firmas espectrales fue igual o mayor que la de las clasificaciones realizadas con firmas de la fecha analizada. Se obtuvieron mejores resultados al implementar un esquema de clasificación simple (con dos categorías: bosque y no bosque) y utilizando Random Forest. La metodología evaluada constituye un aporte valioso para el diseño de estrategias que permitan monitorear este tipo de bosques de forma remota con eficiencia, ya que se puede implementar en fechas y regiones con una cantidad insuficiente de muestras de alta resolución para clasificar y validar mapas, o donde estos datos estén muy concentrados en el espacio.Dryland forests are among the most threatened and least studied forests in the world. Their detection and monitoring using medium-resolution satellite imagery present limitations derived from their naturally open structure. Therefore, methodologies incorporating information from very high-resolution images have been proposed, though these are compromised by the low availability of such imagery in some regions. This work aims to evaluate the feasibility of implementing spectral signature generalization to support multitemporal detection of dryland forests, taking a carob forest in Mendoza (Argentina) as a case study. This approach uses spectral signatures from images obtained on dates different from those classified. Signature generalization was compared with the traditional approach (i.e., using signatures only from the date under analysis). For each of the three dates studied, nine types of classifications were evaluated, varying 1) the addition or absence of a spectral index to the mosaic being classified; 2) the classification scheme; and 3) the classifier. Error matrices were constructed, and map accuracy metrics were calculated. The overall accuracy of classifications based on spectral signature generalization was equal to or greater than that of classifications performed using signatures from the analyzed date. Be�er results were obtained for classification types by implementing a simple classification scheme (two categories: forest and non-forest) and using Random Forest. The evaluated methodology constitutes a valuable contribution to designing strategies for efficient remote monitoring of these types of forests, particularly bec ause it can be implemented on dates and in regions with insufficient numbers of high-resolution samples for classification and map validation, or where these data are highly spatially concentrated.Fil: Guida Johnson, Bárbara. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Mendoza. Instituto Argentino de Nivología, Glaciología y Ciencias Ambientales. Provincia de Mendoza. Instituto Argentino de Nivología, Glaciología y Ciencias Ambientales. Universidad Nacional de Cuyo. Instituto Argentino de Nivología, Glaciología y Ciencias Ambientales; ArgentinaFil: Aranda, María Agustina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Mendoza. Instituto Argentino de Nivología, Glaciología y Ciencias Ambientales. Provincia de Mendoza. Instituto Argentino de Nivología, Glaciología y Ciencias Ambientales. Universidad Nacional de Cuyo. Instituto Argentino de Nivología, Glaciología y Ciencias Ambientales; Argentina. Universidad Nacional de Cuyo. Facultad de Ciencias Exactas y Naturales; ArgentinaAsociación Argentina de Ecología2025-08info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/resource_type/c_6501info:ar-repo/semantics/articuloapplication/pdfapplication/pdfhttp://hdl.handle.net/11336/290945Guida Johnson, Bárbara; Aranda, María Agustina; Detección de bosques de tierras secas mediante generalización de firmas espectrales; Asociación Argentina de Ecología; Ecología Austral; 35; 2; 8-2025; 306-3160327-5477CONICET DigitalCONICETspainfo:eu-repo/semantics/altIdentifier/url/https://ojs.ecologiaaustral.com.ar/index.php/Ecologia_Austral/article/view/2518info:eu-repo/semantics/altIdentifier/doi/10.25260/EA.25.35.2.0.2518info:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by/2.5/ar/reponame:CONICET Digital (CONICET)instname:Consejo Nacional de Investigaciones Científicas y Técnicas2026-08-25T14:32:51Zoai:ri.conicet.gov.ar:11336/290945instacron:CONICETInstitucionalhttp://ri.conicet.gov.ar/Organismo científico-tecnológicoNo correspondehttp://ri.conicet.gov.ar/oai/requestdasensio@conicet.gov.ar; lcarlino@conicet.gov.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:34982026-08-25 14:32:52.228CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicasfalse
dc.title.none.fl_str_mv Detección de bosques de tierras secas mediante generalización de firmas espectrales
Detection of dryland forest through spectral signatures generalization
title Detección de bosques de tierras secas mediante generalización de firmas espectrales
spellingShingle Detección de bosques de tierras secas mediante generalización de firmas espectrales
Guida Johnson, Bárbara
BOSQUE ABIERTO
IMÁGENES SATELITALES
LANDSAT
RANDOM FOREST
SUPPORT VECTOR MACHINE
title_short Detección de bosques de tierras secas mediante generalización de firmas espectrales
title_full Detección de bosques de tierras secas mediante generalización de firmas espectrales
title_fullStr Detección de bosques de tierras secas mediante generalización de firmas espectrales
title_full_unstemmed Detección de bosques de tierras secas mediante generalización de firmas espectrales
title_sort Detección de bosques de tierras secas mediante generalización de firmas espectrales
dc.creator.none.fl_str_mv Guida Johnson, Bárbara
Aranda, María Agustina
author Guida Johnson, Bárbara
author_facet Guida Johnson, Bárbara
Aranda, María Agustina
author_role author
author2 Aranda, María Agustina
author2_role author
dc.subject.none.fl_str_mv BOSQUE ABIERTO
IMÁGENES SATELITALES
LANDSAT
RANDOM FOREST
SUPPORT VECTOR MACHINE
topic BOSQUE ABIERTO
IMÁGENES SATELITALES
LANDSAT
RANDOM FOREST
SUPPORT VECTOR MACHINE
purl_subject.fl_str_mv https://purl.org/becyt/ford/2.7
https://purl.org/becyt/ford/2
https://purl.org/becyt/ford/1.6
https://purl.org/becyt/ford/1
dc.description.none.fl_txt_mv Los bosques de tierras secas se encuentran entre los más amenazados y menos estudiados del mundo. Detectarlos y monitorearlos con imágenes satelitales de resolución media presenta limitaciones derivadas de su estructura naturalmente abierta. Por ende, se han propuesto metodologías que incorporan información de imágenes de muy alta resolución; estas metodologías están comprometidas por la baja disponibilidad de imágenes en algunas regiones. El objetivo de este trabajo es evaluar la factibilidad de implementar la generalización de firmas espectrales para apoyar la detección multitemporal de los bosques de tierras secas, tomando como caso de estudio un bosque de algarrobo en Mendoza (Argentina). Este enfoque utiliza firmas espectrales de imágenes obtenidas en fechas diferentes a las de la imagen que se clasifica. Se comparó la generalización de firmas con el enfoque tradicional; es decir, utilizando firmas únicamente de la fecha bajo análisis. Para cada una de las tres fechas estudiadas también se evaluaron 9 tipos de clasificaciones, variando 1) la adición o ausencia de un índice espectral al mosaico que se clasifica; 2) el esquema de clasificación, y 3) el clasificador. Se construyeron matrices de error y se calcularon métricas de exactitud de los mapas. La exactitud total de las clasificaciones basadas en la generalización de firmas espectrales fue igual o mayor que la de las clasificaciones realizadas con firmas de la fecha analizada. Se obtuvieron mejores resultados al implementar un esquema de clasificación simple (con dos categorías: bosque y no bosque) y utilizando Random Forest. La metodología evaluada constituye un aporte valioso para el diseño de estrategias que permitan monitorear este tipo de bosques de forma remota con eficiencia, ya que se puede implementar en fechas y regiones con una cantidad insuficiente de muestras de alta resolución para clasificar y validar mapas, o donde estos datos estén muy concentrados en el espacio.
Dryland forests are among the most threatened and least studied forests in the world. Their detection and monitoring using medium-resolution satellite imagery present limitations derived from their naturally open structure. Therefore, methodologies incorporating information from very high-resolution images have been proposed, though these are compromised by the low availability of such imagery in some regions. This work aims to evaluate the feasibility of implementing spectral signature generalization to support multitemporal detection of dryland forests, taking a carob forest in Mendoza (Argentina) as a case study. This approach uses spectral signatures from images obtained on dates different from those classified. Signature generalization was compared with the traditional approach (i.e., using signatures only from the date under analysis). For each of the three dates studied, nine types of classifications were evaluated, varying 1) the addition or absence of a spectral index to the mosaic being classified; 2) the classification scheme; and 3) the classifier. Error matrices were constructed, and map accuracy metrics were calculated. The overall accuracy of classifications based on spectral signature generalization was equal to or greater than that of classifications performed using signatures from the analyzed date. Be�er results were obtained for classification types by implementing a simple classification scheme (two categories: forest and non-forest) and using Random Forest. The evaluated methodology constitutes a valuable contribution to designing strategies for efficient remote monitoring of these types of forests, particularly bec ause it can be implemented on dates and in regions with insufficient numbers of high-resolution samples for classification and map validation, or where these data are highly spatially concentrated.
Fil: Guida Johnson, Bárbara. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Mendoza. Instituto Argentino de Nivología, Glaciología y Ciencias Ambientales. Provincia de Mendoza. Instituto Argentino de Nivología, Glaciología y Ciencias Ambientales. Universidad Nacional de Cuyo. Instituto Argentino de Nivología, Glaciología y Ciencias Ambientales; Argentina
Fil: Aranda, María Agustina. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Mendoza. Instituto Argentino de Nivología, Glaciología y Ciencias Ambientales. Provincia de Mendoza. Instituto Argentino de Nivología, Glaciología y Ciencias Ambientales. Universidad Nacional de Cuyo. Instituto Argentino de Nivología, Glaciología y Ciencias Ambientales; Argentina. Universidad Nacional de Cuyo. Facultad de Ciencias Exactas y Naturales; Argentina
description Los bosques de tierras secas se encuentran entre los más amenazados y menos estudiados del mundo. Detectarlos y monitorearlos con imágenes satelitales de resolución media presenta limitaciones derivadas de su estructura naturalmente abierta. Por ende, se han propuesto metodologías que incorporan información de imágenes de muy alta resolución; estas metodologías están comprometidas por la baja disponibilidad de imágenes en algunas regiones. El objetivo de este trabajo es evaluar la factibilidad de implementar la generalización de firmas espectrales para apoyar la detección multitemporal de los bosques de tierras secas, tomando como caso de estudio un bosque de algarrobo en Mendoza (Argentina). Este enfoque utiliza firmas espectrales de imágenes obtenidas en fechas diferentes a las de la imagen que se clasifica. Se comparó la generalización de firmas con el enfoque tradicional; es decir, utilizando firmas únicamente de la fecha bajo análisis. Para cada una de las tres fechas estudiadas también se evaluaron 9 tipos de clasificaciones, variando 1) la adición o ausencia de un índice espectral al mosaico que se clasifica; 2) el esquema de clasificación, y 3) el clasificador. Se construyeron matrices de error y se calcularon métricas de exactitud de los mapas. La exactitud total de las clasificaciones basadas en la generalización de firmas espectrales fue igual o mayor que la de las clasificaciones realizadas con firmas de la fecha analizada. Se obtuvieron mejores resultados al implementar un esquema de clasificación simple (con dos categorías: bosque y no bosque) y utilizando Random Forest. La metodología evaluada constituye un aporte valioso para el diseño de estrategias que permitan monitorear este tipo de bosques de forma remota con eficiencia, ya que se puede implementar en fechas y regiones con una cantidad insuficiente de muestras de alta resolución para clasificar y validar mapas, o donde estos datos estén muy concentrados en el espacio.
publishDate 2025
dc.date.none.fl_str_mv 2025-08
dc.type.none.fl_str_mv info:eu-repo/semantics/article
info:eu-repo/semantics/publishedVersion
http://purl.org/coar/resource_type/c_6501
info:ar-repo/semantics/articulo
format article
status_str publishedVersion
dc.identifier.none.fl_str_mv http://hdl.handle.net/11336/290945
Guida Johnson, Bárbara; Aranda, María Agustina; Detección de bosques de tierras secas mediante generalización de firmas espectrales; Asociación Argentina de Ecología; Ecología Austral; 35; 2; 8-2025; 306-316
0327-5477
CONICET Digital
CONICET
url http://hdl.handle.net/11336/290945
identifier_str_mv Guida Johnson, Bárbara; Aranda, María Agustina; Detección de bosques de tierras secas mediante generalización de firmas espectrales; Asociación Argentina de Ecología; Ecología Austral; 35; 2; 8-2025; 306-316
0327-5477
CONICET Digital
CONICET
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/https://ojs.ecologiaaustral.com.ar/index.php/Ecologia_Austral/article/view/2518
info:eu-repo/semantics/altIdentifier/doi/10.25260/EA.25.35.2.0.2518
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
https://creativecommons.org/licenses/by/2.5/ar/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by/2.5/ar/
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Asociación Argentina de Ecología
publisher.none.fl_str_mv Asociación Argentina de Ecología
dc.source.none.fl_str_mv reponame:CONICET Digital (CONICET)
instname:Consejo Nacional de Investigaciones Científicas y Técnicas
reponame_str CONICET Digital (CONICET)
collection CONICET Digital (CONICET)
instname_str Consejo Nacional de Investigaciones Científicas y Técnicas
repository.name.fl_str_mv CONICET Digital (CONICET) - Consejo Nacional de Investigaciones Científicas y Técnicas
repository.mail.fl_str_mv dasensio@conicet.gov.ar; lcarlino@conicet.gov.ar
_version_ 1874774136737234944
score 13.24418

Publicaciones similares