• Ir a navegación principal
  • Ir al contenido principal
  • Ir a la barra lateral primaria
  • Ir al pie de página
Logo web Geoinnova

Territorio Geoinnova - SIG y Medio Ambiente

El Blog de SIG, Territorio y Medio Ambiente

  • Web Corporativa
  • Cursos SIG
  • Cursos Medio Ambiente
  • Consultoría
  • Blog
  • Contacto
  • Inicio Blog
  • SIG
  • Programación y Desarrollo SIG
  • Teledetección
  • Medio Ambiente
  • Corporativo
SIG

Clasificación de imágenes satelitales con ArcGIS

Feb 27, 2017 · Por Miguel Ángel Hurtado Dejar un comentario

Aprende cómo realizar una clasificación de imágenes satelitales con ArcGIS en unos sencillos pasos

Con la incorporación de nuevos clasificadores y herramientas como Train Random Trees Classifier, Create Accuracy Assessment Points, Update Accuracy Assessment Points, o Compute Confusion Matrix tools a partir de ArcGIS 10.4

ArcMap ha ganado una considerable capacidad para llevar a cabo clasificaciones de imágenes satelitales.

Ciertamente, ya existían algunas herramientas como clasificadores de máxima probabilidad o Iso Cluster, pero estas herramientas estaban lejos de los algoritmos que actualmente se utilizan más a menudo como Random Forest o Support Vector Machines.

Para acceder a estos algoritmos que dominan el panorama de forma abrumadora había que recurrir a R, donde encontramos prácticamente cualquier algoritmo;

Y que además se distribuye bajo licencia Open Source o aplicaciones específicas de teledetección como ENVI,  previo pago de su correspondiente licencia, claro.

clasificacion imagenes arcgis

Desde ArcGIS 10.4 encontramos algunas de esas herramientas implementadas y listas para ser usadas. Evidentemente tenemos menos control de cara a la optimización del proceso en comparación con R, pero si tenemos algo de soltura con Python/ArcPy podemos automatizar el proceso de clasificación hasta cierto punto. En cualquier caso, el interés de ESRI por incorporar nuevas herramientas de corte geoestadístico no es nuevo.

Por ejemplo, desde hace ya unas cuantas versiones encontramos herramientas de regresión avanzadas como la Geographically Weighted Regression, más conocida quizás como GWR.

El  proceso de clasificación

Como viene siendo habitual, llevar a cabo el proceso completo de clasificación debemos combinar una serie de herramientas. El proceso a seguir sería el siguiente:

  1. Crear una nube de puntos de entrenamiento utilizando la barra de herramientas Clasificación (Classification toolbar).
  2. Utiliza una de las herramientas de clasificación disponibles (Train ISO Cluster Classifier, Train Maximum Likelihood Classifier, Train Random Trees Classifier, Train Support Vector Machine Classifier).
  3. A continuación utiliza la herramienta Accuracy Assessment Points tool para extraer puntos aleatorios para validar el resultado.
  4. Construye la matriz de confusión con Compute Confusion Matrix tool.
  5. Compara los resultados de los distintos métodos mediante el valor del índice Kappa.

Como veis es un proceso no demasiado complejo. Si lo crees conveniente puedes crear un script o incluso un modelo con Model Builder para adaptar o repetir el proceso cuantas veces sea necesario.

Si quieres aprender más sobre la clasificación de imágenes no te pierdas nuestro curso de Geoestadística Descriptiva, en el cual utilizarás las distintas herramientas que pone a nuestra disposición el módulo Geostatisical Analyst de ArcGIS aplicadas a distintos ámbitos como el geomarketing, estudios poblacionales o modelización espacial de variables ambientales. ¡No te lo pierdas!

Artículos relacionados

Estadísticas catastrales y tributarias
Como trabajar con estadísticas Catastrales y Tributarias de España
Ene 6, 2021
SIG
SAGA
Interpolación Kriging con SAGA
Ene 6, 2021
SIG
Captura de pantalla de EIDOS
Base de datos EIDOS: recopilación de información sobre especies silvestres
Dic 30, 2020
Medio Ambiente, SIG
Avatar

Miguel Ángel Hurtado

Interacciones con los lectores

Deja una respuesta Cancelar la respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *

Barra lateral primaria

Suscríbete al boletin

    Si te apetece puedes dejarnos tu nombre para que los correos tengan un trato personalizado

    Mediante el envío de mis datos personales confirmo que he leído y acepto la política de privacidad

    RESPONSABLE: Asociación Geoinnova. FINALIDAD: envío de publicaciones, promociones e información sobre cursos y eventos. LEGITIMACIÓN: tu legítimo consentimiento. DESTINATARIOS: Active Campaign con titular Active Campaign LLC, alojada en EEUU y suscrita al EU PrivacyShield. DERECHOS: acceso, rectificación, limitación, supresión de los datos (en [email protected])y a presentar reclamación ante una autoridad de control. INFORMACIÓN ADICIONAL: Política de privacidad.

    La último

    Apps para identificar cimas y montañas con el teléfono móvil

    Estadísticas catastrales y tributarias

    Como trabajar con estadísticas Catastrales y Tributarias de España

    Agenda de cursos en Enero y Febrero

    R y su transformador RCaller

    Ejecutando R en FME Desktop

    La educación ambiental es fundamental para preservar el medioambiente.

    ¿Qué es la educación ambiental?

    SAGA

    Interpolación Kriging con SAGA

    LAStools y su visor lasview

    LAStools para trabajar con datos LiDAR de manera profesional

    Footer

    Sobre Nosotros

    Territorio Geoinnova pretende ofrecer noticias y formación sobre el medio ambiente y las tecnologías de la información geográfica con interés a dichos sectores profesionales.

    Legal

    • Nota Legal

    El blog y todo su contenido se encuentra bajo una licencia de Creative Commons Reconocimiento-NoComercial-CompartirIgual 3.0 Unported.

    Todas las categorías

    • Actualidad Ambiental (85)
    • Alimentación Saludable (17)
    • Corporativo (121)
    • Formación (81)
    • Geolibrería (40)
    • Medio Ambiente (948)
    • Patrocinado (12)
    • Programación y Desarrollo SIG (11)
    • SIG (487)
    • Tecnología (73)
    • Teledetección (19)

    © 2021 · Desarrollada por Juan María Arenas - OikosMSP