CLASIFICACIÓN DE MÁXIMA VEROSIMILITUD (MAXIMUM LIKELIHOOD CLASSIFICATION)” – Caso Práctico
La finalidad de los estudios de ocupación del suelo de un determinado espacio geográfico, constituye la creación de cartografía e inventario, por una parte, de la cobertura de suelo, entendido como los materiales que se presentan en un momento concreto sobre esa superficie; y por otra parte, del uso de suelo, que hace alusión a la actividad humana que se desarrolla en dicha área (Chuvieco Salinero, 1984).
En la actualidad, el mapeo de cobertura y uso, se realiza principalmente mediante técnicas de Teledetección, mismas que presentan ventajas respecto a otros métodos aplicados, entre las cuales podemos citar: un menor costo, la cobertura de grandes áreas y la posibilidad de obtener datos de una misma zona a lo largo del tiempo (Nolasco, Willington, & Bocco, 2014). Estas técnicas se basan principalmente en la clasificación de imágenes satelitales, que se realiza a su vez mediante métodos supervisados y no supervisados, siendo la Clasificación de Máxima Verosimilitud un criterio de análisis muy difundido dentro de la primera categoría, debido a su robustez y ajuste con mayor precisión a la disposición original de los datos (Chuvieco, 1995, p. 353), permitiendo según Monterroso Tobar (2014) citado por (Betancourt Maldonado, 2015) calcular la probabilidad de que cada píxel de la imagen satelital con un determinado nivel digital, pertenezca a una categoría preestablecida, para finalmente fijarlo a aquella con mayor probabilidad.
La clasificación por máxima verosimilitud forma parte del análisis estadístico multivariado y permite el procesamiento de bandas ráster, generando como resultado una entidad ráster clasificada (ESRI, 2017). Este tipo de técnica es compleja y de un amplio volumen de cálculo; sin embargo, con el desarrollo de softwares SIG, este proceso se ha resumido ostensiblemente.
En este contexto, dentro del programa informático ArcGIS, existe la herramienta “Clasificación de Máxima Verosimilitud (Maximum Likelihood Classification)” que utiliza el algoritmo de máxima probabilidad, basado en dos principios: el teorema de Bayes y las celdas en cada muestra de clases del espacio multidimensional que se distribuye normalmente (ESRI, 2017).
A continuación se aplicará la herramienta en un caso práctico, con la finalidad de entender su funcionamiento.
METODOLOGÍA APLICADA
El área de estudio se ubica en la ciudad de Cuenca, perteneciente a la provincia del Azuay y constituye un área verde de elevado valor urbanístico para la ciudad.
La información requerida para la investigación corresponde a una imagen satelital, obtenida a partir del programa informático Google Earth, misma que debió someterse a un proceso de ortorectificación previo al análisis de uso de suelo.
Para la clasificación, fue necesario generar el archivo de firma ASCII mediante el software ArcGIS 10.5 y su herramienta de análisis Crear Firma (Create Signature), empleando para este fin, la imagen satelital y el archivo con las coordenadas geográficas de los puntos de control, mismos que para el presente caso fueron agrupados en función de cada clase de uso identificada visualmente en la imagen (campos de entrenamiento): cuerpos de agua (ID=1), vegetación (ID=2), urbano (ID=3) y espacios verdes (ID=4). Es importante mencionar que para obtener mejores resultados, los puntos de control deben ser tomados IN SITU. Posteriormente se ejecutó la herramienta de análisis “Clasificación de Máxima Verosimilitud (Maximum Likelihood Classification)” tomando como datos de entrada la imagen satelital y el archivo de firma (.gsg) creado; así como un valor de fracción de rechazo (Reject fraction) correspondiente a 0.0, con la finalidad de que cada celda sea asignada a una categoría.
RESULTADOS
DISCUSIÓN
De las cuatro categorías de uso aplicadas, las “áreas o espacios verdes” (pasto y sitios de recreación) ocuparon la mayor superficie con 34.06% (3.11 Ha.) del total, seguido de “vegetación” (especies arbóreas) con 32.44% (2.96 Ha.), “cuerpos de agua” (estanque artificial y parte del Río Yanuncay que bordea el parque) con 18.93% (1.73 Ha.), y finalmente la categoría “urbano” (red vial e infraestructuras) con 14.56% (1.33 Ha.). El empleo de la herramienta “Clasificación por Máxima Verosimilitud” del software ArcGIS 10.5, fue altamente confiable para establecer los usos de suelo dentro del área de estudio; no obstante, los resultados no fueron satisfactorios para las clases “vegetación” y “cuerpos de agua”, pues presentaron errores, mismos que pudieron ser ampliamente reducidos con el procesamiento y transformación de la imagen previo al procedimiento de clasificación supervisada. Sin embargo, al tratarse de un caso práctico para demostrar la aplicabilidad de la herramienta, los resultados fueron altamente satisfactorios.
BIBLIOGRAFÍA
Betancourt Maldonado, D. (Octubre de 2015). Cambios en la Cobertura del Suelo en el Corredor Metropolitano Cali - Jamundí (Valle del Cauca, Colombia) entre 1984 y 2013. Tesis de Maestría, Universidad de Salzburg, Austria.
Chuvieco Salinero, E. (1984). revistas.ucm.es. Obtenido de Aportaciones de la Teledetección espacial a la cartografía de ocupación del suelo : http://revistas.ucm.es/index.php/AGUC/article/viewFile/AGUC8585110029A/32094
Chuvieco, E. (1995). Fundamentos de Teledetección Espacial. Segunda Edición. Madrid: Ediciones Rialp, S. A.
ESRI. (2017). desktop.arcgis.com. Obtenido de ¿Cómo funciona la Clasificación de máxima verosimilitud?: http://desktop.arcgis.com/es/arcmap/10.3/tools/spatial-analyst-toolbox/how-maximum-likelihood-classification-works.htm
ESRI. (2017). pro.arcgis.com. Obtenido de Vista general del conjunto de herramientas de Multivariado: https://pro.arcgis.com/es/pro-app/tool-reference/spatial-analyst/an-overview-of-the-multivariate-tools.htm
Nolasco, M., Willington, E., & Bocco, M. (2014). sedici.unlp.edu.ar. Obtenido de Clasificación del uso de suelo en agricultura a partir de series temporales de imágenes LANDSAT: http://sedici.unlp.edu.ar/bitstream/handle/10915/41984/Documento_completo.pdf?sequence=1