Clasificación del uso de la tierra en el Valle Central de Catamarca utilizando técnicas de minería de datos en la nube

Abstract

El conocimiento sobre la ocupación y uso del suelo es relevante para el desarrollo de la planificación y ordenamiento del territorio. El Valle Central de Catamarca ha sufrido cambios sustanciales en la ocupación del territorio con el paso del tiempo siendo necesario su estudio. Las tareas de relevamiento y monitoreo a campo son difíciles y costosas. El uso de las imágenes satelitales provenientes de sensores remotos nos permite generar información geoespacial como mapas de cobertura a través del proceso de clasificación, abaratando los costos de monitoreo. La información relevada nos posibilita considerar aspectos generales del territorio y realizar una descripción a nivel regional. Sin embargo, el incremento de volumen de las imágenes como fuente de dato nos conduce a un problema de grandes volúmenes de datos en las ciencias de la tierra, que puede zanjarse con el uso de tecnologías en la nube. El objetivo del presente trabajo fue evaluar el uso de las técnicas de minería de datos (MD) y el empleo de tecnologías en la nube en el proceso de clasificación del uso de la tierra en el Valle Central de Catamarca. Se definieron las clases o categorías y uso para su análisis entre ella se distinguen cultivos de especies arbóreas, arbustiva, herbáceas, vegetación nativa, áreas no vegetadas y cuerpos de agua. Se generó un compuesto correspondiente al periodo junio 2016 a julio 2017 de bandas del visible e infrarrojos, bandas de agregación (min, max, media, desvio) e índices a partir de la colección de imágenes Landsat 8 derivadas del catálogo perteneciente a la plataforma Google Earth Engine para análisis geoespacial. Este conjunto de datos contiene la reflectancia de la superficie y la temperatura de la superficie terrestre corregidas atmosféricamente derivadas de los datos producidos por los sensores Landsat 8 OLI/TIRS. Posteriormente, se realizó una clasificación supervisada empleando los algoritmos de Árbol de Decisión (AD CART) y Random Forest (RF). Los polígonos de referencias, dataset de entrenamiento y validación se dividieron en 70% y 30% de los casos respectivamente; en los cuales se realizó un muestreo estratificado obteniendo para cada clasificador el mejor ajuste. En CART obtenemos una precisión general de 83% y Random Forest 97%. Usualmente, los procesos de clasifición en el Valle Central se realizan mediante el método de interpretación visual, utilizando software propietario y procesamiento local de datos, que implica grandes y costosos esfuerzos de acceso a las imágenes sumado a un alto requerimiento en cómputo y recursos físicos. El producto generado en este trabajo, bajo un nuevo paradigma de clasificación y mapeo del uso de la tierra, resulta ser un aporte significativo para la toma de decisiones y conservación de los recursos naturales en la región, como así también, el cambio en el uso de productos estáticos a la generación dinámica de mapas en la nube utilizando técnicas de minería de datos.