Las estimaciones del área o del porcentaje del área de las clases de cobertura terrestre dentro de una región de estudio a menudo se basan en las etiquetas de clase de cobertura terrestre de referencia asignadas por analistas que interpretan imágenes de satélite y otros datos espaciales auxiliares. Diferentes analistas que interpretan la misma unidad espacial no siempre estarán de acuerdo sobre la etiqueta de clase de cobertura terrestre que se debe asignar. Dos enfoques para acomodar la variabilidad del intérprete al estimar el área son el promedio simple (SA) y el modelado de clases latentes (LCM). Este estudio compara el acuerdo entre las estimaciones de área obtenidas de SA y LCM utilizando datos de referencia obtenidos por siete intérpretes profesionales capacitados que interpretaron de manera independiente una serie temporal anual de etiquetas de clase de cobertura terrestre de referencia para 300 píxeles de Landsat muestreados. También comparamos la variabilidad de las estimaciones de área de LCM y SA en diferentes números de intérpretes y diferentes subconjuntos de intérpretes dentro de cada tamaño de grupo de intérpretes, y examinamos las estimaciones de área de tres clases de cobertura terrestre (bosque, desarrollado y humedal) y tres tipos de cambio (ganancia de bosque, pérdida de bosque y ganancia de desarrollado). Las diferencias entre las estimaciones de área obtenidas de SA y LCM son más pronunciadas para las estimaciones de humedal y los tres tipos de cambio. Las estimaciones de porcentaje de área de estas clases raras fueron generalmente mayores para LCM en comparación con SA, siendo las diferencias entre LCM y SA mayores a medida que aumentaba el número de intérpretes que proporcionaban los datos de referencia. Las estimaciones de área de LCM generalmente tenían desviaciones estándar más grandes y rangos mayores en diferentes subconjuntos de intérpretes, lo que indica una mayor sensibilidad a la selección de los intérpretes individuales que llevaron a cabo la etiquetación de clases de referencia.