Perspectiva profunda sobre la evaluación geoespacial del uso del suelo/cobertura del suelo a través de una herramienta de validación basada en Internet en la cuenca del río Karkheh superior (KRB), suroeste de Irán
Autores: Mallah, Sina; Gorji, Manouchehr; Balali, Mohammad Reza; Asadi, Hossein; Davatgar, Naser; Varmazyari, Hojjat; Stellacci, Anna Maria; Castellini, Mirko
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Perspectiva profunda sobre la evaluación geoespacial del uso del suelo/cobertura del suelo a través de una herramienta de validación basada en Internet en la cuenca del río Karkheh superior (KRB), suroeste de Irán
Categoría
Ciencias Medioambientales
Subcategoría
Ciencias medioambientales generales
Palabras clave
Uso del suelo/cobertura del suelo
Clases de LULC
Agencia Espacial Europea
WorldCover 2020
Google Earth Engine
Subcuenca de Honam
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 1
Citaciones: Sin citaciones
Recientemente, la demanda de información sobre el uso y la cobertura del suelo (LULC) de alta calidad para la cartografía de tipos de cultivos en casi tiempo real, en particular para paisajes de múltiples relieves, ha aumentado. Si bien las clases de LULC están inherentemente desbalanceadas, las estadísticas generalmente sobreestiman las clases mayoritarias y subestiman las minoritarias. Por lo tanto, el objetivo de este estudio fue evaluar las clases del producto de uso/cobertura del suelo WorldCover 2020 de la Agencia Espacial Europea (ESA) de 10 m con el apoyo de Google Earth Engine (GEE) en la subcuenca de Honam, en el suroeste de Irán, utilizando la plataforma en línea LACOVAL (herramienta de validación para el uso del suelo y el cambio de cobertura del suelo a escala regional). También se ha explorado el efecto de la verdad de terreno desbalanceada. Se emplearon cuatro esquemas de muestreo sobre un total de 720 puntos de verdad de terreno recolectados en aproximadamente 14,100 ha. Las tierras de pasto y de cultivo cubrieron en total el 94% del área de estudio, mientras que las tierras áridas, los matorrales, los árboles y las áreas construidas cubrieron el resto. Los resultados de la precisión de validación mostraron que el esquema de muestreo igualado fue más exitoso de manera realista que los otros en términos de aproximadamente la misma precisión general (91.6%), precisión media del usuario (91.6%), precisión media de los productores (91.9%), media del portmanteau parcial (91.9%) y kappa (0.9). El producto se mejoró estadísticamente al 93.5% +/- 0.04 mediante el enfoque de ensamblaje y segmentado con la ayuda de conjuntos de datos suplementarios e interpretación visual. Los hallazgos confirmaron que, al mapear LULC, los datos de las clases deben estar equilibrados antes de la evaluación de la precisión. Se concluye que el producto es un conjunto de datos confiable para la modelización ambiental a escala regional, pero necesita algunas modificaciones para las clases de tierras áridas y de pasto en regiones montañosas semiáridas del globo.
Descripción
Recientemente, la demanda de información sobre el uso y la cobertura del suelo (LULC) de alta calidad para la cartografía de tipos de cultivos en casi tiempo real, en particular para paisajes de múltiples relieves, ha aumentado. Si bien las clases de LULC están inherentemente desbalanceadas, las estadísticas generalmente sobreestiman las clases mayoritarias y subestiman las minoritarias. Por lo tanto, el objetivo de este estudio fue evaluar las clases del producto de uso/cobertura del suelo WorldCover 2020 de la Agencia Espacial Europea (ESA) de 10 m con el apoyo de Google Earth Engine (GEE) en la subcuenca de Honam, en el suroeste de Irán, utilizando la plataforma en línea LACOVAL (herramienta de validación para el uso del suelo y el cambio de cobertura del suelo a escala regional). También se ha explorado el efecto de la verdad de terreno desbalanceada. Se emplearon cuatro esquemas de muestreo sobre un total de 720 puntos de verdad de terreno recolectados en aproximadamente 14,100 ha. Las tierras de pasto y de cultivo cubrieron en total el 94% del área de estudio, mientras que las tierras áridas, los matorrales, los árboles y las áreas construidas cubrieron el resto. Los resultados de la precisión de validación mostraron que el esquema de muestreo igualado fue más exitoso de manera realista que los otros en términos de aproximadamente la misma precisión general (91.6%), precisión media del usuario (91.6%), precisión media de los productores (91.9%), media del portmanteau parcial (91.9%) y kappa (0.9). El producto se mejoró estadísticamente al 93.5% +/- 0.04 mediante el enfoque de ensamblaje y segmentado con la ayuda de conjuntos de datos suplementarios e interpretación visual. Los hallazgos confirmaron que, al mapear LULC, los datos de las clases deben estar equilibrados antes de la evaluación de la precisión. Se concluye que el producto es un conjunto de datos confiable para la modelización ambiental a escala regional, pero necesita algunas modificaciones para las clases de tierras áridas y de pasto en regiones montañosas semiáridas del globo.