logo móvil
Contáctanos

Reducción de la escala de los datos de uso del suelo/cobertura del suelo de Suiza utilizando vecinos más cercanos y un sistema experto

Autores: Giuliani, Gregory; Rodila, Denisa; Külling, Nathan; Maggini, Ramona; Lehmann, Anthony

Idioma: Inglés

Editor: MDPI

Año: 2022

Descargar PDF

Acceso abierto

Artículo científico
2022

Reducción de la escala de los datos de uso del suelo/cobertura del suelo de Suiza utilizando vecinos más cercanos y un sistema experto


Categoría

Ciencias Medioambientales

Subcategoría

Ciencias medioambientales generales

Palabras clave

Resolución espacial
Resolución temática
Mapas de Uso/Cobertura del Suelo
Estadísticas de LU/LC
Evaluación de servicios ecosistémicos
Computación de Alto Rendimiento

Licencia

CC BY-SA – Atribución – Compartir Igual

Consultas: 1

Citaciones: Sin citaciones


Descripción
La alta resolución espacial y temática de los mapas de Uso/Cobertura del Suelo (LU/LC) es fundamental para análisis precisos de cuencas hidrográficas, mejora de modelos de distribución de especies y hábitats, así como para la evaluación de servicios ecosistémicos, evaluaciones robustas de cambios en LU/LC y cálculo de índices. Se obtuvieron mapas de LU/LC a escala reducida para Suiza en tres períodos de tiempo al combinar dos insumos: el mapa base topográfico suizo a una escala de 1:25,000 y las estadísticas nacionales de LU/LC obtenidas de la fotointerpretación aérea en una malla regular de puntos de 100 m. La resolución espacial del mapa de LU/LC resultante se mejoró en un factor de 16 para alcanzar una resolución de 25 m, mientras que la resolución temática se incrementó de 29 (en el mapa base) a 62 categorías de uso del suelo. El método combina un simple ponderado espacial de distancia inversa de la información de 36 vecinos más cercanos y un sistema experto de correspondencia entre las categorías del mapa base de entrada y los posibles tipos de LU/LC de salida. El algoritmo desarrollado, escrito en Python, lee y escribe capas en cuadrícula de más de 64 millones de píxeles. Dado el tamaño del área analizada, se utilizó un clúster de Computación de Alto Rendimiento (HPC) para paralelizar los datos y el análisis y obtener resultados de manera más eficiente. El método presentado en este estudio es un enfoque generalizable que se puede utilizar para reducir la escala de diferentes tipos de información geográfica.

Otros recursos que podrían interesarte

Temas Virtualpro