Clasificación automática de coberturas forestales a partir de imágenes Sentinel-2 y datos auxiliares mediante Google Earth Engine

Abstract

El objetivo de este trabajo fue realizar una clasificación automática de coberturas forestales con una resolución espacial de 10 m/pixel-1 en Asturias (Norte de España). Esta región tiene una vocación eminentemente forestal con una gran superficie de plantaciones forestales de Pinus pinaster, Pinus radiata y Eucalyptus globulus, cuyas cortas representan el 91% de la madera aprovechada anualmente en la región. La clasificación se basó en una serie de datos multitemporales del sensor Sentinel-2 y en datos auxiliares climáticos y topográficos. Como fuentes de datos se utilizaron: parcelas de campo (Inventario Forestal Nacional), clasificación de coberturas terrestres (Corine Land Cover), imágenes de satélite (constelacción Sentinel-2) y varias fuentes de variables auxiliares. El código fue implementado en Google Earth Engine® (GEE) y para la clasificación se usó el algoritmo Random Forest. Se realizó una división aleatoria de la base de datos, destinando un 70% para el entrenamiento de los modelos y un 30% para su validación. Finalmente se clasificaron las coberturas forestales del territorio en 30 clases, obteniéndose un valor del estadístico Kappa de 0,5723. Al analizar la matriz de confusión, se observó que los fallos de clasificación eran principalmente consecuencia de la similitud de las firmas espectrales de las coberturas analizadas. En los próximos años, con la mayor diversidad y mejora de los datos capturados por sensores remotos, el perfeccionamiento de plataformas como GEE, y el desarrollo de nuevos algoritmos, permitirán obtener clasificaciones de cobertura automáticas más precisas y probablemente se convertirán en herramientas indispensables