COMPARACIÓN DE MÉTODOS DE CLASIFICACIÓN APLICADOS A IMÁGENES SENTINEL-2 Y LANDSAT-8, PARA LA DIFERENCIACIÓN DE PLANTACIONES FORESTALES EN ENTRE RÍOS, ARGENTINA.

Abstract

En Argentina las plantaciones alcanzan 1.2 millones de hectareas. Se plantea si la clasificacion automatica (CA) de imagenes de los sensores MSI (MultiSpectral Imager) de Sentinel-2 (S2) y OLI (Operational Land Imager) de Landsat-8 (L8) puede ser precisa y fiable para identificar plantaciones. Se analizo que combinacion de CA y sensor es mas preciso, y cuales son las caracteristicas de S2 y L8 que dan lugar a diferencias. El area de estudio fue el departamento de Concordia (Entre Rios, Argentina). Se compararon tres metodos de CA: supervisado parametrico (minima distancia euclidiana), supervisado no parametrico (kNN) y no supervisado (IsoData Hibrido). El kNN, con Acierto Global de 91.4% para S2, es el mas preciso. En conclusion, la CA es precisa y fiable para ser complementaria a la fotointerpretacion. La resolucion espectral y espacial de MSI no aporta una mejora relevante en la CA.