Resumen

Este documento presenta el rendimiento y la evaluación de varios clasificadores de aprendizaje automático para la discriminación entre las clases fisonómicas de vegetación utilizando series temporales basadas en satélites de datos de reflectancia de la superficie. La discriminación de seis clases fisonómicas de vegetación, Bosque Conífero Perenne, Bosque Caducifolio Perenne, Bosque Conífero Caducifolio, Bosque Caducifolio de Hoja Ancha, Arbustos y Hierbas, fue abordada en la investigación. Se prepararon datos ricos en características a partir de series temporales de datos satelitales para la discriminación y validación cruzada de los tipos fisonómicos de vegetación utilizando un enfoque de aprendizaje automático. Se llevó a cabo un conjunto de experimentos de aprendizaje automático que constaba de varios clasificadores supervisados con diferentes parámetros de modelo para evaluar cómo varía la discriminación de las clases fisonómicas de vegetación con los clasificadores, las características de entrada y el tamaño de los datos de referencia. El rendimiento de cada experimento fue

• Materias:Infección Morfología Diversidad microbiana Reodinámica Espina bífida
• Subjects:Infection Morphology Microbial diversity Rheodynamics Spina bifida
• Palabras claves:Clasificadores de aprendizaje automático; Clases fisionómicas de vegetación; Datos de satélite; Series temporales; Discriminación; Bosques aleatorios
• Keywords:Machine learning classifiers; Vegetation physiognomic classes; Satellite data; Time-series; Discrimination; Random Forests