Resumen

Este trabajo tiene como objetivo (i) optimizar la aplicación de múltiples bandas de imágenes de satélite para la clasificación de la cubierta terrestre mediante el uso de algoritmos de bosque aleatorio y (ii) evaluar las correlaciones y la regresión de los índices de vegetación de una imagen de clasificación de la cubierta terrestre de mejor rendimiento con las estructuras verticales y horizontales de los bosques tropicales de tierras bajas en Vietnam Central. En este estudio, utilizamos Sentinel-2 y Landsat-8 para clasificar siete clases de cobertura del suelo, de las cuales tres tipos de bosque se subestratificaron como bosques no perturbados, poco perturbados y perturbados, donde el inventario forestal de 90 parcelas, como verdad sobre el terreno, se muestreó aleatoriamente para medir los parámetros de los árboles forestales. Se muestrearon un total de 3226 puntos de entrenamiento en siete tipos de cubierta terrestre. El rendimiento de Landsat-8 mostró un error fuera de bolsa del 31,6%, una precisión global del 68% y una kappa del 67,5%, mientras que Sentinel-2 mostró un error fuera de bolsa del 14,3 y una precisión global del 85,7 y kappa del 83%. Se extrajeron diez índices de vegetación de la imagen con mejores resultados para averiguar (i) la correlación y regresión de las estructuras horizontales y verticales de los árboles y (ii) evaluar los valores de variación entre las parcelas de verificación sobre el terreno y las parcelas de muestra de entrenamiento en tres tipos de bosque. El resultado de la prueba t sobre los índices de vegetación mostró que seis de los diez índices de vegetación eran significativos a p<0,05. Siete índices de vegetación tenían una correlación con la estructura horizontal, pero cuatro índices de vegetación, a saber, el Índice de Vegetación Mejorado, el Índice de Vegetación Perpendicular, el Índice de Vegetación Diferencial y el Índice de Vegetación Diferencial Normalizado Transformado, tenían mejores correlaciones r = 0,66, 0,65, 0,65, 0,63 y los resultados de regresión fueron de R2 = 0,44, 0,43, 0,43 y 0,40, respectivamente. Las correlaciones de la altura de los árboles fueron r = 0,46, 0,43, 0,43 y 0,49 y sus regresiones fueron de R2 = 0,21, 0,19, 0,18 y 0,24, respectivamente. Los resultados muestran la posibilidad de utilizar el algoritmo de bosque aleatorio con Sentinel-2 en la clasificación de tipos de bosque en línea con la aplicación de índices de vegetación.

• Materias:Fisiología vegetal Ecosistema forestal Secuestro de carbono Morfología vegetal Gestión forestal
• Subjects:Plant physiology Forest ecosystem Carbon sequestration Plant morphology Forest management
• Palabras claves:índices de vegetación, Sentinel-2, error de bolsa, tipos de bosque, precisión global, índice de vegetación de diferencia normalizada transformada, imagen de clasificación de la cubierta terrestre, índice de vegetación de diferencia, índice de vegetación mejorado, índice de vegetación perpendicular
• Keywords:vegetation indices, Sentinel-2, bag error, forest types, overall accuracy, Transformed Normalized Difference Vegetation Index, land cover classification image, Difference Vegetation Index, Enhanced Vegetation Index, Perpendicular Vegetation Index