Detección de Cambios en Teledetección: Métodos de Clasificación y Métricas de Precisión

Métodos de Detección de Cambios Basados en la Clasificación de Imágenes

A continuación, se describen dos de los principales métodos para detectar cambios en la cobertura del suelo a partir de la clasificación de imágenes multitemporales.

Comparación post-clasificación

Este método consiste en aplicar clasificaciones independientes a imágenes de diferentes fechas y, posteriormente, comparar los resultados. En este caso, el registro geométrico y el ajuste radiométrico no son tan críticos como en otros enfoques. La principal desventaja es que acumula los errores de las dos clasificaciones, además de ser un método costoso, ya que deben llevarse a cabo dos procesos de clasificación de forma independiente.

La determinación de cambios se obtiene realizando una tabla cruzada (o matriz de cambio) con las clases presentes en cada fecha. La diagonal de esta tabla indica las áreas que han permanecido estables, mientras que el resto de las celdas representan las áreas dinámicas. El gran interés de esta tabla es que nos ofrece información detallada sobre las transiciones que se han producido. No solo se detectan las zonas estables y las dinámicas, sino también cuál era la cobertura original y cuál es la actual, lo que nos permite identificar las tendencias del cambio en la zona de estudio. La fiabilidad de una tabla multitemporal es el producto de las fiabilidades de las clasificaciones individuales de las que se deriva.

Clasificación de cambios directa

Consiste en combinar las dos imágenes de fechas diferentes en un solo fichero y aplicar una única clasificación utilizando todas las bandas multitemporales. En este enfoque, las clases resultantes representan directamente los cambios en los usos del suelo, como por ejemplo, de “agrícola a urbano” o de “forestal a agrícola”.

Este método solo presenta el error de una única clasificación. Su ventaja con respecto al anterior es que permite generar mapas de muy diversas tipologías de cambio en un solo proceso, generalmente con bastante acierto si las clases se han definido correctamente y el conjunto de datos es apropiado.

Evaluación de Resultados en un Proceso de Detección de Cambios

Para evaluar la precisión de un método de detección de cambios, se comparan los resultados obtenidos (cambios detectados) con datos de referencia, conocidos como "verdad terreno". El objetivo es cuantificar la similitud entre la detección del modelo y la realidad observada en el terreno. Para ello, se utilizan las siguientes métricas:

• Positivo Verdadero (TP): Zonas de cambio que han sido correctamente detectadas por el método.
• Falso Positivo (FP): Zonas detectadas como cambio, pero que en realidad no lo son (error de comisión).
• Falso Negativo (FN): Zonas de cambio real que no han sido detectadas por el método (error de omisión).

A partir de estos valores, se pueden calcular varios índices para evaluar el rendimiento:

• Factor de exceso (FE): Proporción de cambio detectado que no es real. Se calcula como: FE = FP / TP.
• Factor de defecto (FD): Proporción de cambio real que no fue detectado. Se calcula como: FD = FN / TP.
• Porcentaje de detección (PD) o Sensibilidad: Porcentaje de la superficie de cambio real que fue correctamente detectada. Se calcula como: PD = 100 * (TP / (TP + FN)).
• Porcentaje de calidad (PC): Porcentaje de la superficie de cambio bien detectada respecto a la superficie total afectada por el cambio (tanto real como detectada). Se calcula como: PC = 100 * (TP / (TP + FP + FN)).