Identificando configuraciones de iluminación que optimizan la clasificación de tipos de bosque montañoso en imágenes satelitales: Una aproximación basada en modelización 3D

Resumo

La conservación de la biodiversidad tropical ha llevado a la necesidad de inventarios forestales extensos y precisos en zonas montañosas, donde las imágenes satelitales y la modelización de transferencia radiativa de los bosques han adquirido mucha relevancia. Los algoritmos de clasificación de imágenes de última generación (i.e. aprendizaje automático), aplicados con información auxiliar del relieve, se han revelado relativamente exitosos para el mapeo de tipos de bosques, sin embargo, la exactitud de la clasificación se mide solamente en promedio sobre áreas extensas, y poca atención se ha vertido en predecir las configuraciones de iluminación que en realidad causan alta incertidumbre en los resultados de la clasificación. En este artículo, se presenta una metodología basada en el simulador de imágenes Discrete Anisotropic Radiative Transfer (DART), para determinar si los tipos de bosque son distinguibles o no en configuraciones de terreno escarpado. Este trabajo describe la comparación de escenas forestales simuladas y reales en imágenes de alta resolución espacial (4 m). El método se aplicó para la estimación de la separabilidad espectral de tres tipos de bosques (encino, pino y selva alta perennifolia) en terrenos escarpados en México. Para ángulos de incidencia solar extremos (muy pequeños o muy grandes), el bosque de pino y la selva alta resultaron indistinguibles, y en contraste, fueron distinguibles en laderas cercanas al plano perpendicular solar. En consecuencia, para incluir un máximo de configuraciones favorables de laderas, recomendamos incorporar imágenes adquiridas en la mañana y en la tarde en el entrenamiento de los algoritmos de aprendizaje automático.