Boletín de Geología

Vol. 44 No. 2 (2022): Boletín de Geología
Artículos científicos

Evaluation of supervised classification methods for the estimation of spatiotemporal changes in the Merchán and Telecom paramos, Colombia

PDF (Español (España))
  • Yoan Poveda-Sotelo,
  • Mauricio A. Bermúdez-Cella,
  • Pablo Gil-Leguizamón
Yoan Poveda-Sotelo
Universidad Pedagógica y Tecnológica de Colombia
Mauricio A. Bermúdez-Cella
Universidad Pedagógica y Tecnológica de Colombia
Pablo Gil-Leguizamón
Universidad Pedagógica y Tecnológica de Colombia
DOI: https://doi.org/10.18273/revbol.v44n2-2022002

Published 2022-07-07

Keywords

  • Supervised classification,
  • Kappa Index,
  • Machine Learning,
  • Paramo,
  • Remote sensing

How to Cite

Poveda-Sotelo, Y., Bermúdez-Cella, M. A., & Gil-Leguizamón, P. (2022). Evaluation of supervised classification methods for the estimation of spatiotemporal changes in the Merchán and Telecom paramos, Colombia. Boletín De Geología, 44(2), 51–72. https://doi.org/10.18273/revbol.v44n2-2022002

Copyright (c) 2022 Boletín de Geología

Creative Commons License

This work is licensed under a Creative Commons Attribution 4.0 International License.

Altmetrics

Abstract

In recent years there has been significant progress in Geographic Information Systems (GIS) and the development of supervised classification methods, but until now these had not been used to accurately calculate the surface extent of paramos in sectors of the Eastern Cordillera of Colombia. Furthermore, these methods had not been used to estimate the distance between the boundaries of these moors and major geological features. For this reason, in the present research, five different supervised classification methods were evaluated, with the purpose of determining which of them has a higher resolution in order to reproduce the extension and surface distribution of the paramos of Merchán and Telecom in Saboyá, Boyacá, belonging to the Merchán - Iguaque complex in the Eastern Cordillera of Colombia. For this purpose, satellite images of the study area by Landsat 8 for the year 2018 were chosen and classified into some algorithms based on Machine Learning (SVM, RF, DT, BC and ANN). To establish the accuracy and reliability of the classification data of the terrain features, the Kappa Index was calculated, which allowed determining that the most accurate method for this case was Random Forest. In addition, since the boundaries of the moorlands coincide with geological structures or contacts between formations, the distance between the edge of the moorlands and these features was estimated. The results obtained in this research are considered as an important input for future multitemporal analysis as in landscape metrics, which serve as a tool for the development and decision making in the management of natural resources, biodiversity, provision of ecosystem services, as in the land use planning for the municipality of Saboyá-Boyacá.

PDF (Español (España))

Downloads

Download data is not yet available.

References

  1. Aly, A.A.; Al-Omran, A.M.; Sallam, A.S.; Al-Wabel, M.I.; Al-Shayaa, M.S. (2016). Vegetation cover change detection and assessment in arid environment using multi-temporal remote sensing images and ecosystem management approach. Solid Earth, 7(2), 713-725. https://doi.org/10.5194/se-7-713-2016
  2. Arellano, H.; Rangel, J.O. (2008). Patrones en la distribución de la vegetación en áreas de páramo de Colombia: heterogeneidad y dependencia espacial. Caldasia, 30(2), 355-411.
  3. Ayala-Izurieta, J.; Márquez, C.; García, V.; Recalde-Moreno, C.; Rodríguez-Llerena, M.; Damián-Carrión, D. (2017). Land Cover Classification in an Ecuadorian Mountain Geosystem Using a Random Forest Classifier, Spectral Vegetation Indices, and Ancillary Geographic Data. Geosciences, 7(2). https://doi.org/10.3390/geosciences7020034
  4. Becerra-Serial, R.M.; Czibener, D.; Nabel, P.E. (2009). Teledetección y redes neuronales aplicadas al mapeo de coberturas del suelo de la cuenca del Matanza-Riachuelo, Buenos Aires, Argentina. Revista Geográfica, 146, 125-152.
  5. Belgiu, M.; Drăguţ, L. (2016). Random forest in remote sensing: A review of applications and future directions. ISPRS Journal of Photogrammetry and Remote Sensing, 114, 24-31. https://doi.org/10.1016/j.isprsjprs.2016.01.011
  6. Borràs, J.; Delegido, J.; Pezzola, A.; Pereira, M.; Morassi, G.; Camps-Valls, G. (2017). Clasificación de usos del suelo a partir de imágenes Sentinel-2. Revista de Teledetección, 48, 55-66. https://doi.org/10.4995/raet.2017.7133
  7. Bravo-Morales, N.F. (2020). Teledetección y procesamiento de imágenes satelitales. GEOMATICA AMBIENTAL S.R.L.
  8. Cervantes-Canales, J. (2009). Clasificación de grandes conjuntos de datos vía máquinas de vectores soporte y aplicaciones en sistemas biológicos. Tesis de PhD, Instituto Politécnico Nacional, México.
  9. Chuvieco, E. (1995). Fundamentos de teledetección espacial. RIALP, S.A.
  10. Chuvieco, E. (2002). Teledetección ambiental. La observación de la Tierra desde el Espacio. Ariel, S.A.
  11. Cleef, A.M. (2008). Influencia humana en los páramos. En: J.P. Castañeda (ed.). Panorama y perspectivas sobre la gestión ambiental de los ecosistemas de páramo: memorias (pp. 26-33). Procuraduría Delegada para Asunto Ambientales y Agrarios.
  12. Cortés-Duque, J.; Sarmiento-Pinzón, C. (2013). Visión socioecosistémica de los páramos y la alta montaña colombiana: memorias del proceso de definición de criterios para la delimitación de páramos. Instituto de Investigación de Recursos Biológicos Alexander von Humboldt.
  13. De’Ath, G.; Fabricius, K.E. (2000). Classification and regression trees: A powerful yet simple technique for ecological data analysis. Ecology, 81(11), 3178-3192. https://doi.org/10.1890/0012-9658(2000)081[3178:CARTAP]2.0.CO;2
  14. De León-Mata, G.D.; Pinedo-Álvarez, A.; Martínez-Guerrero, J.H. (2014). Aplicación de sensores remotos en el análisis de la fragmentación del paisaje en Cuchillas de la Zarca, México. Investigaciones Geográficas, 84, 42-53. https://doi.org/10.14350/rig.36568
  15. Di Somma, A.; Ferrari, V.; Ramos-de-Las-Heras, N. (2010). El uso del suelo y el análisis multitemporal – Modificaciones del tejido urbano en la Provincia de Roma (Italia). Colóquio Ibérico de Geografia, XII, Porto, Italia.
  16. dos Santos, D.I.; Araújo, É.; Pagani, P.C.; Pagani, C.H.; de Araújo, M.E.; Negrão, M. (2015). Análise multitemporal de uso e ocupação do solo do núcleo inicial do projeto integrado de colonização Paulo de Assis Ribeiro no municipio de Colorado do Oeste - RO. Caderno de Geografia, 25(43), 34-51. https://doi.org/10.5752/p.2318-2962.2015v25n43p34
  17. Espejo, O. (2016). Desarrollo de una metodología para estimación de la deforestación mediante el análisis multitemporal de imágenes multiespectrales en un entorno de análisis basado en objetos geográficos (GEOBIA). Tesis de Maestría. Universidad Distrital Francisco José de Caldas, Colombia.
  18. Fragoso-Campón, L.; Quirós, E. (2019). Sentinel Toolbox Application (SNAP) aplicado a la clasificación supervisada de imágenes PNOA. VXIII Congreso de la Asociación Española de Teledetección. Cáceres, España.
  19. Friedl, M.A.; Brodley, C.E. (1997). Decision tree classification of land cover from remotely sensed data. Remote Sensing of Environment, 61(3), 399-409. https://doi.org/10.1016/S0034-4257(97)00049-7
  20. Fuquen, J.A.; Osorno, J.F. (2005). Geología de la plancha 190-Chiquinquirá. Informe No. I - 1794, INGEOMINAS, 272 p.
  21. Garavito-Rincón, L.N. (2015). Los páramos en Colombia, un ecosistema en riesgo. Ingeniare, 19, 127-136.
  22. Gonzáles, L.; Rodríguez, J. (2006). Prototipo de software para la clasificación de datos mediante el método bayesiano TAN - “udTAN”. Vínculos, 3(1), 35-54.
  23. González, A.R. (2011). Nuevas percepciones del territorio, espacio social y el tiempo. Un estudio desde los conceptos tradicionales (o clásicos) hasta su concepción en el siglo XXI (Facultad de Humanidades, Artes y Ciencias Sociales). VI Jornadas de Jóvenes Investigadores. Buenos Aires. Argentina.
  24. IDEAM (2010). Leyenda Nacional de Coberturas de la Tierra. Metodología CORINE Land Cover adaptada para Colombia Escala 1:100.000. Instituto de Hidrología, Meteorología y Estudios Ambientales. Bogotá.
  25. IDEAM (2011). Aportes del IDEAM para la definición y aplicación de la Estructura Ecológica Nacional. Proceso metodológico y aplicación para la definición de la estructura ecológica nacional: énfasis en servicios ecosistémicos Escala 1:500.000. Bogotá. Instituto de Hidrología, Meteorología y Estudios Ambientales.
  26. Jaramillo, L.V.; Antunes, A.F. (2018). Detección de cambios en la cobertura vegetal mediante interpretación de imágenes Landsat por redes neuronales artificiales (RNA). Caso de estudio: Región Amazónica Ecuatoriana. Revista de Teledetección, 51, 33-46. https://doi.org/10.4995/raet.2018.8995
  27. Lanzarini, L.C. (2004). Redes Neuronales Artificiales. Un Enfoque Práctico. Journal of Computer Science and Technology, 4(2), 122-123.
  28. Llactayo, W.; Salcedo, K.; Victoria, E. (2014). Protocolo de evaluación de la exactitud temática del mapa de deforestación. Dirección General de Ordenamiento Territorial (DGOT). Perú.
  29. Llanos-Hernández, L. (2010). El concepto del territorio y la investigación en las ciencias sociales. Agricultura, Sociedad y Desarrollo, 7(3), 207-220.
  30. Lozada, J.R. (2007). Situación actual y perspectivas del manejo de recursos forestales en Venezuela. Revista Forestal Venezolana, 51(1), 195-218.
  31. Manna, S.; Mondal, P.P.; Mukhopadhyay, A.; Akhand, A.; Hazra, S.; Mitra, D. (2013). Vegetation cover change analysis from multi-temporal satellite data in Jharkhali Island, Sundarbans, India. Indian Journal of Geo-Marine Sciences, 42(3), 331-342.
  32. Morales-Rivas, M.; Otero-García, J.; Van-der-Hammen, T.; Torres-Perdigón, A.; Cadena-Vargas, C.; Pedraza-Peñaloza, C.; Rodríguez-Eraso, N.; Franco-Aguilera, C.; Betancourth-Suárez, J.; Olaya-Ospina, É.; Posada-Gilede, E.; Cárdenas-Valencia, L. (2007). Atlas de páramos de Colombia. Instituto de Investigación de Recursos Biológicos Alexander von Humboldt.
  33. Moya-Fuero, A. (2012). Detección automática de nuevas construcciones a partir de ortofotos del Instituto Cartográfico Valenciano. Tesis de Maestría, Universidad de Valencia, España.
  34. Muñoz-Guerrero, D.; Rodríguez-Montenegro, M.; Romero-Hernández, M. (2009). Análisis multitemporal de cambios de uso del suelo y coberturas, en la microcuenca las minas, corregimiento de la laguna, Municipio de Pasto, departamento de Nariño. Revista de Ciencias Agrícolas, 26(1), 11-24.
  35. Murillo-Castañeda, R.A. (2018). Implementación del método máquinas de soporte vectorial en bases de datos espaciales para análisis de clasificación supervisada en imágenes de sensores remotos. Tesis de Maestría, Universidad Distrital Francisco José de Caldas, Bogotá, Colombia.
  36. Padrón, J. (2007). Tendencias epistemológicas de la investigación científica en el siglo XXI. Cinta de Moebio, 28, 1-28.
  37. Paredes-Inilupu, D. (2020). Data Science con R. Análisis de datos y algoritmos de predicción con R. Editorial Leanpub.
  38. Parra, F. (2017). Estadística y Machine Learning con R: Ejercicios resueltos con R. Editorial Académica Española.
  39. Riquelme, J.C.; Ruiz, R.; Gilbert, K. (2006). Minería de datos: conceptos y tendencias. Inteligencia Artificial, 10(29), 11-18.
  40. Sánchez-Pellicer, T.; Martín-Alcón, S.; Tomé-Morán, J.L.; Navarro, J.A.; Fernández-Landa, A. (2017). ForestCO2: monitoring of carbon sinks in Pinus halepensis stands in the Region of Murcia. XVII Congreso Nacional de Teledetección, Valencia, España.
  41. Sanhouse-García, A.J.; Bustos-Terrones, Y.; Rangel-Peraza, J.G.; Quevedo-Castro, A.; Pacheco, C. (2017). Multi-temporal analysis for land use and land cover changes in an agricultural region using open source tools. Remote Sensing Applications: Society and Environment, 8, 278-290. https://doi.org/10.1016/j.rsase.2016.11.002
  42. Sepúlveda-Varas, A.; Saavedra-Briones, P.; Esse, C. (2019). Análisis de cambio de cobertura y uso de suelo en una subcuenca preandina chilena. Herramienta para la sustentabilidad productiva de un territorio. Revista de Geografía Norte Grande, 72, 9-25. https://doi.org/10.4067/S0718-34022019000100009
  43. Terraza, R. (2004). Significado facial y cartografía geológica de la Arenisca de Chiquinquirá en alrededores de la localidad tipo. Tesis de Maestría, Universidad Nacional de Colombia, Bogotá, Colombia.
  44. Torres, A.M.; Peña, E.J.; Zúñiga, O.; Peña, J.A. (2012). Evaluación del impacto de actividades antrópicas en el almacenamiento de carbono en biomasa vegetal en ecosistemas de alta montaña de Colombia. Boletín Científico. Centro de Museos. Museo de Historia Natural, 16(1), 132-142.
  45. Ulloa, C.; Rodríguez, E. (1978). Mapa geológico preliminar de la Plancha 170-Vélez. Publicada en 1984. Escala 1:100.000. INGEOMINAS. Bogotá
  46. Velasco-Linares, P.; Ávila, L.A.; Manosalva-Moreno, L.; Parra, S.L.; Caro-Roa, A.M.; García, H.F.; Cifuentes, Y.; Díaz, J.E.; Moreno, J.; Caro-Cruz, A.; González-Zárate, A.; Caguazango, Á.P.; Chaparro-Herrera, S.; Montealegre-Talero, C. (2015). Patrones ecológicos en la zona de transición bosque - páramo. Complejo de Páramos Iguaque-Merchán: Transectos en Municipios Arcabuco, Sotaquirá, Cómbita (Boyacá) y Gámbita (Santander). Instituto de Investigación de Recursos Biológicos Alexander von Humboldt – Bosques & Semillas SAS.
  47. Willington, E.; Nolasco, M.; Bocco, M. (2013). Clasificación supervisada de suelos de uso agrícola en la zona central de Córdoba (Argentina): comparación de distintos algoritmos sobre imágenes Landsat. Congreso Argentino de AgroInformatica, Argentina.