Análisis de cambios de cobertura del suelo mediante imágenes Sentinel-2 y Landsat-8 en la subcuenca del río Burgay
Loading...
Date
2024-06-06
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad de Cuenca
Abstract
The analysis of images captured by satellites has demonstrated their importance in the
identification and monitoring of the peculiarities of the earth's surface. These studies make it
possible to detect alterations over time. Our research focused on analyzing the evolution of
land cover in the Burgay River sub-basin, using images from Landsat-8 OLI and Copernicus
S2 Sentinel-2 MSI satellites, available at the United States Geological Survey (USGS)
library. The methodology included coding in the Google Earth Engine platform and use of the
Random Forest supervised classifier algorithm. Land cover maps for three time periods
(2016, 2018, and 2020) were produced independently for each satellite. The accuracy of the
classifications was high, reaching 95.33% (2016), 96.75% (2018), and 98.62% (2020) for
Landsat-8, and 99.28% (2016), 93.65% (2018) and 98.63% (2020) for Sentinel-2. The
results highlight the importance of spatial resolution in land cover identification, with a
difference in change of 6.37% (2016-2020) for Landsat-8 (resolution: 30 m) and 8.97%
(2016-2020) for Sentinel-2 (resolution: 10 m) .These results not only indicate land cover
change and persistence, they also demonstrate the advantages and limitations of using
Google Earth Engine and the public archive database in its platform to track and monitor
these transitions over time.
Resumen
El análisis de las imágenes captadas por satélites han evidenciado su importancia en la
identificación y seguimiento de las particularidades de la superficie terrestre. Estos estudios
permiten detectar las alteraciones a lo largo del tiempo. Nuestra investigación se centró en
analizar la evolución de la cobertura del suelo en la subcuenca del río Burgay, utilizando
imágenes de los satélites Landsat-8 OLI y Copernicus S2 Sentinel-2 MSI, disponibles en la
biblioteca del Servicio Geológico de Estados Unidos (USGS). La metodología incluyó la
codificación en la plataforma Google Earth Engine y el uso del algoritmo clasificador
supervisado Random Forest. Se produjeron mapas de cobertura del suelo para tres
períodos de tiempo (2016, 2018 y 2020) independientemente para cada satélite. La
precisión de las clasificaciones fue alta, alcanzando el 95,33% (2016), 96,75% (2018) y
98,62% (2020) para Landsat-8, y el 99,28% (2016), 93,65% (2018) y 98,63% (2020) para
Sentinel-2. Los resultados resaltan la importancia de la resolución espacial en la
identificación de coberturas, con una diferencia de cambio del 6,37% (2016-2020) para
Landsat-8 (resolución: 30 m) y del 8,97% (2016-2020) para Sentinel-2 (resolución: 10 m).
Estos resultados no sólo indican cambios y persistencias en las coberturas del suelo,
también demuestran las ventajas y limitaciones de utilizar Google Earth Engine y la base de
datos de archivos públicos en su plataforma, para rastrear y monitorear estas transiciones
en el tiempo
Keywords
Ingeniería Agronómica, Suelos, Cobertura de suelos, Teledetección
Citation
Código de tesis
TAG;541
Código de tesis
Grado Académico
Ingeniero Agrónomo