Está en la página 1de 20

PROGRAMA COLABORATIVO DE LAS NACIONES UNIDAS PARA LA REDUCCIN DE

EMISIONES DEBIDAS A LA DEFORESTACIN Y DEGRADACIN DE BOSQUES EN PASES EN


VAS DE DESARROLLO

- PROGRAMA NACIONAL CONJUNTO ONUREDD+ PY -

INFORME FINAL DE EVALUACIN DE EXACTITUD TEMTICA DEL


MAPA DE COBERTURA FORESTAL Y CAMBIO DE USO DE LA TIRRA
PARA LOS AOS 2000, 2005 Y 2011.

Lic. Geog. Gustavo Casco Verna


Coordinador SIG ONUREDD+ SEAM
Abg. Liliana Arias Del Puerto
Tc. SIG, Evaluador
Tc. Hugo Mareco Castellano
Tc. SIG, Evaluador
Ing. Adolfo Kindgard
Apoyo Tcnico, FAO PNC ONUREDD+
Mayo del 2016
CONTENIDO

1. INTRODUCCIN
2. OBJETIVO
3. OBJETIVO ESPECIFICO
4. DEFINICIONES
4.1 CLASIFICACIN DE IMGENES BASADO EN OBJETOS
4.2 EXACTITUD
4.3 PRECISIN
4.4 EXACTITUD TEMTICA
4.5 EVALUACIN DE EXACTITUD Y/O CONFIABILIDAD TEMTICA
4.6 MEDICIN DE LA CONFIABILIDAD DE UN MAPA.
4.7 MATRIZ DE CONFUSIN
4.8 EXACTITUD GLOBAL
4.9 EXACTITUD DEL USUARIO
4.10 EXACTITUD PRODUCTOR
4.11 NDICE DE KAPPA
4.12 INTERVALO DE CONFIANZA
4.13 SUPERFICIE ESTIMADA O PONDERADA (Media Ponderada)
5. CONSIDERACIONES EN PROCESO DE EVALUACIN
5.1 PRODUCTOS CONSIDERADOS EN LA EVALUACIN
5.2 RESPONSABLE DEL PRODUCTO A SER EVALUADO.
5.3 RESPONSABLE DE LA EVALUACIN DE EXACTITUD TEMTICA
5.4 APOYO TCNICO
5.5 SOFTWARE EMPLEADO

6. DISEO DEL MUESTREO


7. TAMAO DE LA MUESTRA
8. DESCRIPSION DEL PROCESO DE EVALUACION
9. ANLISIS DE LOS DATOS
9.1 MEDIDAS CALCULADAS A PARTIR DE LA MATRIZ DE CONFUSIN
Matriz de Conteo de las Combinaciones Probables
Matriz de Superficie de Segmentos de las Combinaciones Probables: Resultados por
estimacin de rea; Superficie de las Clases segn el mapa; Matriz de estimacin de rea.
Intervalo de confianza
Superficie Estimada al 95% de Confianza, para los Estratos o Clases, con el
error de estimacin en hectreas:
Medidas para evaluar la precisin del Mapa (ndice de kappa)
10. CONCLUSION
11. RECOMENDACIN
12. BIBLIOGRAFA
1.INTRODUCCIN

A partir de productos que se obtienen gracias a la teledeteccin, se elaboran


mapas de variables ambientales, como ser mapas de cobertura forestal, cambios en el uso
de la tierra, cultivos, etc. A pesar de la gran utilizacin de dichos mapas, no es frecuente o
habitual realizar una evaluacin del producto y acompaarlos de sus medidas de
exactitud.
Un mapa es una representacin imperfecta de la realidad. Para utilizar este resultado en
otros productos, es necesario conocer el nivel de imperfeccin y decidir si cumple con el
nivel mnimo requerido. REDD no requiere de un nivel de exactitud, pero si debe ser una
exactitud conocida y reportable.
El PNC ONUREDD+ PY, est siendo ejecutado de manera conjunta por la Secretaria del
Ambiente - SEAM, el Instituto Forestal Nacional - INFONA y la Federacin por la
Autodeterminacin de los Pueblos Indgenas - FAPI, con la cooperacin tcnica de la FAO,
el PNUD y el PNUMA; en ese sentido en el marco del resultado 3 Sistema Nacional de
Monitoreo Forestal y el producto 3.2 Sistema Satelital de Monitoreo Terrestre, el
INFONA elaboro el Mapas de Cobertura Forestal y Cambios de Uso de la Tierra para los
Aos 2000, 2005 y 2011 a partir de imgenes de satlite Landsat. La SEAM es la institucin
encargada de realizar la evaluacin de exactitud de los mapas, a travs de la Coordinacin
del Sistema de Informacin Geogrfica del PNC ONUREDD+/SEAM.
Se realizaron tres talleres como preparacin para la evaluacin de exactitud de los mapas,
del mismo participaron tcnicos de las tres instituciones involucradas, consultores del
Programa y de las agencias cooperantes, entre ellos expertos en teledeteccin de la FAO.
2.OBJETIVO

La evaluacin de exactitud temtica del "Mapa de Cobertura Forestal y Cambio de


Uso de la Tierra para los aos 2000, 2005 Y 2011".

3.OBJETIVO ESPECIFICO

Proveer al PNC ONUREDD+PY el nivel de exactitud temtica del mapa, en trminos


de exactitud del usuario, exactitud del productor, exactitud global, de rea proporcional y
ndice de Kappa. Adems de estimar el rea ponderada de cada clase por estrato, en base
a los datos de referencia.

4.DEFINICIONES

4.1 CLASIFICACIN DE IMGENES BASADO EN OBJETOS

El anlisis de imgenes basado en objetos (OBIA por sus siglas en ingls) es una
tcnica para analizar imgenes digitales que se desarroll hace relativamente poco
tiempo, en comparacin con el anlisis tradicional de imgenes basado en pixeles
(Burnett&Blaschke, 2003). El anlisis de imgenes basado en pixeles se basa en la
informacin de cada pixel, mientras que el anlisis basado en objetos se basa en
informacin de un conjunto de pixeles similares entre s, sobre la base de una medida de
sus propiedades espectrales, tamao, forma, textura y el contexto es decir los pixeles que
rodean al objeto de la imagen.
El proceso de separar la imagen en objetos se conoce como Segmentacin. La
segmentacin divide una imagen en objetos primarios que forman la base para
clasificar el resto de la imagen.
4.2 EXACTITUD

Es el nivel de concordancia entre el valor real y el resultado de las observaciones o


estimaciones de una caracterstica.

4.3 PRECISIN

Es el nivel de concordancia entre medidas repetidas de la misma caracterstica. Se


representa como una estrecha agrupacin de resultados de los puntos de muestreo o
parcelas. La precisin es inversamente proporcional al error.

4.4 EXACTITUD TEMTICA

Describe el grado de fidelidad de los valores de los atributos asignados a los


elementos en la base de datos con respecto a su verdadera caracterstica representadas
en el mundo real y la clasificacin correcta de los objetos y sus relaciones de acuerdo con
las especificaciones del producto.

4.5 EVALUACIN DE EXACTITUD Y/O CONFIABILIDAD TEMTICA:

La evaluacin de la exactitud temtica, se ocupa de los aspectos temticos y/o


fenmenos del modelo cartogrfico y consiste en comparar la informacin del mapa con
informacin de referencia considerada muy confiable. Generalmente se basa en un
muestreo de sitios de verificacin, cuya clasificacin se obtiene a partir de observaciones
de campo o del anlisis de imgenes de Satlite ms detalladas, que aquellas utilizadas
para generar el mapa. (Peralta-Higuera et al., 2001).

La evaluacin de la confiabilidad temtica consiste en comparar la informacin del


mapa con informacin de referencia considerada muy confiable, basndose en sitios de
muestreo, cuya clasificacin se obtiene a partir del anlisis de imgenes. El ideal es que las
personas que evalen el mapa no hayan formado parte del proceso de elaboracin del
mismo. No se recomienda utilizar para la evaluacin las mismas reas que se utilizaron
para generar la clasificacin, debido a que la fiabilidad estimada ser ms alta que la real
(Chuvieco, 2008). La cantidad de informacin sobre la calidad puede exceder al conjunto
de datos esta debe ser presentada en un formato breve, fcilmente comprensible (IGN,
2009).
4.6 MEDICIN DE LA CONFIABILIDAD DE UN MAPA.

La estimacin de la exactitud alcanzada por los resultados de una interpretacin


puede realizarse de varias maneras. El mtodo ms sencillo es la valoracin cualitativa, el
cual lleva al intrprete a dar por bueno un producto, esto si es que ofrece una visin
acorde a su conocimiento de la realidad (Chuvieco, 2008). Este es el mtodo de evaluacin
ms utilizado, pero no puede considerarse como una evaluacin real por la subjetividad.
Tambin se puede comparar los productos generados con datos no espaciales,
compendios estadsticos y cruzamiento con otro tipo de informacin.

El anlisis de los datos de confiabilidad se hace generalmente a travs de una matriz de


confusin, que permita confrontar la informacin de sitios de verificacin con aquella de
la base cartogrfica que se pretende evaluar. Adems permite no solo el grado global de
acierto sino que tambin las categoras en las cuales se producen confusiones. Los valores
de error pueden utilizarse para corregir las estimaciones de superficie asignadas a cada
cobertura. Para comparar los resultados de evaluacin de dos mapas se puede realizar por
ejemplo, mediante los ndices de kappa, solo si tienen iguales cantidad de puntos de
muestreo evaluados, si tienen distinta cantidad de puntos de muestro evaluados lo
correcto es realizar una normalizacin de las matriz de confusin (Chuvieco, 2008).

4.7 MATRIZ DE CONFUSIN

Es una tabla de doble entrada en el cual se colocan en las filas y columnas las
distintas clases a ser evaluadas, la diagonal expresa el nmero de coincidencias que se
produce entre las dos fuentes el mapa y la realidad. El resto supone errores de asignacin
(Chuvieco, 2008).

4.8 EXACTITUD GLOBAL

Es la medida ms simple de generar, relacionando los elementos con aciertos con


el total de los elementos; indica lo bien que el mapa identifica todos los tipos de cobertura
terrestre.

4.9 EXACTITUD DEL USUARIO

Indica el porcentaje de veces que un tipo de cobertura terrestre concreto del


mapa, es en realidad ese tipo de cobertura terrestre en el terreno. Expresa lo bien que
una persona que utilice el mapa encontrar ese tipo de cobertura terrestre en el terreno
Exactitud del Usuario = nmero de coincidencias/total. (filas)
4.10 EXACTITUD PRODUCTOR

Indica el porcentaje de veces que un tipo de cobertura terrestre concreto del


terreno, se ha identificado en el mapa con ese tipo de cobertura terrestre. Expresa lo bien
que el creador del mapa identific un tipo de cobertura terrestre a partir de los datos de
una imagen de satlite.
Exactitud del Productor = nmero de coincidencias/total. (columnas)

4.11 NDICE DE KAPPA

El ndice de Kappa es la proporcin de coincidencias obtenidas en un producto


cartogrfico sustrayendo aquellos generados de forma fortuita. Es una medida de la
diferencia entre la exactitud lograda en la clasificacin con un software y la exactitud de
lograr una clasificacin correcta con una clasificacin visual (en campo o con imgenes de
alta resolucin).
K =(Po - Pe) / (1 - Pe)
Siendo: Po = Nmero de aciertos/ Nmero total de clases
Pe = Calculo generado desde la matriz de confusin.
A la hora de interpretar el valor de k es til disponer de una escala como la siguiente:
Valoracin del coeficiente kappa (Landis y Koch, 1977).
Coeficiente de kappa Fuerza de concordancia
(k)
< 0,00 Pobre
0,00 - 0,20 Leve
0,21 - 0,40 Aceptable
0,41 - 0,60 Moderada
0,61 - 0,80 Considerable
0,81 - 1,00 Casi perfecta

4.12 INTERVALO DE CONFIANZA

En el contexto de estimar un parmetro poblacional, un intervalo de confianza es


un rango de valores (calculado en una muestra) en el cual se encuentra el verdadero valor
del parmetro, con una probabilidad determinada.
La probabilidad de que el verdadero valor del parmetro se encuentre en el intervalo
construido se denomina nivel de confianza, y se denota 1-a. La probabilidad de
equivocarnos se llama nivel de significancia y se simboliza a . Generalmente se
construyen intervalos con confianza 1-a=95% (o significancia a=5%).
4.13 SUPERFICIE ESTIMADA O PONDERADA (Media Ponderada)

La media ponderada es una medida de tendencia central, que es apropiada cuando


en un conjunto de datos cada uno de ellos tiene una importancia relativa (o peso)
respecto de los dems datos. Se obtiene multiplicando cada uno de los datos por su
ponderacin (peso) para luego sumarlos, obteniendo as una suma ponderada; despus se
divide est entre la suma de los pesos, dando como resultado la media ponderada.

5.CONSIDERACIONES EN PROCESO DE EVALUACIN

La evaluacin de la exactitud temtica del Mapas de Cobertura Forestal y Cambios


de Uso de la Tierra para los Aos 2000, 2005 y 2011, se realizara mediante un "Muestreo
Probabilstico Estratificado".

5.1 PRODUCTOS CONSIDERADOS EN LA EVALUACIN

a)- Mosaicos de imgenes de satlite Landsat, de la Regin Oriental y Occidental


del Paraguay, con 9 (nueve) bandas espectrales (5, 4 y 3 de los aos 2000, 2005 y 2011).
De las 9 bandas, la 1, 2, 3 corresponden al ao 2000, la 4, 5, 6 corresponde al ao 2005 y
la 7, 8, 9 corresponde al ao 2011. (informacin de referencia provedo por la contraparte
del INFONA).

b)- Segmentacin en formato Shapefile (shp), correspondiente a cada una de las


clases o estratos considerados en el mapa; generado a partir del mosaico de imgenes de
satlite. (producto base para la seleccin de muestras; provedo por la contraparte del
INFONA).

Clases Codificacin
Bosque Estable 1
No Bosque Estable 2
Cambio 00 - 05 3
Cambio 05 - 11 4
c)- Imgenes de satlite disponibles en ArcGIS Online. (Utilizado en caso existir dudas para
el evaluador, en el momento de interpretar las imgenes Landsat).

d) Mapa de Estratos de Bosque Nativo del Paraguay, provedo por el INFONA.


5.2 RESPONSABLE DEL PRODUCTO A SER EVALUADO.

Los tcnicos del Instituto Forestal Nacional - INFONA; contraparte del PNC
ONUREDD+ PY.

5.3 RESPONSABLE DE LA EVALUACIN DE EXACTITUD TEMTICA

Los tcnicos especialistas en SIG y Teledeteccin, de la Secretaria del Ambiente -


SEAM; contrapartes del PNC ONUREDD+ PY.

- Lic. Geog. Gustavo Casco, Coordinador SIG PNC ONUREDD+/SEAM

- Abog. Liliana Arias Del Puerto, Tcnico SIG/SEAM

- Tc. Hugo Mareco Castellano, Tcnico SIG/SEAM

5.4 APOYO TCNICO

- Ing. Adolfo Kindgard, Experto en Teledeteccin de la agencia FAO/ONU.

5.5 SOFTWARE EMPLEADO

- ArcGIS ArcMap 10.1

- QGIS Desktop 2.8.1

- Microsoft Office Excel y Word


6. DISEO DEL MUESTREO

Es el proceso por el cual se define el nmero de muestras y/o la distribucin de las


mismas teniendo en cuenta la superficie de anlisis total o el rea de referencia segn sea
el caso, asimismo los estratos temticos y grado de confianza con el que se quiere evaluar.
Existen diferentes tipos de muestreo, aqu solo se describe el tipo de muestreo
probabilstico utilizado para la evaluacin del mapa en cuestin. El mtodo seleccionado
es aquel que se basa en el principio de equiprobabilidad, lo que significa que trabajaremos
de forma tal que todas las situaciones tengan igual probabilidad de ser observadas. Esto
nos asegura que la muestra extrada, representa a cada una de las clases en cada estrato
de bosque nativo considerado y es por tanto, el ms recomendable.

Muestreo Probabilstico Estratificado : Consiste en considerar categoras tpicas diferentes


entre s (clases) que poseen gran homogeneidad respecto a alguna caracterstica. Lo que
se pretende con este tipo de muestreo es asegurar de que todas las clases de inters
estarn representados adecuadamente en la muestra. Cada clase de cada estrato funciona
independientemente, pudiendo aplicarse dentro de ellos el muestreo aleatorio simple.

El mtodo de estimacin de rea ms simple, es derivar directamente la superficie de la


clase de inters del mapa. En esos casos el error de omisin (Excluir un rea de la
categora del mapa que corresponde en la realidad) suele subestimar el rea y el error de
comisin (incluir un rea en una categora a la que no corresponde en la realidad) suele
sobreestimar el rea. Los sesgos sistemticos que generan estos errores pueden
cuantificarse en el proceso de evaluacin de exactitud. Ajustar la estimacin del rea a
partir de una rigurosa evaluacin de exactitud temtica, es considerada un mejor mtodo,
respecto a reportar directamente las superficies calculadas en el mapa.

Los distintos estratos de bosque de un pas pueden contener distintos niveles de carbono,
los procesos de deforestacin pueden explicarse por dinmicas distintas y cada uno puede
tener un grado de amenaza o inters para su conservacin diferencial. Del mismo modo la
deteccin satelital de cambios en cada uno de ellos puede ser ms o menos efectiva y por
ende los errores de clasificacin de cambios pueden depender de cada estrato de bosque.
Por tal motivo, en este trabajo proponemos estratificar el muestreo por cada clase del
mapa de cobertura forestal y CUT, y por cada uno de los estratos de bosque nativo,
permitiendo obtener estimadores de rea especficos y finalmente focalizar los esfuerzos
en el mejoramiento de la deteccin satelital de cambios de acuerdo a las prioridades
nacionales.

Este mtodo complementario mejora la estimacin del rea deforestada y su intervalo de


confianza a partir de la evaluacin de exactitud temtica. La misma se realiz a travs de
la fotointerpretacin de 1985 muestras seleccionadas por medio de un muestreo
probabilstico estratificado en dos etapas. El primer estrato correspondi a los cuatro
estratos de bosque principales del pas (Bosque Seco Chaqueo-BSCH, Bosque
Subhmedo Inundable del Ro Paraguay-BSIRP, Bosque Subhmedo del Cerrado-BSHC y
Bosque Hmedo de la Regin Oriental-BHRO. En segundo lugar se considero las clases de
mapa de cobertura forestal y CUT para los aos 2000-2005-2011 (Bosque Estable-BE, No
Bosque Estable-NBE, Cambio de uso de la tierra entre el ao 2000 y 2005-C00-05, Cambio
de uso de la tierra entre el ao 2005 y 2011-C05-11; las unidades mnimas de muestreo
fueron los segmentos multi-fecha utilizados en el post-procesamiento del mapa de
cobertura forestal y CUT. Los datos de referencia fueron levantados por tres tcnicos
especialistas SIG independientes de SEAM, a partir de la fotointerpretacin de los
mosaicos de imgenes utilizados para la deteccin de cambios y se aplic una regla de
ponderar la mayora para construir la matriz de confusin final. La evaluacin de exactitud
y correcta estimacin de rea demostr ser un mtodo costo-beneficio que genera dos
beneficios directos al monitoreo nacional de deforestacin a travs de imgenes
satelitales. Por un lado mejora la informacin disponible, al brindarnos estimadores
insesgados que permitiendo focalizar esfuerzo en la mejora del monitoreo y por otro lado
fortalece la credibilidad de los reportes oficiales de deforestacin y cambio de uso de la
tierra.

El tamao de muestra total se calcul a partir de la ecuacin 5.25 (Cochran., 1977),


suponiendo niveles de exactitud de cada clase y sub clase. Este resultado indic el tamao
de muestra necesario de acuerdo a la variabilidad requerida. La distribucin de muestras
por clase se realiz siguiendo el criterio de Congalton (1988b y1991), garantizando un
mnimo de 100 muestras por clase y distribuyendo el sobrante entre las clases de mayor
superficie.
7.TAMAO DE LA MUESTRA

El tamao de la muestra suele ser inexacto ya que su clculo depende de la


exactitud y el rea de las clases y esta informacin suele estimarse para alczar valores
por aproximacin.

n = tamao de la muestra.
S (O) = Error estndar esperado de la exactitud general esperada..
W i = Proporcin de rea cartografiada de la clase.
S i = Desviacin estndar de la clase.

Obs.:
- Para que la muestra sea representativa, se debe medir el total de la poblacin.
- Como no conocemos la exactitud del usuario, se estima un valor para cada clase.
- Se recomienda utilizar un mnimo de 100 muestras por clase en cada estrato.
- Como en principio para todas las clases se determino un mnimo de 100 muestras, la diferencia con respecto al total de
muestras se distribuyo entre las clases de Bosque Estable y No Bosque Estable, considerando el porcentaje de superficie
que ocupan a nivel nacional.

NUMERO DEL TOTAL DE MUESTRAS Y POR CADA UNA DE LAS CLASES

ESTRATOS DE BOSQUE CLASES POR ESTRATO N DE MUESTRAS


Bosque Estable 206
Bosque Subhmedo del No Bosque Estable 155
Chaco(BSCH) Cambio 2000 - 2005 100
Cambio 2005 - 2011 100
Bosque Estable 140
Bosque Subhmedo Inundable No Bosque Estable 164
del Ro Paraguay(BSIRP) Cambio 2000 - 2005 100
Cambio 2005 - 2011 100
Bosque Estable 102
Bosque Subhmedo del No Bosque Estable 102
Cerrado(BSHC) Cambio 2000 - 2005 100
Cambio 2005 - 2011 100
Bosque Estable 121
Bosque Hmedo de la Regin No Bosque Estable 195
Oriental(BHRO) Cambio 2000 - 2005 100
Cambio 2005 - 2011 100

TOTAL DE MUESTRAS: 1985


8.DESCRIPCION DEL PROCESO DE EVALUACION

DESCRIPCION RESPONSABLE SOFTWARE TIEMPO


1. Determinacin del nmero total de muestras y del nmero Tcnicos SIG/SEAM Excel 1 da
de muestras por clase de cada estrato. Experto FAO
2. Procesamiento de los segmentos del mapa de cobertura Gustavo Casco ArcGis ArcMap 4 das
forestal y CUT, remitido por el INFONA.(archivo Geodatabase) QGIS
3. Seleccin de las muestras por clases de cada estrato, Gustavo Casco QGIS 1 da
aplicando una seleccin aleatoria simple y posterior unin en ArcGis ArcMap
un solo archivo shapefile.
4. Distribucin de los archivos, a ser utilizados por cada uno Gustavo Casco ---------------- da
de los tcnicos evaluadores. Layer shp del total de muestras
seleccionadas (16 variables) y mosaico de imgenes de
satlite de la regin oriental y occidental.
5. Fotointerpretacin visual de las 1985 muestras Gustavo Casco ArcGis ArcMap 20 das
(segmentos), con respecto a la informacin de referencia Liliana Arias
(mosaico de imgenes de satlite); por parte de cada uno de Hugo Mareco
los tres evaluadores, de manera independiente.
6. En 19 de las 1985 muestras fotointerpretadas por parte de Gustavo Casco ArcGis ArcMap da
los 3 tcnicos evaluadores, no existi coincidencia. En estos Liliana Arias
casos se consensuo entre los mismos asignar la clasificacin, Hugo Mareco
luego de hacer la verificacin de forma conjunta.
7. Comparacin de los resultados obtenidos por los Gustavo Casco ArcGis ArcMap 1 da
evaluadores y generacin de un solo Layer con la
correspondiente clasificacin de las 1985 muestras,
ponderando el valor asignado por la mayora.
8. Elaboracin del Layer con las probables combinaciones Gustavo Casco ArcGis ArcMap 1 da
(aciertos y desaciertos), que resulta de la comparacin de la
clasificacin de la muestra obtenida a partir de la informacin
de referencia con respecto a la clasificacin de la muestra del
mapa.
Calculo del nmero de veces que se repite cada combinacin.
Calculo de las superficies (ha), sumadas para cada
combinacin.
9. Introduccin de los resultados en la Matriz de Confusin Gustavo Casco Excel 1 da
( Matriz de conteo y Matriz de superficie de segmentos)
10. Elaboracin del Informe Final. Gustavo Casco Word 5 das
9.ANLISIS DE LOS DATOS

El anlisis de datos se evala a travs de una matriz de confusin, que determinar


la confiabilidad del mapa, mediante el porcentaje de exactitud del usuario, del productor,
global y ndice de kappa; dicho anlisis se basa en la interpretacin visual realizada con las
imgenes de referencia (Landsat), en donde se contrasta los resultados de la
fotointerpretacin visual con los datos del mapa de cobertura forestal y cambio para los
aos 2000, 2005 y 2011, la codificacin de los estratos contenidos en la tabla de atributos
de la capa SIG, de puntos de muestreo.

9.1 MEDIDAS CALCULADAS A PARTIR DE LA MATRIZ DE CONFUSIN


Medidas para evaluar la exactitud o nivel de clases: Conjunto de medidas que
permiten determinar la probabilidad de que una clase de referencia haya sido clasificada
en el mapa y represente esa clase en la realidad.

Matriz de Conteo de las Combinaciones Probables


EXACTITUD DEL EXACTITUD DEL
ESTRATOS DE BOSQUE CLASES POR ESTRATO
USUARIO PRODUCTOR
Bosque Estable 94% 76,4%
Bosque Subhmedo del No Bosque Estable 83% 85%
Chaco(BSCH) Cambio 2000 - 2005 77% 95%
Cambio 2005 - 2011 72% 95%
Bosque Estable 66% 73,%
Bosque Subhmedo
No Bosque Estable 92% 62%
Inundable del Ro
Paraguay(BSIRP) Cambio 2000 - 2005 63% 94%
Cambio 2005 - 2011 61% 92%
Bosque Estable 82% 70%
Bosque Subhmedo del No Bosque Estable 90% 78%
Cerrado(BSHC) Cambio 2000 - 2005 63% 93%
Cambio 2005 - 2011 82% 84%
Bosque Estable 89% 87,8%
Bosque Hmedo de la No Bosque Estable 90% 83%
Regin Oriental(BHRO) Cambio 2000 - 2005 83% 86%
Cambio 2005 - 2011 78% 92%

EXACTITUD GLOBAL: 80,81 %


Matriz de Superficie de Segmentos de las Combinaciones Probables:

EXACTITUD DEL EXACTITUD DEL


ESTRATOS DE BOSQUE CLASES POR ESTRATO
USUARIO PRODUCTOR
Bosque Estable 95% 80,2%
Bosque Subhmedo del No Bosque Estable 83% 85%
Chaco(BSCH) Cambio 2000 - 2005 81% 97%
Cambio 2005 - 2011 77% 95%
Bosque Estable 68% 78,6%
Bosque Subhmedo
No Bosque Estable 94% 64%
Inundable del Ro
Paraguay(BSIRP) Cambio 2000 - 2005 68% 94%
Cambio 2005 - 2011 67% 96%
Bosque Estable 79% 70,7%
Bosque Subhmedo del No Bosque Estable 91% 74%
Cerrado(BSHC) Cambio 2000 - 2005 63% 93%
Cambio 2005 - 2011 82% 81%
Bosque Estable 90% 89,3%
Bosque Hmedo de la No Bosque Estable 92% 84%
Regin Oriental(BHRO) Cambio 2000 - 2005 82% 88%
Cambio 2005 - 2011 80% 92%

EXACTITUD GLOBAL: 82,34 %


Resultados por Estimacin de rea

Superficie de clases por estrato, en el Mapa de Cobertura Forestal y CUT:

SUPERFICIE EN
ESTRATOS DE BOSQUE CLASES POR ESTRATO
HECTREAS
Bosque Subhmedo del Cambio 2000 - 2005 656.149
Chaco(BSCH) Cambio 2005 - 2011 1.807.390
Bosque Subhmedo Cambio 2000 - 2005 262.188
Inundable del Ro
Paraguay(BSIRP) Cambio 2005 - 2011 501.759
Bosque Subhmedo del Cambio 2000 - 2005 5.884
Cerrado(BSHC) Cambio 2005 - 2011 5.416
Bosque Hmedo de la Cambio 2000 - 2005 352.886
Regin Oriental(BHRO) Cambio 2005 - 2011 258.626

Matriz por estimacin de reas:

EXACTITUD
CLASES POR EXACTITUD DEL
ESTRATOS DE BOSQUE DEL
ESTRATO USUARIO
PRODUCTOR
Bosque Subhmedo del Cambio 2000 - 2005 81% 89%
Chaco(BSCH) Cambio 2005 - 2011 77% 97%
Bosque Subhmedo Cambio 2000 - 2005 68% 85%
Inundable del Ro
Paraguay(BSIRP) Cambio 2005 - 2011 67% 85%
Bosque Subhmedo del Cambio 2000 - 2005 63% 60%
Cerrado(BSHC) Cambio 2005 - 2011 82% 30%
Bosque Hmedo de la Cambio 2000 - 2005 82% 49%
Regin Oriental(BHRO) Cambio 2005 - 2011 80% 76%

Exactitud Global, Considerando la superficie de las Clases por Estratos es: 88,16%

Intervalo de confianza

INTERVALO DE
ESTRATOS DE BOSQUE CLASES POR ESTRATO
CONFIANZA
Bosque Estable (+ -) 0,70%
Bosque Subhmedo del No Bosque Estable (+ -) 0,66%
Chaco(BSCH) Cambio 2000 - 2005 (+ -) 0,17%
Cambio 2005 - 2011 (+ -) 0,26%
Bosque Estable (+ -) 0,64%
Bosque Subhmedo
No Bosque Estable (+ -) 0,64%
Inundable del Ro
Paraguay(BSIRP) Cambio 2000 - 2005 (+ -) 0,08%
Cambio 2005 - 2011 (+ -) 0,15%
Bosque Estable (+ -) 0,03%
Bosque Subhmedo del No Bosque Estable (+ -) 0,03%
Cerrado(BSHC) Cambio 2000 - 2005 (+ -) 0,01%
Cambio 2005 - 2011 (+ -) 0,01%
Bosque Estable (+ -) 050%
Bosque Hmedo de la No Bosque Estable (+ -) 0,62%
Regin Oriental(BHRO) Cambio 2000 - 2005 (+ -) 0,37%
Cambio 2005 - 2011 (+ -) 0,15%

Superficie Ponderada al 95% de Confianza, para los Estratos o Clases, con el Error de
Estimacin en hectreas:

CLASES POR SUPERFICIE ESTIMACIN


ESTRATOS DE BOSQUE
ESTRATO PONDERADA (ha) (ha)
Bosque Subhmedo del Cambio 2000 - 2005 598.712 (+ -) 67.572
Chaco(BSCH) Cambio 2005 - 2011 1.428.088 (+ -) 105.765
Bosque Subhmedo Cambio 2000 - 2005 208.291 (+ -) 33.625
Inundable del Ro
Paraguay(BSIRP) Cambio 2005 - 2011 393,435 (+ -) 60.796
Bosque Subhmedo del Cambio 2000 - 2005 6.149 (+ -) 2.559
Cerrado(BSHC) Cambio 2005 - 2011 14.893 (+ -) 5.167
Bosque Hmedo de la Cambio 2000 - 2005 595.576 (+ -) 150,165
Regin Oriental(BHRO) Cambio 2005 - 2011 271.966 (+ -) 60.890

Medida para evaluar la precisin del Mapa (ndice de kappa)


Es una medida de la diferencia entre la exactitud lograda en la clasificacin con un
software y la exactitud de lograr una clasificacin correcta con una clasificacin visual.
Los valores se tomaron de la matriz de confusin.
k =(Po - Pe) / (1 - Pe)

k = 0,79 (La precisin del mapa resulta Considerable)

A la hora de interpretar el valor de k es til disponer de una escala como la siguiente:


Valoracin del coeficiente kappa (Landis y Koch, 1977).
Coeficiente de kappa Fuerza de concordancia
(k)
< 0,00 Pobre
0,00 - 0,20 Leve
0,21 - 0,40 Aceptable
0,41 - 0,60 Moderada
0,61 - 0,80 Considerable
0,81 - 1,00 Casi perfecta

10.CONCLUSION

Si bien nos parece complicado realizar los diseos de muestreo y los anlisis
estadsticos debido a los supuestos en los que se basan, existen hoy en da muchas
herramientas que nos permiten y facilitan la tarea de evaluar y validar datos
geoespaciales. Cuando estos clculos forman parte del trabajo diario de los tcnicos que
elaboran mapas temticos, la exactitud de los productos tiende a aumentar con el tiempo,
ya que los ndices obtenidos en un momento dado nos dan un diagnstico de aquellos
errores cometidos con anterioridad, y podemos de esta manera mejorar y hacer ms
eficiente cada da nuestro trabajo.
En el marco de esta evaluacin, se considera que la "Exactitud Global", que es la que
considera la superficie de las clases por estrato y el "Intervalo de Confianza", arroja el
valor ms representativo a la hora de medir la exactitud temtica del mapa.
Exactitud Global: 88,16 %.

11.RECOMENDACIN

Para las prximas evaluaciones se recomienda incorporar en el proceso de validacin


de los mapas, el uso de imgenes de mayor resolucin, como tambin la verificacin en el
campo, a fin de lograr mayor confiabilidad en los resultados.
12.BIBLIOGRAFA

CHUVIECO, E. 2008. Teledeteccin Ambiental: LA observacin de la Tierra desde el Espacio.


Ed. Ariel S.A. Barcelona (Espaa) 595p.

INSTITUTO FORESTAL NACIONAL - INFONA. Especificaciones Tcnicas Y Metodolgicas


Requeridas Para La Produccin De Mapas De Uso Y Cobertura De La Tierra; Informe de
Consultora: Huespe, H. et al. San Lorenzo, Paraguay; Noviembre 2014; 63 p.

MINISTERIO DEL AMBIENTE, Direccin General de Ordenamiento Territorial; Protocolo de


Evaluacin de Exactitud Temtica del Mapa de Deforestacin; Lima, Per; 2014; 32 p.

INSTITUTO NACIONAL DE TECNOLOGA AGROPECUARIA - INTA; Mtodos Estadsticos de la


Evaluacin de la Exactitud de Productos Derivados de Sensores Remotos; Buenos Aires,
Argentina; 2012; 24 p.

FRANOIS MAS, JEAN; REYES, JOS. 2003; Prez, Azucena. Evaluacin de la confiabilidad
temtica de mapas o de imgenes clasificadas; Instituto de Geografa-UNAM, Sede Morelia,
Aquiles Serdn 382, Colonia Centro Histrico, CP 58000.

Galindo G., Espejo O. J., Rubiano J. C., Vergara L. K., Cabrera E., 2014. Protocolo de
procesamiento digital de imgenes para la cuantificacin de la deforestacin en Colombia. V
2.0. Instituto de Hidrologa, Meteorologa y Estudios Ambientales IDEAM. Bogot D.C.,
Colombia., xx pg.

También podría gustarte