Land cover classification on urban area from medium resolution satellite images using regression-kriging: a comparison with other unconventional methods

En este trabajo se propuso la clasificación de cobertura del suelo sobre área urbana a partir de imágenes satelitales de mediana resolución empleando regresión-kriging. Para evaluar el desempeño del método se realizó un trabajo de clasificación de imágenes satelitales, que se comparó con otras clasificaciones obtenidas mediante los métodos Máquinas de Soporte Vectorial, Distancia Mahalanobis, Árboles de Decisión, Redes Neuronales Artificiales y Bosques Aleatorios. La clasificación de cobertura de suelo se realizó a partir de una imagen satelital SPOT 5. El área de estudio corresponde a una zona central del casco urbano de la ciudad de Bogotá, Colombia; la herramienta que se empleó en el procesamiento de la imagen fue el software “R”. Dentro de los resultados del trabajo se encuentran la implementación de una metodología para clasificar imágenes satelitales usando regresión-kriging, el código desarrollado en “R” para clasificar imágenes mediante los seis métodos mencionados, los seis mapas de clasificación, las matrices de confusión, los intervalos de confianza y otros índices que permiten evaluar la exactitud de las clasificaciones. En términos generales todos los métodos mostraron un buen desempeño en la tarea de clasificación y se comprobó que en el caso de clasificación de cobertura de suelo en área urbana resulta ser más efectivo el método regresión-kriging que considera no solo las características espectrales de la imagen sino también la estructura de correlación espacial existente entre los datos.In this paper the classification of land coverage on urban area from medium resolution satellite images using regression-kriging was proposed. In order to evaluate the performance of the regression-kriging method was made a classification of a satellite image, it was compared with other classifications obtained by the Support Vector Machines, Distance Mahalanobis, Decision Trees, Artificial Neural Networks methods and Random Forests. The classification of land coverage was made on a SPOT 5 satellite image. The study area corresponds to a central area of the city of Bogota, Colombia; the program selected to process the image was the software "R". Within the results of work is implementing a methodology for classifying satellite images using regression-kriging, the code developed in "R" to classify images by the six with the above methods, six classifications maps, the confusion matrices, the confidence intervals and other indexes to evaluate the accuracy of the classification. All methods showed a good performance in the classification task and thus it was found that in the case of the classification of land cover in urban areas is more effective the regresión-kriging method that considers not only the spectral characteristics of the image also the structure of spatial correlation existing between the data