Clasificación de la salinidad del suelo mediante imágenes de satélite y las redes neuronales artificiales

Resumen

Los procesos de cambio climático han llamado obligatoriamente la atención de la ciencia en las últimas décadas, situaciones como la desertificación y sequia son temas de gran importancia. De aquí se desprendió la necesidad de estudiar la salinidad de los suelos y el índice de vegetación de diferencia normalizada (NDVI) usando imágenes de los sensores ETM+ y TM, estas imágenes fueron procesados usando el software ENVI 4.5 y el lenguaje de programación IDL. Para este propósito se implementó una red neuronal artificial con arquitectura de retropropagación de error, que permita clasificar la salinidad en los suelos, usando como datos de entradas imágenes de NDVI, y datos de entrenamiento de conductividad eléctrica del suelo. Las áreas de estudio fueron la comisión de regantes Muy Finca y los distritos de Lambayeque y Mórrope que pertenecen a la región Lambayeque-Perú. Para la arquitectura de la red neuronal se utilizó 2 capas ocultas presentando un error de entrenamiento de 0.27, estos resultados fueron evaluados usando la matriz de confusión, el índice de kappa y el índice de exactitud global, obteniéndose un índice de kappa de 0.92 y el índice de exactitud global fue de 94.74%. Finalmente se obtuvo una imagen clasificada de la distribución espacial de la salinidad en los suelos, la clasificación tuvo como resultado 3196.26 has como suelos muy fuertemente salinos, 2818.53 has como suelos fuertemente salinos, 3918.96 has como suelos moderadamente salinos, 10296.63 has como suelos ligeramente salinos y 2349.36 has como suelos no salinos