Detección de nubes a partir de redes neuronales perceptrón multicapa en imágenes Landsat

Resumen

Se presenta la metodología empleada para detectar nubes en imágenes del satélite Landsat, las cuales complican el uso de datos en el dominio óptico de los satélites puesto que influyen en su análisis, causan corrección atmosférica inexacta, sesgan los valores del índice de vegetación de diferencia normalizada (NDVI) y generan errores en la clasificación de la cubierta terrestre y confusión en los cambios de coberturas vegetales. El modelo obtenido se convierte en una herramienta de apoyo para posteriores estudios en múltiples disciplinas, ya que facilita el proceso de análisis de diferentes fenómenos o estudios que se estén desarrollando. Para esto, se tomó como ejemplo la zona comprendida entre las cordilleras Central y Occidental cercana al municipio de Puerto Berrío, Antioquia, de donde se tiene información referente a 12 imágenes del satélite Landsat 7. Para la detección de nubes se empleó el análisis de redes como una herramienta potente para clasificar diferentes elementos, hacer un proceso computacional más eficiente, integrar información desde múltiples fuentes para incorporar nuevas características y además prescindir del uso de modelos estadísticos, a diferencia de otros enfoques. El proceso permitió entrenar la red con un EMC del 0,0339 con 7 neuronas en la capa oculta, con menos de 100 iteraciones para cada una de las imágenes empleadas, y se obtuvo una exactitud del 91%, mejor que los resultados alcanzados con el método de umbrales desarrollado en estudios anteriores, cuya exactitud fue del 87,37%.