Land cover analysis using the random forest algorithm
DOI:
https://doi.org/10.30972/fac.3427776Keywords:
Land cover, Spectral indices, Sentinel, Satellite images, Decision treesAbstract
Land covers play a crucial role in a variety of environmental and ecological processes. They influence the susceptibility and vulnerability of an area to various natural hazards, such as floods, landslides, forest fires and droughts. Detecting and quantifying these changes over time makes it possible to assess the impact of human activities such as agriculture, urbanisation and mining on the environment and to take corrective measures to mitigate their negative effects. The aim of this work is to determine the land cover for the Puan district in two seasons (summer and winter) by applying the Random Forest algorithm. We worked with Sentinel-2 satellite images corrected to surface, with which we obtained spectral indices and a subsequent supervised classification for the determination of land cover. The time scale corresponds to the year 2023, with the summer season (January) and the winter season (July). The results allowed us to identify the distribution of land uses in the Puan district and their response to seasonal variations in the same year.
Downloads
References
Arias, F. C., Saucedo, G. I., & Cardozo, O. D. (2019). Las coberturas de la tierra en el Departamento Almirante Brown (Chaco). Una comparación entre los años 2000 y 2016.
Barragán, F. G., & Geraldi, A. M. (2018). Aplicación de teledetección para la determinación de zonas inundadas en la llanura Pampeana de Argentina. X Congreso Internacional Geomática 2018. http://www. informaticahabana.cu/sites/default/files/ponencias2018/GEO143.pdf
Buzai, G. D. (2018). Crecimiento urbano y potenciales conflictos entre usos del suelo en el municipio de Luján Cuadernos Geográficos 57(1), 155-176. DOI: http://dx.doi.org/10.30827/cuadgeo.v57i1.5656
Cabrera, A. L. (1976). Territorios fitogeográficos de la República Argentina. Boletín de la sociedad Argentina de Botánica, 4(1-2).
Cardozo, O. D., Vera, C. A., & Godoy, R. G. (2021). Detección de cambios en las coberturas de la tierra en el gran Resistencia entre el 1990 y 2020.
Chuvieco Salinero, E. (2008). Teledetección ambiental: la observación de la Tierra desde el espacio.
Copernicus Dynamic Land Cover (CDLC). Disponible en: https://land.copernicus.eu/en/products/global-dynamic-land-cover
Eraso Terán, O. H., Badia Perpinyà, A., Gisbert Traveria, M. (2022). Google Earth Engine aplicado al monitoreo de superficies quemadas y cambios de coberturas y usos del suelo, GeoFocus, Revista Internacional de Ciencia y Tecnología de la Información Geográfica, 29, 89–113. https://dx.doi.org/10.21138/GF.764
Fernández-Fierro, A. A., Rosero-Erazo, C. R., Beltrán-Dávalos, A. A., & Echeverría-Guadalupe, M. M. (2020). Caracterización y dinómica de la cobertura de suelo mediante Teledetección: caso de estudio volcón Tungurahua, Ecuador. Dominio de las Ciencias, 6(2), 906-938.
Frank, F., Ricard, F., & Viglizzo, E. (2014). Cambios en el uso de la tierra y emisión de gases invernadero. PASCALE M, ZUBILLAGA M, TABOADA M. Suelos, Producción Agropecuaria y Cambio Climático. Avances en Argentina. 1st ed. Buenos Aires: Ministerio de Agricultura, Ganadería y Pesca de la Nación.
Geraldi, A. M., Piccolo, M. C., & Perillo, G. M. E. (2011). El rol de las lagunas bonaerenses en el paisaje pampeano. Revista Ciencia Hoy, 21(123), 16-22. http://www.cienciahoy.org.ar/ch/ln/hoy123/lagunas.htm
Global Land Analysis and Discovery (GLAD). Disponible en: https://glad.umd.edu/
Instituto Nacional de Estadística y Censo (INDEC). Datos de Censo Nacional 2022.
Landsat Soil Adjusted Vegetation Index (2023). Servicio Geológico de Estados Unidos (USGS).
McFeeters, S.K. (1996). The use of the Normalized Difference Water Index (NDWI) in the delineation of open water features. Int. J. Rem. Sens., 17(7), 1425-1432. https://doi.org/10.1080/01431169608948714
Molo, C. X., & Cardozo, O. D. (2021). Análisis de la dinámica de las coberturas de la tierra en el este chaqueño entre 2015 y 2019. Geográfica digital, 18(36), 135-148.
Nguyen, C. T., Chidthaisong, A., Kieu Diem, P., & Huo, L. Z. (2021). A modified bare soil index to identify bare land features during agricultural fallow-period in southeast Asia using Landsat 8. Land, 10(3), 231.
Organización de las Naciones Unidas para la Alimentación y la Agricultura (FAO). 2022
OSM Land Use/Land Cover. Disponible en: https://osmlanduse.org
Paruelo, J. M., Guerschman, J. P., Pineiro, G., Jobbagy, E. G., Verón, S. R., Baldi, G., & Baeza, S. (2006). Cambios en el uso de la tierra en Argentina y Uruguay: marcos conceptuales para su análisis. Agrociencia Uruguay, 10(2), 47-61.
Pereyra, F.X (2012) “Suelos de la Argentina: Geografía de suelos, factores y procesos formadores.” SEGEMAR. Instituto de Geología y Recursos Naturales. ANALES N° 50. ISSN 0328-2325.
Pereyra, F.X (2012a) “Geomorfología de la Provincia de Buenos Aires.” SEGEMAR. Dirección de Geología Ambiental y Aplicada. Serie Contribuciones Técnicas Ordenamiento territorial N°10. ANALES N° 50. ISSN 0328-9052
Phan, T. N., Kuch, V., & Lehnert, L. W. (2020). Land cover classification using Google Earth Engine and random forest classifier—The role of image composition. Remote Sensing, 12(15), 2411.
Ramírez, M., Martínez, L., Montilla, M., Sarmiento, O., Lasso, J., & Díaz, S. (2020). Obtención de coberturas del suelo agropecuarias en imágenes satelitales Sentinel-2 con la inyección de imágenes de dron usando Random Forest en Google Earth Engine. Revista de Teledetección, (56), 49-68.
Saucedo, G. I., Cardozo, O. D., & Bondar, C. E. (2021). Análisis multitemporal de coberturas de la tierra en el Parque Nacional El Impenetrable, Provincia del Chaco, 2000-2019.
Somoza, A., & Vázquez, P. (2023). Variación espacio temporal del stock de carbono orgánico y su relación con los cambios en el uso del suelo. Partido de Tandil, Región Pampeana Austral, Argentina. Revista Geográfica de América Central, (70), 476-513.
Tobar-Díaz, R., Gao, Y., Mas, J. F., & Cambrón-Sandoval, V. H. (2023). Clasificación de uso y cobertura del suelo a través de algoritmos de aprendizaje automático: revisión bibliográfica. Revista de Teledetección, (62), 1-19.
Vida, N. M., & Geraldi, A. M. (2021). Sinergia de imágenes Sentinel 1 y Sentinel 2 A Cuadernos Geográficos 60(3), 233-252. http://dx.doi.org/10.30827/cuadgeo.v60i3.18039
Vidal Quini, N. E. & Geraldi, A. M. (2023). Metodología para el análisis de la frecuencia de cuerpos de agua someros en la región pampeana, Argentina. Investigaciones Geográficas. Advance online publication. https://doi.org/10.14198/INGEO.23410
Y. Zha, J. Gao & S. Ni (2003): Use of normalized difference built-up index in automatically mapping urban areas from TM imagery, International Journal of Remote Sensing, 24:3, 583-594. http://dx.doi.org/10.1080/01431160304987
