Mostrar el registro sencillo del ítem
dc.contributor.author
Trujillo Jiménez, Magda Alexandra
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.contributor.author
Liberoff, Ana Laura
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.contributor.author
Pessacg, Natalia Liz
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.contributor.author
Pacheco, Cristian
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.contributor.author
Diaz, Lucas
dc.contributor.author
Flaherty, Silvia
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.date.available
2023-07-13T14:09:21Z
dc.date.issued
2022-04
dc.identifier.citation
Trujillo Jiménez, Magda Alexandra; Liberoff, Ana Laura; Pessacg, Natalia Liz; Pacheco, Cristian; Diaz, Lucas; et al.; SatRed: New classification land use/land cover model based on multi-spectral satellite images and neural networks applied to a semiarid valley of Patagonia; Elsevier Science; Remote Sensing Applications: Society and Environment; 26; 4-2022; 1-17
dc.identifier.issn
2352-9385
dc.identifier.uri
http://hdl.handle.net/11336/203761
dc.description.abstract
In this article we describe a new model, SatRed, which classifies land use and land cover (LULC) from Sentinel-2 imagery and data acquired in the field. SatRed performs pixel-level classification and is based on a densely-connected neural network. The study site is the lower Chubut river valley which has an extension of 225 km2 and is located in estern semiarid Patagonia. SatRed showed a 0.909 ± 0.009% (mean ± sd, n = 7) overall accuracy and outperformed the seven most traditional Machine Learning methods, including Random Forest. Our model accurately predicted buildings, shrublands, pastures and water and yielded the best results with classes harder to classify by all methods considered (Fruit crops and Horticulture). Further improvements involving textural information and multi-temporal images are proposed. Our model proved to be easy to run and use, fast to execute and flexible. We highlight the capacity of SatRed to classify LULC in small study areas as compared to large data sets usually needed for state-of-the-art Deep Learning models suggested in literature.
dc.format
application/pdf
dc.language.iso
eng
dc.publisher
Elsevier Science
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.relation
https://ri.conicet.gov.ar/handle/11336/222054
dc.rights
info:eu-repo/semantics/restrictedAccess
dc.rights.uri
https://creativecommons.org/licenses/by-nc-nd/2.5/ar/
dc.subject
LAND USE LAND COVER
dc.subject
MACHINE LEARNING
dc.subject
NEURAL NETWORKS
dc.subject
SATELLITE IMAGERY
dc.subject
VALLE INFERIOR DEL RÍO CHUBUT
dc.subject.classification
Otras Ciencias de la Computación e Información
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
Ciencias de la Computación e Información
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.subject.classification
CIENCIAS NATURALES Y EXACTAS
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.title
SatRed: New classification land use/land cover model based on multi-spectral satellite images and neural networks applied to a semiarid valley of Patagonia
dc.type
info:eu-repo/semantics/article
dc.type
info:ar-repo/semantics/artículo
dc.type
info:eu-repo/semantics/publishedVersion
dc.date.updated
2023-07-07T21:29:47Z
dc.journal.volume
26
dc.journal.pagination
1-17
dc.journal.pais
Países Bajos
![Se ha confirmado la validez de este valor de autoridad por un usuario](/themes/CONICETDigital/images/authority_control/invisible.gif)
dc.journal.ciudad
Amsterdam
dc.description.fil
Fil: Trujillo Jiménez, Magda Alexandra. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Centro Nacional Patagónico. Instituto Patagónico de Ciencias Sociales y Humanas; Argentina. Laboratorio de Ciencias de Las Imágenes ; Departamento de Ingenieria Electrica y de Computadoras ; Universidad Nacional del Sur;
dc.description.fil
Fil: Liberoff, Ana Laura. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Centro Nacional Patagónico. Instituto Patagónico para el Estudio de los Ecosistemas Continentales; Argentina
dc.description.fil
Fil: Pessacg, Natalia Liz. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Centro Nacional Patagónico. Instituto Patagónico para el Estudio de los Ecosistemas Continentales; Argentina
dc.description.fil
Fil: Pacheco, Cristian. Consejo Nacional de Investigaciones Científicas y Técnicas. Centro Científico Tecnológico Conicet - Centro Nacional Patagónico. Instituto Patagónico para el Estudio de los Ecosistemas Continentales; Argentina
dc.description.fil
Fil: Diaz, Lucas. Instituto Nacional de Tecnología Agropecuaria. Centro Regional.patagonia Sur. Estación Experimental Agropecuaria Chubut; Argentina
dc.description.fil
Fil: Flaherty, Silvia. Universidad Nacional de la Patagonia "San Juan Bosco"; Argentina
dc.journal.title
Remote Sensing Applications: Society and Environment
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/url/https://www.sciencedirect.com/science/article/pii/S2352938522000118
dc.relation.alternativeid
info:eu-repo/semantics/altIdentifier/doi/https://doi.org/10.1016/j.rsase.2022.100703
Archivos asociados