Nº 282 38 COSTES Y EFICIENCIA DEL MAÍZ ¿DÓNDE SE PUEDE RECORTAR GASTOS? ¿CÓMO SUBIR LAS PRODUCCIONES? V JORNADA 10 m de resolución espacial respectivamente) obteniendo un mapa final de 20 m. Sin embargo, en el 2017 y 2018 se usaron únicamente imágenes del par de satélites Sentinel-2 (S2A y S2B) de la ESA, lo que permitió mejorar considerablemente la resolución del mapa de clasificación a 10 m. Además, es recomendable disponer de más datos auxiliares para ayudar al algoritmo de clasificación o determinar la clase satisfactoriamente. Los datos complementarios que se han usado son: Información del uso de suelo proveniente de SIGPAC para cada año, modelo digital de elevaciones y sus derivados de pendientes y orientación, un mapa de precipitación media (1981-2010) y datos de altura de la vegetación y de fracción de cabida cubierta provenientes de LIDAR. Todos estos datos son las variables explicativas del modelo predictivo. Como datos de referencia para el entrenamiento del algoritmo se emplean casos conocidos procedentes de la declaración única de los beneficiarios de ayudas de la Política Agraria Comunitaria, ya que en términos generales se consideran una fuente de datos fidedigna por su alto porcentaje de cumplimiento. Además, se emplean otras bases de datos de cobertura del suelo disponibles en la región. 3. RESULTADOS Y DISCUSIÓN 3.1. Capacidad de discriminación de cultivos de invierno en secano y regadío Para evaluar la calidad de la identificación de cubiertas, se elige otro conjunto de casos procedentes de las mismas fuentes que el entrenamiento, denominado conjunto de validación. Este conjunto es independiente al del proceso de aprendizaje. La precisión del método de clasificación presentado en este estudio fue evaluada por métricas clásicas como son la precisión global, errores de comisión y omisión y el índice kappa (Caetano, 2009). La exactitud total y el coeficiente Kappa obtenidos para los mapas clasificados de los tres años de estudio fueron: 84,0% y 0,80, en el año 2016, 79,5% y 0,75, en 2017 y 83,7% y 0,81 en 2018, respectivamente (ver Tabla 1). Éstas precisiones globales se refieren a todas las clases incluidas en el mapa (más de un centenar) que incluyen además de cultivos, superficies forestales y Figura 1. Mapa de cultivos y superficies naturales de Castilla y León en 2018.
RkJQdWJsaXNoZXIy Njg1MjYx