Detección y mapeo de inundaciones mediante imágenes SAR, usando el método K-Means Clustering para la evaluación de impactos de desastres ocasionados por el fenómeno El Niño. Caso: Cuenca Bajo Piura, Región Piura

Abstract

Aporta a través de la detección y mapeo de inundaciones mediante el empleo de imágenes SAR, un eficaz monitoreo e identificación de áreas inundadas para acontecimientos futuros en el país. El área de estudio de la investigación fue la cuenca Bajo Piura, donde se realizó una prospección satelital mediante imágenes SAR Sentinel-1 apoyadas de imágenes ópticas Sentinel-2, estableciendo dos fechas de análisis para las imágenes SAR: (1) imagen previa al evento, con fecha del día 03/02/2017 y (2) durante el evento, con fecha 04/04/2017, debido a que se determinó el máximo impacto de la inundación en la cuenca Bajo Piura. En ambos casos se consideró datos importantes como, dirección de vuelo y polarización, los cuales deben ser compatibles en ambas imágenes para un adecuado análisis. Posterior a las correcciones y procesamiento para ambas imágenes radar, se aplicó el algoritmo de clasificación no supervisado k-means clustering, estableciéndose 6 clases, 30 interacciones y 32 000 semillas aleatorias, que funcionó reduciendo la variabilidad de grupos, apreciándose en las estadísticas, los valores establecidos como centroides para las diferentes clases, verificándose que la clase de mayor variación (clase 6, valor=5), obtuvo un valor de centroide de σ°(dB) =1.508, el cual refleja los mayores cambios entre las imágenes SAR analizadas. Mediante la matriz de confusión, se validó la presente clasificación, obteniéndose datos de precisión global de 0,987, datos de confiabilidad resultante al azar de 0,913 e índice Kappa de 0,850 adquiriendo un grado de acuerdo casi perfecto, según la tabla instaurada por Landis y Koch en 1977.