Departamento de Física Teórica, Atómica y Óptica - Quantalab ...

De estos resultados hay que decir que si bien los datos de LAI obtenidos guardan
una correlación lógica con los datos de LAI medidos, no ocurre así con los valores de
BSL que se derivan de la inversión. Como se ha visto en la sección 7.2, es esperable que
los valores de ese parámetro se encuentren dentro del intervalo [0.043, 0.939]. Sin
embargo los valores que se obtienen de BSL son los mostrados en la Figura 7-6.
Si bien estos valores podrían llegarse a considerar como aceptables, exigen
conocer demasiada información del sistema, y por lo tanto su aplicabilidad se va a ver
reducida. El objetivo de la metodología que queremos desarrollar en este capítulo es no
sólo mejorar los resultados aquí obtenidos, sino hacerlo con suposiciones mucho menos
restrictivas.
7.4 Selección de los datos a invertir.
Para comprobar la metodología que estamos proponiendo, se podría utilizar la
inversión múltiple de los puntos de control. Sin embargo estos han sido tomados sin un
criterio específico, y por lo tanto no es esperable que con ellos cubramos un amplio
rango de valores de NDVI, como se comenta en la sección 7.1. Por lo tanto utilizaremos
datos de toda la parcela, y en cada caso utilizaremos los valores medidos en los puntos
de control para verificar la metodología.
Por otro lado, si bien es conveniente contar con un amplio rango de valores de
NDVI, aumentar en exceso el número de datos utilizados en una inversión múltiple
conlleva también aumentar el número de cálculos a realizar durante el proceso. Como se
mostró en la sección 4.1, el número de píxeles de las distintas zonas de estudio va desde
los 734 a los 28718. Analizar simultáneamente tal cantidad de información requeriría un
tiempo de cálculo extraordinariamente largo. Además cabe suponer que la reflectancia
de muchos de estos píxeles sea muy similar entre sí, por lo que estaríamos manejando
una cantidad enorme de datos redundantes.
Para solventar esta situación se ha optado por agrupar de cada una de las
parcelas los píxeles que sean similares entre sí mediante un algoritmo de clasificación,
empleando la información de las cuatro bandas. De este modo se pretende agrupar la
información en un número suficientemente grande de clases como para dar cuenta de la
variabilidad que podamos encontrar dentro de la parcela, y por otro lado
suficientemente pequeño como para que el proceso de inversión se pueda realizar en un
tiempo razonablemente corto. El algoritmo de clasificación elegido es el de K-medias,
por ser éste simple, eficiente y ser uno de los algoritmos más empleados en la
bibliografía. Este algoritmo es un proceso iterativo en el que sucesivamente se va
asignando cada punto del espacio de clasificación a cada uno de los K grupos,
caracterizados por su centro, que se recalculará al final de cada una de las iteraciones. El
número de repeticiones se ha fijado en 5 ya que se ha observado que un mayor número
no modifica significativamente las clases generadas.
El número de clases a utilizar es un parámetro a nuestra elección, que como ya hemos
comentado, nos interesa que sea lo suficientemente grande como para preservar la
variación de la información, pero suficientemente pequeño como para permitir que el
proceso de inversión se realice en un tiempo lo más corto posible. Dado que a priori no
contamos con información necesaria para saber cuál es el número óptimo de clases, se
ha optado por repetir el proceso utilizando diferente número de clases, a fin de estudiar
152