Clasificación de tipos de vegetación con Inteligencia Artificial en datos satelitales en El Salvador

Resumen

Este estudio implementa un proceso de clasif icación de vegetación en El Salvador mediante técnicas de teledetección y algoritmos de aprendizaje automático. Se analizaron datos satelitales del municipio de Santa María, Usulután, utilizando redes neuronales convolucionales U-Net y el modelo de bosques aleatorios (Random Forest, por su origen en inglés). El objetivo es identificar y segmentar áreas de cultivo y zonas arbóreas a partir de imágenes satelitales de baja y alta resolución. Se procesaron datos multiespectrales y RGB, empleando un conjunto de entrenamiento basado en máscaras de verdad en tierra (“ground truth”) para evaluar la efectividad de cada modelo.

Los resultados muestran que ambos modelos son capaces de clasificar la vegetación con un alto grado de precisión. El modelo U-Net obtiene valores más altos de exactitud en las predicciones, mientras que Random Forest ofrece una mejor interpretabilidad de resultados con menor complejidad computacional. Se concluye que una combinación de ambos enfoques podría mejorar la segmentación y detección de vegetación en futuros estudios.