67
las muestras de campo se dividieron unas para entrenamiento y la diferencia se reservó para la validación. El proceso propuesto se detalla en la figura 3.20.
Figura 3.20 Diagrama metodológico para determinación de firma espectral de Joyapa.
3.3.2.1 Diseño Experimental La clasificación de una imagen multi-espectral es en gran medida automatizada. El proceso de entrenamiento requiere de una gran interacción entre el intérprete y la información proporcionada por la imagen. Adicionalmente, este proceso requiere de información secundaria y de un conocimiento del área geográfica en cuestión (MAE - MAGAP, 2015). 3.3.2.2 Tamaño de la muestra El tamaño de la muestra suele ser inexacto ya que su cálculo depende de la exactitud y el área de las clases y esta información suele estimarse para alcanzar valores por aproximación, (ONU-REDD+, 2016). 𝑛=
(Σ𝑖=𝑖 W𝑖 S𝑖 )2 1 [𝑆(𝑂)]2 +(𝑁)Σ𝑖=𝑖 W𝑖 𝑆𝑖2
(Σ𝑖=𝑖 W𝑖 S𝑖 )2 2 ) 𝑆(𝑂)
≈(
3-1
Donde: n = tamaño de la muestra S(O) = Error estándar esperado de la exactitud general esperada. Wi = Proporción de área cartografiada de la clase Si = desviación estándar de la clase. En base de las consideraciones propuestos por ONU-REDD+ (2016) se adaptaron las siguientes observaciones:
