Actualización del SIG citrícola de la Comunidad Valenciana mediante métodos automáticos supervisados (Semi-supervised scheme to update the citric GIS of the Comunidad Valenciana region)

RESUMEN
La actualización de los Sistemas de Información Geográfica (SIG) es una necesidad por parte de las administraciones públicas para poder desarrollar políticas de reestructuración de cultivos, gestión eficaz de ayudas o control de superficies y producción de cultivos. Los problemas de la actualización de los SIG son el coste económico y de tiempo que requieren, ya que tradicionalmente se han realizado con técnicas de fotointerpretación y visitas al campo.
En el presente trabajo se ha desarrollado la actualización del SIG citrícola de la Comunidad Valenciana (España) mediante técnicas automáticas a partir de ortoimágenes aéreas de alta resolución con el fin de reducir la intervención humana y optimizar los recursos. La metodología propuesta realiza un análisis orientado a objetos que define los recintos catastrales como entidades individuales, extrayéndose las características principales de cada parcela y clasificándola posteriormente combinando árboles de decisión, máquinas de vectores soporte y redes neuronales artificiales. Por medio de la clasificación automática se ha podido clasificar el 87% de las parcelas procesadas de la comunidad con un acierto superior al 92% en las tres provincias.
ABSTRACT
Updating Geographic Information Systems (GIS) databases is a requirement for public administrations in order to develop crop restructuring policies, funding systems, or crop management.
The main difficulties to update the GIS are the economic and time cost involved, since the update has traditionally relied on human-based photointerpretation and visiting crop fields. This paper presents the strategy that has been developed in order to update
the citric SIG of the Comunidad Valenciana (Spain) introducing automatic methods in order to reduce the photointerpretation and field tasks. The proposed methodology carries out an object-oriented analysis that defines the cadastral precinct as the main working entity, the main features are extracted from each precinct and they are then classified with decision trees, support vector machines and multilayer perceptrons. Using automatic classification schemes, an 87% of processed parcels have been labelled with classification accuracy higher than 92% in all three provinces.