ESTIMACIONES DE LA EXACTITUD DEL MAPEO DE LA COBERTURA DEL SUELO POR EL PROYECTO MAPBIOMAS
El análisis de exactitud es la principal forma de evaluar la calidad del mapeo realizado por MapBiomas. Además de decir cuál es la tasa de aciertos general, el análisis de exactitud también revela estimaciones de las tasas de aciertos y errores para cada clase asignada. MapBiomas evaluó la exactitud global y para cada clase de uso y cobertura para todos los años entre 1985 y 2023.
Las estimaciones de exactitud se basaron en la evaluación de una muestra de píxeles, que llamamos la base de datos de referencia, que consta de ~ 71,500 muestras. El número de píxeles en la base de datos de referencia fue predeterminado por técnicas de muestreo estadístico. En cada año, cada píxel de la base de datos de referencia fue evaluado por técnicos capacitados en interpretación visual de imágenes Landsat. La evaluación de exactitud se realizó utilizando métricas que comparan la clase asignada con la clase evaluada por los técnicos en la base de datos de referencia.
En cada año, el análisis de exactitud se realiza a partir de la tabulación cruzada de las frecuencias muestreadas de las clases mapeadas y reales, en el formato de la Tabla 1. Las frecuencias ni,j represent the number of pixels in the sample classified as class i, and evaluated as class j. The line marginal totals,
represent the number of samples mapped as class i, while the column marginal totals 
represent the number of samples that were evaluated by the technicians as class j. Table 1 is commonly called the error matrix or confusion matrix.
Table 1: Generic sample error matrix
From the results in Table 1, the sample proportions in each cell of the table are estimated by 
The matrix of values 
is used to estimate:
- La exactitud del usuario: son las estimaciones de las fracciones de píxeles de la asignación, para cada clase, clasificadas correctamente. La exactitud del usuario está asociada con un error de comisión, que es el error cometido al asignar un píxel a la clase i, cuando pertenece a otra clase. La exactitud del usuario para la clase i se estima mediante
and the commission error by 
These metrics are associated with the reliability of each classified class. - Exactitud del productor: estas son las fracciones de muestra de píxeles de cada clase asignadas correctamente a sus clases por los clasificadores. La exactitud del productor está asociada con el error de omisión, que ocurre cuando no podemos asignar un píxel de clase j correctamente. La exactitud del productor para la clase j se estima por
and the omission error by 
. Estas métricas están asociadas con la sensibilidad del clasificador, es decir, la capacidad de distinguir correctamente una clase particular de otras. - Exactitud global: Es la estimación de la proporción de corrección global de los clasificadores. La estimación viene dada por
, La suma de la diagonal principal de la matriz de proporciones. El complemento de exactitud o el error total
is still decomposed into area (or quantity) disagreement and allocation disagreement1Area disagreement measures the fraction of the error attributed to the amount of area allocated incorrectly to the classes by the mapping, while the mismatch allocation to the ratio of
The matrix also provides estimates of the different types of errors. For example, we show estimates of true class area composition in each mapping class. Thus, in addition to the hit rate of the class mapped as forest, for example, we also estimate the fraction of these areas that could be pasture or other classes of cover and land use, for each year. We understand that this level of transparency informs users and maximizes the potential of use across multiple types of users.
ABOUT THE GRAPHICS
OVERALL STATISTICS
Mostrar la exactitud total anual promedio y el error descompuesto en desacuerdo de área y de asignación.
Gráfico 1. Gráfico de exactitud anual total
Este gráfico muestra la exactitud total y el error total por año. El error total se desglosa en desacuerdo de área y desacuerdo de asignación. La exactitud se representa en la parte superior y los errores en la parte inferior del gráfico.
GRAPH 2. MATRIX OF ERROS:
Este gráfico muestra la exactitud del usuario, el productor y la confusión entre clases, para cada año. El primero muestra las confusiones de cada clase asignada. El segundo muestra las confusiones de cada clase real.
GRAPH 3. CLASS HISTORY:
Este cuadro le permite inspeccionar las confusiones de una clase en particular a lo largo del tiempo. Se muestra la exactitud del usuario y el productor para cada clase, junto con las confusiones en cada año.
