18
Planteamiento intrumental del inventario: pruebas realizadas y resultados obtenidos
B
ases
para
la
realización
del
S
istema
C
ompartido
de
I
nfomación
sobre
los
P
aisajes
de
A
ndalucía
: A
plicación
a
S
ierra
M
orena
Fase2. Preparaciónde las variables de referencia
• Las variables continuas han sido transformadas en
discretas, para establecer clases con significado pai-
sajístico a cada escala y evitar que las variables que-
dendescompensadasencuantoa sumultiplicidadde
valores, conel objetivodeoptimizar los resultados.
• Las variablesdiscretashan sido reclasificadas, por los
motivos anteriormenteexpuestos.
• Las variables han sido transformadas de cualitativas
a cuantitativas, generando a partir de cada clase de
las distintas variables unanuevabinaria (ver figura si-
guiente).
• El procesodepreparaciónda como resultadoun con-
junto de variables binarias en formato ráster (matriz
de celdillas). El resultado ha de coincidir en tamaño,
localizaciónynúmerode celdas.
Fase3. Análisis deordenación: PCA
El PCA (Legendre y Legendre, 1998) es un análisis de or-
denaciónusadopara reducir el númerodedimensiones en
que se representan los datos, sin pérdidas sustanciales de
variabilidad. Si se entienden las variables como vectores y
lospíxelescomopuntosenunespaciodeordenaciónmulti-
dimensional, las componentes principales son los vectores
ortogonalesquedefinendichoespacioy recogen lamáxima
variabilidad.
Si en dicho espacio de ordenación definido por los com-
ponentes principales, se toma el valor de cada uno de los
píxelesendicho componente, seobtiene ladistribuciónes-
pacial de los componentesprincipales.
Las distribuciones espaciales de los componentes prin-
cipales que explican mayor variabilidad en los datos, son
tomadas como lasnuevas variables. En concreto,mediante
el PCA sehapasadode trabajar con43 variables binarias a
trabajar con los 16primeros componentesprincipales, que
explicanel 90%de variabilidad
Con frecuencia se ha utilizado el análisis de ordenaciónde
forma previa a los análisis de clasificación del paisaje, in-
tentandodiscernirdeunconjuntodevariablespreseleccio-
nadas lasmás relevantesen ladefinicióndegrupos, siendo
estas últimas las utilizadas para la clasificación (Poudevig-
ne y Alard, 1997;McNab et al., 1999; Lyon y Sagers, 2002;
Mora y Iverson, 2002, Jobin et al., 2003). De hecho, el uso
complementariodeanálisis de clasificación ydiagramasde
ordenación sehalla recomendado, comounprocedimiento
de rutina, enecología (Legendrey Legendre, 1998).
En este caso, la realización de un análisis de ordenación
previo al de clasificación es condición imprescindible. Esto
es debido a los algoritmos de clasificación no supervisada
que se han utilizado posteriormente, que al estar basados
en la generaciónde grupos a través del cálculodemedias,
no trabajan correctamente con variables binarias y sí con
los componentesprincipalesderivadosdel PCA.
Para la realizaciónde todos losanálisisestadísticosdeorde-
naciónyclasificaciónsehautilizadoelprogramaestadístico
de imágenes
ENVI
.
