DEMO Roadmap Soy

Space technology at the service of agricultural traceability

TSA

Bosque y Deforestación (Alta precisión)

Bosque 2020: 1,836,361 ha

Bosque 2025: 1,713,607 ha

Deforestación (2020-2025): 122,754 ha

% Pérdida de Bosque: 6.68%

TSA

Comparativa de Deforestación

Acumulado 2020-2025: 122,754 ha (alta precisión)

NDFI (Anual): 73,821 ha (baja precisión)

Diferencia: ≈40% menos detectado por NDFI

TSA

Soja

Soja 2024 Total: 269,239 ha

Soja sobre Desmonte: 3,301 ha

% Soja sobre Desmonte: 1.23%

% Deforestación convertida en Soja: 2.69%

TSA

Pastizales

Pastizal Natural 2020: 680,652 ha

Conversión (2020-2024): 95,057 ha

% Pérdida de Pastizal: 13.97%

Resumen de Precisión por Cobertura

Año	Cobertura	Precision_Positives	Recall_Positive Rate	F1-score	Exactitud del Usuario	Exactitud del Productor

¿Qué significan estas métricas?

Precisión Positiva (Precision_Positives): ● Mide la proporción de píxeles que fueron clasificados correctamente dentro de una clase.
✅ Cuanto más alta sea, menos errores de sobreestimación (falsos positivos) habrá.
● Es fundamental en clasificaciones donde los errores de inclusión son críticos.

Tasa de Recuperación Positiva (Recall_Positive Rate): ● Indica qué porcentaje de la clase real fue correctamente identificado en la clasificación.
✅ Una tasa baja implica que muchos píxeles reales no fueron detectados (falsos negativos).
● Es crítica en análisis donde la omisión de áreas importantes no es aceptable.

F1-score: ● Combina precisión y recuperación en una métrica equilibrada.
✅ Es especialmente útil cuando existe una desigualdad en el número de píxeles entre clases.
● Permite balancear entre minimizar falsos positivos y falsos negativos.

Exactitud del Productor (Exactitud del Productor): ● Representa la confiabilidad de la clasificación desde la perspectiva del productor o la realidad reflejada en el mapa.
✅ Una baja exactitud indica que muchos píxeles reales de la clase fueron omitidos (falsos negativos).
● Es esencial cuando se prioriza la representación fiel del territorio.

Exactitud del Usuario (Exactitud del Usuario): ● Mide qué tan confiable es la clasificación desde la perspectiva del usuario.
✅ Una baja exactitud señala una sobreestimación de la clase (falsos positivos).
● Es crucial en estudios donde los errores de sobreclasificación pueden generar impactos negativos.

Región DEMO

Bosque y Deforestación (Alta precisión)

Comparativa de Deforestación

Soja

Pastizales

Soja INTA ⚠️

Pastizal 2020 MapBiomas ⚠️

Deforestación ⚠️

Resumen de Precisión por Cobertura

¿Qué significan estas métricas?

Diferencias entre RF (Alta precisión) y NDFI