MEMCALIG

Hipótesis:

• La hipótesis base que se considera es la siguiente:

es posible controlar la calidad temática de datos espaciales sobre matrices de confusión, su modelización mediante modelos multinomiales para datos categóricos dispersos y es posible aplicar en ellos técnicas estadísticas de bondad de ajuste y de homogeneidad de poblaciones que permiten evaluar dicha calidad temática

La consideración de esta hipótesis nos permite formular además las siguientes subhipótesis:

• Es posible determinar la adherencia de una matriz de confusión observada a una matriz de con valores establecidos.

• Es posible determinar la igualdad entre dos matrices de confusión observadas.

• Es posible establecer especificaciones, en forma de umbrales mínimos y máximos, sobre cualquier elemento de la matriz de confusión.

• Es posible establecer especificaciones, en forma de umbrales mínimos y máximos, sobre cualquier asociación de elementos de la matriz de confusión.

Objetivo general:

• Desarrollo de una metodología de modelización de matrices de confusión mediante modelos multinomiales dispersos.

Objetivos específicos:

• 1. Recopilar un conjunto de casos reales (p.e. de control de calidad de clasificaciones en teledetección, de control de calidad de cartografía temática, etc.) que ejemplifique diferentes casuísticas (tamaño, presencia de ceros en distinto grado, etc.) de uso de las matrices de confusión en el control de la calidad temática de IG .

• 2. Formalizar un método estadístico para determinar la adherencia de una matriz de confusión a una matriz de valores establecidos.

• 3. Determinar un método estadístico para determinar la adherencia de una matriz de confusión a una matriz de valores establecidos, considerando agrupaciones cualesquiera de celdas.

• 4. Formalizar un método estadístico para determinar la semejanza entre dos matrices de confusión observadas.

• 5. Formalizar un método estadístico para determinar la semejanza entre dos matrices de confusión observadas, considerando agrupaciones cualesquiera de celdas.

• 6. Aplicar el método sobre una selección de casos reales que ejemplifique las capacidades del método y su bondad frente a las técnicas actuales.

• 7. Desarrollar una herramienta en R que permita aplicar los métodos creados a datos reales.

Como es lógico, todos los objetivos, tanto explícitos como implícitos, se orientan a un fin último que es el de poner a disposición del sector, tanto nacional como internacional, una metodología que permita un mejor control de los productos temáticos, lo que supondrá una mejora sustancial en aplicaciones ambientales (p.e. cambio climático).