Verdad sobre el terreno

La verdad fundamental es información que se sabe que es real o verdadera, proporcionada por la observación y medición directas (es decir, evidencia empírica ) en contraposición a la información proporcionada por inferencia . ^{[ 1 ]} El término verdad fundamental apareció en la literatura de teledetección ya en 1972, cuando la NASA lo describió como "datos esenciales sobre  ... materiales en la superficie terrestre" utilizados para calibrar mediciones. ^{[ 2 ]} Posteriormente fue adoptado por las comunidades de modelado estadístico y aprendizaje automático . ^{[ 3 ] [ 4 ]}

El Oxford English Dictionary (sv ground truth ) registra el uso de la palabra Groundtruth en el sentido de 'verdad fundamental' del poema de Henry Ellison "The Siberian Exile's Tale", publicado en 1833. ^{[ 5 ]}

El término "verdad fundamental" puede usarse como sustantivo, adjetivo y verbo.

• Sustantivo: "verdad fundamental" (sin guion). Ejemplo: "La verdad fundamental es esencial para entrenar modelos precisos".
• Adjetivo: "datos reales" ( adjetivo compuesto con guion ). Ejemplo: "Necesitamos usar datos reales para validar el modelo".
• Verbo: "verificar los resultados" o "comparar los resultados" ( verbo compuesto ). Ejemplo: "Necesitamos verificar los resultados para garantizar su exactitud".

En estadística y aprendizaje automático, la verdad fundamental es el resultado ideal esperado, ^{[ 6 ]} utilizado en modelos estadísticos para probar o refutar hipótesis de investigación . La "verificación de la verdad fundamental" es el proceso de recopilar los datos adecuados para esta prueba. La verdad fundamental se incluye normalmente en los datos etiquetados .

En el aprendizaje automático, la "verdad fundamental" no es necesariamente objetivamente correcta o verdadera. Por ejemplo, en el entrenamiento de modelos de IA o clasificadores de relevancia , puede ser un conjunto de juicios realizados por personas o inferidos del comportamiento del usuario, que pueden depender del contexto. ^{[ 7 ]} Por ejemplo, en el filtrado bayesiano de spam , un sistema de aprendizaje supervisado se entrena típicamente con ejemplos etiquetados como spam y no spam. Aunque estas etiquetas pueden ser subjetivas o inexactas, se consideran la verdad fundamental.

En el aprendizaje automático, la verdad fundamental reside en los datos objetivos. Por ejemplo, supongamos que estamos probando un sistema de visión estéreo para comprobar su capacidad de estimar posiciones 3D. Un telémetro láser calibrado puede proporcionar distancias precisas como referencia.

En teledetección , la "verdad de campo" se refiere a la información recopilada en el lugar fotografiado. La verdad de campo permite relacionar los datos de imagen con las características y materiales reales del terreno. La recopilación de datos de verdad de campo posibilita la calibración de los datos de teledetección y facilita la interpretación y el análisis de lo que se detecta. Algunos ejemplos incluyen la cartografía , la meteorología , el análisis de fotografías aéreas , imágenes satelitales y otras técnicas en las que se recopilan datos a distancia.

Más específicamente, la verdad fundamental puede referirse a un proceso en el que los " píxeles " ^{[ 8 ]} de una imagen satelital se comparan con lo que se captura (en el momento de la captura) para verificar el contenido de los "píxeles" en la imagen (cabe señalar que el concepto de "píxel" depende del sistema de imagen). En el caso de una imagen clasificada, la clasificación supervisada puede ayudar a determinar la precisión de la clasificación realizada por el sistema de teledetección, lo que puede minimizar el error en la clasificación.

La verificación de campo se realiza generalmente in situ, correlacionando la información conocida con las observaciones de superficie y las mediciones de diversas propiedades de las características de las celdas de resolución terrestre en estudio en la imagen digital de teledetección. El proceso también implica obtener las coordenadas geográficas de la celda de resolución terrestre mediante tecnología GPS y compararlas con las coordenadas del "píxel" estudiado, proporcionadas por el software de teledetección, para comprender y analizar los errores de localización y cómo pueden afectar a un estudio en particular.

La verificación en tierra es fundamental para la clasificación supervisada inicial de una imagen. Cuando se conocen la identidad y la ubicación de los tipos de cobertura del suelo mediante una combinación de trabajo de campo, mapas y experiencia personal, estas áreas se denominan sitios de entrenamiento. Las características espectrales de estas áreas se utilizan para entrenar el software de teledetección mediante reglas de decisión para clasificar el resto de la imagen. Estas reglas de decisión, como la Clasificación de Máxima Verosimilitud, la Clasificación Paralelopipédica y la Clasificación de Mínima Distancia, ofrecen diferentes técnicas para clasificar una imagen. Los sitios de verificación en tierra adicionales permiten al sensor remoto establecer una matriz de error que valida la precisión del método de clasificación utilizado. Los diferentes métodos de clasificación pueden tener diferentes porcentajes de error para un proyecto de clasificación determinado. Es importante que el sensor remoto elija un método de clasificación que funcione mejor con el número de clasificaciones utilizadas, a la vez que proporcione el menor margen de error.

La verificación en tierra también ayuda con la corrección atmosférica . Dado que las imágenes satelitales deben atravesar la atmósfera, pueden distorsionarse debido a la absorción atmosférica. Por lo tanto, la verificación en tierra puede ayudar a identificar completamente los objetos en las fotos satelitales.

En los SIG, los datos espaciales se modelan como campos (como en las imágenes ráster de teledetección ) o como objetos (como en la representación cartográfica vectorial ). ^{[ 9 ]} Se modelan a partir del mundo real (también llamado realidad geográfica ), generalmente mediante un proceso cartográfico (ilustrado).

Los sistemas de información geográfica, como SIG, GPS y GNSS, se han generalizado tanto que el término "verdad sobre el terreno" ha adquirido un significado especial en este contexto. Si las coordenadas de ubicación que devuelve un método de localización como el GPS son una estimación de una ubicación, entonces la "verdad sobre el terreno" es la ubicación real en la Tierra. Un teléfono inteligente podría devolver un conjunto de coordenadas de ubicación estimadas, como 43.87870, -103.45901 . La verdad sobre el terreno estimada por esas coordenadas es la punta de la nariz de George Washington en el Monte Rushmore . La precisión de la estimación es la distancia máxima entre las coordenadas de ubicación y la verdad sobre el terreno. En este caso, podríamos decir que la precisión de la estimación es de 10  metros, lo que significa que se cree que el punto en la Tierra representado por las coordenadas de ubicación está a menos de 10  metros de la nariz de George: la verdad sobre el terreno. En lenguaje coloquial, las coordenadas indican dónde creemos que está ubicada la nariz de George Washington, y la verdad sobre el terreno es donde realmente está. En la práctica, un teléfono inteligente o un dispositivo GPS portátil suele ser capaz de estimar la ubicación real con una precisión de entre 6 y 10 metros. Los instrumentos especializados pueden reducir el error de medición del GPS a menos de un centímetro. ^{[ 10 ]}

En la jerga militar estadounidense, se utiliza la expresión "verdad sobre el terreno" para referirse a los hechos que conforman una situación táctica, en contraposición a los informes de inteligencia, los planes de misión y otras descripciones que reflejan las proyecciones conativas o basadas en políticas del complejo militar-industrial. El término aparece en el título del documental sobre la guerra de Irak, The Ground Truth (2006), y también en publicaciones militares, como por ejemplo en Stars and Stripes , donde afirma: "Stripes decidió averiguar cuál era la verdad sobre el terreno en Irak".

• Línea de base (ciencia)
• Calibración
• Fundacionalismo

• Proyecto de tecnología de teledetección de la Organización Forestal (incluye un ejemplo de matriz de errores)