ForTy v1 obtuvo una exactitud global del 95,5 % al clasificar todas las clases de bosque frente a las zonas no forestales. Wood Central atribuyó un 93,6 % a GFC2020, el mapa del Joint Research Centre (JRC), en los mismos 8.190 sitios de validación. La diferencia entre ambas cifras es de 1,9 puntos porcentuales y corresponde a esa tarea y esa muestra. (Estudio de ForTy en Scientific Data)
Qué compara el 95,5 %
El 95,5 % no mide por separado la capacidad de reconocer cada tipo de bosque. Resume una clasificación binaria: agrupa las cuatro clases de bosque y las distingue de las categorías que no son bosque. El 93,6 % atribuido a GFC2020 se refiere a esa misma distinción.
La validación de ForTy partió de una muestra estratificada de 9.100 sitios en todo el mundo. En 8.190 se alcanzó un consenso entre expertos; para calcular el resultado se tomó el píxel central de 10 × 10 metros de cada sitio. Por tanto, las cifras describen el resultado agregado de esos puntos de validación.
Las otras cifras de ForTy miden tareas distintas
ForTy v1 es un mapa de 2020 con píxeles de 10 metros y seis categorías: bosque primario, bosque de regeneración natural, bosque plantado, bosque de plantación, cultivos arbóreos y agroforestería, y otras tierras. Para las seis clases en conjunto, el estudio informa de una exactitud global del 90,2 %. En otra agrupación, bosque natural frente a otras tierras, el resultado es 94,8 %. Ninguna de estas cifras mide la misma tarea que el 95,5 %.
Los resultados también varían entre categorías. El F1, una medida que combina precisión y exhaustividad, fue del 82,9 % para bosque primario, 72,6 % para bosque de regeneración natural, 66,7 % para bosque de plantación y 58,2 % para bosque plantado. La métrica de seis clases se explica con más detalle en la cobertura previa de NeoTeo sobre el 90,2 % de ForTy.
El estudio también informa de un 90,9 % para ForTy al evaluar cuatro clases en una comparación con GFT2020, el mapa del JRC dedicado a tipos de bosque. Esa cifra corresponde a otra clasificación, no a la prueba de bosque frente a no bosque.
Qué indican las puntuaciones de confianza
ForTy asigna a cada píxel puntuaciones relativas de confianza. No son probabilidades calibradas de que la etiqueta sea correcta: proceden de salidas de varios modelos y no se ajustaron después para representar esa probabilidad.
Al elevar el umbral de confianza de una clase se favorece la precisión del usuario y se reducen las asignaciones falsas; al bajarlo se favorece la exhaustividad y se reducen las omisiones. El estudio recomienda evaluar los umbrales con datos de validación locales cuando el mapa se vaya a usar para una zona o tarea concreta.
