Autoria: CAON, I. L.; MERCANTE, E.; ANTUNES, J. F. G.; CATTANI, C. E. V.; MENDES, I. S.; OLDONI, L. V.

Resumo: Resumo. O sensoriamento remoto mostra-se eficiente no mapeamento de grandes áreas geográficas, executado a partir de imagens orbitais. A alta resolução espacial presente em sensores tem permitido o mapeamento detalhado da superfície terrestre, porém a resolução temporal também se mostra importante, devido a constante mudança que ocorre nos ecossistemas. Desse modo os algoritmos de predição se mostram de grande valia, uma vez que são capazes de unir a alta resolução espacial de um sensor a alta resolução temporal de outro. O objetivo deste trabalho foi realizar o mapeamento das áreas de pastagem presentes na extensão do município de São Gabriel do Oeste - MS, bem como avaliar o desempenho de diferentes algoritmos de classificação em diferentes séries temporais, sendo uma composta apenas de imagens Landsat e outra composta de imagens geradas pelo algoritmo de predição STARFM (Spatial and Temporal Adaptive Reflectance Fusion Model). Sendo que o algoritmo Random Forest, na série temporal composta pelas imagens geradas pelo algoritmo STARFM e com a adição de métricas fenológicas apresentou as melhores acurácias, obtendo índice Kappa superior a 0,85 e exatidão global superior a 92,5%.

Ano de publicação: 2018

Tipo de publicação: Artigo em anais e proceedings

Unidade: Embrapa Agricultura Digital

Palavras-chave: Classificação de imagens, Data mining, Fusão de imagens, Image analysis, Image classification, Image fusion, Image processing, Mineração de dados, Orbital sensor, Processamento de imagens, Remote sensing, Sensor orbital, Sensoriamento Remoto