Author(s): CAON, I. L.; BECKER, W. R.; GANASCINI, D.; CATTANI, C. E. V.; MENDES, I. de S.; PRUDENTE, V. H. R.; OLDONI, L. V.; ANTUNES, J. F. G.; MERCANTE, E.

Summary: RESUMO. O uso combinado de sensores com melhor resolução temporal com sensores de melhor resolução espacial, têm permitido o mapeamento detalhado da superfície terrestre. Desse modo destacam-se os algoritmos de predição, que são capazes de unir a melhor resolução espacial de um sensor a melhor resolução temporal de outro. Além das resoluções das imagens, o uso de algoritmos de classificação eficientes é decisivo para se obter elevada acurácia nos mapeamentos. Assim, o objetivo desse trabalho foi comparar os classificadores Random Forest e Máxima Verossimilhança, com diferentes modos de entrada de dados, a fim de definir qual o melhor classificador. Os resultados apontaram que o algoritmo Random Forest apresentou as maiores métricas de acurácia.

Publication year: 2019

Types of publication: Paper in annals and proceedings

Unit: Embrapa Digital Agriculture

Keywords: Algoritmo Random Forest, Classificação de imagens, Cobertura da terra, Fusão de imagens, Image classification, Image fusion, Land cover, Land use, STARFM, Uso da Terra