Análise comparativa de classificadores digitais em imagens do Landsat-8 aplicados ao mapeamento temático

Clicks: 437
ID: 113685
2015
Free PDF
Article Quality & Performance Metrics
Overall Quality
Not rated
Combines reader engagement with the AI quality analysis. This article has not been analysed, so there is no overall score — reader engagement is measured and shown alongside.
AI Quality Assessment
Not analyzed
Readership in this journal
Emerging

Ranked #1 of 20 articles by views in pesquisa agropecuaria brasileira

Most read Least read

Bar heights use a square-root scale.

Mint this article as an NFT
Not yet minted

Create a permanent, verifiable on-chain record of this article on the Scimatic Network. The NFT is held in your Journament account, and you can withdraw it to your own wallet at any time.

5 SUSD one-off · no wallet required
Sign in to mint
Abstract
Resumo: O objetivo deste trabalho foi avaliar o desempenho dos classificadores digitais SVM e K-NN para a classificação orientada a objeto em imagens Landsat-8, aplicados ao mapeamento de uso e cobertura do solo da Alta Bacia do Rio Piracicaba-Jaguari, MG. A etapa de pré-processamento contou com a conversão radiométrica e a minimização dos efeitos atmosféricos. Em seguida, foi feita a fusão das bandas multiespectrais (30 m) com a banda pancromática (15 m). Com base em composições RGB e inspeções de campo, definiram-se 15 classes de uso e cobertura do solo. Para a segmentação de bordas, aplicaram-se os limiares 10 e 60 para as configurações de segmentação e união no aplicativo ENVI. A classificação foi feita usando SVM e K-NN. Ambos os classificadores apresentaram elevados valores de índice Kappa (k): 0,92 para SVM e 0,86 para K-NN, significativamente diferentes entre si a 95% de probabilidade. Uma significativa melhoria foi observada para SVM, na classificação correta de diferentes tipologias florestais. A classificação orientada a objetos é amplamente aplicada em imagens de alta resolução espacial; no entanto, os resultados obtidos no presente trabalho mostram a robustez do método também para imagens de média resolução espacial.
Reference Key
garofalo2015analisepesquisa Use this key to autocite in the manuscript while using SciMatic Manuscript Manager or Thesis Manager
Authors Garofalo, Danilo Francisco Trovo;Messias, Cassiano Gustavo;Liesenberg, Veraldo;Bolfe, Édson Luis;Ferreira, Marcos César;
Journal pesquisa agropecuaria brasileira
Year 2015
DOI
DOI not found
URL
http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100-204X2015000700593&lng=en&tlng=en
Keywords
chemistry Biology (General) Engineering (General). Civil engineering (General) Information technology Technology Science Agriculture (General) mathematics

Citations

No citations found. To add a citation, contact the admin at info@scimatic.org

Comments

No comments yet. Be the first to comment on this article.