Desempenho de algoritmos classificadores em imagens Landsat - 8 para mapeamento de soja e milho
DOI:
https://doi.org/10.48075/actaiguaz.v8i4.20869Palavras-chave:
Sensoriamento remoto, processamento de imagens, previsão de safras.Resumo
A soja e o milho estão entre as principais culturas de interesse econômico do agronegócio brasileiro. Estudos e pesquisas referentes ao acompanhamento da produção agropecuária tem um peso determinante e estratégico na economia do país. Os métodos tradicionais de previsão de safras nem sempre resultam em estimativas precisas, e dificultam a espacialização da produção. Neste contexto a associação das técnicas de sensoriamento remoto e métodos estatísticos podem tornar as estimativas menos subjetivas. O objetivo deste trabalho foi realizar a identificação da área semeada com soja e milho, para a safra 2013/2014, na região oeste do Paraná, comparando métodos de classificação supervisionada (“pixel a pixel”) com o método de Segmentação (regiões e formas), em imagens Landsat-8, bem como avaliar o desempenho dos classificadores na identificação destas culturas. Dos classificadores utilizados o algoritmo SAM (Spectral Angle Mapper) e Segmentação, obtiveram os melhores resultados, com Índice Kappa (K) de 0,77 e Exatidão Global (EG) de 85,0%, e maiores valores de acurácia de produtor e usuário (AP e AU), para ambas as classes milho e soja.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Aviso de Direito Autoral Creative Commons
Política para Periódicos de Acesso Livre
Autores que publicam nesta revista concordam com os seguintes termos:
1. Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.2. Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
3. Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
Licença Creative Commons
Esta obra está licenciada com uma Licença Creative Commons Atribuição-NãoComercial-CompartilhaIgual 4.0 Internacional, o que permite compartilhar, copiar, distribuir, exibir, reproduzir, a totalidade ou partes desde que não tenha objetivo comercial e sejam citados os autores e a fonte.