Título:	Mapeamento de pastagens por meio da classificação da fusão de imagens Landsat-8/OLI e MODIS no município de São Gabriel do Oeste - MS.
Autoria:	CAON, I. L. MERCANTE, E. ANTUNES, J. F. G. CATTANI, C. E. V. MENDES, I. S. OLDONI, L. V.
Afiliação:	IVÃ LUIS CAON, Unioeste; ERIVELTO MERCANTE, Unioeste; JOAO FRANCISCO GONCALVES ANTUNES, CNPTIA; CARLOS EDUARDO VIZZOTTO CATTANI, Unioeste; ISAQUE SOUZA MENDES, Unioeste; LUCAS VOLOCHEN OLDONI, INPE.
Ano de publicação:	2018
Referência:	In: SIMPÓSIO DE GEOTECNOLOGIAS NO PANTANAL, 7., 2018. Jardim. Anais... São José dos Campos: INPE, 2018.
Páginas:	p. 686-694.
Conteúdo:	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%.
Thesagro:	Sensoriamento Remoto
NAL Thesaurus:	Remote sensing Image analysis
Palavras-chave:	Sensor orbital Processamento de imagens Mineração de dados Fusão de imagens Classificação de imagens Orbital sensor Image processing Data mining Image fusion Image classification
ISBN:	978-85-17-00094-2
Notas:	Geopantanal 2018.
Tipo do material:	Artigo em anais e proceedings
Acesso:	openAccess
Aparece nas coleções:	Artigo em anais de congresso (CNPTIA)