Title:	Detecção de feições erosivas em bacias hidrográficas por técnicas de sensoriamento remoto e classificação supervisionada com base em algoritmo de aprendizado de máquina.
Authors:	ALMEIDA, M. B. F. de SIMÕES, M. FERRAZ, R. P. D. KUCHLER, P. C. MEIRA, M. A. ALVES, D. E.
Affiliation:	MATEUS BENCHIMOL FERREIRA DE ALMEIDA, UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO; MARGARETH GONCALVES SIMOES, CNPS; RODRIGO PECANHA DEMONTE FERRAZ, CNPS; PATRICK CALVANO KUCHLER, UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO; MARCELA ANTUNES MEIRA, SWANSEA UNIVERSITY BAY CAMPUS; DIEGO ESCOBAR ALVES, UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO.
Date Issued:	2025
Citation:	In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 21., 2025, Salvador. Anais [...]. Campinas: Galoá, 2025.
Description:	O presente estudo teve como finalidade o monitoramento e mapeamento de feições erosivas, tendo como área piloto a microbacia do Caiador localizada no município de Silvânia, Estado de Goiás (GO). Deste modo, recorreu-se ao uso de séries temporais de imagens de satélite Sentinel-2 (3 anos), amostras coletadas em tela do computador e técnicas de Sensoriamento Remoto, como processamento digital de imagens e classificação supervisionada Random Forest. O VIgreen e o EVI foram os índices de vegetação mais importantes na classificação supervisionada Random Forest. As séries temporais de imagens Sentinel-2 (3 anos) foram fundamentais para identificar áreas em pousio, sem confundi- las com feições erosivas, tornando o monitoramento e o mapeamento mais precisos. Com base nos resultados alcançados, a metodologia desenvolvida neste estudo atendeu com satisfação os objetivos almejados. A classificação supervisionada Random Forest apresentou as seguintes acurácias: K = 0.99, AG = 0.99 e F1-score = 0.99.
Keywords:	Sentinel-2 Random forest Séries temporais Índices de vegetação Google Earth Engine
Type of Material:	Artigo em anais e proceedings
Access:	openAccess
Appears in Collections:	Artigo em anais de congresso (CNPS)