Please use this identifier to cite or link to this item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1178503
Full metadata record
DC FieldValueLanguage
dc.contributor.authorALMEIDA, M. B. F. de
dc.contributor.authorSIMÕES, M.
dc.contributor.authorFERRAZ, R. P. D.
dc.contributor.authorKUCHLER, P. C.
dc.contributor.authorMEIRA, M. A.
dc.contributor.authorALVES, D. E.
dc.date.accessioned2025-09-03T17:56:06Z-
dc.date.available2025-09-03T17:56:06Z-
dc.date.created2025-09-03
dc.date.issued2025
dc.identifier.citationIn: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 21., 2025, Salvador. Anais [...]. Campinas: Galoá, 2025. Ref. 320510.
dc.identifier.urihttp://www.alice.cnptia.embrapa.br/alice/handle/doc/1178503-
dc.descriptionO 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.
dc.language.isopor
dc.rightsopenAccess
dc.subjectSentinel-2
dc.subjectRandom forest
dc.subjectSéries temporais
dc.subjectÍndices de vegetação
dc.subjectGoogle Earth Engine
dc.titleDetecção de feições erosivas em bacias hidrográficas por técnicas de sensoriamento remoto e classificação supervisionada com base em algoritmo de aprendizado de máquina.
dc.typeArtigo em anais e proceedings
riaa.ainfo.id1178503
riaa.ainfo.lastupdate2025-09-03
dc.contributor.institutionMATEUS 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.
Appears in Collections:Artigo em anais de congresso (CNPS)

Files in This Item:
File Description SizeFormat 
Deteccao-de-feicoes-erosivas-em-bacias-hidrograficas-2025.pdf895,24 kBAdobe PDFThumbnail
View/Open
Show simple item record

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace