Use este identificador para citar ou linkar para este item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1020642
Unidade da Embrapa/Coleção:: Embrapa Monitoramento por Satélite - Artigo em periódico indexado (ALICE)
Data do documento: 28-Jul-2015
Tipo do Material: Artigo em periódico indexado (ALICE)
Autoria: GAROFALO, D. F. T.
MESSIAS, C. G.
LIESENBERG, V.
BOLFE, E. L.
FERREIRA, M. C.
Informaçães Adicionais: DANILO FRANCISCO TROVO GAROFALO, UNICAMP; GUSTAVO CASSIANO MESSIAS, UNICAMP; VERALDO LIESENBERG, UESC; EDSON LUIS BOLFE, CNPM; MARCOS CÉSAR FERREIRA, UNICAMP.
Título: Análise comparativa de classificadores digitais em imagens do Landsat-8 aplicados ao mapeamento temático.
Edição: 2015
Fonte/Imprenta: Pesquisa Agropecuária Brasileira, Brasília, v. 50, n.7, p. 593-604, jul. 2015.
Idioma: pt_BR
Palavras-chave: Classificação orientada a objetos
Uso e cobertura do solo.
Conteúdo: 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, definiramse 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.
Thesagro: Sensoriamento Remoto.
Ano de Publicação: 2015
Aparece nas coleções:Artigo em periódico indexado (CNPM)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
4540.pdf1,86 MBAdobe PDFThumbnail
Visualizar/Abrir

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace