@InProceedings{ParedesSouzVolpAlve:2023:ClMuTe,
               author = "Paredes, Daniel Altino Cotti and Souza, Vanessa C. O. and Volpato, 
                         Margarete M. L. and Alves, Helena M. R.",
          affiliation = "{Universidade Federal de Itajub{\'a} (UNIFEI)} and {Universidade 
                         Federal de Itajub{\'a} (UNIFEI)} and {Empresa de Pesquisa 
                         Agropecu{\'a}ria de Minas Gerais (EPAMIG)} and {Empresa 
                         Brasileira de Pesquisa Agropecu{\'a}ria (EMBRAPA)}",
                title = "Classifica{\c{c}}{\~a}o multiescala textural utilizando Google 
                         Earth Engine",
            booktitle = "Anais...",
                 year = "2023",
               editor = "Gherardi, Douglas Francisco Marcolino and Arag{\~a}o, Luiz 
                         Eduardo Oliveira e Cruz de and Sanches, Ieda DelArco",
                pages = "e155693",
         organization = "Simp{\'o}sio Brasileiro de Sensoriamento Remoto, 20. (SBSR)",
            publisher = "Instituto Nacional de Pesquisas Espaciais (INPE)",
              address = "S{\~a}o Jos{\'e} dos Campos",
             keywords = "GEE, cafeicultura, textura, multiescala, GEE, coffee growing, 
                         texture, multi-resolution classification.",
             abstract = "A plataforma em nuvem Google Earth Engine (GEE) foi utilizada 
                         neste trabalho para avaliar a performance de uma metodologia de 
                         Classifica{\c{c}}{\~a}o Multiescala Textural na 
                         classifica{\c{c}}{\~a}o autom{\'a}tica do uso da terra com 
                         caf{\'e} na regi{\~a}o Sul de Minas Gerais. Na multiescala 
                         textural, a escala da imagem {\'e} definida pelo tamanho da 
                         janela utilizada para gerar a matriz de co-ocorr{\^e}ncia, a 
                         partir da qual as medidas texturais s{\~a}o extra{\'{\i}}das. 
                         Dentre os modelos testados, a m{\'e}trica Contraste obteve o 
                         melhor resultado, com acur{\'a}cia de 70,85% para classe 
                         Caf{\'e} e 72,66% de acur{\'a}cia global. A escala definida pela 
                         janela 7x7 apresentou os melhores resultados para a 
                         classifica{\c{c}}{\~a}o do uso da terra com caf{\'e}. Portanto, 
                         os resultados mostraram que a metodologia avaliada {\'e} adequada 
                         para a classifica{\c{c}}{\~a}o autom{\'a}tica de {\'a}reas 
                         cafeeiras. ABSTRACT: The Google Earth Engine (GEE) cloud platform 
                         was used in this work to evaluate the performance of a Textural 
                         Multiscale Classification methodology in the automatic 
                         classification of land use with coffee in the southern region of 
                         Minas Gerais. In textural multiscale, the image scale is defined 
                         by the size of the window used to generate the co-occurrence 
                         matrix, from which the textural measures are extracted. Among the 
                         models tested, the Contrast metric obtained the best result, with 
                         70.85% accuracy for Coffee class and 72.66% overall accuracy. The 
                         scale defined by the 7x7 window presented the best results for 
                         coffee land use classification. Therefore, the results showed that 
                         the evaluated methodology is adequate for the automatic 
                         classification of coffee areas.",
  conference-location = "Florian{\'o}polis",
      conference-year = "02-05 abril 2023",
                 isbn = "978-65-89159-04-9",
             language = "pt",
         organisation = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                  ibi = "8JMKD3MGP6W34M/49376DS",
                  url = "http://urlib.net/ibi/8JMKD3MGP6W34M/49376DS",
           targetfile = "155693.pdf",
                 type = "Classifica{\c{c}}{\~a}o e minera{\c{c}}{\~a}o de dados",
        urlaccessdate = "23 maio 2024"
}