@InProceedings{LeseuxRiSiSaSaNe:2019:AnMéCo,
               author = "Leseux, Vitor and Ribeiro, Mois{\'e}s Santiago and Silva, 
                         Fulvianny Cristina da and Santos, Alexandre dos and Santos, Isabel 
                         Carolina de Lima and Negr{\~a}o, Jos{\'e} Ricardo Pitanga",
          affiliation = "Instituto Federal de Educa{\c{c}}{\~a}o, Ci{\^e}ncia e 
                         Tecnologia de Mato Grosso (IFMT) and Instituto Federal de 
                         Educa{\c{c}}{\~a}o, Ci{\^e}ncia e Tecnologia de Mato Grosso 
                         (IFMT) and Instituto Federal de Educa{\c{c}}{\~a}o, Ci{\^e}ncia 
                         e Tecnologia de Mato Grosso (IFMT) and Instituto Federal de 
                         Educa{\c{c}}{\~a}o, Ci{\^e}ncia e Tecnologia de Mato Grosso 
                         (IFMT) and Instituto Federal de Educa{\c{c}}{\~a}o, Ci{\^e}ncia 
                         e Tecnologia de Mato Grosso (IFMT) and {Universidade Federal da 
                         Bahia (UFBA)}",
                title = "An{\'a}lise entre m{\'e}todos para constru{\c{c}}{\~a}o de 
                         mapa tem{\'a}tico de cobertura do solo utilizando Santinel-2 
                         (Sensor MSI)",
            booktitle = "Anais...",
                 year = "2019",
               editor = "Gherardi, Douglas Francisco Marcolino and Sanches, Ieda DelArco 
                         and Arag{\~a}o, Luiz Eduardo Oliveira e Cruz de",
                pages = "720--723",
         organization = "Simp{\'o}sio Brasileiro de Sensoriamento Remoto, 19. (SBSR)",
            publisher = "Instituto Nacional de Pesquisas Espaciais (INPE)",
              address = "S{\~a}o Jos{\'e} dos Campos",
             keywords = "Sensoriamento remoto, Classifica{\c{c}}{\~a}o de imagens, Mapas 
                         de uso do solo, Sentinel-2, Remote Sensing, Image Classification, 
                         Land Use Maps, Sentinel-2.",
             abstract = "O presente trabalho teve como objetivo avaliar e comparar, visual 
                         e estatisticamente, classifica{\c{c}}{\~a}o visual por meio de 
                         digitaliza{\c{c}}{\~a}o em tela (CV) e classificadores 
                         p{\'{\i}}xel a p{\'{\i}}xel atrav{\'e}s da 
                         classifica{\c{c}}{\~a}o supervisionada (CS) utilizando 
                         m{\'e}todo de M{\'a}xima Verossimilhan{\c{c}}a e n{\~a}o 
                         supervisionada (CNS) utilizando o m{\'e}todo de Iso Cluster, em 
                         imagens do sat{\'e}lite Sentinel-2 MSI para a 
                         elabora{\c{c}}{\~a}o de mapas tem{\'a}ticos de cobertura do 
                         solo. Foram selecionadas quatro propriedades que est{\~a}o 
                         regularmente cadastradas no Sistema Mato-grossense de Cadastro 
                         Ambiental Rural (SIMCAR). As classes foram definidas adotando como 
                         refer{\^e}ncia o CAR. Para cada fazenda, foram obtidas imagens do 
                         sensor MSI com resolu{\c{c}}{\~a}o espacial de 10m, onde 
                         realizou-se o processo de CV, CS e CNS. Para avaliar a 
                         acur{\'a}cia da classifica{\c{c}}{\~a}o foi calculado o 
                         {\'{\i}}ndice Kappa atrav{\'e}s de 500 pontos aleatorizados 
                         conjunto {\`a} interpreta{\c{c}}{\~a}o das imagens em tela do 
                         computador, servindo de padr{\~a}o de compara{\c{c}}{\~a}o 
                         (verdade terrestre). Os resultados demonstraram que em grande 
                         parte a classfica{\c{c}}{\~a}o foi qualificada como excelente. O 
                         m{\'e}todo de classifica{\c{c}}{\~a}o visual por meio de 
                         digitaliza{\c{c}}{\~a}o em tela, supervisionada e n{\~a}o 
                         supervisionada foram semelhantes estatisticamente ao 
                         n{\'{\i}}vel de signific{\^a}ncia de 5%, ou seja, com um 
                         intervalo de confian{\c{c}}a de 95%. ABSTRACT: The objective of 
                         the present work was to evaluate and compare, visually and 
                         statistically, visual classification by means of screen 
                         digitalization (CV) and pixel to pixel classifiers through 
                         supervised classification (CS) using the Maximum Likelihood and 
                         Unsupervised method (CNS) using the Iso Cluster method, in images 
                         of the satellite Sentinel-2 - MSI for the elaboration of thematic 
                         maps of soil cover. Four properties were selected that are 
                         regularly registered in the Mato Grosso Rural Environmental 
                         Cadastre System (SIMCAR). The classes were defined adopting as 
                         reference the CAR. For each farm, images of the MSI sensor with 
                         spatial resolution of 10m were obtained, where the CV, CS and CNS 
                         process was performed. To evaluate the accuracy of the 
                         classification, the Kappa index was calculated through 500 
                         randomized points set to the interpretation of the images on the 
                         computer screen, serving as the standard of comparison 
                         (terrestrial truth). The results showed that to a great extent the 
                         classification was qualified as excellent. The method of visual 
                         classification by means of on-screen, supervised and unsupervised 
                         digitalization were statistically similar at the significance 
                         level of 5%, that is, with a 95% confidence interval.",
  conference-location = "Santos",
      conference-year = "14-17 abril 2019",
                 isbn = "978-85-17-00097-3",
             language = "pt",
         organisation = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                  ibi = "8JMKD3MGP6W34M/3TUPDAE",
                  url = "http://urlib.net/ibi/8JMKD3MGP6W34M/3TUPDAE",
           targetfile = "97273.pdf",
                 type = "Classifica{\c{c}}{\~a}o e minera{\c{c}}{\~a}o de dados",
        urlaccessdate = "11 maio 2024"
}