<?xml version="1.0" encoding="ISO-8859-1"?>
<metadatalist>
	<metadata ReferenceType="Conference Proceedings">
		<site>marte2.sid.inpe.br 802</site>
		<identifier>8JMKD3MGP6W34M/3U38QNE</identifier>
		<repository>sid.inpe.br/marte2/2019/09.13.16.50</repository>
		<lastupdate>2019:09.13.16.50.25 dpi.inpe.br/marte2/2013/05.17.15.03.06 administrator</lastupdate>
		<metadatarepository>sid.inpe.br/marte2/2019/09.13.16.50.25</metadatarepository>
		<metadatalastupdate>2019:12.13.01.17.18 dpi.inpe.br/marte2/2013/05.17.15.03.06 administrator {D 2019}</metadatalastupdate>
		<isbn>978-85-17-00097-3</isbn>
		<citationkey>RamboSiBeRiBoJoMe:2019:PRUlGo</citationkey>
		<title>Processamento e classificação de imagens Landsat-8 para uso e ocupação do município de Tupãssi - PR ulizando o Google Earth Engine</title>
		<format>Internet</format>
		<year>2019</year>
		<secondarytype>PRE CN</secondarytype>
		<numberoffiles>1</numberoffiles>
		<size>1086 KiB</size>
		<author>Rambo, Eduardo Matias,</author>
		<author>Silva, Laíza Cavalcante de Albuquerque,</author>
		<author>Becker, Willyan Ronaldo,</author>
		<author>Richetti, Jonathan,</author>
		<author>Bortolini, Joseane,</author>
		<author>Johann, Jerry Adriani,</author>
		<author>Mercante, Erivelto,</author>
		<affiliation>Universidade Estadual do Oeste do Paraná (UNIOESTE)</affiliation>
		<affiliation>Universidade Estadual do Oeste do Paraná (UNIOESTE)</affiliation>
		<affiliation>Universidade Estadual do Oeste do Paraná (UNIOESTE)</affiliation>
		<affiliation>Universidade Estadual do Oeste do Paraná (UNIOESTE)</affiliation>
		<affiliation>Universidade Estadual do Oeste do Paraná (UNIOESTE)</affiliation>
		<affiliation>Universidade Estadual do Oeste do Paraná (UNIOESTE)</affiliation>
		<affiliation>Universidade Estadual do Oeste do Paraná (UNIOESTE)</affiliation>
		<electronicmailaddress>eduardorambo@hormail.com</electronicmailaddress>
		<electronicmailaddress>laiza.cavalcante@hotmail.com</electronicmailaddress>
		<electronicmailaddress>willyan.becker@outlook.com</electronicmailaddress>
		<electronicmailaddress>j_richetti@hotmail.com</electronicmailaddress>
		<electronicmailaddress>josi_bortolini@hotmail.com</electronicmailaddress>
		<electronicmailaddress>jerry.johann@hotmail.com</electronicmailaddress>
		<electronicmailaddress>eriveltomercante@yahoo.com.br</electronicmailaddress>
		<editor>Gherardi, Douglas Francisco Marcolino,</editor>
		<editor>Sanches, Ieda DelArco,</editor>
		<editor>Aragão, Luiz Eduardo Oliveira e Cruz de,</editor>
		<conferencename>Simpósio Brasileiro de Sensoriamento Remoto, 19 (SBSR)</conferencename>
		<conferencelocation>Santos</conferencelocation>
		<date>14-17 abril 2019</date>
		<publisher>Instituto Nacional de Pesquisas Espaciais (INPE)</publisher>
		<publisheraddress>São José dos Campos</publisheraddress>
		<pages>1835-1838</pages>
		<booktitle>Anais</booktitle>
		<tertiarytype>full paper</tertiarytype>
		<organization>Instituto Nacional de Pesquisas Espaciais (INPE)</organization>
		<transferableflag>1</transferableflag>
		<keywords>Naive Bayes, Cascade K-Means, Google Earth Engine, Naive Bayes, Cascade K-Means, Google Earth Engine.</keywords>
		<abstract>O uso de imagens de satélites associada a técnicas de interpretação e classificação possibilitam o mapeamento de áreas, como também a análise do grau e forma do uso e ocupação do solo. Este trabalho teve como objetivo classificar o uso e ocupação do município de Tupãssi, Paraná, utilizando cenas do satélite Landsat-8/OLI pelos classificadores Cascade K-Means e Naive Bayes na plataforma Google Earth Engine e pela vetorização manual. Os alvos contidos no município foram subdivididos em cinco classes de interesse: soja, milho, água, vegetação (floresta e reflorestamento) e edificações. As análises de acurácia dos mapeamentos foram elaboradas a partir da vetorização do município. Obteve-se que a cultura predominante no município foi a soja, ocupando 85% da área, seguida do alvo vegetação com 13% de área. O classificador K-means obteve um EG 87,86% e Kappa 0,56 e o classificador Naive Bayes um EG de 88,59% e Kappa 0,58. ABSTRACT: Classification techniques in satellite images enable mapping land cover usage and quantification of area with rapidly time process using Google Earth Engine platform. Hence, this work aims to classify Tupãssi municipality, in Paraná State, Brazil, using Lansat-8/OLI images by the classifiers Cascade K-Means, Naïve Bayes and manual vectorization in GEE. Five targets were used: soybean, corn, water, forest and urban areas as input. The dominant target was soybean (85% of area), followed by 13%. The results shown that Cascade K-means algorithm achieve 87,86% of OA and Kappa 0,56, and Naïve Bayes with 88,59% of OA and Kappa 0,58.</abstract>
		<area>SRE</area>
		<type>Geoprocessamento e aplicações</type>
		<language>pt</language>
		<targetfile>97499.pdf</targetfile>
		<usergroup>simone</usergroup>
		<visibility>shown</visibility>
		<copyright>urlib.net/www/2012/11.12.15.19</copyright>
		<rightsholder>originalauthor yes</rightsholder>
		<documentstage>not transferred</documentstage>
		<mirrorrepository>urlib.net/www/2011/03.29.20.55</mirrorrepository>
		<nexthigherunit>8JMKD3MGP6W34M/3UCAT7H</nexthigherunit>
		<citingitemlist>sid.inpe.br/marte2/2019/11.08.12.52 2</citingitemlist>
		<hostcollection>dpi.inpe.br/marte2/2013/05.17.15.03.06</hostcollection>
		<username>simone</username>
		<lasthostcollection>dpi.inpe.br/marte2/2013/05.17.15.03.06</lasthostcollection>
		<url>http://marte2.sid.inpe.br/rep-/sid.inpe.br/marte2/2019/09.13.16.50</url>
	</metadata>
</metadatalist>