@InProceedings{RamboSiBeRiBoJoMe:2019:PRUlGo,
               author = "Rambo, Eduardo Matias and Silva, La{\'{\i}}za Cavalcante de 
                         Albuquerque and Becker, Willyan Ronaldo and Richetti, Jonathan and 
                         Bortolini, Joseane and Johann, Jerry Adriani and Mercante, 
                         Erivelto",
          affiliation = "{Universidade Estadual do Oeste do Paran{\'a} (UNIOESTE)} and 
                         {Universidade Estadual do Oeste do Paran{\'a} (UNIOESTE)} and 
                         {Universidade Estadual do Oeste do Paran{\'a} (UNIOESTE)} and 
                         {Universidade Estadual do Oeste do Paran{\'a} (UNIOESTE)} and 
                         {Universidade Estadual do Oeste do Paran{\'a} (UNIOESTE)} and 
                         {Universidade Estadual do Oeste do Paran{\'a} (UNIOESTE)} and 
                         {Universidade Estadual do Oeste do Paran{\'a} (UNIOESTE)}",
                title = "Processamento e classifica{\c{c}}{\~a}o de imagens Landsat-8 
                         para uso e ocupa{\c{c}}{\~a}o do munic{\'{\i}}pio de 
                         Tup{\~a}ssi - PR ulizando o Google Earth Engine",
            booktitle = "Anais...",
                 year = "2019",
               editor = "Gherardi, Douglas Francisco Marcolino and Sanches, Ieda DelArco 
                         and Arag{\~a}o, Luiz Eduardo Oliveira e Cruz de",
                pages = "1835--1838",
         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 = "Naive Bayes, Cascade K-Means, Google Earth Engine, Naive Bayes, 
                         Cascade K-Means, Google Earth Engine.",
             abstract = "O uso de imagens de sat{\'e}lites associada a t{\'e}cnicas de 
                         interpreta{\c{c}}{\~a}o e classifica{\c{c}}{\~a}o possibilitam 
                         o mapeamento de {\'a}reas, como tamb{\'e}m a an{\'a}lise do 
                         grau e forma do uso e ocupa{\c{c}}{\~a}o do solo. Este trabalho 
                         teve como objetivo classificar o uso e ocupa{\c{c}}{\~a}o do 
                         munic{\'{\i}}pio de Tup{\~a}ssi, Paran{\'a}, utilizando cenas 
                         do sat{\'e}lite Landsat-8/OLI pelos classificadores Cascade 
                         K-Means e Naive Bayes na plataforma Google Earth Engine e pela 
                         vetoriza{\c{c}}{\~a}o manual. Os alvos contidos no 
                         munic{\'{\i}}pio foram subdivididos em cinco classes de 
                         interesse: soja, milho, {\'a}gua, vegeta{\c{c}}{\~a}o (floresta 
                         e reflorestamento) e edifica{\c{c}}{\~o}es. As an{\'a}lises de 
                         acur{\'a}cia dos mapeamentos foram elaboradas a partir da 
                         vetoriza{\c{c}}{\~a}o do munic{\'{\i}}pio. Obteve-se que a 
                         cultura predominante no munic{\'{\i}}pio foi a soja, ocupando 
                         85% da {\'a}rea, seguida do alvo vegeta{\c{c}}{\~a}o com 13% de 
                         {\'a}rea. 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 Tup{\~a}ssi municipality, in Paran{\'a} State, 
                         Brazil, using Lansat-8/OLI images by the classifiers Cascade 
                         K-Means, Na{\"{\i}}ve 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 Na{\"{\i}}ve Bayes with 
                         88,59% of OA and Kappa 0,58.",
  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/3U38QNE",
                  url = "http://urlib.net/ibi/8JMKD3MGP6W34M/3U38QNE",
           targetfile = "97499.pdf",
                 type = "Geoprocessamento e aplica{\c{c}}{\~o}es",
        urlaccessdate = "02 maio 2024"
}