@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"
}