@InProceedings{MagalhãesGomeCorr:2023:AnDeCl,
author = "Magalh{\~a}es, Nicole Rodrigues de and Gomes, Alessandra
Rodrigues and Corr{\^e}a, Denison Lima",
affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto
Nacional de Pesquisas Espaciais (INPE)} and {Universidade Estadual
do Par{\'a} (UEPA)}",
title = "An{\'a}lise de desempenho do classificador Random Forest na
detec{\c{c}}{\~a}o de classe de uso e cobertura da terra em
{\'a}reas de n{\~a}o floresta em Salvaterra/PA",
booktitle = "Anais...",
year = "2023",
editor = "Gherardi, Douglas Francisco Marcolino and Arag{\~a}o, Luiz
Eduardo Oliveira e Cruz de and Sanches, Ieda DelArco",
pages = "e156287",
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 = "Random Forest, Google Earth Engine, TerraClass, N{\~a}o-floresta,
Salvaterra, Random Forest, Google Earth Engine, TerraClass, No
forest, Salvaterra.",
abstract = "O presente trabalho teve como objetivo avaliar o desempenho do
classificador Random Forest utilizando imagens do Sentinel-2B na
detec{\c{c}}{\~a}o de classes de uso e cobertura da terra em
{\'a}reas de N{\~a}o floresta, baseadas nas classes do Projeto
TerraClass, em uma regi{\~a}o de Salvaterra, no Par{\'a} nos
anos de 2020 e 2021. A metodologia foi executada em sete etapas:
sele{\c{c}}{\~a}o de imagens, gera{\c{c}}{\~a}o de mosaicos,
coleta de pontos amostrais, sele{\c{c}}{\~a}o de bandas e
classifica{\c{c}}{\~a}o, p{\'o}s-classifica{\c{c}}{\~a}o e
avalia{\c{c}}{\~a}o dos modelos. Foram utilizados os
{\'{\i}}ndices Kappa, acur{\'a}cia global e matriz de
confus{\~a}o para avalia{\c{c}}{\~a}o de desempenho. O trabalho
apresentou bons resultados na classifica{\c{c}}{\~a}o, segundo
avalia{\c{c}}{\~a}o dos modelos. Sugeriu-se que haja a
valida{\c{c}}{\~a}o dos dados em in loco, no intuito de melhorar
a precis{\~a}o na detec{\c{c}}{\~a}o de classes de uso e
cobertura do solo e aprimoramento dos procedimentos
metodol{\'o}gicos. ABSTRACT: The present work aimed to evaluate
the performance of the Random Forest classifier using Sentinel-2B
images in the detection of land use and land cover classes in no
forest areas, based on the classes of the TerraClass Project, for
a region of Salvaterra, Par{\'a} in the years 2020 and 2021. The
methodology was performed in seven steps: image selection, mosaic
generation, collection of sampling points, band selection and
classification, post-classification and evaluation of the models.
Kappa indices, global accuracy and confusion matrix were used for
performance evaluation. The work presented good results in the
classification, according to the evaluation of the models. It was
suggested that the data be validated in loco, in order to improve
the accuracy in the detection of land use and land cover classes
and to improve the methodological procedures.",
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/4942B7H",
url = "http://urlib.net/ibi/8JMKD3MGP6W34M/4942B7H",
targetfile = "156287.pdf",
type = "Processamento de imagens",
urlaccessdate = "04 maio 2024"
}