@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"
}