@InProceedings{TavaresFeSoCoAnEs:2023:ApMáUs,
author = "Tavares, Andr{\'e} Silva and Felix, Filipe Castro and Souza,
Felipe Carvalho de and Coutinho, Alexandre Camargo and Antunes,
Jo{\~a}o Francisco Gon{\c{c}}alves and Esquerdo, J{\'u}lio
C{\'e}sar Dalla Mora",
affiliation = "{Embrapa Agricultura Digital} and {Embrapa Agricultura Digital}
and {Instituto Nacional de Pesquisas Espaciais (INPE)} and
{Embrapa Agricultura Digital} and {Embrapa Agricultura Digital}
and {Embrapa Agricultura Digital}",
title = "Aprendizado de m{\'a}quina e uso de s{\'e}ries temporais de
imagens Sentinel-2 no monitoramento da cobertura e uso da terra",
booktitle = "Anais...",
year = "2023",
editor = "Gherardi, Douglas Francisco Marcolino and Arag{\~a}o, Luiz
Eduardo Oliveira e Cruz de and Sanches, Ieda DelArco",
pages = "e156067",
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 = "Amaz{\^o}nia Legal, Random Forest, Sensoriamento Remoto, Amazon,
Random Forest, Remote Sensing.",
abstract = "O uso de s{\'e}ries temporais de imagens de sat{\'e}lite aliadas
a algoritmos de aprendizado de m{\'a}quina {\'e} uma abordagem
que vem sendo aprimorada nos {\'u}ltimos anos. Considerando a
acelerada din{\^a}mica de expans{\~a}o da fronteira
agropecu{\'a}ria em regi{\~o}es da Amaz{\^o}nia brasileira,
este estudo teve como objetivo identificar altera{\c{c}}{\~o}es
no uso da terra na regi{\~a}o noroeste do Maranh{\~a}o e leste
do Par{\'a}, por meio de s{\'e}ries temporais do Sentinel-2 e o
algoritmo Random Forest. Foram coletadas amostras aleat{\'o}rias
do mapa TerraClass 2014 e, para aprimorar o conjunto amostral,
utilizou-se o algoritmo de mapas auto-organiz{\'a}veis. Os
resultados mostraram que as transi{\c{c}}{\~o}es mais
expressivas, entre 2014 e 2020, ocorreram em {\'a}reas de
agricultura tempor{\'a}ria, com aumento de 265%, e silvicultura,
com 176%. O protocolo metodol{\'o}gico promoveu ganhos
importantes frente {\`a} performance dos mapeamentos
convencionais e mostrou ter potencial para auxiliar no
monitoramento das mudan{\c{c}}as no uso da terra no
territ{\'o}rio nacional. ABSTRACT: machine learning algorithms is
an approach that has been improved in recent years. Considering
the accelerated dynamics of expansion of the agricultural frontier
in regions of the Brazilian Amazon, this study aimed to identify
changes in land use in the northwest region of Maranh{\~a}o and
eastern Par{\'a}, using Sentinel-2 time series and the Random
Forest algorithm. . Random samples were collected from the
TerraClass 2014 map and, to improve the sample set, the algorithm
of self-organizing maps was used. The results showed that the most
significant transitions, between 2014 and 2020, occurred in areas
of temporary agriculture, with an increase of 265%, and forestry,
with 176%. The methodological protocol promoted important gains
compared to the performance of conventional mappings and showed
the potential to assist in the monitoring of changes in land use
in the national territory.",
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/495DSG5",
url = "http://urlib.net/ibi/8JMKD3MGP6W34M/495DSG5",
targetfile = "156067.pdf",
type = "An{\'a}lise de s{\'e}ries temporais de imagens de
sat{\'e}lite",
urlaccessdate = "10 maio 2024"
}