@Article{SchultzFoEbSaOlLu:2016:ClOrOb,
               author = "Schultz, Bruno and Formaggio, Antonio Roberto and Eberhardt, 
                         Isaque Daniel Rocha and Sanches, Ieda Del'Arco and Oliveira, 
                         J{\'u}lio Cesar de and Luiz, Alfredo Jos{\'e} Barreto",
          affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto 
                         Nacional de Pesquisas Espaciais (INPE)} and {Universidade de 
                         Bras{\'{\i}}lia (UnB)} and {Instituto Nacional de Pesquisas 
                         Espaciais (INPE)} and {Universidade Fedral de Vi{\c{c}}osa (UFV)} 
                         and {Empresa Brasileira de Pesquisa Agropecu{\'a}ria (EMBRAPA)}",
                title = "Classifica{\c{c}}{\~a}o orientada a objetos em imagens 
                         multitemporais Landsat aplicada na identifica{\c{c}}{\~a}o de 
                         cana-de-a{\c{c}}{\'u}car e soja",
              journal = "Revista Brasileira de Cartografia",
                 year = "2016",
               volume = "68",
               number = "1",
                pages = "131--143",
             keywords = "Segmenta{\c{c}}{\~a}o, IAVAS, Mapeamento de 
                         Cana-de-A{\c{c}}{\'u}car e Soja, Segmentation, IAVAS, Sugarcane 
                         and Soybean Mapping.",
             abstract = "A presente pesquisa teve por objetivo avaliar a potencialidade de 
                         dados multitemporais Landsat para classifi ca{\c{c}}{\~a}o de 
                         cana-de-a{\c{c}}{\'u}car e de soja, conjuntamente, quando 
                         realizada via An{\'a}lise de Imagens Orientada a Objetos (OBIA/ 
                         Random Forest). Foi utilizado um segmentador 
                         multi-resolu{\c{c}}{\~a}o (SM) para gerar os pol{\'{\i}}gonos 
                         (objetos). Um conjunto de 500 segmenta{\c{c}}{\~o}es foi criado 
                         pela varia{\c{c}}{\~a}o dos par{\^a}metros Fe (fator de 
                         escala), Fm (forma) e Cp (compacidade), e avaliado pelo 
                         {\'{\I}}ndice de Avalia{\c{c}}{\~a}o da 
                         Segmenta{\c{c}}{\~a}o (IAVAS). Da segmenta{\c{c}}{\~a}o que 
                         obteve menor IAVAS, foram extra{\'{\i}}dos os atributos 
                         espectrais das m{\'e}dias e desvios-padr{\~a}o das bandas 
                         TM/Landsat-5 [setembro (S) e outubro (O) do ano 2000] e 
                         ETM+/Landsat-7 [fevereiro (F) e mar{\c{c}}o (M) do ano 2001] dos 
                         objetos, e seus NDVIs. Estes atributos foram inseridos no 
                         algoritmo Random Forest (RF) e as exatid{\~o}es das classifi 
                         ca{\c{c}}{\~o}es foram testadas quanto ao uso dos seguintes 
                         conjuntos de datas: SOFM; SFM; OFM; SOF; FM; OF; SF; e F. O IAVAS 
                         defi niu Fe (35), Fm (30) e Cp (50) como melhores par{\^a}metros 
                         de segmenta{\c{c}}{\~a}o. As melhores exatid{\~o}es de classifi 
                         ca{\c{c}}{\~a}o Random Forest situaram-se em torno de 86%. Duas 
                         datas produziram melhor resultado que apenas uma, entretanto, o 
                         uso de mais de duas n{\~a}o produziu melhora signifi cativa na 
                         exatid{\~a}o fi nal da classifica{\c{c}}{\~a}o. ABSTRACT: This 
                         research aimed to evaluate the potential of multi-temporal Landsat 
                         data for sugarcane and soybean classifi cation, together, when 
                         used through Object-Based Image Analysis (OBIA/Random Forest). It 
                         was used a multi-resolution segmenting (SM) to generate the 
                         objects. A set of 500 segmentations was created varying the Fe 
                         parameters (scale factor), Fm (shape) and Cp (compactness), and 
                         evaluated by Index for the Evaluation of Segmentation (IAVAS). At 
                         the segmentation that obtained the lowest IAVAS, were extracted 
                         the spectral attributes of means and standard deviations of bands 
                         TM / Landsat-5 [September (S) and October (O) of the year 2000] 
                         and ETM + / Landsat-7 [February (F) and March (M) for the year 
                         2001] of the objects, and their NDVIs. These attributes were 
                         inserted into the algorithm Random Forest (RF) and accuracies were 
                         tested using the following set of dates: (SOFM); (SFM and OFM); 
                         (FM, OF and SF); and (F). The IAVAS defi nes Fe (35), Fm (30) and 
                         Cp (50) as the best segmentation parameters for the study area. 
                         The best classifi cation accuracies are situated around 86%. Two 
                         dates produced better results than just one, however the use of 
                         more than two failed to produce a signifi cant improvement in the 
                         fi nal classifi cation accuracy.",
                 issn = "0560-4613 and 1808-0936",
             language = "pt",
           targetfile = "schultz_classificacao.pdf",
        urlaccessdate = "12 maio 2024"
}