@InProceedings{CaonMeAnCaMeOl:2018:MaPaMe,
               author = "Caon, Iv{\~a} Luis and Mercante, Erivelto and Antunes, Jo{\~a}o 
                         Francisco Gon{\c{c}}alves and Cattani, Carlos Eduardo Vizzotto 
                         and Mendes, Isaque Souza and Oldoni, Lucas Volochen",
          affiliation = "{Universidade Estadual do Oeste do Paran{\'a} (UNIOESTE)} and 
                         {Universidade Estadual do Oeste do Paran{\'a} (UNIOESTE)} and 
                         {Embrapa Inform{\'a}tica Agropecu{\'a}ria} and {Universidade 
                         Estadual do Oeste do Paran{\'a} (UNIOESTE)} and {Universidade 
                         Estadual do Oeste do Paran{\'a} (UNIOESTE)} and {Instituto 
                         Nacional de Pesquisas Espaciais (INPE)}",
                title = "Mapeamento de pastagens por meio da classifica{\c{c}}{\~a}o da 
                         fus{\~a}o de imagens Landsat-8/OLI e MODIS no munic{\'{\i}}pio 
                         de S{\~a}o Gabriel do Oeste - MS",
            booktitle = "Anais...",
                 year = "2018",
                pages = "686--694",
         organization = "Simp{\'o}sio de Geotecnologias no Pantanal, 7. (GeoPantanal)",
             keywords = "sensoriamento remoto, sensor orbital, processamento de imagens, 
                         minera{\c{c}}{\~a}o de dados, fus{\~a}o de imagens, 
                         classifica{\c{c}}{\~a}o de imagens.",
             abstract = "O sensoriamento remoto mostra-se eficiente no mapeamento de 
                         grandes {\'a}reas geogr{\'a}ficas, executado a partir de imagens 
                         orbitais. A alta resolu{\c{c}}{\~a}o espacial presente em 
                         sensores tem permitido o mapeamento detalhado da 
                         superf{\'{\i}}cie terrestre, por{\'e}m a resolu{\c{c}}{\~a}o 
                         temporal tamb{\'e}m se mostra importante, devido a constante 
                         mudan{\c{c}}a que ocorre nos ecossistemas. Desse modo os 
                         algoritmos de predi{\c{c}}{\~a}o se mostram de grande valia, uma 
                         vez que s{\~a}o capazes de unir a alta resolu{\c{c}}{\~a}o 
                         espacial de um sensor a alta resolu{\c{c}}{\~a}o temporal de 
                         outro. O objetivo deste trabalho foi realizar o mapeamento das 
                         {\'a}reas de pastagem presentes na extens{\~a}o do 
                         munic{\'{\i}}pio de S{\~a}o Gabriel do Oeste - MS, bem como 
                         avaliar o desempenho de diferentes algoritmos de 
                         classifica{\c{c}}{\~a}o em diferentes s{\'e}ries temporais, 
                         sendo uma composta apenas de imagens Landsat e outra composta de 
                         imagens geradas pelo algoritmo de predi{\c{c}}{\~a}o STARFM 
                         (Spatial and Temporal Adaptive Reflectance Fusion Model). Sendo 
                         que o algoritmo Random Forest, na s{\'e}rie temporal composta 
                         pelas imagens geradas pelo algoritmo STARFM e com a 
                         adi{\c{c}}{\~a}o de m{\'e}tricas fenol{\'o}gicas apresentou as 
                         melhores acur{\'a}cias, obtendo {\'{\i}}ndice Kappa superior a 
                         0,85 e exatid{\~a}o global superior a 92,5%.",
  conference-location = "Jardim, MS",
      conference-year = "20-24 out.",
             language = "pt",
           targetfile = "caon_mapeamento.pdf",
        urlaccessdate = "27 abr. 2024"
}