@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"
}