@InProceedings{SilvaEscaSouz:2023:MaAgPe,
author = "Silva, Marcus Vinicius Gon{\c{c}}alves da and Escada, Maria
Isabel Sobral and Souza, Anielli Rosane de",
affiliation = "{Universidade Federal de Lavras (UFLA)} and {Instituto Nacional de
Pesquisas Espaciais (INPE)} and {Instituto Nacional de Pesquisas
Espaciais (INPE)}",
title = "Mapeamento da agricultura de pequena escala e dos sistemas
agroflorestais com t{\'e}cnicas de aprendizado de m{\'a}quina da
regi{\~a}o do Baixo Tocantins, PA",
booktitle = "Resumos...",
year = "2023",
editor = "Ribeiro, Val{\'e}ria Cristina dos Santos and Barreto, Joaquim
Pedro (Substituto) and Lopes Filho, Antonio and Paulicena,
Ed{\'e}sio Hernane and Cortez, Ely Vieira and Almeida, Elton
Kleiton Albuquerque de and Jesus, Gabriel Torres de (Suplente) and
Souza, Jo{\~a}o Paulo Estevam de (Suplente) and Cecatto,
Jos{\'e} Roberto (Suplente) and Coelho, Simone Marlene Sievert da
Costa (Suplente) and Almeida, Eug{\^e}nio Sper de and Hey, Heyder
and Saturno, Mario Eugenio and Escada, Paulo Augusto Sobral and
Savonov, Roman Ivanovitch (Suplente) and Camayo Maita, Rosio Del
Pilar (Suplente) and Barbedo, Simone Ang{\'e}lica Del Ducca
(Suplente) and Algarve, Viviane Regina (Suplente)",
pages = "1",
organization = "Semin{\'a}rio de Inicia{\c{c}}{\~a}o Cient{\'{\i}}fica e
Inicia{\c{c}}{\~a}o em Desenvolvimento Tecnol{\'o}gico e
Inova{\c{c}}{\~a}o (SICINPE)",
publisher = "Instituto Nacional de Pesquisas Espaciais (INPE)",
address = "S{\~a}o Jos{\'e} dos Campos",
note = "{Bolsa PIBIC/PIBITI/INPE/CNPq.}",
keywords = "uso e cobertura da terra, sistemas agroflorestais, agricultura
anual de pequena escala, cubo de dados.",
abstract = "Poucos esfor{\c{c}}os t{\^e}m sido empregados no mapeamento de
classes de uso da terra associadas a sistemas agroflorestais e
cultivos de pequena escala na Amaz{\^o}nia. A falta de
informa{\c{c}}{\~o}es espaciais e dificuldades no mapeamento com
imagens orbitais dificultam a compreens{\~a}o das din{\^a}micas
e a avalia{\c{c}}{\~a}o adequada do potencial
socioecon{\^o}mico dessas atividades. A diversidade e
dimens{\~o}es reduzidas das fei{\c{c}}{\~o}es resultam em
paisagens heterog{\^e}neas, o que leva a uma maior complexidade
nos procedimentos de classifica{\c{c}}{\~a}o, resultando em
aus{\^e}ncias ou imprecis{\~o}es na representa{\c{c}}{\~a}o
espacial. Para contribuir com a resolu{\c{c}}{\~a}o desse
problema este trabalho tem como objetivo estabelecer uma matriz
metodol{\'o}gica para o mapeamento do uso e cobertura da terra,
especialmente para agricultura anual de pequena escala,
est{\'a}dios da vegeta{\c{c}}{\~a}o secund{\'a}ria e sistemas
agroflorestais, para os munic{\'{\i}}pios de Abaetetuba,
Igarap{\'e}-Miri, Camet{\'a}, Mocajuba e Bai{\~a}o, localizados
na regi{\~a}o nordeste do estado do Par{\'a}, com imagem de
sat{\'e}lite de 2017. A primeira etapa deste trabalho consistiu
na constru{\c{c}}{\~a}o de uma matriz metodol{\'o}gica de
mapeamento de uso e cobertura da terra, dando {\^e}nfase {\`a}s
classes de agricultura anual de pequena escala e classes relativas
aos est{\'a}gios sucessionais da vegeta{\c{c}}{\~a}o
secund{\'a}ria. Utilizamos o cubo de dados do sat{\'e}lite
Sentinel-2A, composto por imagens de 16 dias. Foi aplicado o
algoritmo Random Forest, no ambiente Sits (Satellite Image Time
Series Analysis on Earth Observation Data Cubes) utilizando-se
liguagem de programa{\c{c}}{\~a}o em R. Utilizamos bandas puras
(B02, B03, B04, B05, B06, B07, B08, B08A, B11, B12) e
{\'{\i}}ndices espectrais NDVI, NBR e Modelo Linear de Mistura
Espectral (MLME) para treinar o modelo e realizar a
classifica{\c{c}}{\~a}o das diferentes classes de interesse. A
avalia{\c{c}}{\~a}o dos resultados da classifica{\c{c}}{\~a}o
foi realizada por meio de matriz de confus{\~a}o e estimativas de
acur{\'a}cia global e Kappa. A abordagem apresentou resultados
promissores, especialmente para o mapeamento da classe agricultura
anual de pequena escala e das classes relativas aos est{\'a}gios
sucessionais de vegeta{\c{c}}{\~a}o secund{\'a}ria. Obteve-se
uma acur{\'a}cia global de 78% da classifica{\c{c}}{\~a}o e um
coeficiente Kappa de 75%. Destacam-se algumas das principais
discord{\^a}ncias entre as classes: 1) Agricultura de pequena
escala com Pasto limpo (15,78%) e com Agricultura de larga escala
(15,78%); 2) Vegeta{\c{c}}{\~a}o secund{\'a}ria inicial com
Agricultura de larga escala (6,06%) e Pasto limpo (3,03%) e;3)
Vegeta{\c{c}}{\~a}o secund{\'a}ria avan{\c{c}}ada com
Piscicultura (2,94%) e Vegeta{\c{c}}{\~a}o Secund{\'a}ria
Inicial (2,94%). Os resultados s{\~a}o preliminares. Testes com
outros classificadores (LightTAE e Support Vector Machine)
ser{\~a}o realizados, al{\'e}m da revis{\~a}o das amostras
utilizadas, visando um melhor balanceamento. Ser{\~a}o
inclu{\'{\i}}dos procedimentos para o mapeamento dos sistemas
agroflorestais. Essas etapas adicionais s{\~a}o essenciais para
melhorar a precis{\~a}o e a confiabilidade do mapeamento das
classes em estudo, possibilitando assim, inferir com um dado mais
preciso, como se d{\~a}o as din{\^a}micas do uso da terra na
regi{\~a}o.",
conference-location = "on line",
conference-year = "21 a 25 – ago",
language = "pt",
organisation = "Divis{\~a}o de Fomento a Pesquisa e Desenvolvimento (DIFPD)",
ibi = "8JMKD3MGP3W34T/4A6LUAL",
url = "http://urlib.net/ibi/8JMKD3MGP3W34T/4A6LUAL",
targetfile = "Resumo_Marcus_Vinicius_Gon{\c{c}}alves_da_Silva.pdf",
urlaccessdate = "21 maio 2024"
}