| 1. Identificação | |
| Tipo de Referência | Artigo em Revista Científica (Journal Article) |
| Site | plutao.sid.inpe.br |
| Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S |
| Identificador | 8JMKD3MGP3W/45U858Q |
| Repositório | sid.inpe.br/plutao/2021/12.09.14.40.34 (acesso restrito) |
| Última Atualização | 2021:12.15.12.10.16 (UTC) lattes |
| Repositório de Metadados | sid.inpe.br/plutao/2021/12.09.14.40.35 |
| Última Atualização dos Metadados | 2022:04.03.22.27.15 (UTC) administrator |
| DOI | 10.5016/estgeo.v19i3.16254 |
| ISSN | 1517-543X |
| Rótulo | lattes: 8609036872819243 2 BrazKörtMartBraz:2021:GEMiDa |
| Chave de Citação | BrazKörtMartBraz:2021:GEMiDa |
| Título | GEOBIA e mineração de dados para classificação de imagens de altíssima resolução espacial  |
| Ano | 2021 |
| Data de Acesso | 21 maio 2024 |
| Tipo de Trabalho | journal article |
| Tipo Secundário | PRE PN |
| Número de Arquivos | 1 |
| Tamanho | 1219 KiB |
| 2. Contextualização | |
| Autor | 1 Braz, Adalto Moreira 2 Körting, Thales Sehn 3 Martins, Alécio Perini 4 Braz, Amanda Moreira |
| Grupo | 1 2 DIOTG-CGCT-INPE-MCTI-GOV-BR |
| Afiliação | 1 Universidade Federal de Goiás (UFG) 2 Instituto Nacional de Pesquisas Espaciais (INPE) 3 Universidade Federal de Goiás (UFG) 4 Universidade Federal do Mato Grosso do Sul (UFSM) |
| Endereço de e-Mail do Autor | 1 adaltobraz.geografia@gmail.com 2 thales.korting.@inpe.br 3 alecioperini@ufg.br 4 amandabraz.geo@gmail.com |
| Revista | Estudos Geográficos |
| Volume | 19 |
| Número | 3 |
| Páginas | 209-224 |
| Histórico (UTC) | 2021-12-15 12:10:17 :: lattes -> administrator :: 2021 2022-04-03 22:27:15 :: administrator -> simone :: 2021 |
| 3. Conteúdo e estrutura | |
| É a matriz ou uma cópia? | é a matriz |
| Estágio do Conteúdo | concluido |
| Transferível | 1 |
| Tipo do Conteúdo | External Contribution |
| Tipo de Versão | publisher |
| Palavras-Chave | VANT Sensoriamento Remoto ARP Drone Cobertura da Terra UAV Remote Sensing RPA Drone Land Cover |
| Resumo | Este trabalho apresenta os resultados de classificação (GEOBIA e mineração de dados) para a cobertura da terra em imagens de altíssima resolução espacial, além de apresentar uma discussão sobre a viabilidade de classificações supervisionadasem imagens obtidas por VANT. A área teste inclui duas quadras e uma área verde na cidade de Jataí (GO), imageadas com um Drone DJI Phantom 4 Advanced em 29/10/2018. O processamento foi realizado a partir do SIG TerraView 5.3.3 plugin GeoDMA 2.0,com resultados comparados a classificadores disponibilizados pelo SIGArcGIS 10.6.1®. A mineração de dados foi a técnica mais adequada para a classificação, apresentando uma matriz com taxa de acerto superior a 82%, concordância excelente apesar dos erros identificados. No processo de classificação supervisionada, foi obtido um acerto de 69% e, na classificação não supervisionada, o acerto foi de 44%.Os resultados da GEOBIA/mineração de dados foram considerados satisfatórios (Kappa igual a 82%), quando comparados aoutros classificadores (regão e pixel a pixel), mas ainda exigindo atividades de pós-classificação para correção das confusões apresentadas. ABSTRACT: In this paper we present the classification results (GEOBIA and data mining) for land cover inhigh spatial resolution images, besides presenting a discussion about the viability of supervised classifications in UAV images. The study area includes two blocks and a green area in the city of Jataí, Goiás state, Brazil. The images were obtained with a DJI Phantom 4 Advanced Drone in 2019/10/29. Processing was performed using the GIS TerraView 5.3.3plugin GeoDMA 2.0, and the results were compared to well known classification algorithms provided by ArcGIS 10.6.1®. Data mining was the most appropriate technique for classification, presenting a matrix with an overall accuracy (OA) higher than 82%, which we consider as an excellent agreement despite minor errors. In the supervised classification process, we obtained 69% OA (substantial agreement) and 44% OA (moderate agreement) in the unsupervised classification.The results of GEOBIA/data mining were considered satisfactory (Kappa is equal to 82%) when compared to other classifiers (region and pixel by pixel), but still requiring post-classification activities to correct the confusion presented. |
| Área | SRE |
| Arranjo | urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCT > GEOBIA e mineração... |
| Conteúdo da Pasta doc | acessar |
| Conteúdo da Pasta source | não têm arquivos |
| Conteúdo da Pasta agreement | não têm arquivos |
| 4. Condições de acesso e uso | |
| Idioma | pt |
| Arquivo Alvo | Braz_geobia.pdf |
| Grupo de Usuários | lattes |
| Grupo de Leitores | administrator lattes |
| Visibilidade | shown |
| Permissão de Leitura | deny from all and allow from 150.163 |
| Permissão de Atualização | não transferida |
| 5. Fontes relacionadas | |
| Unidades Imediatamente Superiores | 8JMKD3MGPCW/46KUATE |
| Lista de Itens Citando | sid.inpe.br/bibdigital/2022/04.03.22.23 2 |
| Divulgação | PORTALCAPES |
| Acervo Hospedeiro | dpi.inpe.br/plutao@80/2008/08.19.15.01 |
| 6. Notas | |
| Campos Vazios | alternatejournal archivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel e-mailaddress format isbn lineage mark mirrorrepository month nextedition notes orcid parameterlist parentrepositories previousedition previouslowerunit progress project resumeid rightsholder schedulinginformation secondarydate secondarykey secondarymark session shorttitle sponsor subject tertiarymark tertiarytype url |
| 7. Controle da descrição | |
| e-Mail (login) | simone |
| atualizar | |