@Article{BrazKörtMartBraz:2021:GEMiDa,
               author = "Braz, Adalto Moreira and K{\"o}rting, Thales Sehn and Martins, 
                         Al{\'e}cio Perini and Braz, Amanda Moreira",
          affiliation = "{Universidade Federal de Goi{\'a}s (UFG)} and {Instituto Nacional 
                         de Pesquisas Espaciais (INPE)} and {Universidade Federal de 
                         Goi{\'a}s (UFG)} and {Universidade Federal do Mato Grosso do Sul 
                         (UFSM)}",
                title = "GEOBIA e minera{\c{c}}{\~a}o de dados para 
                         classifica{\c{c}}{\~a}o de imagens de alt{\'{\i}}ssima 
                         resolu{\c{c}}{\~a}o espacial",
              journal = "Estudos Geogr{\'a}ficos",
                 year = "2021",
               volume = "19",
               number = "3",
                pages = "209--224",
             keywords = "VANT,Sensoriamento Remoto,ARP, Drone, Cobertura da Terra, UAV, 
                         Remote Sensing, RPA, Drone,Land Cover.",
             abstract = "Este trabalho apresenta os resultados de classifica{\c{c}}{\~a}o 
                         (GEOBIA e minera{\c{c}}{\~a}o de dados) para a cobertura da 
                         terra em imagens de alt{\'{\i}}ssima resolu{\c{c}}{\~a}o 
                         espacial, al{\'e}m de apresentar uma discuss{\~a}o sobre a 
                         viabilidade de classifica{\c{c}}{\~o}es supervisionadasem 
                         imagens obtidas por VANT. A {\'a}rea teste inclui duas quadras e 
                         uma {\'a}rea verde na cidade de Jata{\'{\i}} (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 minera{\c{c}}{\~a}o de dados foi a 
                         t{\'e}cnica mais adequada para a classifica{\c{c}}{\~a}o, 
                         apresentando uma matriz com taxa de acerto superior a 82%, 
                         concord{\^a}ncia excelente apesar dos erros identificados. No 
                         processo de classifica{\c{c}}{\~a}o supervisionada, foi obtido 
                         um acerto de 69% e, na classifica{\c{c}}{\~a}o n{\~a}o 
                         supervisionada, o acerto foi de 44%.Os resultados da 
                         GEOBIA/minera{\c{c}}{\~a}o de dados foram considerados 
                         satisfat{\'o}rios (Kappa igual a 82%), quando comparados aoutros 
                         classificadores (reg{\~a}o e pixel a pixel), mas ainda exigindo 
                         atividades de p{\'o}s-classifica{\c{c}}{\~a}o para 
                         corre{\c{c}}{\~a}o das confus{\~o}es 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 Jata{\'{\i}}, Goi{\'a}s 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.",
                  doi = "10.5016/estgeo.v19i3.16254",
                  url = "http://dx.doi.org/10.5016/estgeo.v19i3.16254",
                 issn = "1517-543X",
                label = "lattes: 8609036872819243 2 BrazK{\"o}rtMartBraz:2021:GEMiDa",
             language = "pt",
           targetfile = "Braz_geobia.pdf",
        urlaccessdate = "12 maio 2024"
}