@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"
}