To cite this paper use one of the standards below:
O presente trabalho teve como objetivo avaliar e comparar, visual e estatisticamente, classificação visual por meio de digitalização em tela (CV) e classificadores píxel a píxel através da classificação supervisionada (CS) utilizando método de Máxima Verossimilhança e não supervisionada (CNS) utilizando o método de Iso Cluster, em imagens do satélite Sentinel-2 – MSI para a elaboração de mapas temáticos de cobertura do solo. Foram selecionadas quatro propriedades que estão regularmente cadastradas no Sistema Mato-grossense de Cadastro Ambiental Rural (SIMCAR). As classes foram definidas adotando como referência o CAR. Para cada fazenda, foram obtidas imagens do sensor MSI com resolução espacial de 10m, onde realizou-se o processo de CV, CS e CNS. Para avaliar a acurácia da classificação foi calculado o índice Kappa através de 500 pontos aleatorizados conjunto à interpretação das imagens em tela do computador, servindo de padrão de comparação (verdade terrestre). Os resultados demonstraram que em grande parte a classficação foi qualificada como excelente. O método de classificação visual por meio de digitalização em tela, supervisionada e não supervisionada foram semelhantes estatisticamente ao nível de significância de 5%, ou seja, com um intervalo de confiança de 95%.
With nearly 200,000 papers published, Galoá empowers scholars to share and discover cutting-edge research through our streamlined and accessible academic publishing platform.
Learn more about our products:
This proceedings is identified by a DOI , for use in citations or bibliographic references. Attention: this is not a DOI for the paper and as such cannot be used in Lattes to identify a particular work.
Check the link "How to cite" in the paper's page, to see how to properly cite the paper