To cite this paper use one of the standards below:
O objetivo deste trabalho foi analisar a capacidade de 7 índices de vegetação em detectar e diferenciar mudanças na cobertura do solo em uma cena Landsat inserida no Cerrado Brasileiro, para isto foi utilizado o algoritmo Random Forest. Foram geradas as imagens diferença entre os anos de 2006 a 2017, estas imagens foram segmentadas e posteriormente foram coletadas 50 amostras por classe e ano das classes queimada, desmatamento, regeneração e não mudança. A partir destas amostras extraiu-se valores mínimos, médios, máximos e desvios padrão para treinamento do algoritmo Random Forest. Como resultado, verificou-se que todos os índices contribuíram para a acurácia global de 92,37%, comprovando sua alta capacidade em diferenciar vegetação de não vegetação. Os índices NBR e NBR2 foram os mais significativos ao diferenciar queimadas de desmatamentos, sendo que a alta separabilidade destes índices também foi comprovada em outros estudos no Cerrado.
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