Para citar este trabalho use um dos padrões abaixo:
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%.
Com ~200 mil publicações revisadas por pesquisadores do mundo todo, o Galoá impulsiona cientistas na descoberta de pesquisas de ponta por meio de nossa plataforma indexada.
Confira nossos produtos e como podemos ajudá-lo a dar mais alcance para sua pesquisa:
Esse proceedings é identificado por um DOI , para usar em citações ou referências bibliográficas. Atenção: este não é um DOI para o jornal e, como tal, não pode ser usado em Lattes para identificar um trabalho específico.
Verifique o link "Como citar" na página do trabalho, para ver como citar corretamente o artigo