CLASSIFICAÇÃO DE IMAGENS COM DISTINTOS PARÂMETROS UTILIZANDO O GOOGLE EARTH ENGINE E ALGORITMO DE APRENDIZADO DE MÁQUINA

O mapemento do uso e cobertura do solo para um dado território é de extrema importância para diversas análises socioambientais e econômicas. O uso da plataforma Google Earth Engine (GEE) e algoritmos de aprendizado de máquina ganham cada vez mais destaque nesse processo. Nesse artigo objetivamos avaliar, por meio da plataforma GEE e o algoritmo Random Forest, três modelos de classificação, utilizando diferentes bandas espectrais de imagens Planet, junto com índices de vegetação derivados desse conjunto de dados. As imagens referem-se ao ano de 2022, cobrindo uma grande área da região Centro-Sul do estado de Goiás. O modelo utilizando a maior quantidade de parâmetros (63) foi o que obteve mapas mais detalhados e com a maior acurácia, quando comparado aos modelos com 12 e 21 parâmetros, demonstrando a importância de se utilizar parâmetros variados para o processo de classificação e não apenas as tradicionais bandas RGB deste sensor.