Classificação Supervisionadas de Imagens Sentinel 2 com Machine Learning no Google Earth Engine

O objetivo deste trabalho foi avaliar o uso do Mapeamento de uso do solo realizado pelo MapBiomas, como conjunto amostral de treinamento para classificação supervisionada de Imagens Sentinel 2. Para a classificação foram utilizados os classificadores Classification and Regression Trees (CART), Random Forest (RF) e Gradient Tree Boost (GTB), implementados no Google Earth Engine (GEE). A região de estudo usada na classificação foi a região fitogeográfica Savana, localizada no estado do Paraná. A classificação por RF obteve a maior acurácia espacial com um índice Kappa de 0,94 e exatidão global de 96 %.