To cite this paper use one of the standards below:
Este estudo propõe uma metodologia semiautomática de classificação de séries temporais para monitorar a supressão de vegetação nativa no Prodes Mata Atlântica (MA). Foram analisadas três áreas com intensa ocorrência de nuvens e desmatamentos utilizando imagens Sentinel-2 de 2023, com 10 m de resolução, obtidas pelo Brazil Data Cube (BDC). O algoritmo Random Forest foi utilizado para o treinamento e classificação de 3.163 pontos amostrais, alcançando acurácia geral entre 79% e 95%, e estatística por classe de até 99%. Apesar da dificuldade em separar classes com semelhanças espectrais, a validação cruzada por k-fold demonstrou média superior a 0,77 em áreas com alta cobertura de nuvens, resultando em mapas de probabilidade com níveis de precisão de 76%, 87% e 86%. O estudo aponta a necessidade de refinamentos futuros no aprimoramento da separabilidade entre classes com padrões espectro-temporais similares.
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