Favorite this paper
How to cite this paper?
Abstract

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.

Share your ideas or questions with the authors!

Did you know that the greatest stimulus in scientific and cultural development is curiosity? Leave your questions or suggestions to the author!

Sign in to interact

Have a question or suggestion? Share your feedback with the authors!

Institutions
  • 1 National Institute for Space Research | (Instituto Nacional de Pesquisas Espaciais)
  • 2 Instituto Nacional de Pesquisas Espaciais
Track
  • 14. Artificial intelligence for earth observation
Keywords
machine learning
monitoramento ambiental
Prodes
análise espectral
desmatamento