Avaliação de Algoritmos de Classificação para Mapeamento de Uso e Cobertura da Terra: Um Estudo sobre Agricultura de Pequena Escala e Vegetação Secundária no Baixo Tocantins - PA.

Metodologias de mapeamento de uso e cobertura da terra, aplicadas a grandes extensões de áreas, como o bioma Amazônia, frequentemente apresentam lacunas com relação a classes que apresentam maior complexidade, como a Agricultura de Pequena Escala (AGPE), representada por pequenas feições heterogêneas. Este estudo tem como propósito a avaliação de desempenho de diferentes algoritmos de classificação do uso e cobertura da terra, com ênfase nas classes de AGPE e vegetação secundária, na região do Baixo Tocantins, com imagens Sentinel-2 para 2017. Os algoritmos de aprendizado de máquina testados foram o Random Forest, SVM, TEMPCNN e LTAE. Foram coletadas 1.753 amostras de treinamento, abrangendo 10 classes de uso e cobertura da terra. A acurácia global das classificações obtidas foi avaliada com 1.168 amostras. O algoritmo Random Forest apresentou maior exatidão global com o valor de acurácia global de 81,33% enquanto o TEMPCNN apresentou índices de acurácia mais altos na classificação da AGPE. Com isso, enfatizamos a importância da inclusão de atributos temporais na classificação, possibilitando um melhor mapeamento de classes que apresentam comportamento sazonal, como a AGPE.