CLASSIFICAÇÃO DIGITAL PARA IDENTIFICAÇÃO E MAPEAMENTO DE VEGETAÇÃO SECUNDÁRIA E PASTAGENS NO CERRADO

Vol 20, 2023. - 155749
Anais / Proceedings XX SBSR
Favorite this paper
How to cite this paper?
Abstract

A identificação e mapeamento de áreas de vegetação secundária e de pastagens, no Bioma Cerrado, é um grande desafio para as instituições que trabalham no monitoramento da cobertura e uso da terra no Brasil. Com o objetivo de promover avanços metodológicos para a automatização dos mapeamentos, foram executados processamentos de dados satelitários, por meio do pacote sits (Satellite Image Time Series Analysis for Earth Observation Data Cubes), para construir um modelo acurado. Amostras iniciais foram coletadas por interpretação visual e tratadas pelo método Self-organizing Maps (SOM). O modelo criado usando o algoritmo Random Forest obteve acurácia global de 96% e o mapeamento apresentou exatidão global de 89%. O classificador foi capaz de diferenciar e delimitar áreas de pastagem, áreas com predomínio de arbustos, com predomínio de indivíduos arbóreos e com estabelecimento de dossel, apesar do limite entre essas classes ser caracterizado por transições graduais da vegetação, não caracterizando bordas discretas.

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 GIZ - Deutsche Gesellschaft für Internationale Zusammenarbeit
  • 2 Embrapa Informática Agropecuária- CNPTIA
  • 3 Embrapa Informática Agropecuária
Track
  • 1. Time series analysis of remote sensing data
Keywords
BDC; sits; aprendizado de máquina; som; Random Forest