Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual de Campinas (UNICAMP) | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA) | - |
Autor(es): dc.creator | Pereira, P. R.M. | - |
Autor(es): dc.creator | Costa, F. W.D. [UNESP] | - |
Autor(es): dc.creator | Bolfe, E. L. | - |
Autor(es): dc.creator | MacArringe, L. | - |
Autor(es): dc.creator | Botelho, A. C. | - |
Data de aceite: dc.date.accessioned | 2022-08-04T22:11:54Z | - |
Data de disponibilização: dc.date.available | 2022-08-04T22:11:54Z | - |
Data de envio: dc.date.issued | 2022-04-28 | - |
Data de envio: dc.date.issued | 2022-04-28 | - |
Data de envio: dc.date.issued | 2021-06-17 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.5194/isprs-annals-V-3-2021-167-2021 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/222249 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/222249 | - |
Descrição: dc.description | One of the main applications of satellite images is the characterization of terrestrial coverage, that from the use of classification techniques, allows the monitoring of spatial transformations of the terrestrial surface, this process being directly associated with the potential of classifiers to differentiate the most diverse data present in the images, a fundamental aspect for the use of remote sensing data. This article evaluates the performance of different classification algorithms in the mapping classes of land use and land cover in medium resolution images from the Landsat 8 program, the test area of this test corresponds to the Municipality of Tasso Fragoso (State Maranhão - Brazil), stands out for a typical vegetation cover of the Cerrado Biome, presents similar spectral patterns that induce high difficulty of class differentiation automatically. In this paper, were analyzed the machine learning algorithms C5.0 and Random Forest in comparison to traditional classification algorithms being the Minimum Distance and the Spectral Angle Mapper. The best results were generated by Random Forest with 90% accuracy and Kappa of 0.861, followed by the C5.0 algorithm. Traditional algorithms, on the other hand, presented a lower precision rate with global accuracy, not exceeding 75% of accuracy and Kappa varying between 0.507 and 0.627. The accuracy of the producer showed that all the algorithms, in major or minor tendency presented difficulties in to differentiate the areas, with rates of mistakes varying between 25 and 75%, being the main, the confusion with pastoral areas. | - |
Descrição: dc.description | University of Campinas - Unicamp Graduate Programme in Geography | - |
Descrição: dc.description | Faculdade de Ciências e Tecnologia - UNESP PP | - |
Descrição: dc.description | Brazilian Agricultural Research Corporation Embrapa Informática Agropecuária | - |
Descrição: dc.description | Faculdade de Ciências e Tecnologia - UNESP PP | - |
Formato: dc.format | 167-173 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Cerrado Biome | - |
Palavras-chave: dc.subject | Digital Classification | - |
Palavras-chave: dc.subject | Landsat 8 | - |
Palavras-chave: dc.subject | Maranhão State | - |
Palavras-chave: dc.subject | Performance Indexes | - |
Título: dc.title | Comparison of classification algorithms of images for the mapping of the land covering in tasso fragoso municipality, Brazil | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: