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 | State University of Mato Grosso (UNEMAT) | - |
Autor(es): dc.contributor | Post-Graduate Program in Biodiversity and Biotechnology of Legal Amazon (PPG-BIONORTE) | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | Post-Graduate Program in Biodiversity and Amazonian Agroecosystems | - |
Autor(es): dc.contributor | Universidade Federal de Mato Grosso do Sul (UFMS) | - |
Autor(es): dc.creator | Della-Silva, João Lucas | - |
Autor(es): dc.creator | Pelissari, Tatiane Deoti | - |
Autor(es): dc.creator | dos Santos, Daniel Henrique | - |
Autor(es): dc.creator | Oliveira-Júnior, José Wagner | - |
Autor(es): dc.creator | Teodoro, Larissa Pereira Ribeiro | - |
Autor(es): dc.creator | Teodoro, Paulo Eduardo | - |
Autor(es): dc.creator | Santana, Dthenifer Cordeiro | - |
Autor(es): dc.creator | de Oliveira, Izabela Cristina | - |
Autor(es): dc.creator | Rossi, Fernando Saragosa | - |
Autor(es): dc.creator | Silva Junior, Carlos Antonio da | - |
Data de aceite: dc.date.accessioned | 2025-08-21T21:02:42Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T21:02:42Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2024-08-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.rsase.2024.101257 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/309355 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/309355 | - |
Descrição: dc.description | The dynamics of land use and land cover (LULC) are of great importance for the management of natural resources, sustainable development and urban planning over geographic space, and this condition is sometimes supported by geoprocessing and remote sensing techniques. In addition, machine learning methods automate the classification and modeling of spatialized prediction processes on orbital images, and with the high precision and adherence of these data, important results and conclusions are the result of these methods. The decision for which classification typology presents the best results is related to the application and considering the LULC prediction as input to a cellular automata (CA) network, the performances of Classification and Regression Tree (CART), Random Forest (RF) and Minimum Distance (MID) for predicting land use and occupation in Sinop, Brazil were assessed. Using the median of the reference years 2013 and 2015 to create a transition potential modelling (TPM) neural network, and then predict a scenario in 2017, the performance was verified with Kappa and global accuracy (OA) statistics. With the highest performance, the RF typology reached the best performance in an area of mostly agricultural occupation, separated into four classes (native forest, urban area, water and bare soil/agricultural activity). The errors inherent to each classifier were decisive for a greater prediction error, where the other classifiers (CART and MID) mistakenly classified the urban area class, but which statistically were not gross errors. Considering the ground truth and the best statistical performance, the prediction of land use and occupation for a scenario as seen in Sinop potentially achieves better results with the Random Forest classifier. | - |
Descrição: dc.description | State University of Mato Grosso (UNEMAT), Mato Grosso | - |
Descrição: dc.description | Post-Graduate Program in Biodiversity and Biotechnology of Legal Amazon (PPG-BIONORTE), Mato Grosso | - |
Descrição: dc.description | State University of São Paulo (UNESP) Post-Graduate Program in Agronomy, São Paulo | - |
Descrição: dc.description | State University of Mato Grosso (UNEMAT) Post-Graduate Program in Biodiversity and Amazonian Agroecosystems, Mato Grosso | - |
Descrição: dc.description | Federal University of Mato Grosso do Sul (UFMS) Department of Agronomy, Chapadão do Sul, Mato Grosso do Sul | - |
Descrição: dc.description | State University of Mato Grosso (UNEMAT) Department of Geography, Mato Grosso | - |
Descrição: dc.description | State University of São Paulo (UNESP) Post-Graduate Program in Agronomy, São Paulo | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Remote Sensing Applications: Society and Environment | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Decision tree | - |
Palavras-chave: dc.subject | Landsat | - |
Palavras-chave: dc.subject | Neural net | - |
Palavras-chave: dc.subject | Random forest | - |
Título: dc.title | Land use predicition accuracy of different supervised classifiers over agriculture and livestock economy-based municipality in Brazil | - |
Tipo de arquivo: dc.type | livro digital | - |
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: