CLASSIFICAÇÃO ORIENTADA A OBJETOS EM IMAGENS MULTITEMPORAIS LANDSAT APLICADA NA IDENTIFICAÇÃO DE CANA-DE-AÇÚCAR E SOJA
Conteúdo do artigo principal
Resumo
A presente pesquisa teve por objetivo avaliar a potencialidade de dados multitemporais Landsat para classiï¬cação de cana-de-açúcar e de soja, conjuntamente, quando realizada via Análise de Imagens Orientada a Objetos (OBIA/ Random Forest). Foi utilizado um segmentador multi-resolução (SM) para gerar os polígonos (objetos). Um conjunto de 500 segmentações foi criado pela variação dos parâmetros Fe (fator de escala), Fm (forma) e Cp (compacidade), e avaliado pelo índice de Avaliação da Segmentação (IAVAS). Da segmentação que obteve menor IAVAS, foram extraídos os atributos espectrais das médias e desvios-padrão das bandas TM/Landsat-5 [setembro (S) e outubro (O) do ano 2000] e ETM+/Landsat-7 [fevereiro (F) e março (M) do ano 2001] dos objetos, e seus NDVIs. Estes atributos foram inseridos no algoritmo Random Forest (RF) e as exatidões das classiï¬cações foram testadas quanto ao uso dos seguintes conjuntos de datas: SOFM; SFM; OFM; SOF; FM; OF; SF; e F. O IAVAS deï¬niu Fe (35), Fm (30) e Cp (50) como melhores parâmetros de segmentação. As melhores exatidões de classiï¬cação Random Forest situaram-se em torno de 86%. Duas datas produziram melhor resultado que apenas uma, entretanto, o uso de mais de duas não produziu melhora signiï¬cativa na exatidão ï¬nal da classiï¬cação.
Downloads
Detalhes do artigo
Seção
Artigos
Esta obra está licenciado com uma Licença Creative Commons Attribution 3.0 Unported License.
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Atribuição que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (veja "O Efeito do Acesso Aberto").
Como Citar
SCHULTZ, Bruno; FORMAGGIO, Antonio Roberto; EBERHARDT, Isaque Daniel Rocha; SANCHES, Ieda Del'Arco; DE OLIVEIRA, Julio Cesar; LUIZ, Alfredo José Barreto. CLASSIFICAÇÃO ORIENTADA A OBJETOS EM IMAGENS MULTITEMPORAIS LANDSAT APLICADA NA IDENTIFICAÇÃO DE CANA-DE-AÇÚCAR E SOJA. Revista Brasileira de Cartografia, [S. l.], v. 68, n. 1, 2016. DOI: 10.14393/rbcv68n1-44476. Disponível em: https://seer.ufu.br/index.php/revistabrasileiracartografia/article/view/44476. Acesso em: 16 jun. 2025.
6
0
(2020)
Using Landsat and soil clay content to map soil organic carbon of oxisols and Ultisols near São Paulo, Brazil.
Geoderma Regional, 21, e00253.
(2020)
Emissivity of agricultural soil attributes in southeastern Brazil via terrestrial and satellite sensors.
Geoderma, 361, 114038.
(2019)
A generalized space-time OBIA classification scheme to map sugarcane areas at regional scale, using Landsat images time-series and the random forest algorithm.
International Journal of Applied Earth Observation and Geoinformation, 80, 127.
(2018)
Generalized space-time classifiers for monitoring sugarcane areas in Brazil.
Remote Sensing of Environment, 215, 438.
(2021)
Pattern Recognition and Remote Sensing techniques applied to Land Use and Land Cover mapping in the Brazilian Savannah.
Pattern Recognition Letters, 148, 54.
(2016)
Cloud Cover Assessment for Operational Crop Monitoring Systems in Tropical Areas.
Remote Sensing, 8(3), 219.