Comparativo entre os métodos de classificação MaxVer e Random Forest utilizando imagem Sentinel-2B
DOI:
https://doi.org/10.29327/248949.21.21-2Palavras-chave:
Sensoriamento remoto, Processamento digital de imagens, VegetaçãoResumo
Resumo: A elaboração de mapas de uso e cobertura do solo por meio de algoritmos de classificação supervisionada é uma técnica que permite o monitoramento contínuo de recursos naturais em larga escala e fornece informações valiosas. Existem vários classificadores que podem ser utilizados, cada um com suas premissas específicas. Este estudo teve como objetivo comparar o desempenho de dois classificadores distintos: a Máxima Verossimilhança (MaxVer) e a Random Forest. As classificações foram realizadas no sul de Minas Gerais, em uma região com áreas agrícolas e urbanas, utilizando imagem do satélite Sentinel-2B. A Random Forest obteve o melhor desempenho entre os dois classificadores, com índice Kappa de 0,77, embora tenha apresentado problemas para detectar corpos d’água menores. Portanto, trata-se de um algoritmo indicado para um mapeamento mais preciso de áreas com características diferentes.