|
|
|
|
|
| CAON, I. L.; BECKER, W. R.; GANASCINI, D.; CATTANI, C. E. V.; MENDES, I. de S.; PRUDENTE, V. H. R.; OLDONI, L. V.; ANTUNES, J. F. G.; MERCANTE, E.. |
| RESUMO. O uso combinado de sensores com melhor resolução temporal com sensores de melhor resolução espacial, têm permitido o mapeamento detalhado da superfície terrestre. Desse modo destacam-se os algoritmos de predição, que são capazes de unir a melhor resolução espacial de um sensor a melhor resolução temporal de outro. Além das resoluções das imagens, o uso de algoritmos de classificação eficientes é decisivo para se obter elevada acurácia nos mapeamentos. Assim, o objetivo desse trabalho foi comparar os classificadores Random Forest e Máxima Verossimilhança, com diferentes modos de entrada de dados, a fim de definir qual o melhor classificador. Os resultados apontaram que o algoritmo Random Forest apresentou as maiores métricas de acurácia. |
| Tipo: Artigo em anais de congresso (ALICE) |
Palavras-chave: Fusão de imagens; STARFM; Classificação de imagens; Cobertura da terra; Algoritmo Random Forest; Image fusion; Image classification; Uso da Terra; Land use; Land cover. |
| Ano: 2019 |
URL: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1108719 |
| |
|
| |
|
|
|
