Desempenho de algoritmos classificadores em imagens Landsat - 8 para mapeamento de soja e milho

Carlos Eduardo Vizzotto Cattani, Lucas Volochen Oldoni, Erivelto Mercante, Ivã Luis Caon, Isaque de Souza Mendes, Bruno Bonemberger da Silva

Resumo


A soja e o milho estão entre as principais culturas de interesse econômico do agronegócio brasileiro. Estudos e pesquisas referentes ao acompanhamento da produção agropecuária tem um peso determinante e estratégico na economia do país. Os métodos tradicionais de previsão de safras nem sempre resultam em estimativas precisas, e dificultam a espacialização da produção. Neste contexto a associação das técnicas de sensoriamento remoto e métodos estatísticos podem tornar as estimativas menos subjetivas. O objetivo deste trabalho foi realizar a identificação da área semeada com soja e milho, para a safra 2013/2014, na região oeste do Paraná, comparando métodos de classificação supervisionada (“pixel a pixel”) com o método de Segmentação (regiões e formas), em imagens Landsat-8, bem como avaliar o desempenho dos classificadores na identificação destas culturas. Dos classificadores utilizados o algoritmo SAM (Spectral Angle Mapper) e Segmentação, obtiveram os melhores resultados, com Índice Kappa (K) de 0,77 e Exatidão Global (EG) de 85,0%, e maiores valores de acurácia de produtor e usuário (AP e AU), para ambas as classes milho e soja.


Palavras-chave


Sensoriamento remoto; processamento de imagens; previsão de safras.

Texto completo:

PDF


Direitos autorais 2019 Acta Iguazu

Licença Creative Commons
Esta obra está licenciada sob uma licença Creative Commons Atribuição - Não comercial - Compartilhar igual 4.0 Internacional.

Revista Acta Iguazu


ISSN 2316-4093 (versão eletrônica)

Unioeste - Universidade Estadual do Oeste do Paraná
Campus de Cascavel
Programa de Pós-Graduação em Engenharia de Energia na Agricultura

Rua Universitária, 1619 - Jardim Universitário
Cascavel – Paraná - CEP: 85819-110
E-mail: revista.actaiguazu@unioeste.br