摘要：Delinear com precisão os limites das Áreas Úmidas (AUs) e os padrões de cobertura vegetal é um passo essencial para a rápida avaliação e gestão destes ecossistemas. A Análise de Imagens Baseada em Objeto (Object-Based Image Analysis - OBIA) a partir de aprendizado de máquina e da integração de dados ópticos e de radar apresentam vantagens em relação a outras técnicas no mapeamento da cobertura vegetal nos ecossistemas de AUs. Este estudo tem como objetivo classificar tipologias de cobertura vegetal em áreas úmidas, integrando imagens ópticas e SAR dos satélites Sentinel-1 e 2A e o algoritmo Random Forest à classificação OBIA, utilizando como estudo de caso o Banhado Grande, localizado no Rio Grande do Sul. Como resultados, as polarizações VH e VV do Sentinel-1 obtiveram a maior relevância na classificação (18,6%). Entre as bandas ópticas as maiores relevâncias ocorreram para as bandas Borda Vermelha e Infravermelho Médio. A partir dos atributos ópticos, a classificação obteve acurácia de 86,2%. Quando inseridos os atributos SAR mais importantes, a acurácia aumentou para 91,3%. A classe Macrófitas Emergentes (ME), correspondente à espécie Scirpus giganteus, alcançou a melhor acurácia (91%), com área estimada em 1.507 ha. Concluímos que a integração de imagens aliada ao método de classificação possibilitou identificar e delimitar a extensão das tipologias vegetais e a área total do ecossistema. Os resultados acurados demostram que esta abordagem metodológica pode ser expandida para outras áreas úmidas palustres subtropicais.
