摘要：A dinâmica existente no território sempre ocupou destaque em pesquisas geográficas e, mais precisamente, ambientais. Diferentes métodos e técnicas podem ser utilizados para a realização destes estudos e, entre eles, pode-se destacar a aplicação das técnicas do sensoriamento remoto com o uso de imagens de satélites orbitais. Logo, este estudo buscou, a partir da classificação supervisionada de imagens do satélite Landsat com o uso de áreas de treinamento, ou clusters de polígonos, analisar os dados obtidos através da relação entre as dimensões das áreas classificadas com o incremento de polígonos de amostragem. Foram realizadas experimentações com três classes para os anos de 1985 e de 2018, a saber, corpos d’água, áreas antropizadas e cobertura vegetal “original”. As simulações realizadas confirmaram a hipótese apresentada, ou seja, a de que haveria uma tendência de estabilização nos dados de acordo com o incremento de áreas de treinamento. Como recomendação para futuras classificações, sugere-se a adoção de, pelo menos, cinquenta polígonos amostrais por classe, que configurem, da melhor forma possível, a região a ser classificada uma vez que tais áreas de treinamento deverão abarcar todas as características relativas às classes a serem adotadas.
其他摘要：The territory dynamics has always been prominent in geographic and, more precisely, environmental research. Different methods and techniques can be used to perform these studies, among them, it is possible to highlight the application of remote sensing techniques with the use of orbital satellite images. This study aimed to analyze the data obtained through the relationship between the dimensions of the classified areas and the increasing number of sampling polygons, based on the supervised classification of satellite images using training areas or polygon clusters. Experiments were carried out with three classes for the years 1985 and 2018, namely water bodies, anthropic areas and "original" vegetation cover. The simulations carried out confirmed the hypothesis presented, i.e., that there would be a trend of stabilization in the data according to the increase of training areas. As a recommendation for future classifications, it is suggested to adopt at least fifty sample polygons per class, which best defines the region to be classified, since such areas of training should cover all the characteristics related to the classes to be adopted.
关键词：Sensoriamento remoto;Classificação supervisionada;Áreas de treinamento;Polígonos de amostragem;Cluster de polígonos.
其他关键词：Remote sensing;Classification of satellite images;Training áreas;Cluster of polygons;Number of samples.
