首页    期刊浏览 2024年11月24日 星期日
登录注册

文章基本信息

  • 标题:Análise do Uso e Cobertura da Terra Utilizando Imagens Sentinel-2A e Inteligência Artificial
  • 本地全文:下载
  • 作者:Matheus Frigo Wolfer ; Juliana Marchesan ; Elisiane Alba
  • 期刊名称:Anuario de Instituto de Geociencias
  • 印刷版ISSN:0101-9759
  • 电子版ISSN:1982-3908
  • 出版年度:2020
  • 卷号:43
  • 期号:4
  • 页码:395-403
  • DOI:10.11137/2020_4_395_403
  • 出版社:Universidade Federal de Rio de Janeiro
  • 摘要:O objetivo do presente estudo consistiu em avaliar a eficiência dos algoritmos de aprendizado de máquina Random Forest (RF), Support Vector Machine (SVM) e Artificial Neural Network (ANN) na classificação supervisionada de usos e cobertura da terra utilizando imagens MSI/Sentinel-2A na bacia hidrográfica do Rio Pardo – RS. O processo de classificação foi conduzido por meio do software R utilizando o pacote caret. Os algoritmos foram avaliados utilizando os valores de acurácia de 30 repetições da validação cruzada. Para cada repetição foram atribuídos pesos para ordenamento dos algoritmos de acordo com a eficiência, de modo a verificar se os mesmos se diferiram estatisticamente utilizando o teste de Friedman e Nemenyi. O algoritmo RF apresentou o melhor resultado de acurácia média (0,9973) seguido do SVM (0,9937) e ANN (0,5628). Os algoritmos se diferiram estatisticamente entre si, sendo possível inferir que o RF pode ser utilizado de forma eficiente para classificação do uso e cobertura da terra, por meio de imagens MSI/ Sentinel-2A. Neste contexto, o presente estudo demonstrou que os algoritmos de aprendizado de máquina aliados às imagens de média resolução espacial possibilitam adquirir resultados de boa precisão e confiabilidade, os quais poderão auxiliar em estudos ambientais futuros, permitindo a obtenção de resultados de forma rápida e eficiente.
  • 关键词:Aprendizado de máquina; Classificação supervisionada; Linguagem R
国家哲学社会科学文献中心版权所有