English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Diferentes metodos sao empregados para a classificacao digital de imagens, porem, podem apresentar desempenhos diferentes, sendo importante testa-los para verificar suas eficacias no mapeamento de uso e cobertura da terra com intuito de se selecionar o classificador que apresente os melhores resultados e maior veracidade em relacao a verdade de campo. O objetivo deste estudo foi avaliar e comparar os desempenhos de quatro algoritmos de classificacao supervisionada para o mapeamento do uso e cobertura da terra da bacia hidrografica do Rio Caldas – GO, utilizando imagens Landsat-8. Para tanto, foram utilizadas as cenas de orbita/ponto 222/71 e 222/72, com datas de passagem em 24/10/2017 e 22/10/2017, mosaicadas para formar uma unica imagem de dimensoes que abrangesse toda a area de interesse. A composicao RGB utilizada foi das bandas 6, 5 e 4 (R=6, G=5, B=4). Para a realizacao do processamento digital da imagem foi empregado o software ENVI versao 5.0 e a elaboracao de mapas tematicos o QGIS 2.18. Os algoritmos testados foram: Paralelepipedo, Distância de Mahalanobis, Distância Minima e Maxima-verossimilhanca. Como parâmetros de comparacao foram utilizados os coeficientes de Kappa, acuracias global e matrizes de confusao. Os melhores resultados para a classificacao de uso e cobertura foram obtidos pelo metodo da Maxima-verossimilhanca (MaxVer), os piores pelo metodo do Paralelepipedo, os outros classificadores apresentaram resultados intermediarios entre o melhor e o pior. Com os resultados obtidos pela classificacao por MaxVer, constatou-se que atualmente a maior parte do solo da bacia e ocupada pelas classes Pastagem (63,14%) e Vegetacao nativa (22,07%). Comparison between different supervised classification algorithms in Landsat-8 images in the thematic mapping of the caldas river basin, Goias A B S T R A C T Different methods are used for a digital classification of images, however, they can present different performances, being important to test them to verify their efficiencies in the mapping of land use and coverage in order to select the classifier that presents the best results and greater truthfulness In relation to the truth of the field. The objective of this study was to evaluate and compare the performance of four supervised classification algorithms for the mapping of the land use and land cover of the Caldas river basin - GO, using Landsat-8 images. To do so, they were like the orbit / dot scenes 222/71 and 222/72, with passing date on 10/24/2017 and 10/22/2017, mosaicked to form a single image of dimensions covering an entire area of interest . An RGB composition used for bands 6, 5 and 4 (R = 6, G = 5, B = 4). For the realization of digital image processing and the use of ENVI version 5.0 software and the development of thematic maps, QGIS 2.18. The algorithms tested were: Parallelepiped, Mahalanobis Distance, Minimum Distance and Maximum Likelihood. As the comparison parameter is used by Kappa coefficients, global accuracy and matrices of confusion. The best results for a classification of use and coverage are obtained by the Maximum-likelihood method (MaxVer), the most common methods, the other classifiers presented the intermediates between the best and the worst. With the results obtained by classification by MaxVer, it was verified that at the moment it is part of the soil of the basin is occupied by classes Pasture (63.14%) and native vegetation (22.07%). Keywords: Use and coverage; remote sensing; geoprocessing; Landsat.

revista brasileira de geografia física

Comparação entre diferentes algoritmos de classificação supervisionada em imagens Landsat-8 no mapeamento temático da Bacia Hidrográfica do rio Caldas, Goiás