Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/40880
Registro completo de metadados
Campo DCValorIdioma
dc.creatorSoares, Jefferson Francisco-
dc.creatorRamirez, Gláucia Miranda-
dc.creatorCarvalho, Mirléia Aparecida de-
dc.creatorAlves, Marcelo de Carvalho-
dc.creatorSarmiento, Christiany Mattioli-
dc.creatorMarin, Diego Bedin-
dc.date.accessioned2020-05-13T17:39:57Z-
dc.date.available2020-05-13T17:39:57Z-
dc.date.issued2019-09-
dc.identifier.citationSOARES, J. F. et al. Comparison of supervised classifiers in the discrimin ation of preservation areas in a hydroelectric reservoir. Revista Agrogeoambiental, Pouso Alegre, v. 11, n. 3, p. 150-165, set. 2019.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/40880-
dc.description.abstractThe maintenance of riparian forests is considered one of the main vegetative practices for mitigating the degradation of water resources and is mandatory by law. However, in Brazil there is still a progressive and constant decharacterization of these areas. Facing this reality, it is necessary to broaden researches that identify the occurring changes and provide efficient solutions at a fast pace and low cost. Remote sensing techniques show great application potential in characterizing natural resources. The objective of this work was to map, to characterize the land use and occupation and to verify the best method of high spatial resolution image classification of the Permanent Preservation Areas of the Funil Hydroelectric Power Plant reservoir, located between the municipalities of Lavras, Perdões, Bom Sucesso, Ibituruna, Ijací and Itumirim, in the state of Minas Gerais. The methods used to classify the high spatial resolution image from the Quickbird satellite were visual, object-oriented and pixel-by-pixel. Results showed the best method for mapping land use and occupation of the study area was object-oriented classification using the K-nearest neighbor algorithm, with kappa coefficient of 0.88 and global accuracy of 91.40%.pt_BR
dc.languageenpt_BR
dc.publisherInstituto Federal de Educação, Ciência e Tecnologia do Sul de Minas Gerais - IFSULDEMINASpt_BR
dc.rightsacesso abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/*
dc.sourceRevista Agrogeoambientalpt_BR
dc.subjectRemote sensingpt_BR
dc.subjectRiparian forestspt_BR
dc.subjectKappa coefficientpt_BR
dc.subjectOverall accuracypt_BR
dc.subjectSensoriamento remotopt_BR
dc.subjectMatas ciliarespt_BR
dc.subjectCoeficiente kappapt_BR
dc.subjectExatidão globalpt_BR
dc.titleComparison of supervised classifiers in the discrimin ation of preservation areas in a hydroelectric reservoirpt_BR
dc.title.alternativeComparação de classificadores supervisionados na discriminação de áreas de preservação em reservatório hidrelétricopt_BR
dc.typeArtigopt_BR
dc.description.resumoA manutenção de matas ciliares, considerada uma das práticas vegetativas de mitigação da degradação dos recursos hídricos, é exigida por lei. Contudo, no Brasil, ainda há uma progressiva e constante descaracterização dessas áreas. Diante de tal realidade, torna-se necessário ampliar pesquisas que identifiquem as mudanças ocorridas e forneçam soluções eficientes com rapidez e baixo custo. Técnicas de sensoriamento remoto demonstram grande potencial de aplicação na caracterização dos recursos naturais. O objetivo deste trabalho foi mapear, caracterizar o uso e a ocupação do solo e verificar o melhor método de classificação de imagem de alta resolução espacial das Áreas de Preservação Permanente do reservatório da Usina Hidrelétrica de Funil, localizada entre os municípios de Lavras, Perdões, Bom Sucesso, Ibituruna, Ijaci e Itumirim no Estado de Minas Gerais. Os métodos utilizados para classificação da imagem de alta resolução espacial do Satélite Quickbird foram: visual, orientada a objetos e pixel a pixel. Os resultados demonstraram que o melhor método para o mapeamento de uso e ocupação do solo da área de estudo foi a classificação orientada a objetos, utilizando o algoritmo K-nearest neighbor, com coeficiente kappa de 0,88 e exatidão global de 91,40%.pt_BR
Aparece nas coleções:DEG - Artigos publicados em periódicos



Este item está licenciada sob uma Licença Creative Commons Creative Commons