Author(s): Isbaex, Crismeire ; Sousa, Adélia ; Gonçalves, Ana Cristina
Date: 2022
Persistent ID: http://hdl.handle.net/10174/31749
Origin: Repositório Científico da Universidade de Évora
Subject(s): cartografia; espécies florestais; Random forest; Sentinel 2
Nas últimas décadas, a deteção remota tem disponibilizado um conjunto de conhecimentos e técnicas úteis para caracterizar fenómenos dinâmicos que acontecem na superfície terrestre. A cartografia do uso e ocupação do solo (Land Use Land Cover – LULC) refletem a toma de decisões políticas sobre o ordenamento do território e principalmente, os efeitos das atividades humanas sobre os recursos florestais. Nos ecossistemas Mediterrânicos, um dos grandes desafios é produzir mapas de LULC precisos a partir de dados complexos em áreas com alta fragmentação da paisagem. Neste contexto, diversas metodologias tem mostrado que a aplicação de técnicas de classificação supervisionada (Machine Learning) com dados multiespectrais do Sentinel 2A (S2A) tem atingido bons resultados de precisão na classificação LULC. Deste modo, o principal objetivo deste estudo foi avaliar o desempenho de dados S2A para a produção de mapas de LULC, utilizando o classificador Random Forest (RF), para região do Alentejo e Algarve, no de Portugal.
