Avaliação e mapeamento de pastagens com diferentes níveis de degradação a partir de classificação digital de imagens sentinel-2, por meio do algoritmo random forest: estudo de caso de Valença/RJ e arredores.

• Autor(a) principal: ALMEIDA, M. B. F. de
• Data de Publicação: 2023
• Outros Autores: SIMÕES, M., FERRAZ, R. P. D., KUCHLER, P. C.
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice)
• Texto Completo: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1156752; https://doi.org/10.54751/revistafoco.v16n6-004
• topic: Índices de vegetação; Normalized Canopy Index (NCI); Texturas GLCM; Séries temporais; Aprendizado de máquina

O presente trabalho objetivou desenvolver uma metodologia de avaliação e mapeamento de pastagens com diferentes níveis de degradação, com base em técnicas de Sensoriamento Remoto. Utilizou-se imagens Sentinel-2, índices de vegetação, texturas GLCM e amostras de campo (peso e altura da biomassa das pastagens). O processamento das imagens digitais foi realizado no R e no Google Earth Engine usando o algoritmo random forest. No R, obteve-se informações sobre as imagens mais importantes; e no Google Earth Engine, realizou-se o processamento da série temporal principal. O índice de vegetação NCI foi a imagem mais importante, apresentando correlação de R2 = 0,722 com o peso da biomassa. Os resultados revelaram que na área de estudo tem-se: N1 (52.72%), N2N3 (32.56%) e N4 (14.72%). As acurácias alcançadas foram as seguintes: Acurácia Global = 0,93; Kappa = 0,89; e F-score (N1 = 0,97, N2N3 = 0,93, N4 = 0,88).