Classificação do Padrão de Ocupação Urbana de São Paulo Utilizando Aprendizagem de Máquina e Sentinel 2
DOI:
https://doi.org/10.11606/rdg.v0ispe.145784Palavras-chave:
GEE, Classificador por Aprendizagem de Máquina, Índice Temporal, Índice de TexturaResumo
Mapear o padrão de ocupação urbana e intra-urbana é essencial para planejamento das grandes cidades. O Google Earth Engine, classificação com aprendizagem de máquina e imagens do Sentinel 2 permitem uma classificação detalhada das áreas urbanas que pode ser aprimorada pelo conjunto de bandas utilizadas, algoritmo e balanceamento das amostras. Foram produzidas classificações do município de São Paulo/SP para o ano de 2017 com o melhor resultado produzido pelo Random Forest com 87,2% de exatidão global quando utiliza as bandas de reflectância, índices espectrais, temporal e de textura. O resultado demonstra a capacidade de utilizar a plataforma e imagens livres com algoritmos de aprendizagem de máquina para classificar padrão de ocupação urbana e intra-urbana.
Downloads
Downloads
Publicado
Edição
Seção
Licença
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution BY-NC-SA que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista. A licença adotada enquadra-se no padrão CC-BY-NC-SA.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
