| 1. Identificação | ||||
| Tipo de Referência | Artigo em Revista Científica (Journal Article) | |||
| Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S | |||
| Site | mtc-m12e.sid.inpe.br (namespace prefix: upn:4CUH36S) | |||
| Identificador | 8JMKD2USNRW34T/4D8TE3B | |||
| Repositório | sid.inpe.br/mtc-m12e/2025/04.02.14.21 | |||
| Última Atualização | 2025:04.02.14.21.46 (UTC) simone | |||
| Repositório de Metadados | sid.inpe.br/mtc-m12e/2025/04.02.14.21.46 | |||
| Última Atualização dos Metadados | 2026:01.12.17.58.07 (UTC) administrator | |||
| DOI | 10.26848/rbgf.v18.2.p3715-3735 | |||
| ISSN | 1984-2295 | |||
| Chave de Citação | AndradadeGuimKupiNarv:2025:ApDaSe | |||
| Título | Aplicação de dados Sentinel 1 e 2 via Machine Learning para Mapeamento do Uso e Cobertura da Terra na Área de Proteção Ambiental do Ibirapuitã, Bioma Pampa utilizando o algoritmo de classificação Random Forest  | |||
| Ano | 2025 | |||
| Mês | Feb. | |||
| Data de Acesso | 24 out. 2026 | |||
| Tipo de Trabalho | journal article | |||
| Tipo Secundário | PRE PN | |||
| Número de Arquivos | 1 | |||
| Tamanho | 1589 KiB | |||
| 2. Contextualização | ||||
| Autor | 1 Andradade, Marcus Vinicius Maidana de 2 Guimarães, Ulisses Silva 3 Kupich, Tatiana Mora 4 Narvaes, Igor da Silva | |||
| Grupo | 1 2 3 COESU-CGGO-INPE-MCTI-GOV-BR 4 DIOTG-CGCT-INPE-MCTI-GOV-BR | |||
| Afiliação | 1 Universidade Federal de Santa Catarina (UFSC) 2 Universidade Estadual Paulista (UNESP) 3 Instituto Nacional de Pesquisas Espaciais (INPE) 4 Instituto Nacional de Pesquisas Espaciais (INPE) | |||
| Endereço de e-Mail do Autor | 1 vinicius.maidana@acad.ufsm.br 2 ulisses.guimaraes@sipam.gov.br 3 tatiana.kuplich@inpe.br 4 igor.narvaes@inpe.br | |||
| Revista | Revista Brasileira de Geografia Fisica | |||
| Volume | 18 | |||
| Número | 2 | |||
| Páginas | 3715-3735 | |||
| Nota Secundária | B1_PLANEJAMENTO_URBANO_E_REGIONAL_/_DEMOGRAFIA B2_INTERDISCIPLINAR B2_GEOGRAFIA B2_CIÊNCIAS_AMBIENTAIS B3_ENGENHARIAS_III B4_GEOCIÊNCIAS B4_ENGENHARIAS_II B4_EDUCAÇÃO B4_BIODIVERSIDADE B4_ARQUITETURA_E_URBANISMO B5_SOCIOLOGIA B5_HISTÓRIA B5_ENGENHARIAS_I B5_CIÊNCIAS_AGRÁRIAS_I B5_ANTROPOLOGIA_/_ARQUEOLOGIA C_ZOOTECNIA_/_RECURSOS_PESQUEIROS C_CIÊNCIAS_BIOLÓGICAS_I C_ASTRONOMIA_/_FÍSICA | |||
| Acervo Hospedeiro | urlib.net/www/2025/02.16.04.07 upn:4CUH36S | |||
| Histórico (UTC) | 2025-04-02 14:21:46 :: simone -> administrator :: 2025-04-02 14:21:48 :: administrator -> simone :: 2025 2025-04-02 14:22:26 :: simone -> administrator :: 2025 2026-01-12 17:58:07 :: administrator -> simone :: 2025 | |||
| 3. Conteúdo e estrutura | ||||
| É a matriz ou uma cópia? | é a matriz | |||
| Estágio do Conteúdo | concluido | |||
| Transferível | 1 | |||
| Tipo do Conteúdo | External Contribution | |||
| Tipo de Versão | publisher | |||
| Palavras-Chave | Machine Learning Pampa Biome Random Forest Sentinel-1 and 2 synergy Sinergia Sentinel 1 e 2 Random forest Machine learning Bioma Pampa | |||
| Resumo | The joint approach of optical sensor images and synthetic aperture radar (SAR) has been effective in land cover mapping. In this study, conducted in the Ibirapuitã environmental protection area, machine learning techniques were employed to classify land use and cover. The Random Forest (RF) algorithm was applied using statistical attributes from Sentinel-2 optical image products, such as Normalized Difference Vegetation Index (NDVI), Normalized Difference Water Index (NDWI), and Soil-Adjusted Vegetation Index (SAVI), along addition to attributes from images Sentinel-1 SAR images, including backscattering coefficient, polarimetric parameters, and interferometric data. The results demonstrated the robustness of the RF classifier, with average values of Overall Accuracy, Kappa Coefficient, and F1-Score reaching 96.89%, 0.9495, and 0.8909, respectively. The combination of SAR attributes and optical data allowed for better discrimination in certain classes, such as urban areas, wetlands, and agriculture. The proposed methodology achieved high accuracy and precision in land use and cover classification, except when using isolated Sentinel-1 data. Notably, the inclusion of interferometric coherence resulted in the best performance among the proposed scenarios. RESUMO: A abordagem conjunta de imagens de sensores ópticos e de radar de abertura sintética (SAR) tem sido eficaz no mapeamento da cobertura terrestre. Neste trabalho, realizado na área de proteção ambiental do Ibirapuitã, foram empregadas técnicas de machine learning para classificar o uso e a cobertura da terra. O algoritmo Random Forest (RF) foi utilizado a partir dos atributos estatísticos dos produtos derivados de imagens ópticas Sentinel-2, como o Índice de Vegetação de Diferença Normalizada (NDVI), o Índice de Água-Diferença Normalizada (NDWI) e o Índice de Vegetação-Ajustado ao Solo (SAVI), além de atributos provenientes de imagens SAR Sentinel-1, como coeficiente de retroespalhamento, parâmetros polarimétricos e interferométricos. Os resultados mostraram que o classificador RF foi robusto, com valores médios de Exatidão Global, Coeficiente Kappa e F1-Score de 96,89%, 0,9495 e 0,8909, respectivamente. A combinação de atributos SAR e dados ópticos permitiu uma melhor discriminação para algumas classes, como área urbana, área úmida e agricultura. A metodologia proposta alcançou alta acurácia e precisão na classificação de uso e cobertura da terra, exceto no uso isolado dos dados Sentinel-1. Como destaque, tem-se a introdução da coerência interferométrica que resultou no melhor resultado entre os cenários propostos. | |||
| Área | SRE | |||
| Arranjo 1 | urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCT > Aplicação de dados... | |||
| Arranjo 2 | urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGGO > Aplicação de dados... | |||
| Conteúdo da Pasta doc | acessar | |||
| Conteúdo da Pasta source | não têm arquivos | |||
| Conteúdo da Pasta agreement |
| |||
| 4. Condições de acesso e uso | ||||
| URI dos dados | upn:4CUH36S:8JMKD2USNRW34T/4D8TE3B | |||
| URL dos dados | http://urlib.net/ibi/8JMKD2USNRW34T/4D8TE3B | |||
| URL dos dados zipados | http://urlib.net/zip/8JMKD2USNRW34T/4D8TE3B | |||
| Idioma | pt | |||
| Arquivo Alvo | Andrade_et_al_2025.pdf | |||
| Grupo de Usuários | simone | |||
| Grupo de Leitores | administrator simone | |||
| Visibilidade | shown | |||
| Política de Arquivamento | allowpublisher allowfinaldraft | |||
| Permissão de Atualização | não transferida | |||
| 5. Fontes relacionadas | ||||
| Repositório Espelho | urlib.net/www/2025/02.16.04.07.51 | |||
| Unidades Imediatamente Superiores | 8JMKD3MGPCW/46KUATE 8JMKD3MGPCW/46KUBT5 | |||
| Lista de Itens Citando | sid.inpe.br/bibdigital/2022/04.03.22.23 - 106 sid.inpe.br/bibdigital/2022/04.03.22.35 - 53 sid.inpe.br/bibdigital@80/2006/04.07.15.50.13 - 8 sid.inpe.br/bibdigital@80/2006/12.20.14.49 - 4 sid.inpe.br/mtc-m21/2012/06.05.15.34.41 - 2 | |||
| Divulgação | PORTALCAPES; SCIELO; SCOPUS. | |||
| 6. Notas | ||||
| Campos Vazios | alternatejournal archivist callnumber copyholder copyright creatorhistory descriptionlevel e-mailaddress format isbn label lineage mark nextedition notes orcid parameterlist parentrepositories previousedition previouslowerunit progress project readpermission resumeid rightsholder schedulinginformation secondarydate secondarykey session shorttitle sponsor subject tertiarymark tertiarytype url | |||
| 7. Controle da descrição | ||||
| e-Mail (login) | simone | |||
| atualizar | ||||