Classificação de fitofisionomias de Cerrado a partir de fusão de imagens de sensoriamento remoto
| dc.creator | Rios, Jovan Martins | |
| dc.creator | Fonseca, Carolinne de Sousa | |
| dc.creator | Santos, Alex Mota dos | |
| dc.creator | Venturoli, Fábio | |
| dc.date.accessioned | 2025-07-14T14:40:04Z | |
| dc.date.available | 2025-07-14T14:40:04Z | |
| dc.date.issued | 2019 | |
| dc.description.abstract | On-site monitoring of the Cerrado vegetation cover becomes impracticable due large coverage. The objective of this work was to perform the image fusion of the CBERS-4 satellite and to analyze the performance of the use of the fusion in the process of vegetation classification and soil occupation in the RPDS - Legado Verdes do Cerrado. The MUX sensors were selected to form the RGB false-color image and the PAN5m, followed by the substitution fusion process, using the IHS method. The results revealed that the fusion of images generated a gain of visual and spatial quality, improving the information used as a basis for classification. The thematic map had an overall performance of 84.83% and average confusion of 15.17% when using fusion, and 77.66% and 22.34% when using only image with RGB composition. On-site sampling contributed to the acquisition of the sample polygons and the correct definition of the classes, but the confounding values still considered high. | |
| dc.description.resumo | O monitoramento in loco da cobertura vegetal do Cerrado se torna inviável devido a grande extensão das áreas. Assim, a alternativa recai sobre métodos indiretos, dos quais inclui o uso de imagens de sensoriamento remoto. O objetivo deste trabalho foi realizar a fusão de imagens do satélite CBERS-4 e analisar o desempenho da utilização da fusão no processo de classificação da vegetação e ocupação do solo na RPDS – Legado Verdes do Cerrado. Foram selecionados os sensores MUX para formar a imagem com falsa-cor RGB e o PAN5m, em seguida o processo de fusão por substituição, pelo método IHS. Os resultados revelaram que a fusão de imagens gerou ganho de qualidade visual e espacial, aprimorando as informações usadas como base para a classificação. O mapa temático teve desempenho geral de 84,83% e confusão média de 15,17 % quando utilizado a fusão, e 77,66% e 22,34% quando utilizado apenas a imagem com composição RGB. A amostragem in loco contribuiu para a aquisição dos polígonos amostrais e a correta definição das classes, porém os valores de confusão ainda considerados altos. | |
| dc.identifier.citation | RIOS, Jovan Martins et al. Classificação de fitofisionomias de Cerrado a partir de fusão de imagens de sensoriamento remoto. TreeDimensional, Goiânia, v. 4, n. 7, p. 12-20, 2019. DOI: 10.18677/TreeDimensional_2019A2. Disponível em: https://treedimensional.org/archives/9. Acesso em: 1 jul. 2025. | |
| dc.identifier.doi | 10.18677/TreeDimensional_2019A2 | |
| dc.identifier.issn | e- 2447-9829 | |
| dc.identifier.uri | https://repositorio.bc.ufg.br//handle/ri/28018 | |
| dc.language.iso | por | |
| dc.publisher.country | Brasil | |
| dc.publisher.department | Escola de Agronomia - EA (RMG) | |
| dc.rights | Acesso Aberto | |
| dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | |
| dc.subject | Sensoriamento remoto | |
| dc.subject | Fusão | |
| dc.subject | CBERS 4 | |
| dc.subject | Mapeamento | |
| dc.subject | Cerrado | |
| dc.subject | Remote Sensing | |
| dc.subject | Fusion | |
| dc.subject | Mapping | |
| dc.title | Classificação de fitofisionomias de Cerrado a partir de fusão de imagens de sensoriamento remoto | |
| dc.title.alternative | Classification of closed vegetation types from the fusion of remote sensing images | |
| dc.type | Artigo |