SciELO - Scientific Electronic Library Online

 
vol.18 issue2Augmented Reality in smartphones for cartographic information explorationBrazilian permanent orienteering training camps: the partnership between the public university and the Brazilian army in education and sport author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

Share


Boletim de Ciências Geodésicas

On-line version ISSN 1982-2170

Abstract

FRANCISCO, Cristiane Nunes  and  ALMEIDA, Cláudia Maria de. Avaliação de desempenho de atributos estatísticos e texturais em uma classificação de cobertura da terra baseada em objeto. Bol. Ciênc. Geod. [online]. 2012, vol.18, n.2, pp.302-326. ISSN 1982-2170.  http://dx.doi.org/10.1590/S1982-21702012000200008.

Este artigo tem como objetivo avaliar o desempenho de duas redes semânticas geradas por mineração de dados para a classificação de cobertura da terra por meio de análise de imagens baseada em objetos geográficos (GEographic Object-Based Image Analysis - GEOBIA). Para isto, uma rede utilizou-se de descritores estatísticos e texturais, e a outra, apenas de descritores estatísticos. A base de dados foi constituída de imagens ALOS/AVNIR fusionadas com imagens ALOS/PRISM e dados de relevo provenientes do banco de dados TOPODATA. A área de estudo corresponde ao município de Nova Friburgo, com 933 km², localizado na região serrana do estado do Rio de Janeiro. O índice Kappa alcançado pela classificação baseada em árvore de decisão composta por descritores estatísticos e texturais foi de 0,81, enquanto que este valor para a classificação derivada apenas de descritores estatísticos foi de 0,84. Considerando os índices alcançados, conclui-se que ambos os resultados apresentam excelente qualidade quanto à acurácia da classificação. O teste de hipótese entre os dois índices mostra, com nível de significância de 5%, que não há diferenças entre as duas classificações quanto à acurácia.

Keywords : Redes Semânticas; Classificação de Imagens; Mineração de Dados; ALOS.

        · abstract in English     · text in Portuguese     · Portuguese ( pdf epdf )

 

Creative Commons License All the contents of this journal, except where otherwise noted, is licensed under a Creative Commons Attribution License