Mapeamento Da Soja Por Interpretação Visual E Random Forest: Comparação De Concordância E Eficiência Em Rio Verde (go)
Year: 2026
Type: article
Abstract: O mapeamento agrícola por imagens orbitais requer equilíbrio entre detalhamento cartográfico, concordância temática e tempo de processamento. Este estudo comparou o mapeamento visual da soja em imagens Sentinel-2, realizado no QGIS, com a classificação supervisionada Random Forest no Google Earth Engine, no município de Rio Verde, Goiás, na safra 2024/2025. Foram utilizadas bandas espectrais e o índice NDVI em composições multitemporais, com 144 amostras para treinamento do classificador. A comparação espacial foi realizada em quadrículas selecionadas aleatoriamente, abrangendo 203.745 hectares, com um mapa interpretativo elaborado para referência. A concordância global com essa referência foi de 99,60% para o mapeamento manual e 88,22% para a classificação automatizada; os coeficientes Kappa foram, respectivamente, 0,9920 e 0,7624. Na área amostral, a estimativa manual diferiu da referência em −0,38%, enquanto o produto automatizado apresentou diferença de +10,08%. A classificação automatizada produziu maior quantidade de polígonos pequenos, mas reduziu o tempo operacional relatado em aproximadamente 65%. Os resultados indicam uma troca entre agilidade de processamento e concordância com a referência interpretativa. Como o mapa de referência foi produzido por interpretação visual das mesmas fontes gerais de imagens, os índices obtidos não constituem validação independente de campo. A combinação entre classificação automatizada e revisão visual direcionada constitui alternativa operacional a ser avaliada em trabalhos posteriores.
Source: Revista Contemporânea
DOI: 10.56083/rcv6n10-088
Institution: Universidade Federal de Santa Catarina
Language: Portuguese
Subfield: Ecology
Field: Environmental Science
Domain: Physical Sciences
SDGs: Zero hunger, Life on land
Open Access status: diamond
OpenAlex ID: W7224951006