Uso do classificador Support Vector Machines para o mapeamento da cobertura do solo usando imagens de Sensoriamento Remoto

O mapeamento do uso/cobertura da terra desempenha um papel vital no planejamento e supervisão utilização dos recursos naturais com base aumento gradual das demandas humanas ecossistema atual. As detecções de mudanças na cobertura solo são essenciais para entender quais vetores degradação atuam região, além monitoramento risco ambiental entorno reservatórios abastecimento água Bioma Caatinga. sensoriamento remoto o classificador SVM fornecem uma plataforma consistente estudar as transformações paisagem em toda a superfície Terra. Este estudo objetiva uso ocupação Barragem barra Juá localizado estado Pernambuco através comparação entre sensores orbitais, Câmera Multiespectral Regular (MUX) Operational Land Instrument (OLI) satélites CBERS-4 Landsat-8 respectivamente. A análises foram baseadas Tabela Contingência obtidas por meio mapa oficial referência. Após verificações comparativas produto referência, obtidos acurácia produtor usuário médio 62,44% 71,74% MUX 60,88% 62,38% OLI, diferentes especificações capacidades técnicas os captura bem como comportamento espectral alvos relevantes variabilidade espacial temática mapas OLI. Os resultados mostraram que apresentou melhor desempenho relação aos dados Support Vector Machines classifier for land cover mapping using CBERS-4/MUX and Landsat-8/OLI images B S T R C TLand use/land plays role in planning supervising the use of natural resources based on increase human demands today's ecosystem. The detection changes is essential to understand which degradation vectors act region, addition monitoring environmental risk around water supply reservoirs Caatinga Biome. Remote sensing provide consistent platform studying landscape transformations across Earth's surface. This study aims map occupation Barra dam located state through comparison between orbital sensors, Multispectral Camera satellites respectively. analyzes were Contingency Table obtained an official reference map. After comparative verifications with product, accuracy 62.44% 71.74% 60.88% 62.38% OLI average producer user, different specifications technical capabilities sensors capture well spectral behavior targets relevant spatial thematic variability maps. results showed that presented maps better performance relation data