Algoritmos de aprendizado de máquina para classificação de soja em imagens landsat-8

O estado do Parana ocupa uma posicao importante no cenario nacional na producao de soja, sendo responsavel por mais de 18% da producao brasileira, produzindo mais do que o quarto maior produtor mundial, a China. Para monitorar a producao agricola, a informacao de area e fundamental neste processo. Diversas tecnicas e metodos podem ser empregados, incluindo algoritmos de Aprendizado de Maquina ( Machine Learning) . Logo, este trabalho tem como objetivo comparar quatro tecnicas de aprendizado de maquina para mapear a area de soja a partir de imagens do sensor Landsat-8 no estado do Parana, durante a safra de verao 2013/2014. Os algoritmos empregados no processo foram o Random Forest (RF), Model Averaged Neural Network (MANet), Classification and Regression Trees (CART) e o Extreme Learning Machine (ELM). Todos receberam os mesmos dados de treinamento (38 areas de soja e 28 areas nao-soja) e as bandas de 1 a 7 do sensor Landsat-8 no tile 223/77 do dia 18/12/2013. A avaliacao da acuracia (Exatidao Global e indice Kappa) foi realizada para cada classificacao, sendo que tecnica MANet apresentou os melhores resultados (Kappa = 0,9993 e EG = 0,9505) e o ELM o pior (Kappa = 0,9980 e EG = 0,8855).