Resumo:Na porção norte da Amazônia brasileira, as savanas, florestas estacionais e terras agropecuárias formam uma paisagem complexa, onde o mapeamento de uso e cobertura da terra é uma tarefa desafiadora. Nesse trabalho, dados Landsat-8/OLI e ALOS-2/PALSAR-2 foram combinados para mapeamento de 17 classes de uso e cobertura da terra usando o algoritmo Random Forest. O potencial de cada conjunto de dados foi analisado separadamente e em comparação ao modelo híbrido. Os resultados mostraram que o modelo híbrido com as polarizações PALSAR-2 HH/HV e seis bandas de reflectância do OLI produziu os melhores resultados, com acurácia global de 83% e Kappa de 0,81. Isto representou um aumento de 6% em relação à classificação das bandas do OLI somente. Os modelos usando os dados ópticos produziram resultados melhores do que os do SAR. Entretanto, a maior contribuição do PALSAR-2 foi melhorar a discriminação de classes de savana com menor biomassa, como os campos limpos e campos cerrados.
Palavras-chave:
Random Forest; uso e cobertura da terra; classificação híbrida