O presente trabalho avalia a acurácia de dois classificadores automáticos disponíveis no Sistema de Informação Geográfica SPRING para o mapeamento de uso e ocupação da terra da região cafeeira de Machado, MG. Foram utilizados os classificadores: Battacharya, "por região"; e o Máxima Verossimilhança (Maxver), "pixel a pixel" para a imagem Landsat 5 TM e como referência foi utilizada a imagem do satélite Spot 4 classificada visualmente e validada em campo. Ambos algoritmos demonstraram baixo rendimento para a região. Posteriormente às classificações, foram criadas matrizes de erro, comparando as classificações automáticas com a visual. O desempenho das classificações foi avaliado pelos índices de exatidão Global, Kappa e Tau. O baixo desempenho das classificações pode ser explicado pela região cafeeira de Machado possuir um relevo muito movimentado, proporcionando regiões sombreadas e lavouras cafeeiras contíguas a fragmentos de vegetação nativa, os quais apresentam resposta espectral semelhante.
This work evaluates the accuracy of two automatic classifiers available on the Geographic Information System SPRING to map land use in the coffee region of Machado, in the state of Minas Gerais, Brazil. The classifiers used were Battacharya, a "per region" classifier, and Maxver (maximum likelihood) a "per pixel" classifier. The algorithms were used to classify a Landsat 5 TM image. For the comparison, a Spot 4 satelite image, which was classified by visual interpretation and verified on the field, was used as ground truth. Both algorithms presented low performance for the region. After the classifications, error parameters were done comparing the automatic classifications with the visual interpretation. The accuracy of the classifications were evaluated through the Global, Kappa and Tau indices. The classifications’ low performance may be due to the region’s relief, which provides shadowed areas, and the characteristics of the coffee fields, usually contiguous to fragments of native vegetation, both of which present similar spectral signatures.
