MAPEAMENTO DA SOJA POR INTERPRETAÇÃO VISUAL E RANDOM FOREST: COMPARAÇÃO DE CONCORDÂNCIA E EFICIÊNCIA EM RIO VERDE (GO)

方法

QGIS目视解译与GEE随机森林分类，多时相光谱和NDVI，144个训练样本。

发现

人工解译一致性99.60%、Kappa 0.992，自动分类88.22%、0.762，但自动分类省时

机会点

可研究自动分类结合定向目视修订的混合制图流程，并引入独立野外样点验证。

基于轨道影像的农业制图需要在制图细节、专题一致性和处理时间之间取得平衡。本研究比较了在QGIS中对Sentinel-2影像进行的大豆目视制图与在Google Earth Engine中进行的随机森林（Random Forest）监督分类，研究区为戈亚斯州里奥韦尔德市，作物季为2024/2025年度。研究使用了光谱波段和NDVI指数构建多时相合成影像，并采用144个样本训练分类器。空间比较在随机选取的方格单元中进行，覆盖203,745公顷，并以一幅人工解译图作为参考。与参考图的总体一致率分别为：人工制图99.60%，自动分类88.22%；Kappa系数分别为0.9920和0.7624。在样本区域内，人工估计与参考图的差异为−0.38%，而自动化产品的差异为+10.08%。自动分类产生了更多小多边形，但据报告将作业时间缩短了约65%。结果表明，处理速度与对解译参考图的一致率之间存在权衡。由于参考图是基于相同通用影像来源的目视解译制作的，所获得的指标并不构成独立的野外验证。自动分类与针对性目视修订相结合，是后续工作中应予评估的一种作业替代方案。