O presente trabalho consistiu em classificar parte de uma imagem IKONOS II, localizada no município de Serra do Salitre, estado de Minas Gerais, utilizando seis algoritmos de classificação, sendo três por pixels e três por regiões, visando o mapeamento da cobertura terrestre. Os algoritmos foram: Máxima Verossimilhança, Distância Euclidiana Mínima, Redes Neurais, Bhattacharya, Isoseg e Histograma. O cálculo das acurácias de classificação, pelo índice Kappa, foi feito com 250, 500, 750 e 1000 pixels, para verificar se haveria perda de exatidão ao se utilizar um menor número de amostras. Para essa comprovação, verificou-se se existiam diferenças estatísticas significativas entre os índices Kappa encontrados após as classificações. Os resultados indicaram que as classificações geradas pelos algoritmos que trabalham com uma imagem segmentada geraram imagens temáticas com qualidades visuais muito superiores aos que não utilizam este procedimento. Além do que, não houve diferença estatística significativa, a 95% de probabilidade, entre os índices Kappa, ao se variar o tamanho das amostras de testes. Houve diferença estatística significativa, a 95% de probabilidade, ao se comparar os índices Kappa gerados pelas classificações por pixel e por região, o que não ocorreu ao se comparar os três algoritmos por pixel, entre si, e os três algoritmos por regiões, também entre si. Os algoritmos de classificação por pixels apresentaram valores de índice Kappa considerados razoáveis enquanto que os algoritmos por regiões apresentaram resultados excelentes, com o Isoseg obtendo os melhores índices. O aumento do tamanho das amostras de testes para avaliação das imagens classificadas não demonstrou, estatisticamente, melhorias no cálculo do índice de exatidão kappa.
The present work consisted in classifying part of an IKONOS II image, from the municipality of Serra do Salitre, Minas Gerais State, Brazil, using six classification algorithms, three of them by pixels and three by regions, to map the ground cover. The algorithms were: Maximum Likelyhood, Minimum Euclydian Distance, Neural Nets, Bhattacharya, Isoseg and Hystogram. The calculations of the accuracy classification, made by the Kappa index, were performed with 250, 500, 750 and 1,000 pixels, to check any accuracy loss if smaller number of samples were used. For this check up it was verified if there were significant statistical differences among the kappa indexes found after the classifications or not. The results indicated that the classifications generated by the algorithms that work with a segmented image generated thematic images with a much higher visual quality than those that did not use this method. Besides, there was not a significant statistical difference, at 95% probability, among the kappa indexes, when the size of the test samples were varied. There was a significant statistical difference, at 95% probability, when comparing the kappa indexes generated by the classifications by pixel and by region. This did not occur when comparing the three algorithms by pixels with one another, and the three algorithms by regions also between each other. The classification algorithms by pixels showed values of kappa indexes considered fairly good while the algorithms by regions showed excellent results, with the Isoseg obtaining the best indexes. The increase in the size of the samples of the tests for the evaluation of the classified images did not statistically show improvements in the kappa accuracy index calculation.
