Wood Central reportou 95,5% de acurácia para o mapa ForTy e 93,6% para o JRC GFC2020 na classificação de floresta versus não floresta, usando os mesmos 8.190 locais de validação. A diferença entre os resultados reportados é de 1,9 ponto percentual. O artigo científico do ForTy explica que essa é uma tarefa binária; para a classificação em seis categorias, o resultado do mapa foi 90,2%.
| Tarefa | ForTy v1 | Mapa do JRC |
| Floresta versus não floresta | 95,5% | JRC GFC2020: 93,6%, conforme reportado por Wood Central |
O que os resultados de ForTy medem
A validação partiu de uma amostra estratificada de 9.100 locais. Em 8.190 deles, os especialistas chegaram a um rótulo consensual; a avaliação usou o pixel central de 10 × 10 metros de cada local. O artigo de dados publicado na Scientific Data informa acurácia geral de 90,2% para as seis classes, com erro padrão de 0,3%.
Os 95,5% correspondem a outra pergunta: se o local é floresta, reunindo as quatro classes florestais, ou não floresta. Para floresta natural versus outras terras, o resultado foi 94,8%. Portanto, esses números descrevem tarefas diferentes, não três medidas intercambiáveis do mesmo resultado. A cobertura anterior da NeoTeo sobre o significado dos 90,2% de acurácia do ForTy aborda o resultado da classificação em seis classes.
O desempenho muda conforme o tipo de floresta
Na avaliação de seis classes, o F1, uma medida que combina precisão e revocação, foi de 82,9% para floresta primária e 72,6% para floresta em regeneração natural. Para floresta plantada, ficou em 58,2%; para floresta de plantação, em 66,7%. Essa variação mostra por que a acurácia geral de 90,2% não descreve igualmente o desempenho em cada categoria.
Separar floresta plantada de floresta de plantação também exige inferir o histórico de manejo a partir de imagens de satélite. O estudo usa um limiar de rotação de 40 anos como aproximação operacional para distinguir essas classes e ressalta que essa simplificação pode não representar todos os sistemas de manejo.
O que as pontuações de confiança permitem ajustar
As pontuações do ForTy são valores relativos de confiança, derivados da média das saídas de um conjunto de modelos. Elas não são probabilidades calibradas de que um pixel esteja correto. Por padrão, o mapa atribui cada pixel à classe com a maior pontuação relativa.
Ao elevar o limiar de uma classe, o usuário favorece a precisão, reduzindo classificações indevidas, mas pode deixar de identificar casos reais. Um limiar mais baixo favorece a revocação e reduz omissões. Como as pontuações não são probabilidades calibradas, o artigo recomenda avaliar os limiares com dados locais de validação quando a aplicação exigir esse ajuste.
