Derivação de variáveis biofísicas a partir de dados de observação da Terra: validação e medidas estatísticas

A avaliação é uma etapa essencial do desenvolvimento de modelos. No entanto, falta uma definição de estratégias de validação apropriadas, necessárias para garantir a reprodutibilidade e a generalização dos resultados da modelagem. Além disso, há uma carência de um conjunto de medidas estatísticas 'otimais' geralmente concordadas para avaliar a precisão do modelo. O objetivo do presente estudo é fornecer aos praticantes de sensoriamento remoto (ou seja, não estatísticos) orientações para estratégias de validação de modelos e propor um conjunto otimizado de medidas estatísticas para a avaliação quantitativa do desempenho do modelo no contexto da recuperação de variáveis biofísicas da vegetação a partir de dados de observação da Terra (EO). Para esses fins, os principais termos e conceitos foram revisados. Em seguida, as estratégias de validação foram testadas em um modelo de regressão polinomial e discutidas. Além disso, uma revisão da literatura foi realizada, resumindo as medidas estatísticas usadas para avaliar o desempenho dos modelos. Apoiado por alguns conjuntos de dados exemplares, essas medidas foram calculadas e seus significados discutidos em vista de vários critérios de validação de modelos. Com base nos resultados, recomendamos explorar ainda mais estratégias de validação cruzada e bootstrapping para garantir o desenvolvimento/validação de modelos confiáveis. Um conjunto de estatísticas 'otimais' é sugerido, incluindo erro quadrático médio (RMSE), coeficiente de determinação (R²), inclinação e intercepto da regressão de Theil-Sen, RMSE relativo e índice de eficiência de Nash-Sutcliffe. Uma ampla aceitação e uso dessas estatísticas devem possibilitar uma melhor intercomparação dos resultados científicos, urgentemente necessária em tempos de aumento das atividades de desenvolvimento de modelos que estão sendo realizadas em relação às próximas missões de EO.