Abstract Artisanal and small-scale gold mining can occur on land or in riverbeds. However, the activity needs to be supported by a Mining Permit, issued by the Agência Nacional de Mineração, which is the Brazilian institution responsible for mining management, and the appropriate environmental license from the competent environmental agency. The use of images from Sentinel-2 satellites presents itself as a potential tool for identifying gold mining vessels due to the temporal resolution, free imagery, global coverage, and more refined spatial resolution. So, this study aimed to identify gold mining vessels on the Madeira River near Porto Velho city, Rondônia state, located at Brazilian Amazon, in 13 Sentinel-2 images from 2018 to 2021 using the classifiers: Support Vector Machine (SVM), K-Nearest Neighbors (KNN) Random Forest (RF) and Spectral Angle Mapper (SAM). The results showed that machine learning classifiers obtained the best performance, especially the object-oriented SVM classifier, which had the best average F1 score (0.91). In addition, the detection percentage of gold mining vessels originated by this classifier was satisfactory, with only 0 to 4 active gold mining vessels with sediment plumes being omitted per image. Therefore, based on the results obtained, it was concluded that the use of machine learning classifiers proved to be effective in identifying gold mining vessels. smallscale small scale riverbeds However Permit Mineração management agency Sentinel2 Sentinel 2 Sentinel- resolution imagery coverage So city state Amazon 1 201 202 SVM, , (SVM) KNearest K Nearest KNN (KNN RF (RF SAM. SAM . (SAM) performance objectoriented object oriented F 0.91. 091 0.91 91 (0.91) addition satisfactory image Therefore 20 (SVM (SAM 09 0.9 9 (0.91 0. (0.9 (0. (0 (

Resumo Garimpos de ouro podem ocorrer em terra firme ou em leitos de rios na forma de embarcações. Porém, a atividade precisa estar amparada com uma Permissão de Lavra Garimpeira (PLG), expedida pela Agência Nacional de Mineração, e com a devida licença ambiental do órgão ambiental competente. Nesse sentido, o uso de imagens dos satélites Sentinel-2 se apresenta como ferramenta potencial para identificação de garimpos de ouro embarcados devido à resolução temporal, gratuidade de imagens, cobertura global e resolução espacial mais refinada. Este estudo objetivou identificar garimpos de ouro embarcados no Rio Madeira, próximo à cidade Porto Velho, estado de Rondônia, em 13 imagens Sentinel-2 de 2018 a 2021, a partir dos seguintes classificadores: Support Vector Machine (SVM); K-Nearest Neighbor (KNN); Random Forest (RF); e Spectral Angle Mapper (SAM). Os resultados demonstraram que os classificadores do tipo machine learning obtiveram melhor performance, com destaque para o classificador SVM orientado a objeto que apresentou melhor score F1 médio (0,91). Além disso, o percentual de detecção obtido foi satisfatório com omissão variando de 0 a 4 garimpos ativos por imagem. Assim, a partir dos resultados obtidos, conclui-se que o uso de classificadores machine learning se mostrou eficaz para identificar garimpos de ouro embarcados. embarcações Porém PLG, PLG , (PLG) Mineração competente sentido Sentinel2 Sentinel 2 Sentinel- temporal refinada Madeira Velho Rondônia 1 201 2021 (SVM) KNearest K Nearest KNN (KNN) RF (RF) SAM. SAM . (SAM) performance F 0,91. 091 0,91 91 (0,91) disso imagem Assim obtidos concluise conclui (PLG 20 202 (SVM (KNN (RF (SAM 09 0,9 9 (0,91 0, (0,9 (0, (0 (