|
|
Registro Completo |
Biblioteca(s): |
Embrapa Agricultura Digital. |
Data corrente: |
20/03/2023 |
Data da última atualização: |
21/03/2023 |
Tipo da produção científica: |
Artigo em Periódico Indexado |
Autoria: |
TORO, A. P. S. G. D. D.; BUENO, I. T.; WERNER, J. P. S.; ANTUNES, J. F. G.; LAMPARELLI, R. A. C.; COUTINHO, A. C.; ESQUERDO, J. C. D. M.; MAGALHÃES, P. S. G.; FIGUEIREDO, G. K. D. A. |
Afiliação: |
ANA P. S. G. D. D. TORO, UNIVERSIDADE ESTADUAL DE CAMPINAS; INACIO T. BUENO, UNIVERSIDADE ESTADUAL DE CAMPINAS; JOÃO PAULO SAMPAIO WERNER, UNIVERSIDADE ESTADUAL DE CAMPINAS; JOAO FRANCISCO GONCALVES ANTUNES, CNPTIA; RUBENS AUGUSTO DE CAMARGO LAMPARELLI, UNIVERSIDADE ESTADUAL DE CAMPINAS; ALEXANDRE CAMARGO COUTINHO, CNPTIA; JULIO CESAR DALLA MORA ESQUERDO, CNPTIA; PAULO S. G. MAGALHÃES, UNIVERSIDADE ESTADUAL DE CAMPINAS; GLEYCE KELLY DANTAS ARAÚJO FIGUEIREDO, UNIVERSIDADE ESTADUAL DE CAMPINAS. |
Título: |
SAR and optical data applied to early-season mapping of integrated crop-livestock systems using deep and machine learning algorithms. |
Ano de publicação: |
2023 |
Fonte/Imprenta: |
Remote Sensing, v. 15, n. 4, 1130, Feb. 2023. |
DOI: |
https://doi.org/10.3390/rs15041130 |
Idioma: |
Inglês |
Conteúdo: |
In this work, we explored the potential of three machine and deep learning algorithms (random forest, long short-term memory, and transformer) to perform early-season (with three-time windows) mapping of ICLS fields. To explore the scalability of the proposed methods, we tested them in two regions with different latitudes, cloud cover rates, field sizes, landscapes, and crop types. Finally, the potential of SAR (Sentinel-1) and optical (Sentinel-2) data was tested. |
Palavras-Chave: |
Agricultura regenerativa; Aprendizado de máquina; Aprendizado profundo; Floresta aleatória; ICLS; Integrated Crop-livestock systems; Long short-term memory; LSTM; Multisource; Random forest; Regenerative agriculture; Sistemas integrados lavoura-pecuária; Transformer. |
Thesagro: |
Agricultura. |
Thesaurus Nal: |
Agriculture. |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1152495/1/AP-SAR-optical-data-2023.pdf
|
Marc: |
LEADER 01762naa a2200409 a 4500 001 2152495 005 2023-03-21 008 2023 bl uuuu u00u1 u #d 024 7 $ahttps://doi.org/10.3390/rs15041130$2DOI 100 1 $aTORO, A. P. S. G. D. D. 245 $aSAR and optical data applied to early-season mapping of integrated crop-livestock systems using deep and machine learning algorithms.$h[electronic resource] 260 $c2023 520 $aIn this work, we explored the potential of three machine and deep learning algorithms (random forest, long short-term memory, and transformer) to perform early-season (with three-time windows) mapping of ICLS fields. To explore the scalability of the proposed methods, we tested them in two regions with different latitudes, cloud cover rates, field sizes, landscapes, and crop types. Finally, the potential of SAR (Sentinel-1) and optical (Sentinel-2) data was tested. 650 $aAgriculture 650 $aAgricultura 653 $aAgricultura regenerativa 653 $aAprendizado de máquina 653 $aAprendizado profundo 653 $aFloresta aleatória 653 $aICLS 653 $aIntegrated Crop-livestock systems 653 $aLong short-term memory 653 $aLSTM 653 $aMultisource 653 $aRandom forest 653 $aRegenerative agriculture 653 $aSistemas integrados lavoura-pecuária 653 $aTransformer 700 1 $aBUENO, I. T. 700 1 $aWERNER, J. P. S. 700 1 $aANTUNES, J. F. G. 700 1 $aLAMPARELLI, R. A. C. 700 1 $aCOUTINHO, A. C. 700 1 $aESQUERDO, J. C. D. M. 700 1 $aMAGALHÃES, P. S. G. 700 1 $aFIGUEIREDO, G. K. D. A. 773 $tRemote Sensing$gv. 15, n. 4, 1130, Feb. 2023.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
Registro Completo
Biblioteca(s): |
Embrapa Unidades Centrais. |
Data corrente: |
01/03/2013 |
Data da última atualização: |
29/08/2017 |
Autoria: |
FERNANDES, R. R.; NUNES, G. M.; SILVA, T. S. F. |
Afiliação: |
RENER RIBEIRO, UFMT; GUSTAVO MANZON NUNES, UFMT; THIAGO SANNA FREIRE SILVA, INPE. |
Título: |
Classificação orientada a objetos aplicada na caracterização da cobertura da terra no Araguaia. |
Ano de publicação: |
2012 |
Fonte/Imprenta: |
Pesquisa Agropecuária Brasileira, Brasilia, DF, v. 47, n. 9, p. 1251-1260, set. 2012. |
Idioma: |
Português |
Notas: |
Título em inglês: Object?oriented classification applied to the characterization of soil use and land cover in the Araguaia, Brazil. |
Conteúdo: |
O objetivo deste trabalho foi utilizar a classificação orientada a objetos em imagens TM/ Landsat-5, para caracterizar classes de uso e cobertura da terra, na região do Médio Araguaia. A cena 223/068, adquirida em 5/9/2010, foi submetida a correção radiométrica, atmosférica e geométrica, como etapas de pré-processamento. Em seguida, foram geradas duas imagens por meio das matemáticas de bandas espectrais do índice de vegetação por diferença normalizada (NDVI) e do índice de água por diferença normalizada modificado (MNDWI), utilizados na classificação de imagens. Para a segmentação destas, utilizaram-se os parâmetros de escala 250, 200, 150, 100, 50, os algoritmos "assign class" e "nearest neighbor", e os descritores de média, área e relação de borda. Foi empregada matriz de confusão, para avaliar a acurácia da classificação, por meio do coeficiente de exatidão global e do índice de concordância Kappa. A exatidão global para o mapeamento foi de 83,3%, com coeficiente Kappa de 0,72. A classificação foi feita quanto às fitofisionomias do Cerrado, ao uso antrópico e urbano da terra, a corpos d'água e a bancos de areia. As matemáticas de bandas espectrais utilizadas apresentam resultados promissores no delineamento das classes de cobertura da terra no Araguaia. |
Palavras-Chave: |
Cerrado physiognomies; Classificação digital de imagens; Digital image classification; Fitofisionomias do Cerrado; Image segmentation; MNDWI; NDVI; Segmentação de imagens. |
Thesagro: |
Sensoriamento remoto. |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/77841/1/PAB-v.47-n.9-p.1251-1260.pdf
|
Marc: |
LEADER 02275naa a2200265 a 4500 001 1951992 005 2017-08-29 008 2012 bl uuuu u00u1 u #d 100 1 $aFERNANDES, R. R. 245 $aClassificação orientada a objetos aplicada na caracterização da cobertura da terra no Araguaia. 260 $c2012 500 $aTítulo em inglês: Object?oriented classification applied to the characterization of soil use and land cover in the Araguaia, Brazil. 520 $aO objetivo deste trabalho foi utilizar a classificação orientada a objetos em imagens TM/ Landsat-5, para caracterizar classes de uso e cobertura da terra, na região do Médio Araguaia. A cena 223/068, adquirida em 5/9/2010, foi submetida a correção radiométrica, atmosférica e geométrica, como etapas de pré-processamento. Em seguida, foram geradas duas imagens por meio das matemáticas de bandas espectrais do índice de vegetação por diferença normalizada (NDVI) e do índice de água por diferença normalizada modificado (MNDWI), utilizados na classificação de imagens. Para a segmentação destas, utilizaram-se os parâmetros de escala 250, 200, 150, 100, 50, os algoritmos "assign class" e "nearest neighbor", e os descritores de média, área e relação de borda. Foi empregada matriz de confusão, para avaliar a acurácia da classificação, por meio do coeficiente de exatidão global e do índice de concordância Kappa. A exatidão global para o mapeamento foi de 83,3%, com coeficiente Kappa de 0,72. A classificação foi feita quanto às fitofisionomias do Cerrado, ao uso antrópico e urbano da terra, a corpos d'água e a bancos de areia. As matemáticas de bandas espectrais utilizadas apresentam resultados promissores no delineamento das classes de cobertura da terra no Araguaia. 650 $aSensoriamento remoto 653 $aCerrado physiognomies 653 $aClassificação digital de imagens 653 $aDigital image classification 653 $aFitofisionomias do Cerrado 653 $aImage segmentation 653 $aMNDWI 653 $aNDVI 653 $aSegmentação de imagens 700 1 $aNUNES, G. M. 700 1 $aSILVA, T. S. F. 773 $tPesquisa Agropecuária Brasileira, Brasilia, DF$gv. 47, n. 9, p. 1251-1260, set. 2012.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Unidades Centrais (AI-SEDE) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Expressão de busca inválida. Verifique!!! |
|
|