| |
|
|
 | Acesso ao texto completo restrito à biblioteca da Embrapa Agricultura Digital. Para informações adicionais entre em contato com cnptia.biblioteca@embrapa.br. |
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Agricultura Digital. |
|
Data corrente: |
14/12/2021 |
|
Data da última atualização: |
14/12/2021 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
ALMEIDA, H. S. L.; REIS, A. A. dos; WERNER, J. P. S.; ANTUNES, J. F. G.; ZHONG, L.; FIGUEIREDO, G. K. D. A.; ESQUERDO, J. C. D. M.; COUTINHO, A. C.; LAMPARELLI, R. A. C.; MAGALHÃES, P. S. G. |
|
Afiliação: |
HENRIQUE S. L. ALMEIDA, UNICAMP; ALINY APARECIDA DOS REIS, UNICAMP; JOÃO PAULO SAMPAIO WERNER, UNICAMP; JOAO FRANCISCO GONCALVES ANTUNES, CNPTIA; LIHENG ZHONG, Ant Group, World Financial Center, Beijing; GLEYCE KELLY DANTAS ARAÚJO FIGUEIREDO, UNICAMP; JULIO CESAR DALLA MORA ESQUERDO, CNPTIA; ALEXANDRE CAMARGO COUTINHO, CNPTIA; RUBENS AUGUSTO CAMARGO LAMPARELLI, UNICAMP; PAULO S. G. MAGALHÃES, UNICAMP. |
|
Título: |
Deep neural networks for mapping integrated crop-livestock systems using PlanetScope time series. |
|
Ano de publicação: |
2021 |
|
Fonte/Imprenta: |
IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM, 2021, Brussels. Proceedings [...]. [S. l.]: IEEE, 2021. |
|
Páginas: |
p. 4224-4227. |
|
ISBN: |
978-1-6654-0369-6 |
|
DOI: |
10.1109/IGARSS47720.2021.9554500 |
|
Idioma: |
Inglês |
|
Notas: |
IGARSS 2021. Paper WE2.MM-8.3. |
|
Conteúdo: |
Abstract: Mapping highly dynamic cropping systems using satellite image time series is still challenging even when robust approaches are used. We assessed the potential of using high spatial and temporal resolution PlanetScope time series and deep neural networks (Convolutional Neural Networks (CNN) in one dimension - Conv1D, Long Short-Term Memory (LSTM), and Multi-Layer Perceptron (MLP)) for mapping integrated crop-livestock systems (ICLS) and different land covers in the western region of São Paulo State, Brazil. We used 10-day and 15-day composite EVI and NDVI time series (both individually and combined) as input data in the neural network classifiers. Conv1D using both EVI and NDVI 10 day-composite time series outperformed the other classifiers evaluated in this study (LSTM and MLP), allowing improved discrimination of land parcels with ICLS in our study area. |
|
Palavras-Chave: |
Aprendizado profundo; Convolutional Neural Networks; Deep learning; EVI; Nano-Satellites; Nanossatélites; NDVI; Redes neurais; Redes neurais convolucionais; Redes neurais profundas; Séries temporais; Sistemas de integração lavoura-pecuária. |
|
Thesaurus Nal: |
Neural networks; Time series analysis. |
|
Categoria do assunto: |
-- |
|
Marc: |
LEADER 02288nam a2200433 a 4500
001 2137800
005 2021-12-14
008 2021 bl uuuu u00u1 u #d
020 $a978-1-6654-0369-6
024 7 $a10.1109/IGARSS47720.2021.9554500$2DOI
100 1 $aALMEIDA, H. S. L.
245 $aDeep neural networks for mapping integrated crop-livestock systems using PlanetScope time series.$h[electronic resource]
260 $aIEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM, 2021, Brussels. Proceedings [...]. [S. l.]: IEEE$c2021
300 $ap. 4224-4227.
500 $aIGARSS 2021. Paper WE2.MM-8.3.
520 $aAbstract: Mapping highly dynamic cropping systems using satellite image time series is still challenging even when robust approaches are used. We assessed the potential of using high spatial and temporal resolution PlanetScope time series and deep neural networks (Convolutional Neural Networks (CNN) in one dimension - Conv1D, Long Short-Term Memory (LSTM), and Multi-Layer Perceptron (MLP)) for mapping integrated crop-livestock systems (ICLS) and different land covers in the western region of São Paulo State, Brazil. We used 10-day and 15-day composite EVI and NDVI time series (both individually and combined) as input data in the neural network classifiers. Conv1D using both EVI and NDVI 10 day-composite time series outperformed the other classifiers evaluated in this study (LSTM and MLP), allowing improved discrimination of land parcels with ICLS in our study area.
650 $aNeural networks
650 $aTime series analysis
653 $aAprendizado profundo
653 $aConvolutional Neural Networks
653 $aDeep learning
653 $aEVI
653 $aNano-Satellites
653 $aNanossatélites
653 $aNDVI
653 $aRedes neurais
653 $aRedes neurais convolucionais
653 $aRedes neurais profundas
653 $aSéries temporais
653 $aSistemas de integração lavoura-pecuária
700 1 $aREIS, A. A. dos
700 1 $aWERNER, J. P. S.
700 1 $aANTUNES, J. F. G.
700 1 $aZHONG, L.
700 1 $aFIGUEIREDO, G. K. D. A.
700 1 $aESQUERDO, J. C. D. M.
700 1 $aCOUTINHO, A. C.
700 1 $aLAMPARELLI, R. A. C.
700 1 $aMAGALHÃES, P. S. G.
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 Agricultura Digital. |
|
Data corrente: |
17/10/2011 |
|
Data da última atualização: |
28/02/2023 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
SALGADO, P. R.; MARTINS, S. C.; VASCONCELLOS, E. B. C.; EVANGELISTA, B. A.; PINTO, H. S.; ASSAD, E. D. |
|
Afiliação: |
PAULA RODRIGUES SALGADO, Bolsista DTI1 CNPq, CNPTIA; SUSIAN CHRISTIAN MARTINS, Bolsista DTI1 CNPq, CNPTIA; EDUARDO B. C. VASCONCELLOS, CENA/USP; BALBINO ANTONIO EVANGELISTA, CPAC; HILTON SILVEIRA PINTO, Cepagri/Unicamp; EDUARDO DELGADO ASSAD, CNPTIA. |
|
Título: |
Capacidade de sequestro de CO2 em pastagens produtivas no bioma Mata Atlântica. |
|
Ano de publicação: |
2011 |
|
Fonte/Imprenta: |
In: CONGRESSO BRASILEIRO DE CIÊNCIA DO SOLO, 33., 2011, Uberlândia. Solos nos biomas brasileiros: sustentabilidade e mudanças climáticas: anais. [Uberlândia]: SBCS: UFU, ICIAG, 2011. |
|
Páginas: |
p. 1-4. |
|
Descrição Física: |
1 CD-ROM. |
|
Idioma: |
Português |
|
Conteúdo: |
A pecuária brasileira atualmente ocupa 20% da área continental do Brasil, correspondendo a 173 Mha, dos quais estima-se que cerca de 50% encontram-se em processo de degradação. O Brasil detém o segundo maior rebanho bovino com 205 milhões de cabeças, sendo que a maior parte desses animais estão concentrados na região Centro-Oeste (Bioma Cerrado), com 34,4% do efetivo nacional. A recuperação da pastagem por meio da elevação da produtividade primária aumenta a absorção de carbono pelo solo e, consequentemente, torna-se uma importante forma de remoção de grandes quantidades de CO2 atmosférico (FAO, 2009; ALVES et al., 2008). O objetivo foi mapear as áreas de pastagens da Mata Atlântica, quantificar seus estoques de carbono no solo, fornecendo assim um panorama da capacidade de sequestro de CO2. Para esse trabalho foram selecionadas 23 pastagens por meio de imagens de satélites. A coleta de solo para a determinação da fertilidade e estoques de carbono (C) foi até 30 cm de profundidade. O Bioma Mata Atlântica, com segunda maior área de pastagem (30.775.239 ha), apresentou média de estoque de CO2 eq de 62,23 e 257,73t ha-1 nas camadas 0-5cm e 0-30cm, respectivamente. Esses dados mostram claramente que o principal enfoque do Programa ABC para a recuperação de pastagens, visando o sequestro de carbono da atmosfera, deverá ser nos estados e/ou municípios que apresentam área de pastagem com baixa produtividade. |
|
Palavras-Chave: |
Mitigação; Mudanças climáticas; Sequestro de carbono. |
|
Thesagro: |
Carbono; Solo. |
|
Thesaurus NAL: |
Carbon sequestration; Climate change; Risk reduction; Soil. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/43384/1/2000-2.pdf
|
|
Marc: |
LEADER 02416nam a2200289 a 4500
001 1903138
005 2023-02-28
008 2011 bl uuuu u00u1 u #d
100 1 $aSALGADO, P. R.
245 $aCapacidade de sequestro de CO2 em pastagens produtivas no bioma Mata Atlântica.$h[electronic resource]
260 $aIn: CONGRESSO BRASILEIRO DE CIÊNCIA DO SOLO, 33., 2011, Uberlândia. Solos nos biomas brasileiros: sustentabilidade e mudanças climáticas: anais. [Uberlândia]: SBCS: UFU, ICIAG$c2011
300 $ap. 1-4.$c1 CD-ROM.
520 $aA pecuária brasileira atualmente ocupa 20% da área continental do Brasil, correspondendo a 173 Mha, dos quais estima-se que cerca de 50% encontram-se em processo de degradação. O Brasil detém o segundo maior rebanho bovino com 205 milhões de cabeças, sendo que a maior parte desses animais estão concentrados na região Centro-Oeste (Bioma Cerrado), com 34,4% do efetivo nacional. A recuperação da pastagem por meio da elevação da produtividade primária aumenta a absorção de carbono pelo solo e, consequentemente, torna-se uma importante forma de remoção de grandes quantidades de CO2 atmosférico (FAO, 2009; ALVES et al., 2008). O objetivo foi mapear as áreas de pastagens da Mata Atlântica, quantificar seus estoques de carbono no solo, fornecendo assim um panorama da capacidade de sequestro de CO2. Para esse trabalho foram selecionadas 23 pastagens por meio de imagens de satélites. A coleta de solo para a determinação da fertilidade e estoques de carbono (C) foi até 30 cm de profundidade. O Bioma Mata Atlântica, com segunda maior área de pastagem (30.775.239 ha), apresentou média de estoque de CO2 eq de 62,23 e 257,73t ha-1 nas camadas 0-5cm e 0-30cm, respectivamente. Esses dados mostram claramente que o principal enfoque do Programa ABC para a recuperação de pastagens, visando o sequestro de carbono da atmosfera, deverá ser nos estados e/ou municípios que apresentam área de pastagem com baixa produtividade.
650 $aCarbon sequestration
650 $aClimate change
650 $aRisk reduction
650 $aSoil
650 $aCarbono
650 $aSolo
653 $aMitigação
653 $aMudanças climáticas
653 $aSequestro de carbono
700 1 $aMARTINS, S. C.
700 1 $aVASCONCELLOS, E. B. C.
700 1 $aEVANGELISTA, B. A.
700 1 $aPINTO, H. S.
700 1 $aASSAD, E. D.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
