| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Cerrados. |
|
Data corrente: |
18/11/2021 |
|
Data da última atualização: |
18/11/2021 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Autoria: |
SILVA, V. S.; SANO, E. E.; ALMEIDA, T. de; MESQUITA JÚNIOR, H. N. de. |
|
Afiliação: |
VANESSA SOUZA SILVA; EDSON EYJI SANO, CPAC; TATI DE ALMEIDA; HUMBERTO NAVARRO DE MESQUITA JÚNIOR. |
|
Título: |
Discriminação de Classes de Cobertura Vegetal em uma Região de Transição Amazônia/Cerrado no Estado de Mato Grosso por meio de Imagens do Satélite ALOS-2/PALSAR-2. |
|
Ano de publicação: |
2021 |
|
Fonte/Imprenta: |
Revista Brasileira de Cartografia, v. 73, n. 1, 2021. |
|
Páginas: |
16 p. |
|
Idioma: |
Português |
|
Conteúdo: |
Resumo: A região de transição entre Amazônia e Cerrado, especialmente no estado de Mato Grosso, é bastante sensível em termos ambientais por causa da elevada biodiversidade e alta produção de grãos e carne bovina. O objetivo deste estudo foi discriminar classes representativas de uso e cobertura de terras encontradas na região de Sinop/Mato Grosso com base nas imagens de radar do satélite ALOS-2/PALSAR-2. As seguintes classes temáticas foram consideradas: floresta primária; floresta secundária; cultura agrícola; e pastagem cultivada. As imagens foram obtidas nos meses de fevereiro (estação chuvosa) e setembro (estação seca) de 2016, com resolução espacial de 6,25 metros, polarizações HH e HV e banda L (comprimento de onda de 23 cm), as quais foram processadas pelos algoritmos de classificação supervisionada Random Forest (RF) e Support Vector Machine (SVM). Amostras de treinamento e de validação (65 amostras) foram obtidas em campo e complementadas com base nos mapas de uso e cobertura de terras produzidos pelos projetos MapBiomas e TerraClass Amazônia (135 amostras). Foi possível discriminar dois grupos de classes temáticas: floresta primária e floresta secundária; e cultura agrícola e pastagem cultivada. Apesar da acurácia global do RF ter sido superior ao do SVM, os dois classificadores mostraram desempenhos estatisticamente similares. |
|
Palavras-Chave: |
Banda L; Radar de cobertura sintética. |
|
Thesagro: |
Radar; Sensoriamento Remoto. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/227878/1/Sano-Discriminacao-de-classes-de-cobertura.pdf
|
|
Marc: |
LEADER 02116naa a2200217 a 4500
001 2136274
005 2021-11-18
008 2021 bl uuuu u00u1 u #d
100 1 $aSILVA, V. S.
245 $aDiscriminação de Classes de Cobertura Vegetal em uma Região de Transição Amazônia/Cerrado no Estado de Mato Grosso por meio de Imagens do Satélite ALOS-2/PALSAR-2.$h[electronic resource]
260 $c2021
300 $a16 p.
520 $aResumo: A região de transição entre Amazônia e Cerrado, especialmente no estado de Mato Grosso, é bastante sensível em termos ambientais por causa da elevada biodiversidade e alta produção de grãos e carne bovina. O objetivo deste estudo foi discriminar classes representativas de uso e cobertura de terras encontradas na região de Sinop/Mato Grosso com base nas imagens de radar do satélite ALOS-2/PALSAR-2. As seguintes classes temáticas foram consideradas: floresta primária; floresta secundária; cultura agrícola; e pastagem cultivada. As imagens foram obtidas nos meses de fevereiro (estação chuvosa) e setembro (estação seca) de 2016, com resolução espacial de 6,25 metros, polarizações HH e HV e banda L (comprimento de onda de 23 cm), as quais foram processadas pelos algoritmos de classificação supervisionada Random Forest (RF) e Support Vector Machine (SVM). Amostras de treinamento e de validação (65 amostras) foram obtidas em campo e complementadas com base nos mapas de uso e cobertura de terras produzidos pelos projetos MapBiomas e TerraClass Amazônia (135 amostras). Foi possível discriminar dois grupos de classes temáticas: floresta primária e floresta secundária; e cultura agrícola e pastagem cultivada. Apesar da acurácia global do RF ter sido superior ao do SVM, os dois classificadores mostraram desempenhos estatisticamente similares.
650 $aRadar
650 $aSensoriamento Remoto
653 $aBanda L
653 $aRadar de cobertura sintética
700 1 $aSANO, E. E.
700 1 $aALMEIDA, T. de
700 1 $aMESQUITA JÚNIOR, H. N. de
773 $tRevista Brasileira de Cartografia$gv. 73, n. 1, 2021.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Cerrados (CPAC) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Florestas. |
|
Data corrente: |
14/12/2016 |
|
Data da última atualização: |
13/02/2017 |
|
Tipo da produção científica: |
Resumo em Anais de Congresso |
|
Autoria: |
ALCANTARA, J. K. A.; LIMA, E. A. de. |
|
Afiliação: |
Jéssica Karen Andrade Alcantara, Graduanda da PUC-PR; EDSON ALVES DE LIMA, CNPF. |
|
Título: |
Compactação de resíduos florestais para uso energético. |
|
Ano de publicação: |
2016 |
|
Fonte/Imprenta: |
In: EVENTO DE INICIAÇÃO CIENTÍFICA DA EMBRAPA FLORESTAS, 15., 2016, Colombo. Anais. Colombo: Embrapa Florestas, 2016. |
|
Páginas: |
p. 79-80. |
|
Idioma: |
Português |
|
Notas: |
Resumo. |
|
Thesagro: |
Araucária Angustifólia; Energia; Mimosa Scabrella. |
|
Categoria do assunto: |
K Ciência Florestal e Produtos de Origem Vegetal |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/155479/1/Paginas-79-80-de-Doc-295-1418-Completo35.pdf
|
|
Marc: |
LEADER 00572nam a2200169 a 4500
001 2058656
005 2017-02-13
008 2016 bl uuuu u00u1 u #d
100 1 $aALCANTARA, J. K. A.
245 $aCompactação de resíduos florestais para uso energético.$h[electronic resource]
260 $aIn: EVENTO DE INICIAÇÃO CIENTÍFICA DA EMBRAPA FLORESTAS, 15., 2016, Colombo. Anais. Colombo: Embrapa Florestas$c2016
300 $ap. 79-80.
500 $aResumo.
650 $aAraucária Angustifólia
650 $aEnergia
650 $aMimosa Scabrella
700 1 $aLIMA, E. A. de
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Florestas (CNPF) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Expressão de busca inválida. Verifique!!! |
|
|
