|
|
Registro Completo |
Biblioteca(s): |
Embrapa Unidades Centrais. |
Data corrente: |
31/08/2015 |
Data da última atualização: |
25/05/2017 |
Autoria: |
GAROFALO, D. F. T.; MESSIAS, C. G.; LIESENBERG, V.; BOLFE, E. L.; FERREIRA, C. |
Afiliação: |
DANILO FRANCISCO TROVO GAROFALO, Universidade Estadual de Campinas; CASSIANO GUSTAVO MESSIAS, Universidade Estadual de Campinas; VERALDO LIESENBERG, Universidade do Estado de Santa Catarina; EDSON LUIS BOLFE, CNPM; CÉSAR FERREIRA, Universidade Estadual de Campinas. |
Título: |
Análise comparativa de classificadores digitais em imagens do Landsat-8 aplicados ao mapeamento temático. |
Ano de publicação: |
2015 |
Fonte/Imprenta: |
Pesquisa Agropecuária Brasileira, Brasília, DF, v. 50, n. 7, p. 593-604, jul. 2015. |
Idioma: |
Português |
Notas: |
Título em inglês: Comparative analysis of digital classifiers of Landsat?8 images for thematic mapping procedures. |
Conteúdo: |
O objetivo deste trabalho foi avaliar o desempenho dos classificadores digitais SVM e K?NN para a classificação orientada a objeto em imagens Landsat?8, aplicados ao mapeamento de uso e cobertura do solo da Alta Bacia do Rio Piracicaba?Jaguari, MG. A etapa de pré?processamento contou com a conversão radiométrica e a minimização dos efeitos atmosféricos. Em seguida, foi feita a fusão das bandas multiespectrais (30 m) com a banda pancromática (15 m). Com base em composições RGB e inspeções de campo, definiram?se 15 classes de uso e cobertura do solo. Para a segmentação de bordas, aplicaram?se os limiares 10 e 60 para as configurações de segmentação e união no aplicativo ENVI. A classificação foi feita usando SVM e K?NN. Ambos os classificadores apresentaram elevados valores de índice Kappa (k): 0,92 para SVM e 0,86 para K?NN, significativamente diferentes entre si a 95% de probabilidade. Uma significativa melhoria foi observada para SVM, na classificação correta de diferentes tipologias florestais. A classificação orientada a objetos é amplamente aplicada em imagens de alta resolução espacial; no entanto, os resultados obtidos no presente trabalho mostram a robustez do método também para imagens de média resolução espacial. |
Palavras-Chave: |
Classificação orientada a objetos; Gestão territorial; Resolução espacial; Uso do solo. |
Thesagro: |
Cobertura do solo; Sensoriamento remoto. |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/128832/1/Analise-comparativa-de-classificadores.pdf
|
Marc: |
LEADER 02175naa a2200253 a 4500 001 2022944 005 2017-05-25 008 2015 bl uuuu u00u1 u #d 100 1 $aGAROFALO, D. F. T. 245 $aAnálise comparativa de classificadores digitais em imagens do Landsat-8 aplicados ao mapeamento temático. 260 $c2015 500 $aTítulo em inglês: Comparative analysis of digital classifiers of Landsat?8 images for thematic mapping procedures. 520 $aO objetivo deste trabalho foi avaliar o desempenho dos classificadores digitais SVM e K?NN para a classificação orientada a objeto em imagens Landsat?8, aplicados ao mapeamento de uso e cobertura do solo da Alta Bacia do Rio Piracicaba?Jaguari, MG. A etapa de pré?processamento contou com a conversão radiométrica e a minimização dos efeitos atmosféricos. Em seguida, foi feita a fusão das bandas multiespectrais (30 m) com a banda pancromática (15 m). Com base em composições RGB e inspeções de campo, definiram?se 15 classes de uso e cobertura do solo. Para a segmentação de bordas, aplicaram?se os limiares 10 e 60 para as configurações de segmentação e união no aplicativo ENVI. A classificação foi feita usando SVM e K?NN. Ambos os classificadores apresentaram elevados valores de índice Kappa (k): 0,92 para SVM e 0,86 para K?NN, significativamente diferentes entre si a 95% de probabilidade. Uma significativa melhoria foi observada para SVM, na classificação correta de diferentes tipologias florestais. A classificação orientada a objetos é amplamente aplicada em imagens de alta resolução espacial; no entanto, os resultados obtidos no presente trabalho mostram a robustez do método também para imagens de média resolução espacial. 650 $aCobertura do solo 650 $aSensoriamento remoto 653 $aClassificação orientada a objetos 653 $aGestão territorial 653 $aResolução espacial 653 $aUso do solo 700 1 $aMESSIAS, C. G. 700 1 $aLIESENBERG, V. 700 1 $aBOLFE, E. L. 700 1 $aFERREIRA, C. 773 $tPesquisa Agropecuária Brasileira, Brasília, DF$gv. 50, n. 7, p. 593-604, jul. 2015.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Unidades Centrais (AI-SEDE) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
Registros recuperados : 9 | |
1. | | GAROFALO, D. F. T.; MESSIAS, C. G.; LIESENBERG, V.; BOLFE, E. L.; FERREIRA, C. Análise comparativa de classificadores digitais em imagens do Landsat-8 aplicados ao mapeamento temático. Pesquisa Agropecuária Brasileira, Brasília, DF, v. 50, n. 7, p. 593-604, jul. 2015. Título em inglês: Comparative analysis of digital classifiers of Landsat?8 images for thematic mapping procedures.Biblioteca(s): Embrapa Unidades Centrais. |
| |
2. | | GAROFALO, D. F. T.; MESSIAS, C. G.; LIESENBERG, V.; BOLFE, E. L.; FERREIRA, M. C. Análise comparativa de classificadores digitais em imagens do Landsat-8 aplicados ao mapeamento temático. Pesquisa Agropecuária Brasileira, Brasília, v. 50, n.7, p. 593-604, jul. 2015.Tipo: Artigo em Periódico Indexado | Circulação/Nível: B - 1 |
Biblioteca(s): Embrapa Territorial. |
| |
3. | | HESS, A. F.; MINATTI, M.; LIESENBERG, V.; MATTOS, P. P. de; BRAZ, E. M.; COSTA, E. A. Brazilian pine diameter at breast height and growth in mixed Ombrophilous forest in Southern Brazil. Australian Journal of Crop Science, v. 12, n. 5, p. 770-777, May 2018.Tipo: Artigo em Periódico Indexado | Circulação/Nível: B - 1 |
Biblioteca(s): Embrapa Florestas. |
| |
4. | | PERTILLE, C. T.; SCHIMALSKI, M. B.; PICINATTO FILHO, V.; LIESENBERG, V.; OLIVEIRA, E. B. de; MIRANDA, F. das D. A. Estimation of sanity of a stand of Pinus taeda L. after the attack of Sapajus nigritus Kerr (1972) using vegetation index. Scientia Forestalis, v. 48, n. 126, e3323, 2020. 14 p.Tipo: Artigo em Periódico Indexado | Circulação/Nível: B - 1 |
Biblioteca(s): Embrapa Florestas. |
| |
5. | | PERTILLE, C. T.; OLIVEIRA, E. B. de; NICOLETTI, M. F.; PICCINATTO FILHO, V.; LIESENBERG, V.; SCHIMALSKI, M. B. Wood production from a Pinus taeda L. stand attacked by Sapajus nigritus. Advances in Forestry Science, v. 9, n. 2, p. 1729-1734, 2022.Tipo: Artigo em Periódico Indexado | Circulação/Nível: B - 3 |
Biblioteca(s): Embrapa Florestas. |
| |
6. | | WIEDERKEHR, N. C.; GAMA, F. F.; CASTRO, P. B. N.; BISPO, P. da C.; BALZTER, H.; SANO, E. E.; SANTOS, J. R.; LIESENBERG, V.; MURA, J. C. Discriminating Forest Successional Stages, Forest Degradation, and Land Use in Central Amazon Using ALOS/PALSAR-2 Full-Polarimetric Data. Remote Sensing, v. 12, n. 21, 2020.Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
Biblioteca(s): Embrapa Cerrados. |
| |
7. | | OSCO, L. P.; ARRUDA, M. S.; GONÇALVES, D. N.; DIAS, A.; BATISTOTI, J.; SOUZA, M.; GOMES, F. D. G.; RAMOS, A. P. M.; JORGE, L. A. de C.; LIESENBERG, V.; LI, J.; MA, L.; MARCATO JUNIOR, J.; GONÇALVES, W. N. A CNN approach to simultaneously count plants and detect plantation-rows from UAV imagery. ISPRS Journal of Photogrammetry and Remote Sensing, v. 174, 2021. 1 - 17Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
Biblioteca(s): Embrapa Instrumentação. |
| |
8. | | RAMOS, A. P. M.; GOMES, F. D. G.; PINHEIRO, M. M. F.; FURUYA, D. E. G.; GONÇALVEZ, W. N.; MARCATO JUNIOR, J.; MICHEREFF, M. F. F.; MORAES, M. C. B.; BORGES, M.; LAUMANN, R. A.; LIESENBERG, V.; JORGE, L. A. de C.; OSCO, L. P. Detecting the attack of the fall armyworm (Spodoptera frugiperda) in cotton plants with machine learning and spectral measurements. Precision Agriculture, 2021. Na publicação: Maria Carolina Blassioli-Moraes; Raúl Alberto Alaumann.Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
Biblioteca(s): Embrapa Instrumentação; Embrapa Recursos Genéticos e Biotecnologia. |
| |
9. | | OSCO, L. P.; RAMOS, A. P. M.; PINHEIRO, M. M. F.; MORIYA, E. A. S.; IMAI, N. N.; ESTRABIS, N.; IANCZYK, F.; ARAÚJO, F. F.; LIESENBERG, V.; JORGE, L. A. de C.; LI, J.; MA, L.; GONÇALVES, W. N.; MARCATO JUNIOR, J.; CRESTE, J. E. A machine learning framework to predict nutrient content in valencia-orange leaf hyperspectral measurements. Remote Sensing, n. 12, v. 6, a. 906, 2020. 1 - 21Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
Biblioteca(s): Embrapa Instrumentação. |
| |
Registros recuperados : 9 | |
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|