| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Florestas. |
|
Data corrente: |
26/03/2021 |
|
Data da última atualização: |
26/03/2021 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Autoria: |
PERTILLE, C. T.; SCHIMALSKI, M. B.; PICINATTO FILHO, V.; LIESENBERG, V.; OLIVEIRA, E. B. de; MIRANDA, F. das D. A. |
|
Afiliação: |
CARLA TALITA PERTILLE, UDESC; MARCOS BENEDITO SCHIMALSKI, UDESC; VILMAR PICINATTO FILHO, UFPR; VERALDO LIESENBERG, UDESC; EDILSON BATISTA DE OLIVEIRA, CNPF; FABIANI DAS DORES ABATI MIRANDA, UTFPR. |
|
Título: |
Estimation of sanity of a stand of Pinus taeda L. after the attack of Sapajus nigritus Kerr (1972) using vegetation index. |
|
Ano de publicação: |
2020 |
|
Fonte/Imprenta: |
Scientia Forestalis, v. 48, n. 126, e3323, 2020. 14 p. |
|
DOI: |
https://doi.org/10.18671/scifor.v48n126.03 |
|
Idioma: |
Português |
|
Conteúdo: |
Essa pesquisa objetivou ajustar modelos de regressão e classificação utilizando os índices de vegetação (IV) mais robustos derivados a partir de imagens digitais de Sentinel-2/MSI para a detecção de áreas atacadas por Sapajus nigritus. Os dados de campo foram obtidos em um povoamento de Pinus taeda L. localizado em Bocaina do Sul, estado de Santa Catarina. Foram alocadas 46 parcelas, nas quais os indivíduos arbóreos foram classificados de acordo com a intensidade do ano em: I: sem dano, II: moderado, III: severo e IV: morto. Foram utilizadas três imagens orbitais da constelação Sentinel-2/MSI em datas coincidentes ao pré ataque, ataque e pós ataque. Por meio de Análise de Componentes Principais, foram selecionados os índices de vegetação como variáveis regressoras para o desenvolvimento de modelos de regressão por Stepwise, Support Vector Machine (SVM) e Random Forest (RF) para a estimativa do percentual das classes de ataque por parcela. A seleção de melhor modelo foi baseada em estatísticas de ajuste de modelos de regressão. Os índices mais robustos foram o MCARI, NDI45 e NDVIRR, os quais estimaram para as classes um percentual de ataque de S. nigritus por parcela com R2 ajustado de 0,80, 0,46, 0,88 e 0,97; Syx de 13,49, 61,42, 15,11 e 8,69 (% 0,045 ha-1) e RMSE de 1,95, 4,49, 2,11 e 0,32 (% 0,045 ha1). Foi possível estimar/identificar áreas atacadas por esse primata no povoamento avaliado, destacando a modelagem Stepwise, seguida por SVM e RF. Entretanto, recomenda-se testar imagens digitais de alta/ultra alta resolução espacial para corroborar com tal metodologia. MenosEssa pesquisa objetivou ajustar modelos de regressão e classificação utilizando os índices de vegetação (IV) mais robustos derivados a partir de imagens digitais de Sentinel-2/MSI para a detecção de áreas atacadas por Sapajus nigritus. Os dados de campo foram obtidos em um povoamento de Pinus taeda L. localizado em Bocaina do Sul, estado de Santa Catarina. Foram alocadas 46 parcelas, nas quais os indivíduos arbóreos foram classificados de acordo com a intensidade do ano em: I: sem dano, II: moderado, III: severo e IV: morto. Foram utilizadas três imagens orbitais da constelação Sentinel-2/MSI em datas coincidentes ao pré ataque, ataque e pós ataque. Por meio de Análise de Componentes Principais, foram selecionados os índices de vegetação como variáveis regressoras para o desenvolvimento de modelos de regressão por Stepwise, Support Vector Machine (SVM) e Random Forest (RF) para a estimativa do percentual das classes de ataque por parcela. A seleção de melhor modelo foi baseada em estatísticas de ajuste de modelos de regressão. Os índices mais robustos foram o MCARI, NDI45 e NDVIRR, os quais estimaram para as classes um percentual de ataque de S. nigritus por parcela com R2 ajustado de 0,80, 0,46, 0,88 e 0,97; Syx de 13,49, 61,42, 15,11 e 8,69 (% 0,045 ha-1) e RMSE de 1,95, 4,49, 2,11 e 0,32 (% 0,045 ha1). Foi possível estimar/identificar áreas atacadas por esse primata no povoamento avaliado, destacando a modelagem Stepwise, seguida por SVM e RF. Entretanto, recomenda-se tes... Mostrar Tudo |
|
Palavras-Chave: |
Índices de vegetação; Red-edge; Sanidade; Sapajus nigritus; Vegetation indexes. |
|
Thesagro: |
Pinus Taeda; Sensoriamento Remoto. |
|
Thesaurus Nal: |
Remote sensing. |
|
Categoria do assunto: |
K Ciência Florestal e Produtos de Origem Vegetal |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/222191/1/Edilson-AgricPrec2021.pdf
|
|
Marc: |
LEADER 02542naa a2200289 a 4500
001 2130910
005 2021-03-26
008 2020 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.18671/scifor.v48n126.03$2DOI
100 1 $aPERTILLE, C. T.
245 $aEstimation of sanity of a stand of Pinus taeda L. after the attack of Sapajus nigritus Kerr (1972) using vegetation index.$h[electronic resource]
260 $c2020
520 $aEssa pesquisa objetivou ajustar modelos de regressão e classificação utilizando os índices de vegetação (IV) mais robustos derivados a partir de imagens digitais de Sentinel-2/MSI para a detecção de áreas atacadas por Sapajus nigritus. Os dados de campo foram obtidos em um povoamento de Pinus taeda L. localizado em Bocaina do Sul, estado de Santa Catarina. Foram alocadas 46 parcelas, nas quais os indivíduos arbóreos foram classificados de acordo com a intensidade do ano em: I: sem dano, II: moderado, III: severo e IV: morto. Foram utilizadas três imagens orbitais da constelação Sentinel-2/MSI em datas coincidentes ao pré ataque, ataque e pós ataque. Por meio de Análise de Componentes Principais, foram selecionados os índices de vegetação como variáveis regressoras para o desenvolvimento de modelos de regressão por Stepwise, Support Vector Machine (SVM) e Random Forest (RF) para a estimativa do percentual das classes de ataque por parcela. A seleção de melhor modelo foi baseada em estatísticas de ajuste de modelos de regressão. Os índices mais robustos foram o MCARI, NDI45 e NDVIRR, os quais estimaram para as classes um percentual de ataque de S. nigritus por parcela com R2 ajustado de 0,80, 0,46, 0,88 e 0,97; Syx de 13,49, 61,42, 15,11 e 8,69 (% 0,045 ha-1) e RMSE de 1,95, 4,49, 2,11 e 0,32 (% 0,045 ha1). Foi possível estimar/identificar áreas atacadas por esse primata no povoamento avaliado, destacando a modelagem Stepwise, seguida por SVM e RF. Entretanto, recomenda-se testar imagens digitais de alta/ultra alta resolução espacial para corroborar com tal metodologia.
650 $aRemote sensing
650 $aPinus Taeda
650 $aSensoriamento Remoto
653 $aÍndices de vegetação
653 $aRed-edge
653 $aSanidade
653 $aSapajus nigritus
653 $aVegetation indexes
700 1 $aSCHIMALSKI, M. B.
700 1 $aPICINATTO FILHO, V.
700 1 $aLIESENBERG, V.
700 1 $aOLIVEIRA, E. B. de
700 1 $aMIRANDA, F. das D. A.
773 $tScientia Forestalis$gv. 48, n. 126, e3323, 2020. 14 p.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Florestas (CNPF) |
|
|
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 - 17| Tipo: 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 - 21| Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
| Biblioteca(s): Embrapa Instrumentação. |
| |
| Registros recuperados : 9 | |
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
