| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Agricultura Digital. |
|
Data corrente: |
22/06/2021 |
|
Data da última atualização: |
03/03/2023 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Autoria: |
PEREIRA, P. R. M.; COSTA, F. W. D.; BOLFE, E. L.; MACARRINGE, L.; BOTELHO, A. C. |
|
Afiliação: |
Unicamp; Unesp; EDSON LUIS BOLFE, Unicamp, CNPTIA; Unicamp; Unicamp. |
|
Título: |
Comparison of classification algorithms of images for the mapping of the land covering in Tasso Fragoso municipality, Brazil. |
|
Ano de publicação: |
2021 |
|
Fonte/Imprenta: |
ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, V. V-3-2021, p. 167-173, 2021. |
|
DOI: |
https://doi.org/10.5194/isprs-annals-V-3-2021-167-2021 |
|
Idioma: |
Inglês |
|
Notas: |
This research is funded by the São Paulo Research Foundation (FAPESP), grant number 2019/26222-6. |
|
Conteúdo: |
Abstract. One of the main applications of satellite images is the characterization of terrestrial coverage, that from the use of classification techniques, allows the monitoring of spatial transformations of the terrestrial surface, this process being directly associated with the potential of classifiers to differentiate the most diverse data present in the images, a fundamental aspect for the use of remote sensing data. This article evaluates the performance of different classification algorithms in the mapping classes of land use and land cover in medium resolution images from the Landsat 8 program, the test area of this test corresponds to the Municipality of Tasso Fragoso (State Maranhão - Brazil), stands out for a typical vegetation cover of the Cerrado Biome, presents similar spectral patterns that induce high difficulty of class differentiation automatically. In this paper, were analyzed the machine learning algorithms C5.0 and Random Forest in comparison to traditional classification algorithms being the Minimum Distance and the Spectral Angle Mapper. The best results were generated by Random Forest with 90% accuracy and Kappa of 0.861, followed by the C5.0 algorithm. Traditional algorithms, on the other hand, presented a lower precision rate with global accuracy, not exceeding 75% of accuracy and Kappa varying between 0.507 and 0.627. The accuracy of the producer showed that all the algorithms, in major or minor tendency presented difficulties in to differentiate the areas, with rates of mistakes varying between 25 and 75%, being the main, the confusion with pastoral areas. MenosAbstract. One of the main applications of satellite images is the characterization of terrestrial coverage, that from the use of classification techniques, allows the monitoring of spatial transformations of the terrestrial surface, this process being directly associated with the potential of classifiers to differentiate the most diverse data present in the images, a fundamental aspect for the use of remote sensing data. This article evaluates the performance of different classification algorithms in the mapping classes of land use and land cover in medium resolution images from the Landsat 8 program, the test area of this test corresponds to the Municipality of Tasso Fragoso (State Maranhão - Brazil), stands out for a typical vegetation cover of the Cerrado Biome, presents similar spectral patterns that induce high difficulty of class differentiation automatically. In this paper, were analyzed the machine learning algorithms C5.0 and Random Forest in comparison to traditional classification algorithms being the Minimum Distance and the Spectral Angle Mapper. The best results were generated by Random Forest with 90% accuracy and Kappa of 0.861, followed by the C5.0 algorithm. Traditional algorithms, on the other hand, presented a lower precision rate with global accuracy, not exceeding 75% of accuracy and Kappa varying between 0.507 and 0.627. The accuracy of the producer showed that all the algorithms, in major or minor tendency presented difficulties in to differentiate th... Mostrar Tudo |
|
Palavras-Chave: |
Algoritmos de aprendizado de máquina; Bioma cerrado; Cerrado Biome; Classificação digital; Classification algorithms; Cobertura da terra; Digital Classification; Landsat 8; Machine learning algorithms; Maranhão State; Performance Indexes; Random Forest. |
|
Thesagro: |
Uso da Terra. |
|
Thesaurus Nal: |
Land cover; Land use. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/223984/1/PL-Comparison-classification-algorithm-ISPRS-2021.pdf
|
|
Marc: |
LEADER 02934naa a2200373 a 4500
001 2132498
005 2023-03-03
008 2021 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.5194/isprs-annals-V-3-2021-167-2021$2DOI
100 1 $aPEREIRA, P. R. M.
245 $aComparison of classification algorithms of images for the mapping of the land covering in Tasso Fragoso municipality, Brazil.$h[electronic resource]
260 $c2021
500 $aThis research is funded by the São Paulo Research Foundation (FAPESP), grant number 2019/26222-6.
520 $aAbstract. One of the main applications of satellite images is the characterization of terrestrial coverage, that from the use of classification techniques, allows the monitoring of spatial transformations of the terrestrial surface, this process being directly associated with the potential of classifiers to differentiate the most diverse data present in the images, a fundamental aspect for the use of remote sensing data. This article evaluates the performance of different classification algorithms in the mapping classes of land use and land cover in medium resolution images from the Landsat 8 program, the test area of this test corresponds to the Municipality of Tasso Fragoso (State Maranhão - Brazil), stands out for a typical vegetation cover of the Cerrado Biome, presents similar spectral patterns that induce high difficulty of class differentiation automatically. In this paper, were analyzed the machine learning algorithms C5.0 and Random Forest in comparison to traditional classification algorithms being the Minimum Distance and the Spectral Angle Mapper. The best results were generated by Random Forest with 90% accuracy and Kappa of 0.861, followed by the C5.0 algorithm. Traditional algorithms, on the other hand, presented a lower precision rate with global accuracy, not exceeding 75% of accuracy and Kappa varying between 0.507 and 0.627. The accuracy of the producer showed that all the algorithms, in major or minor tendency presented difficulties in to differentiate the areas, with rates of mistakes varying between 25 and 75%, being the main, the confusion with pastoral areas.
650 $aLand cover
650 $aLand use
650 $aUso da Terra
653 $aAlgoritmos de aprendizado de máquina
653 $aBioma cerrado
653 $aCerrado Biome
653 $aClassificação digital
653 $aClassification algorithms
653 $aCobertura da terra
653 $aDigital Classification
653 $aLandsat 8
653 $aMachine learning algorithms
653 $aMaranhão State
653 $aPerformance Indexes
653 $aRandom Forest
700 1 $aCOSTA, F. W. D.
700 1 $aBOLFE, E. L.
700 1 $aMACARRINGE, L.
700 1 $aBOTELHO, A. C.
773 $tISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, V. V-3-2021, p. 167-173, 2021.
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 Agrossilvipastoril. |
|
Data corrente: |
01/12/2018 |
|
Data da última atualização: |
15/12/2018 |
|
Tipo da produção científica: |
Circular Técnica |
|
Autoria: |
BALDONI, A. B. |
|
Afiliação: |
AISY BOTEGA BALDONI TARDIN, CPAMT. |
|
Título: |
Como fazer enxertia por borbulhia em castanheira-do-brasil (Bertholletia excelsa Bonpl.). |
|
Ano de publicação: |
2018 |
|
Fonte/Imprenta: |
Sinop: Embrapa Agrossilvipastoril, 2018. |
|
Série: |
(Embrapa Agrossilvipastoril. Circular Técnica, 6) |
|
Idioma: |
Português |
|
Conteúdo: |
A castanheira-do-brasil (Bertholletia excelsa Bonpl.), família Lecythidaceae, também conhecida nacionalmente como castanheira-do-pará, ocorre na região Amazônica, nos estados do Acre, Amazonas, Pará, Roraima, Rondônia, e em parte dos estados do Mato Grosso, Maranhão e Tocantins. É considera¬da uma das mais importantes espécies de exploração extrativista, possuindo sementes com alto valor nutricional e comercial. Seus frutos são utilizados em artesanato e sua madeira poderia ser empregada na construção civil e naval, uma vez que o corte de exemplares nativos é proibido, segundo Decreto 1282 de 19 de outubro de 1994, capítulo I, artigo 4° (Lorenzi, 2002; Vieira et al., 2009). No plantio comercial da castanheira há o interesse pelo produtor de utilizar a técnica de enxertia, visando à precocidade na produção de frutos. A enxertia, em linhas gerais, é praticada segundo dois princípios metodológicos básicos: a borbulhia ou escudagem e a garfagem (Ribeiro et al., 2005). A enxertia por borbulhia é realizada quando as plantas estão estabelecidas no campo, e quando atingem um diâmetro mínimo do caule, que permite a aplicação dessa técnica e o sucesso no pegamento do enxerto (Baldoni et al. 2017). Essa técnica já foi aplicada em castanheira no Peru (Corvera-Gomringer et al., 2010) e também em 1982, em um trabalho pioneiro da Embrapa (Müller, 1982). A garfagem também já foi aplicada para a castanheira-do-brasil com sucesso, segundo Carvalho e Nascimento (2016). |
|
Palavras-Chave: |
Castanha-do-brasl; Enxertia. |
|
Categoria do assunto: |
F Plantas e Produtos de Origem Vegetal |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/188465/1/2018-cpamt-aisy-baldoni-como-fazer-enxertia-borbulhia-castanheira-do-brasil.pdf
|
|
Marc: |
LEADER 01996nam a2200145 a 4500
001 2100528
005 2018-12-15
008 2018 bl uuuu u0uu1 u #d
100 1 $aBALDONI, A. B.
245 $aComo fazer enxertia por borbulhia em castanheira-do-brasil (Bertholletia excelsa Bonpl.).$h[electronic resource]
260 $aSinop: Embrapa Agrossilvipastoril$c2018
490 $a(Embrapa Agrossilvipastoril. Circular Técnica, 6)
520 $aA castanheira-do-brasil (Bertholletia excelsa Bonpl.), família Lecythidaceae, também conhecida nacionalmente como castanheira-do-pará, ocorre na região Amazônica, nos estados do Acre, Amazonas, Pará, Roraima, Rondônia, e em parte dos estados do Mato Grosso, Maranhão e Tocantins. É considera¬da uma das mais importantes espécies de exploração extrativista, possuindo sementes com alto valor nutricional e comercial. Seus frutos são utilizados em artesanato e sua madeira poderia ser empregada na construção civil e naval, uma vez que o corte de exemplares nativos é proibido, segundo Decreto 1282 de 19 de outubro de 1994, capítulo I, artigo 4° (Lorenzi, 2002; Vieira et al., 2009). No plantio comercial da castanheira há o interesse pelo produtor de utilizar a técnica de enxertia, visando à precocidade na produção de frutos. A enxertia, em linhas gerais, é praticada segundo dois princípios metodológicos básicos: a borbulhia ou escudagem e a garfagem (Ribeiro et al., 2005). A enxertia por borbulhia é realizada quando as plantas estão estabelecidas no campo, e quando atingem um diâmetro mínimo do caule, que permite a aplicação dessa técnica e o sucesso no pegamento do enxerto (Baldoni et al. 2017). Essa técnica já foi aplicada em castanheira no Peru (Corvera-Gomringer et al., 2010) e também em 1982, em um trabalho pioneiro da Embrapa (Müller, 1982). A garfagem também já foi aplicada para a castanheira-do-brasil com sucesso, segundo Carvalho e Nascimento (2016).
653 $aCastanha-do-brasl
653 $aEnxertia
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agrossilvipastoril (CPAMT) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Expressão de busca inválida. Verifique!!! |
|
|
