| |
|
|
|
Registro Completo |
|
Biblioteca(s): |
Embrapa Agrobiologia; Embrapa Solos. |
|
Data corrente: |
13/04/2022 |
|
Data da última atualização: |
22/07/2022 |
|
Tipo da produção científica: |
Capítulo em Livro Técnico-Científico |
|
Autoria: |
BALIEIRO, F. de C.; ZILLI, J. E.; TORRES, L. A.; CAMPOS, S. K. |
|
Afiliação: |
FABIANO DE CARVALHO BALIEIRO, CNPS; JERRI EDSON ZILLI, CNPAB; LIVIA ABREU TORRES, SIRE; SILVIA KANADANI CAMPOS, SIRE. |
|
Título: |
Bioeconomia e biotecnologia na Ciência do Solo. |
|
Ano de publicação: |
2022 |
|
Fonte/Imprenta: |
In: TORRES, L. A.; CAMPOS, S. K. (ed.). Megatendências da Ciência do Solo 2030. Brasília, DF: Embrapa, 2022. E-book. cap. 4. |
|
Idioma: |
Português |
|
Conteúdo: |
A interação entre a bioeconomia e a biotecnologia se dá de diversas formas. A aplicação da biotecnologia à produção primária, saúde e indústria resulta em uma bioeconomia onde a biotecnologia contribui para uma parcela significativa da produção econômica. Neste contexto, a bioeconomia em 2030 deverá envolver 3 elementos: conhecimento avançado de genes e processos celulares complexos, biomassa renovável e integração das aplicações biotecnológicas entre diferentes setores. |
|
Palavras-Chave: |
Bioeconomia. |
|
Thesagro: |
Biodiversidade; Biotecnologia; Solo. |
|
Thesaurus Nal: |
Biodiversity; Bioeconomics; Biotechnology; Soil. |
|
Categoria do assunto: |
P Recursos Naturais, Ciências Ambientais e da Terra |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1142164/1/Megatendencias-da-Ciencia-do-Solo-2030.epub
|
|
Marc: |
LEADER 01232naa a2200253 a 4500
001 2142184
005 2022-07-22
008 2022 bl uuuu u00u1 u #d
100 1 $aBALIEIRO, F. de C.
245 $aBioeconomia e biotecnologia na Ciência do Solo.$h[electronic resource]
260 $c2022
520 $aA interação entre a bioeconomia e a biotecnologia se dá de diversas formas. A aplicação da biotecnologia à produção primária, saúde e indústria resulta em uma bioeconomia onde a biotecnologia contribui para uma parcela significativa da produção econômica. Neste contexto, a bioeconomia em 2030 deverá envolver 3 elementos: conhecimento avançado de genes e processos celulares complexos, biomassa renovável e integração das aplicações biotecnológicas entre diferentes setores.
650 $aBiodiversity
650 $aBioeconomics
650 $aBiotechnology
650 $aSoil
650 $aBiodiversidade
650 $aBiotecnologia
650 $aSolo
653 $aBioeconomia
700 1 $aZILLI, J. E.
700 1 $aTORRES, L. A.
700 1 $aCAMPOS, S. K.
773 $tIn: TORRES, L. A.; CAMPOS, S. K. (ed.). Megatendências da Ciência do Solo 2030. Brasília, DF: Embrapa, 2022. E-book. cap. 4.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Solos (CNPS) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Café. |
|
Data corrente: |
16/11/2011 |
|
Data da última atualização: |
16/11/2011 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
BERNARDES, T.; ALVES, H. M. R.; VIEIRA, T. G. C. |
|
Afiliação: |
TIAGO BERNANDES, EPAMIG; HELENA MARIA RAMOS ALVES, SAPC; TATIANA G. C. VIEIRA, EPAMIG. |
|
Título: |
Classificação automática de imagens de satélites no mapeamento da região cafeeira de Patrocínio, MG. |
|
Ano de publicação: |
2007 |
|
Fonte/Imprenta: |
In: SIMPÓSIO DE PESQUISA DOS CAFÉS DO BRASIL, 5., 2007, Águas de Lindóia, SP. Anais... Brasília, DF: Embrapa Café, 2007. |
|
Idioma: |
Português |
|
Conteúdo: |
Imagens orbitais representam uma boa opção na coleta de dados sobre a superfície terrestre reduzindo custos e tempo necessários à sua realização. O uso de imagens de satélite representa uma ferramenta de grande utilidade para fins de mapeamento devido à sua grande abrangência em termos de área, periodicidade de imageamento em intervalos curtos, possibilidade de análise visual e espectral e baixo custo de aquisição. O sensoriamento remoto e o processamento digital de imagens fornecem dados que podem ser manipulados e integrados a outros tipos de dados em sistemas de informações geográficas, possibilitando a obtenção de informações importantes sobre a superfície terrestre. A idéia básica em classificação de dados multiespectrais é identificar grupos de atributos espaciais e isolá-los usando alguns limites de decisão. A classificação automática de imagens visa à categorização da cobertura da terra distinguindo as composições de diferentes materiais superficiais (Crosta, 1999). Os valores de nível de cinza de cada pixel são agrupados e associados a um tipo de cobertura da superfície terrestre imageada. A distinção entre os padrões de uso da terra é possível graças ao comportamento específico dos objetos ao longo do espectro eletromagnético, ou seja, os objetos da superfície terrestre interagem (reflectância, absorbância e transmitância) com a radiação eletromagnética de maneira diferenciada em função do comprimento de onda e de suas características bio-físico-químicas. Este trabalho visa à avaliação da qualidade de diferentes métodos de classificação automática de uma imagem do satélite Landsat para geração de um mapa de uso atual do município de Patrocínio, importante polo cafeeiro do estado de Minas Gerais. O processamento digital da imagem foi realizado pelo SPRING (Sistema para Processamento de Informações Georreferenciadas) do INPE (Instituto Nacional de Pesquisas Espaciais). Os classificadores automáticos utilizados foram: MaxVer (Máxima Verossimilhança), caracterizado como do tipo ?pixel a pixel?, Isoseg e Battacharya, considerados como classificadores por região. Para avaliação dos mapeamentos obtidos com os classificadores foi usado o mapeamento gerado por interpretação visual da mesma imagem. Para medição da acurácia foram usadas matrizes de contingência e o coeficiente de concordância Tau. O melhor índice obtido foi para a classificação pelo algoritmo Battacharya, seguido dos classificadores MaxVer e Isoseg. O relevo suavizado da região, que reduz a influência do sombreamento no comportamento espectral das coberturas, associado ao padrão da agricultura regional em que extensas áreas são ocupadas com culturas anuais e perenes colaborou para o bom desempenho dos classificadores. Em outras áreas cafeeiras do estado, onde o relevo é montanhoso e o uso agrícola muito segmentado, os mesmos classificadores apresentaram índices de acurácia inferiores. MenosImagens orbitais representam uma boa opção na coleta de dados sobre a superfície terrestre reduzindo custos e tempo necessários à sua realização. O uso de imagens de satélite representa uma ferramenta de grande utilidade para fins de mapeamento devido à sua grande abrangência em termos de área, periodicidade de imageamento em intervalos curtos, possibilidade de análise visual e espectral e baixo custo de aquisição. O sensoriamento remoto e o processamento digital de imagens fornecem dados que podem ser manipulados e integrados a outros tipos de dados em sistemas de informações geográficas, possibilitando a obtenção de informações importantes sobre a superfície terrestre. A idéia básica em classificação de dados multiespectrais é identificar grupos de atributos espaciais e isolá-los usando alguns limites de decisão. A classificação automática de imagens visa à categorização da cobertura da terra distinguindo as composições de diferentes materiais superficiais (Crosta, 1999). Os valores de nível de cinza de cada pixel são agrupados e associados a um tipo de cobertura da superfície terrestre imageada. A distinção entre os padrões de uso da terra é possível graças ao comportamento específico dos objetos ao longo do espectro eletromagnético, ou seja, os objetos da superfície terrestre interagem (reflectância, absorbância e transmitância) com a radiação eletromagnética de maneira diferenciada em função do comprimento de onda e de suas características bio-físico-químicas. Este trab... Mostrar Tudo |
|
Palavras-Chave: |
Análise de imagem; Classificação. |
|
Thesagro: |
Cafeicultura; Sensoriamento Remoto. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/46755/1/Classificacao-automatica-de-imagens.pdf
|
|
Marc: |
LEADER 03657nam a2200181 a 4500
001 1906103
005 2011-11-16
008 2007 bl uuuu u00u1 u #d
100 1 $aBERNARDES, T.
245 $aClassificação automática de imagens de satélites no mapeamento da região cafeeira de Patrocínio, MG.$h[electronic resource]
260 $aIn: SIMPÓSIO DE PESQUISA DOS CAFÉS DO BRASIL, 5., 2007, Águas de Lindóia, SP. Anais... Brasília, DF: Embrapa Café$c2007
520 $aImagens orbitais representam uma boa opção na coleta de dados sobre a superfície terrestre reduzindo custos e tempo necessários à sua realização. O uso de imagens de satélite representa uma ferramenta de grande utilidade para fins de mapeamento devido à sua grande abrangência em termos de área, periodicidade de imageamento em intervalos curtos, possibilidade de análise visual e espectral e baixo custo de aquisição. O sensoriamento remoto e o processamento digital de imagens fornecem dados que podem ser manipulados e integrados a outros tipos de dados em sistemas de informações geográficas, possibilitando a obtenção de informações importantes sobre a superfície terrestre. A idéia básica em classificação de dados multiespectrais é identificar grupos de atributos espaciais e isolá-los usando alguns limites de decisão. A classificação automática de imagens visa à categorização da cobertura da terra distinguindo as composições de diferentes materiais superficiais (Crosta, 1999). Os valores de nível de cinza de cada pixel são agrupados e associados a um tipo de cobertura da superfície terrestre imageada. A distinção entre os padrões de uso da terra é possível graças ao comportamento específico dos objetos ao longo do espectro eletromagnético, ou seja, os objetos da superfície terrestre interagem (reflectância, absorbância e transmitância) com a radiação eletromagnética de maneira diferenciada em função do comprimento de onda e de suas características bio-físico-químicas. Este trabalho visa à avaliação da qualidade de diferentes métodos de classificação automática de uma imagem do satélite Landsat para geração de um mapa de uso atual do município de Patrocínio, importante polo cafeeiro do estado de Minas Gerais. O processamento digital da imagem foi realizado pelo SPRING (Sistema para Processamento de Informações Georreferenciadas) do INPE (Instituto Nacional de Pesquisas Espaciais). Os classificadores automáticos utilizados foram: MaxVer (Máxima Verossimilhança), caracterizado como do tipo ?pixel a pixel?, Isoseg e Battacharya, considerados como classificadores por região. Para avaliação dos mapeamentos obtidos com os classificadores foi usado o mapeamento gerado por interpretação visual da mesma imagem. Para medição da acurácia foram usadas matrizes de contingência e o coeficiente de concordância Tau. O melhor índice obtido foi para a classificação pelo algoritmo Battacharya, seguido dos classificadores MaxVer e Isoseg. O relevo suavizado da região, que reduz a influência do sombreamento no comportamento espectral das coberturas, associado ao padrão da agricultura regional em que extensas áreas são ocupadas com culturas anuais e perenes colaborou para o bom desempenho dos classificadores. Em outras áreas cafeeiras do estado, onde o relevo é montanhoso e o uso agrícola muito segmentado, os mesmos classificadores apresentaram índices de acurácia inferiores.
650 $aCafeicultura
650 $aSensoriamento Remoto
653 $aAnálise de imagem
653 $aClassificação
700 1 $aALVES, H. M. R.
700 1 $aVIEIRA, T. G. C.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Café (CNPCa) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Expressão de busca inválida. Verifique!!! |
|
|
