|
|
Registro Completo |
Biblioteca(s): |
Embrapa Agricultura Digital. |
Data corrente: |
01/12/2005 |
Data da última atualização: |
20/03/2023 |
Autoria: |
ANTUNES, J. F. G. |
Afiliação: |
JOAO FRANCISCO GONCALVES ANTUNES, CNPTIA. |
Título: |
Aplicação de lógica fuzzy para estimativa de área plantada da cultura de soja utilizando imagens AVHRR-NOAA. |
Ano de publicação: |
2005 |
Fonte/Imprenta: |
2005. |
Páginas: |
91 f. |
Idioma: |
Português |
Notas: |
Dissertação (Mestrado em Engenharia Agrícola) - Faculdade de Engenharia Agrícola, Universidade Estadual de Campinas, Campinas. |
Conteúdo: |
A estimativa precisa com antecedência à época da colheita de áreas plantadas com culturas agrícolas, como a soja, é de fundamental importância para a economia brasileira. A previsão do escoamento e comercialização da produção agrícola é estratégica para o Brasil, pois estão diretamente relacionados com o planejamento, custos e preço. Com o recente avanço tecnológico na obtenção de dados por sensoriamento remoto orbital é possível melhorar a previsão de safras, diminuindo cada vez mais o nível de subjetividade. Embora designadas para fins meteorológicos, as imagens AVHRR-NOAA de elevada repetitividade temporal, têm sido utilizadas para o monitoramento agrícola. Porém, a sua baixa resolução espacial faz com que possa ocorrer a mistura espectral das classes de cobertura do solo dentro de um mesmo pixel e isso pode acarretar problemas de imprecisão na estimativa de área plantada de uma cultura agrícola. O objetivo principal do trabalho foi desenvolver uma metodologia de classificação automática com a aplicação de lógica fuzzy para o reconhecimento de padrões em imagens AVHRR-NOAA, utilizando índices de vegetação para estimar a área plantada de soja no nível sub-pixel. Para oito municípios produtores de soja da região oeste do Estado do Paraná, foi possível obter a estimativa de área no final de janeiro de 2004, com antecedência em relação à época da colheita, ao contrário dos levantamentos oficiais que se estendem até o final da safra, além de utilizarem dados subjetivos vindos do campo. As estimativas de área de soja baseadas em classificação fuzzy mostraram-se altamente correlacionadas com as estimativas de área de referência obtidas a partir da máscara de soja e por expansão direta, sendo um indicativo de boa precisão. E também apresentaram alta correlação, balizadas com as estimativas oficiais da SEAB/DERAL e do IBGE. Em ambas comparações, o nível de erro relativo geral foi aceitável. O sistema desenvolvido para processamento e geração de produtos das imagens AVHRR-NOAA mostrou-se uma ferramenta fundamental de infra-estrutura, por aliar automação e precisão a metodologia do trabalho. MenosA estimativa precisa com antecedência à época da colheita de áreas plantadas com culturas agrícolas, como a soja, é de fundamental importância para a economia brasileira. A previsão do escoamento e comercialização da produção agrícola é estratégica para o Brasil, pois estão diretamente relacionados com o planejamento, custos e preço. Com o recente avanço tecnológico na obtenção de dados por sensoriamento remoto orbital é possível melhorar a previsão de safras, diminuindo cada vez mais o nível de subjetividade. Embora designadas para fins meteorológicos, as imagens AVHRR-NOAA de elevada repetitividade temporal, têm sido utilizadas para o monitoramento agrícola. Porém, a sua baixa resolução espacial faz com que possa ocorrer a mistura espectral das classes de cobertura do solo dentro de um mesmo pixel e isso pode acarretar problemas de imprecisão na estimativa de área plantada de uma cultura agrícola. O objetivo principal do trabalho foi desenvolver uma metodologia de classificação automática com a aplicação de lógica fuzzy para o reconhecimento de padrões em imagens AVHRR-NOAA, utilizando índices de vegetação para estimar a área plantada de soja no nível sub-pixel. Para oito municípios produtores de soja da região oeste do Estado do Paraná, foi possível obter a estimativa de área no final de janeiro de 2004, com antecedência em relação à época da colheita, ao contrário dos levantamentos oficiais que se estendem até o final da safra, além de utilizarem dados subjetivos vindos ... Mostrar Tudo |
Palavras-Chave: |
Classificação de imagens; Lógica nebulosa; NDMI; NDVI; Previsão de safras; Reconhecimento de padrões. |
Thesagro: |
Agricultura; Estatística; Sensoriamento Remoto; Vegetação. |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/4324/1/TS-Aplicacao-Logica-JoaoFrancisco-2005.pdf
|
Marc: |
LEADER 03017nam a2200253 a 4500 001 1004324 005 2023-03-20 008 2005 bl uuuu m 00u1 u #d 100 1 $aANTUNES, J. F. G. 245 $aAplicação de lógica fuzzy para estimativa de área plantada da cultura de soja utilizando imagens AVHRR-NOAA. 260 $a2005.$c2005 300 $a91 f. 500 $aDissertação (Mestrado em Engenharia Agrícola) - Faculdade de Engenharia Agrícola, Universidade Estadual de Campinas, Campinas. 520 $aA estimativa precisa com antecedência à época da colheita de áreas plantadas com culturas agrícolas, como a soja, é de fundamental importância para a economia brasileira. A previsão do escoamento e comercialização da produção agrícola é estratégica para o Brasil, pois estão diretamente relacionados com o planejamento, custos e preço. Com o recente avanço tecnológico na obtenção de dados por sensoriamento remoto orbital é possível melhorar a previsão de safras, diminuindo cada vez mais o nível de subjetividade. Embora designadas para fins meteorológicos, as imagens AVHRR-NOAA de elevada repetitividade temporal, têm sido utilizadas para o monitoramento agrícola. Porém, a sua baixa resolução espacial faz com que possa ocorrer a mistura espectral das classes de cobertura do solo dentro de um mesmo pixel e isso pode acarretar problemas de imprecisão na estimativa de área plantada de uma cultura agrícola. O objetivo principal do trabalho foi desenvolver uma metodologia de classificação automática com a aplicação de lógica fuzzy para o reconhecimento de padrões em imagens AVHRR-NOAA, utilizando índices de vegetação para estimar a área plantada de soja no nível sub-pixel. Para oito municípios produtores de soja da região oeste do Estado do Paraná, foi possível obter a estimativa de área no final de janeiro de 2004, com antecedência em relação à época da colheita, ao contrário dos levantamentos oficiais que se estendem até o final da safra, além de utilizarem dados subjetivos vindos do campo. As estimativas de área de soja baseadas em classificação fuzzy mostraram-se altamente correlacionadas com as estimativas de área de referência obtidas a partir da máscara de soja e por expansão direta, sendo um indicativo de boa precisão. E também apresentaram alta correlação, balizadas com as estimativas oficiais da SEAB/DERAL e do IBGE. Em ambas comparações, o nível de erro relativo geral foi aceitável. O sistema desenvolvido para processamento e geração de produtos das imagens AVHRR-NOAA mostrou-se uma ferramenta fundamental de infra-estrutura, por aliar automação e precisão a metodologia do trabalho. 650 $aAgricultura 650 $aEstatística 650 $aSensoriamento Remoto 650 $aVegetação 653 $aClassificação de imagens 653 $aLógica nebulosa 653 $aNDMI 653 $aNDVI 653 $aPrevisão de safras 653 $aReconhecimento de padrões
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
Registros recuperados : 3 | |
1. | | POORTER, L.; SANDE, M. van der; ARETS, E. J. M. M.; ASCARRUNZ, N.; ENQUIST, B.; FINEGAN, B.; LICONA, J. C.; MARTINEZ-RAMOS, M.; FREITAS, L. J. M. de; MEAVE, J. A.; MUÑOZ, R.; NYTCH, C. J.; OLIVEIRA, A. A. de; PÉREZ-GARCÍA, E. A.; PRADO-JUNIOR, J.; RODRÍGUEZ-VELÁZQUES, J.; RUSCHEL, A. R.; SALGADO-NEGRET, B.; SCHIAVINI, I.; SWENSON, N. G.; TENORIO, E. A.; THOMPSON, J.; TOLEDO, M.; URIARTE, M.; HOUT, P. van der; ZIMMERMAN, J. K.; PEÑA-CLAROS, M. Biodiversity and climate determine the functioning of Neotropical forests. Global Ecology and Biogeography, v. 26, n. 12, p. 1423-1434, Dec. 2017.Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
Biblioteca(s): Embrapa Amazônia Oriental. |
| |
2. | | MOLES, A. T.; PERKINS, S. E.; LAFFAN, S. W.; FLORES-MORENO, H.; AWASTHY, M.; TINDALL, M. L.; SACK, L.; PITMAN, A.; KATTGE, J.; AARSSEN, L. W.; ANAND, M.; BAHN, M.; BLONDER, B.; CAVENDER-BARES, J.; CORNELISSEN, J. H. C.; CORNWELL, W. K.; DÍAZ, S.; DICKIE, J. B.; FRESCHET, G. T.; GRIFFITHS, J. G.; GUTIERREZ, A. G.; HEMMINGS, F. A.; HICKLER, T.; HITCHCOCK, T. D.; KEIGHERY, M.; KLEYER, M.; KUROKAWA, H.; LEISHMAN, M. R.; LIU, K.; NIINEMETS, U.; ONIPCHENKO, V.; ONODA, Y.; PENUELAS, J.; PILLAR, V. D.; REICH, P. B.; SHIODERA, S.; SIEFERT, A.; SOSINSKI JUNIOR, E. E.; SOUDZILOVSKAIA, N. A.; SWAINE, E. K.; SWENSON, N. G.; VAN BODEGOM, P. M.; WARMAN, L.; WEIHER, E.; WRIGHT, I. J.; ZHANG, H.; ZOBEL, M.; BONSER, S. P. Which is a better predictor of plant traits: temperature or precipitation? Journal of Vegetation Science, v. 25, p. 1167-1180, 2014.Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
Biblioteca(s): Embrapa Clima Temperado. |
| |
3. | | POORTER, L.; SANDE, M. T. van der; THOMPSON, J.; ARETS, E. J. M. M.; ALARCÓN, A.; ÁLVAREZ-SÁNCHEZ, J.; ASCARRUNZ, N.; BALVANERA, P.; BARAJAS-GUZMÁN, G.; BOIT, A.; BONGERS, F.; CARVALHO, F. A.; CASANOVES, F.; CORNEJO-TENORIO, G.; COSTA, F. R. C.; CASTILHO, C. V. de; DUIVENVOORDEN, J. F.; DUTRIEUX, L. P.; ENQUIST, J. P.; FERNÁNDEZ-MÉNDEZ, F.; FINEGAN, B.; GORMLEY, L. H. L.; HEALEY, J. R.; HOOSBEEK, M. R.; IBARRA-MANRÍQUEZ, G.; JUNQUEIRA, A. B.; LEVIS, C.; LICONA, J. C.; LISBOA, L. S.; MAGNUSSON, W. E.; MARTÍNEZ-RAMOS, M.; MARTÍNEZ-YRIZAR, A.; MARTORANO, L. G.; MASKELL, L. C.; MAZZEI, L.; MEAVE, J. A.; MORA, F.; MUÑOZ, R.; NYTCH, C.; PANSONATO, M. P.; PARR, T. W.; PAZ, H.; PÉREZ-GARCIA, E. A.; RENTERÍA, L. Y.; RODRÍGUEZ-VELÁZQUEZ, J.; ROZENDAAL, D. M. A.; RUSCHEL, A. R.; SAKSCHEWSKI, B.; SALGADO-NEGRET, B.; SCHIETT, J.; SIMÕES, M.; SINCLAIR, F. L.; SOUZA, P. F.; SOUZA, F. C.; STROPP, J.; STEEGE, H. ter; SWENSON, N. G.; THONICKE, K.; TOLEDO, M.; URIARTE, M.; HOUT, P. van der; WALKER, P.; ZAMORA, N.; PEÑA-CLAROS, M. Diversity enhances carbon storage in tropical forests. Global Ecology and Biogeography, v. 24, n. 11, p. 1314-1328, Nov. 2015.Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
Biblioteca(s): Embrapa Amazônia Oriental; Embrapa Roraima; Embrapa Solos. |
| |
Registros recuperados : 3 | |
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|