| |
|
|
| Registros recuperados : 32 | |
| 7. |  | SCHULTZ, B.; AUER, C. G.; SANTOS, A. F. dos. Registro de doenças em Eucalyptus benthamii no Brasil. Tropical Plant Pathology, v. 35, supl., S232, ago. 2010. Edição dos Resumos do Congresso Brasileiro de Fitopatologia, 43., 2010, Cuiabá.| Biblioteca(s): Embrapa Florestas. |
|   |
| 10. | | AUER, C. G.; MACIEL, C. G.; SCHULTZ, B.; SANTOS, A. F. dos. Associação de Cylindrocladium candelabrum a morte de mudas e ramos de Eucalyptus benthamii. Tropical Plant Pathology, v. 35, supl., S168, ago. 2010. Edição dos Resumos do Congresso Brasileiro de Fitopatologia, 43., 2010, Cuiabá. Edição dos resumos do Congresso Brasileiro de Fitopatologia, 43.| Biblioteca(s): Embrapa Florestas. |
| |
| 11. | | SCHULTZ, B.; FORMAGGIO, A. R.; ATZBERGER, C.; LUIZ, A. J. B.; GOLTZ, E.; MELLO, M. P. Dynamic of sugarcane harvested areas in São Paulo state, Brazil, over the last two decades. GLOBAL LAND PROJECT, OPEN SCIENCE MEETING, 2., 2014, Berlim. Land Transformations: between global challenges and local realities. Proceedings... Berlim: International Geosphere-Biosphere Programme, 2014. p. 512-513.| Biblioteca(s): Embrapa Meio Ambiente. |
|  |
| 12. | | SCHULTZ, B.; BERTANI, G.; FORMAGGIO, A. R.; EBERHARDT, D. S.; LUIZ, A. J. B.; ATZBERGER, C. Data mining and object based image analysis applied to soybean areas classification through time-series TM/ETM+ images. In: GEOGRAPHIC OBJECT-BASED IMAGE ANALYSIS CONFERENCE, 5., 2014, Tessalônica. Proceedings... Tessalônica: Aristotle University of Thessaloniki, 2014. Ref. O.T9 - 085. p. 122.| Biblioteca(s): Embrapa Meio Ambiente. |
| |
| 13. | | CORRÊA, P. R. R.; SCHULTZ, B.; AUER, C. G.; HIGA, A. R. Efeito da planta matriz, estação do ano e ambiente de cultivo na miniestaquia de Pinus radiata. Floresta, Curitiba, v. 45, n. 1, p. 65-74, jan./mar. 2015.| Biblioteca(s): Embrapa Florestas. |
| |
| 15. | | SCHULTZ, B.; RABELO, P. R.; BARROS, L. T. S.; HIGA, A. R.; AUER, C. G. Efeito do tipo de minijardim e da época de plantio sobre o desenvolvimento de estacas de Pinus radiata. In: SIMPÓSIO DE PÓS-GRADUAÇÃO EM CIÊNCIAS FLORESTAIS, 6.; SIMPÓSIO EM CIÊNCIA E TECNOLOGIA DA MADEIRA DO RJ, 2., 2010, Rio de Janeiro. Anais. Rio de Janeiro: Instituto de Florestas: UFRRJ, 2010. 1 CD-ROM.| Biblioteca(s): Embrapa Florestas. |
| |
| 18. | | SCHULTZ, B.; MACIEL, C. G.; AUER, C. G.; SANTOS, A. F. dos. Patogenicidade de Cylindrocladium candelabrum em folhas destacadas de Eucalyptus benthamii. Tropical Plant Pathology, v. 35, supl., S232, ago. 2010. Edição dos Resumos do Congresso Brasileiro de Fitopatologia, 43., 2010, Cuiabá.| Biblioteca(s): Embrapa Florestas. |
| |
| Registros recuperados : 32 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Meio Ambiente. |
|
Data corrente: |
23/02/2017 |
|
Data da última atualização: |
21/07/2017 |
|
Tipo da produção científica: |
Orientação de Tese de Pós-Graduação |
|
Autoria: |
SCHULTZ, B. |
|
Afiliação: |
Bruno Schultz, INPE. |
|
Título: |
Análise de imagens orientada a objetos e amostragem estatística no monitoramento de cana-de-açúcar, milho e soja no estado de São Paulo. |
|
Ano de publicação: |
2016 |
|
Fonte/Imprenta: |
2016 |
|
Páginas: |
244 p. |
|
Idioma: |
Português |
|
Notas: |
Tese (Doutorado em Sensoriamento Remoto) - INPE, São José dos Campos. Orientador: Alfredo José Barreto Luiz (CNPMA). |
|
Conteúdo: |
Resumo: A superfície do estado de São Paulo é recoberta por diversos tipos de usos e coberturas da terra, distribuídos em diferentes porções geográficas. Entre esses usos, a cana-de-açúcar, o milho e a soja ocupam a maior parte das áreas agrícolas do estado. Apesar de essas culturas possuírem grande importância para o cenário agrícola, elas ainda não são monitoradas sistematicamente em tempo quase-real. Como os dados de estimativas agrícolas possuem grande importância nas tomadas de decisão, a presente pesquisa teve como meta avaliar a possibilidade de se obter o valor de área ocupada pelas culturas de cana-de-açúcar, milho e soja no estado de São Paulo, em tempo-quase real (período bi-mensal), utilizando sensoriamento remoto (SR), classificação visual e automática de imagens multitemporais OLI. Três diferentes áreas-teste foram avaliadas: o Estado de São Paulo (A1), o município de Cândido Mota/SP (A2) e 15 municípios contínuos e localizados no extremo Sul de São Paulo (A3). Os objetivos específicos de cada área teste foram: (A1) informar o valor da área ocupada com cana-de-açúcar, milho e soja para o estado de São Paulo, em períodos de dois meses do ano safra 2014/2015; (A2) validar informações de campo, desenvolver um protocolo de classificação visual e avalia-lo; e (A3) avaliar o desempenho da classificação automática. Para A1, 5.000 pixels aleatórios foram estratificados em cada mesorregião do estado, em cada período P1 (Nov/Dez), P2 (Jan/Fev), P3 (Mar/Abr) e P4 (Mai/Jun) do ano safra e classificados em laboratório, utilizando protocolo de classificação visual. Além disso, um banco de dados composto por 432 imagens multitemporais OLI foi montado e dividido em 24 mosaicos (n), salvos em composição colorida R-b5 G-b6 B-b4. Cada imagem do mosaico (composto por 18 cenas) foi padronizada através de um algoritmo nominado Aparência Equalizada (ApEq). A ApEq foi executada para que não ocorressem grandes alterações na cor resultante dos alvos pseudo-invariantes presentes nas diferentes imagens dos mosaicos. A análise visual dos resultados da ApEq foi discutida sobre o mosaico de nº 13. Em A2, 200 pixels OLI foram sorteados sobre o município de Cândido Mota/SP e validados em campo no período de 13 a 17 de abril/2015. Informações sobre as áreas ocupadas com cana-de-açúcar, milho e soja foram coletadas, e posteriormente utilizadas para avaliar o protocolo de classificação visual através das estatísticas geradas pela matriz de confusão (Exatidão Global). O protocolo de classificação visual foi aplicado por oito intérpretes, divididos em dois grupos - G1: intérpretes com maior experiência na classificação visual de imagens de SR e G2: intérpretes com menor experiência. O comportamento espectro-temporal (CET) e a presença de vegetação fotossinteticamente ativa (VFA) das três culturas estudadas foram analisados com uso das imagens multitemporais OLI. Os 200 pixels de A2 também foram usados para treinamento de modelos de classificação automática por análise de imagem orientada a objetos OBIA/Random Forest e segmentação via Segmentador Multi-resolução (SM-R). Foram gerados 1150 modelos de classificação, formados pela variação dos parâmetros fator de escala (Fe), forma (Fm) e compacidade (Cp) do algoritmo MR-S aplicado sobre quatro imagem multitemporais OLI 222/076, datadas de agosto/2014, outubro/2014, janeiro/2015 e maio/2015. Os resultados dos modelos de classificação foram testados pela amostragem out-of-bag (OOB), e aquele que obteve maior valor de EG foi replicado para gerar o mapa temático com três classes (cana-de-açúcar, milho e outros), em A3. Outros 200 pixels foram sorteados aleatoriamente sobre A3 e validados por classificação visual, utilizando o protocolo de classificação da presente pesquisa. A ApEq mostrou-se útil no processo de classificação visual, uma vez que o efeito de sobreposição entre órbitas adjacentes foi minimizado pela equalização dos histogramas das imagens, além de proporcionar uma padronização nas cores da VFA das culturas da cana-de-açúcar, milho e soja, nas imagens OLI, em composição colorida R-b5 G-b6 B-b4 de diferentes orbitas/pontos do estado. O protocolo de classificação visual mostrou que a EG média da classificação visual de G2 (94,50 %) foi equivalente ao G1. O modelo de classificação OBIA/Random Forest obteve resultados de exatidão global OOB igual a 99 % quando os parâmetros fe (25), fm (30) e cp (10) foram aplicados no segmentador MS-R. Quando o modelo de classificação foi replicado para A3, o resultado de EG foi 86,50 %. No mapa temático produzido em A3 foram obtidos resultados de área ocupada com milho, semelhantes aos dados da Produção Agrícola Municipal (PAM) (mapa temático produzido em A3 subestimou em 4 % as áreas de milho). Em relação à cana-de-açúcar, a subestimativa foi de 11%, em comparação com os dados da PAM-IBGE. De acordo com estes resultados, a classificação visual pode ser utilizada para estimativa agrícola de cana-de-açúcar, milho e soja em São Paulo, bimensalmente. O protocolo de classificação visual em laboratório é viável, o que reduz custos com visitas em campo. Já a classificação automática ainda não obteve resultados de classificação equiparáveis à classificação visual. MenosResumo: A superfície do estado de São Paulo é recoberta por diversos tipos de usos e coberturas da terra, distribuídos em diferentes porções geográficas. Entre esses usos, a cana-de-açúcar, o milho e a soja ocupam a maior parte das áreas agrícolas do estado. Apesar de essas culturas possuírem grande importância para o cenário agrícola, elas ainda não são monitoradas sistematicamente em tempo quase-real. Como os dados de estimativas agrícolas possuem grande importância nas tomadas de decisão, a presente pesquisa teve como meta avaliar a possibilidade de se obter o valor de área ocupada pelas culturas de cana-de-açúcar, milho e soja no estado de São Paulo, em tempo-quase real (período bi-mensal), utilizando sensoriamento remoto (SR), classificação visual e automática de imagens multitemporais OLI. Três diferentes áreas-teste foram avaliadas: o Estado de São Paulo (A1), o município de Cândido Mota/SP (A2) e 15 municípios contínuos e localizados no extremo Sul de São Paulo (A3). Os objetivos específicos de cada área teste foram: (A1) informar o valor da área ocupada com cana-de-açúcar, milho e soja para o estado de São Paulo, em períodos de dois meses do ano safra 2014/2015; (A2) validar informações de campo, desenvolver um protocolo de classificação visual e avalia-lo; e (A3) avaliar o desempenho da classificação automática. Para A1, 5.000 pixels aleatórios foram estratificados em cada mesorregião do estado, em cada período P1 (Nov/Dez), P2 (Jan/Fev), P3 (Mar/Abr) e P4 (Mai/Jun... Mostrar Tudo |
|
Palavras-Chave: |
Classificação automática; Classificação visual; Crop; Estimativa agrícola. |
|
Thesagro: |
Estimativa. |
|
Thesaurus NAL: |
Statistical analysis. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/156573/1/2016TS-13.pdf
|
|
Marc: |
LEADER 06136nam a2200205 a 4500
001 2065409
005 2017-07-21
008 2016 bl uuuu m 00u1 u #d
100 1 $aSCHULTZ, B.
245 $aAnálise de imagens orientada a objetos e amostragem estatística no monitoramento de cana-de-açúcar, milho e soja no estado de São Paulo.$h[electronic resource]
260 $a2016$c2016
300 $a244 p.
500 $aTese (Doutorado em Sensoriamento Remoto) - INPE, São José dos Campos. Orientador: Alfredo José Barreto Luiz (CNPMA).
520 $aResumo: A superfície do estado de São Paulo é recoberta por diversos tipos de usos e coberturas da terra, distribuídos em diferentes porções geográficas. Entre esses usos, a cana-de-açúcar, o milho e a soja ocupam a maior parte das áreas agrícolas do estado. Apesar de essas culturas possuírem grande importância para o cenário agrícola, elas ainda não são monitoradas sistematicamente em tempo quase-real. Como os dados de estimativas agrícolas possuem grande importância nas tomadas de decisão, a presente pesquisa teve como meta avaliar a possibilidade de se obter o valor de área ocupada pelas culturas de cana-de-açúcar, milho e soja no estado de São Paulo, em tempo-quase real (período bi-mensal), utilizando sensoriamento remoto (SR), classificação visual e automática de imagens multitemporais OLI. Três diferentes áreas-teste foram avaliadas: o Estado de São Paulo (A1), o município de Cândido Mota/SP (A2) e 15 municípios contínuos e localizados no extremo Sul de São Paulo (A3). Os objetivos específicos de cada área teste foram: (A1) informar o valor da área ocupada com cana-de-açúcar, milho e soja para o estado de São Paulo, em períodos de dois meses do ano safra 2014/2015; (A2) validar informações de campo, desenvolver um protocolo de classificação visual e avalia-lo; e (A3) avaliar o desempenho da classificação automática. Para A1, 5.000 pixels aleatórios foram estratificados em cada mesorregião do estado, em cada período P1 (Nov/Dez), P2 (Jan/Fev), P3 (Mar/Abr) e P4 (Mai/Jun) do ano safra e classificados em laboratório, utilizando protocolo de classificação visual. Além disso, um banco de dados composto por 432 imagens multitemporais OLI foi montado e dividido em 24 mosaicos (n), salvos em composição colorida R-b5 G-b6 B-b4. Cada imagem do mosaico (composto por 18 cenas) foi padronizada através de um algoritmo nominado Aparência Equalizada (ApEq). A ApEq foi executada para que não ocorressem grandes alterações na cor resultante dos alvos pseudo-invariantes presentes nas diferentes imagens dos mosaicos. A análise visual dos resultados da ApEq foi discutida sobre o mosaico de nº 13. Em A2, 200 pixels OLI foram sorteados sobre o município de Cândido Mota/SP e validados em campo no período de 13 a 17 de abril/2015. Informações sobre as áreas ocupadas com cana-de-açúcar, milho e soja foram coletadas, e posteriormente utilizadas para avaliar o protocolo de classificação visual através das estatísticas geradas pela matriz de confusão (Exatidão Global). O protocolo de classificação visual foi aplicado por oito intérpretes, divididos em dois grupos - G1: intérpretes com maior experiência na classificação visual de imagens de SR e G2: intérpretes com menor experiência. O comportamento espectro-temporal (CET) e a presença de vegetação fotossinteticamente ativa (VFA) das três culturas estudadas foram analisados com uso das imagens multitemporais OLI. Os 200 pixels de A2 também foram usados para treinamento de modelos de classificação automática por análise de imagem orientada a objetos OBIA/Random Forest e segmentação via Segmentador Multi-resolução (SM-R). Foram gerados 1150 modelos de classificação, formados pela variação dos parâmetros fator de escala (Fe), forma (Fm) e compacidade (Cp) do algoritmo MR-S aplicado sobre quatro imagem multitemporais OLI 222/076, datadas de agosto/2014, outubro/2014, janeiro/2015 e maio/2015. Os resultados dos modelos de classificação foram testados pela amostragem out-of-bag (OOB), e aquele que obteve maior valor de EG foi replicado para gerar o mapa temático com três classes (cana-de-açúcar, milho e outros), em A3. Outros 200 pixels foram sorteados aleatoriamente sobre A3 e validados por classificação visual, utilizando o protocolo de classificação da presente pesquisa. A ApEq mostrou-se útil no processo de classificação visual, uma vez que o efeito de sobreposição entre órbitas adjacentes foi minimizado pela equalização dos histogramas das imagens, além de proporcionar uma padronização nas cores da VFA das culturas da cana-de-açúcar, milho e soja, nas imagens OLI, em composição colorida R-b5 G-b6 B-b4 de diferentes orbitas/pontos do estado. O protocolo de classificação visual mostrou que a EG média da classificação visual de G2 (94,50 %) foi equivalente ao G1. O modelo de classificação OBIA/Random Forest obteve resultados de exatidão global OOB igual a 99 % quando os parâmetros fe (25), fm (30) e cp (10) foram aplicados no segmentador MS-R. Quando o modelo de classificação foi replicado para A3, o resultado de EG foi 86,50 %. No mapa temático produzido em A3 foram obtidos resultados de área ocupada com milho, semelhantes aos dados da Produção Agrícola Municipal (PAM) (mapa temático produzido em A3 subestimou em 4 % as áreas de milho). Em relação à cana-de-açúcar, a subestimativa foi de 11%, em comparação com os dados da PAM-IBGE. De acordo com estes resultados, a classificação visual pode ser utilizada para estimativa agrícola de cana-de-açúcar, milho e soja em São Paulo, bimensalmente. O protocolo de classificação visual em laboratório é viável, o que reduz custos com visitas em campo. Já a classificação automática ainda não obteve resultados de classificação equiparáveis à classificação visual.
650 $aStatistical analysis
650 $aEstimativa
653 $aClassificação automática
653 $aClassificação visual
653 $aCrop
653 $aEstimativa agrícola
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Meio Ambiente (CNPMA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
