|
|
Registros recuperados : 1 | |
Registros recuperados : 1 | |
|
|
Registro Completo
Biblioteca(s): |
Embrapa Café. |
Data corrente: |
15/03/2018 |
Data da última atualização: |
25/04/2018 |
Tipo da produção científica: |
Artigo em Periódico Indexado |
Circulação/Nível: |
B - 1 |
Autoria: |
MARUJO, R. de F. B.; MOREIRA, M. A.; VOLPATO, M. M. L.; ALVES, H. M. R. |
Afiliação: |
Rennan de Freitas Bezerra Marujo, Instituto Nacional de Pesquisas Espaciais/INPE - Departamento de Sensoriamento Remoto/DSR; Maurício Alves Moreira, Instituto Nacional de Pesquisas Espaciais/INPE - Departamento de Sensoriamento Remoto/DSR; Margarete Marin Lordelo Volpato, Empresa de Pesquisa Agropecuária de Minas Gerais/EPAMIG - Laboratório de Geoprocessamento/ GEOSOLOS; HELENA MARIA RAMOS ALVES, CNPCa. |
Título: |
Mapeamento da cultura cafeeira por meio de classificação automática utilizando atributos espectrais, texturais e fator de iluminaçao. |
Ano de publicação: |
2017 |
Fonte/Imprenta: |
Coffee Science, Lavras, v. 12, n. 2, p. 164-175, abr./jun. 2017 |
Idioma: |
Português |
Notas: |
Título em inglês: Coffee crop detection by automatic classification using spectral and textural attributes and illumination factor. |
Conteúdo: |
O café, importante produto nas exportações brasileiras, necessita de constante monitoramento para que os sistemas de previsão de safras existentes sejam confiáveis. Imagens orbitais de média resolução espacial são ferramentas com grande potencial para mapeamento do uso do solo e identificação de culturas agrícolas. Nesta pesquisa, visando o mapeamento de áreas cafeeiras, avaliou-se o desempenho da classificação baseada em objetos, associada a técnicas de mineração de dados, aplicada em imagens OLI/Landsat-8. Foram feitas três classificações automáticas, a primeira constando exclusivamente atributos espectrais, a segunda acrescentando atributos texturais e a terceira, incluindo também classes de iluminação do terreno. Foram utilizadas seis imagens multiespectrais, datadas de três diferentes estádios fenológicos da cultura: frutificação, granação e repouso. A validação das classificações foi feita por meio do Método de Monte Carlo utilizando como referência mapas visualmente interpretados. As classificações feitas exclusivamente com atributos espectrais resultaram, para a classe café, exatidão média de 57%. Não houve estádio fenológico que proporcionasse maior exatidão à classe café, entretanto ao incluir os atributos texturais, a exatidão da classe café melhorou para 76%. Assim, observa-se que atributos texturais mostraram-se importantes para detecção automática de áreas cafeeiras. |
Palavras-Chave: |
Landsat-8; SRTM. |
Thesagro: |
Café; Sensoriamento remoto. |
Thesaurus NAL: |
Remote sensing. |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/174019/1/Mapeamento-da-cultura-cafeeira-por-meio-de-classificacao.pdf
|
Marc: |
LEADER 02295naa a2200229 a 4500 001 2089248 005 2018-04-25 008 2017 bl uuuu u00u1 u #d 100 1 $aMARUJO, R. de F. B. 245 $aMapeamento da cultura cafeeira por meio de classificação automática utilizando atributos espectrais, texturais e fator de iluminaçao.$h[electronic resource] 260 $c2017 500 $aTítulo em inglês: Coffee crop detection by automatic classification using spectral and textural attributes and illumination factor. 520 $aO café, importante produto nas exportações brasileiras, necessita de constante monitoramento para que os sistemas de previsão de safras existentes sejam confiáveis. Imagens orbitais de média resolução espacial são ferramentas com grande potencial para mapeamento do uso do solo e identificação de culturas agrícolas. Nesta pesquisa, visando o mapeamento de áreas cafeeiras, avaliou-se o desempenho da classificação baseada em objetos, associada a técnicas de mineração de dados, aplicada em imagens OLI/Landsat-8. Foram feitas três classificações automáticas, a primeira constando exclusivamente atributos espectrais, a segunda acrescentando atributos texturais e a terceira, incluindo também classes de iluminação do terreno. Foram utilizadas seis imagens multiespectrais, datadas de três diferentes estádios fenológicos da cultura: frutificação, granação e repouso. A validação das classificações foi feita por meio do Método de Monte Carlo utilizando como referência mapas visualmente interpretados. As classificações feitas exclusivamente com atributos espectrais resultaram, para a classe café, exatidão média de 57%. Não houve estádio fenológico que proporcionasse maior exatidão à classe café, entretanto ao incluir os atributos texturais, a exatidão da classe café melhorou para 76%. Assim, observa-se que atributos texturais mostraram-se importantes para detecção automática de áreas cafeeiras. 650 $aRemote sensing 650 $aCafé 650 $aSensoriamento remoto 653 $aLandsat-8 653 $aSRTM 700 1 $aMOREIRA, M. A. 700 1 $aVOLPATO, M. M. L. 700 1 $aALVES, H. M. R. 773 $tCoffee Science, Lavras$gv. 12, n. 2, p. 164-175, abr./jun. 2017
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Café (CNPCa) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|