| |
|
|
| Registros recuperados : 5 | |
| 2. |  | SANCHES, I. D.; FEITOSA, R. Q.; ACHANCCARAY, P.; MONTIBELLER, B.; LUIZ, A. J. B.; SOARES, M. D.; PRUDENTE, V. H. R.; VIEIRA, D. C.; MAURANO, L. E. P. Lem benchmark database for tropical agricultural remote sensing application. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, v. 42, n. 1, p. 387-392, 2018. Edition of the proceedings ISPRS TC I Mid-term Symposium ?Innovative Sensing ? From Sensors to Methods and Applications?, 10-12 October 2018, held a Karlsruhe, Germany. 387-392.| Biblioteca(s): Embrapa Meio Ambiente. |
|    |
| 3. | | PRUDENTE, V. H. R.; SKAKUN, S.; OLDONI, L. V.; XAUD, H. A. M.; XAUD, M. R.; ADAMI, M.; SANCHES, I. D. A. Multisensor approach to land use and land cover mapping in Brazilian Amazon. ISPRS Journal of Photogrammetry and Remote Sensing, v. 189, p. 95-109, 2022.| Biblioteca(s): Embrapa Roraima. |
| |
| 5. | | CAON, I. L.; BECKER, W. R.; GANASCINI, D.; CATTANI, C. E. V.; MENDES, I. de S.; PRUDENTE, V. H. R.; OLDONI, L. V.; ANTUNES, J. F. G.; MERCANTE, E. Comparativo entre os classificadores RF e MAXVER, para classificação de uso e cobertura da terra, em diferentes densidades temporais. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 19., 2019, Santos. Anais... São José dos Campos: INPE, 2019. 4 p. Editores: Douglas Francisco Marcolino Gherardi, Ieda Del?Arco Sanches, Luiz Eduardo Oliveira e Cruz de Aragão. SBSR 2019.| Biblioteca(s): Embrapa Agricultura Digital. |
| |
| Registros recuperados : 5 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Agricultura Digital. |
|
Data corrente: |
06/05/2019 |
|
Data da última atualização: |
21/01/2020 |
|
Tipo da produção científica: |
Artigo em Anais de Congresso |
|
Autoria: |
CAON, I. L.; BECKER, W. R.; GANASCINI, D.; CATTANI, C. E. V.; MENDES, I. de S.; PRUDENTE, V. H. R.; OLDONI, L. V.; ANTUNES, J. F. G.; MERCANTE, E. |
|
Afiliação: |
IVÃ LUIS CAON, Unioeste; WILLYAN RONALDO BECKER, Unioeste; DIANDRA GANASCINI, Unioeste; CARLOS EDUARDO VIZZOTTO CATTANI, Unioeste; ISAQUE DE SOUZA MENDES, Unioeste; VICTOR HUGO ROHDEN PRUDENTE, Inpe; LUCAS VOLOCHEN OLDONI, Inpe; JOAO FRANCISCO GONCALVES ANTUNES, CNPTIA; ERIVELTO MERCANTE, Unioeste. |
|
Título: |
Comparativo entre os classificadores RF e MAXVER, para classificação de uso e cobertura da terra, em diferentes densidades temporais. |
|
Ano de publicação: |
2019 |
|
Fonte/Imprenta: |
In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 19., 2019, Santos. Anais... São José dos Campos: INPE, 2019. |
|
Páginas: |
4 p. |
|
ISBN: |
978-85-17-00097-3 |
|
Idioma: |
Português |
|
Notas: |
Editores: Douglas Francisco Marcolino Gherardi, Ieda Del?Arco Sanches, Luiz Eduardo Oliveira e Cruz de Aragão. SBSR 2019. |
|
Conteúdo: |
RESUMO. O uso combinado de sensores com melhor resolução temporal com sensores de melhor resolução espacial, têm permitido o mapeamento detalhado da superfície terrestre. Desse modo destacam-se os algoritmos de predição, que são capazes de unir a melhor resolução espacial de um sensor a melhor resolução temporal de outro. Além das resoluções das imagens, o uso de algoritmos de classificação eficientes é decisivo para se obter elevada acurácia nos mapeamentos. Assim, o objetivo desse trabalho foi comparar os classificadores Random Forest e Máxima Verossimilhança, com diferentes modos de entrada de dados, a fim de definir qual o melhor classificador. Os resultados apontaram que o algoritmo Random Forest apresentou as maiores métricas de acurácia. |
|
Palavras-Chave: |
Algoritmo Random Forest; Classificação de imagens; Cobertura da terra; Fusão de imagens; Image classification; Image fusion; STARFM. |
|
Thesagro: |
Uso da Terra. |
|
Thesaurus NAL: |
Land cover; Land use. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/196958/1/PL-Comparativo-SBSR-2019.pdf
|
|
Marc: |
LEADER 02019nam a2200361 a 4500
001 2108719
005 2020-01-21
008 2019 bl uuuu u00u1 u #d
020 $a978-85-17-00097-3
100 1 $aCAON, I. L.
245 $aComparativo entre os classificadores RF e MAXVER, para classificação de uso e cobertura da terra, em diferentes densidades temporais.$h[electronic resource]
260 $aIn: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 19., 2019, Santos. Anais... São José dos Campos: INPE$c2019
300 $a4 p.
500 $aEditores: Douglas Francisco Marcolino Gherardi, Ieda Del?Arco Sanches, Luiz Eduardo Oliveira e Cruz de Aragão. SBSR 2019.
520 $aRESUMO. O uso combinado de sensores com melhor resolução temporal com sensores de melhor resolução espacial, têm permitido o mapeamento detalhado da superfície terrestre. Desse modo destacam-se os algoritmos de predição, que são capazes de unir a melhor resolução espacial de um sensor a melhor resolução temporal de outro. Além das resoluções das imagens, o uso de algoritmos de classificação eficientes é decisivo para se obter elevada acurácia nos mapeamentos. Assim, o objetivo desse trabalho foi comparar os classificadores Random Forest e Máxima Verossimilhança, com diferentes modos de entrada de dados, a fim de definir qual o melhor classificador. Os resultados apontaram que o algoritmo Random Forest apresentou as maiores métricas de acurácia.
650 $aLand cover
650 $aLand use
650 $aUso da Terra
653 $aAlgoritmo Random Forest
653 $aClassificação de imagens
653 $aCobertura da terra
653 $aFusão de imagens
653 $aImage classification
653 $aImage fusion
653 $aSTARFM
700 1 $aBECKER, W. R.
700 1 $aGANASCINI, D.
700 1 $aCATTANI, C. E. V.
700 1 $aMENDES, I. de S.
700 1 $aPRUDENTE, V. H. R.
700 1 $aOLDONI, L. V.
700 1 $aANTUNES, J. F. G.
700 1 $aMERCANTE, E.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
