| |
|
|
| Registros recuperados : 18 | |
| 4. |  | DALPOSSO, G. H.; OPAZO, M. A. U.; MERCANTE, E.; LAMPARELLI, R. A. C.; ROCHA, J. V. Autocorrelação espacial do índice NDVI de imagens TM para cultura da soja no Oeste Paranaense, no ano agrícola 2004/2005. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 14., 2009, Natal. Anais... São José dos Campos: INPE, 2009. p. 1299-1306.| Biblioteca(s): Embrapa Agricultura Digital. |
|   |
| 6. | | ANTUNES, J. F. G.; MERCANTE, E.; ROCHA, J. V.; ZULLO JÚNIOR, J. Análise de trajeto de um gasoduto utilizando sistema de informação geográfica. In: CONGRESSO BRASILEIRO DE ENGENHARIA AGRÍCOLA, 33., 2004, São Pedro, SP. A inserção da engenharia agrícola em projetos nacionais: anais. Campinas: Unicamp, Faculdade de Engenharia Agrícola: Embrapa Informática Agropecuária, 2004. 1 CD-ROM. CONBEA 2004. Editores: Paulo Graziano Magalhães, Raquel Gonçalves e Ana Paula Montagner.| Biblioteca(s): Embrapa Agricultura Digital. |
|  |
| 9. | | GRZEGOZEWSKI, D. M.; JOHANN, J. A.; URIBE-OPAZO, M. A.; MERCANTE, E.; COUTINHO, A. C. Mapping soya bean and corn crops in the State of Paraná, Brazil, using EVI images from the MODIS sensor. International Journal of Remote Sensing, Basingstoke, v. 37, n. 6, p. 1257-1275, 2016.| Biblioteca(s): Embrapa Agricultura Digital. |
|  |
| 10. | | MERCANTE, E.; ANTUNES, J. F. G.; ROCHA, J. V. da; LAMPARELLI, R. A. C. Simulação do traçado de um gasoduto utilizando análise de múltiplos critérios. In: CONGRESSO BRASILEIRO DE ENGENHARIA AGRÍCOLA, 33., 2004, São Pedro, SP. A inserção da engenharia agrícola em projetos nacionais: caderno de resumos. Campinas: Unicamp, Feagri: Embrapa Informática Agropecuária, 2004. p. 145. CONBEA 2004.| Biblioteca(s): Embrapa Agricultura Digital. |
| |
| 11. | | ANTUNES, J. F. G.; MERCANTE, E.; ESQUERDO, J. C. D. M.; LAMPARELLI, R. A. C.; ROCHA, J. V. Estimativa de área de soja por classificação de imagens normalizada pela matriz de erros. Pesquisa Agropecuária Brasileira, Brasília, DF, v. 47, n. 9, p. 1288-1294, set. 2012.| Biblioteca(s): Embrapa Agricultura Digital; Embrapa Unidades Centrais. |
| |
| 12. | | OLDONI, L. V.; CATTANI, C. E. V.; MERCANTE, E.; JOHANN, J. A.; ANTUNES, J. F. G.; ALMEIDA, L. Annual cropland mapping using data mining and OLI Landsat-8. Revista Brasileira de Engenharia Agrícola e Ambiental, Campina Grande, v. 23, n. 12, p. 952-958, 2019.| Biblioteca(s): Embrapa Agricultura Digital. |
| |
| 14. | | CATTANI, C. E. V.; SILVA, B. B. da; OLDONI, L. V.; MERCANTE, E.; ANTUNES, J. F. G.; ESQUERDO, J. C. D. M. Estimativa da evapotranspiração real diária para o município de São Gabriel do Oeste-MS utilizando imagens orbitais. Acta Iguazu, Cascavel, v. 6, n. 2, p. 13-24, 2017.| Biblioteca(s): Embrapa Agricultura Digital. |
| |
| 15. | | SILVA, B. B. da; CATTANI, C. E. V.; OLDONI, L. V.; MERCANTE, E.; ANTUNES, J. F. G.; ESQUERDO, J. C. D. M. Estimativa de evapotranspiração real diária para o município de São Gabriel do Oeste utilizando algoritmo SEBAL e imagens Landsat 8. In: SIMPÓSIO DE GEOTECNOLOGIAS NO PANTANAL, 6., 2016, Cuiabá. Anais... São José dos Campos: INPE; Brasília, DF: Embrapa, 2016. p. 197-206. 1 CD-ROM. GeoPantanal 2016.| Biblioteca(s): Embrapa Agricultura Digital. |
| |
| 17. | | BECKER, W. R.; RICHETTI, J.; MERCANTE, E.; ESQUERDO, J. C. D. M.; SILVA JUNIOR, C. A. da; PALUDO, A.; JOHANN, J. A. Agricultural soybean and corn calendar based on moderate resolution satellite images for southern Brazil. Semina: Ciências Agrárias, v. 41, n. 5, p. 2419-2428, 2020. Suplemento 1.| Biblioteca(s): Embrapa Agricultura Digital. |
| |
| 18. | | 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 : 18 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Agricultura Digital. |
|
Data corrente: |
22/11/2019 |
|
Data da última atualização: |
22/11/2019 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 2 |
|
Autoria: |
OLDONI, L. V.; CATTANI, C. E. V.; MERCANTE, E.; JOHANN, J. A.; ANTUNES, J. F. G.; ALMEIDA, L. |
|
Afiliação: |
LUCAS VOLOCHEN OLDONI, INPE; CARLOS EDUARDO VIZZOTTO CATTANI, Unioeste; ERIVELTO MERCANTE, Unioeste; JERRY ADRIANI JOHANN, Unioeste; JOAO FRANCISCO GONCALVES ANTUNES, CNPTIA; LUIZ ALMEIDA, INPE. |
|
Título: |
Annual cropland mapping using data mining and OLI Landsat-8. |
|
Ano de publicação: |
2019 |
|
Fonte/Imprenta: |
Revista Brasileira de Engenharia Agrícola e Ambiental, Campina Grande, v. 23, n. 12, p. 952-958, 2019. |
|
DOI: |
http://dx.doi.org/10.1590/1807-1929/agriambi.v23n12p952-958 |
|
Idioma: |
Inglês |
|
Conteúdo: |
ABSTRACT: In the state of Paraná, Brazil, there are no major changes in areas cultivated with annual crops, mainly due to environmental laws that do not allow expansions to new areas. There is a great contribution of the annual crops to the domestic demand of food and economic demand in the exports. Thus, the area and distribution of annual crops are information of great importance. New methodologies, such as data mining, are being tested with the objective of analyzing and improving their potential use for classification of land use and land cover. This study used the classifiers decision tree and random forest with Normalized Difference Vegetation Index (NDVI) temporal metrics on images from Operational Land Imager (OLI)/Landsat-8. The results were compared with traditional methods spectral images and Maximum Likelihood Classifier (MLC). At first, seven classes were mapped (water bodies, sugarcane, urban area, annual crops, forest, pasture and reforestation areas); then, only two classes were considered (annual crops and other targets). When classifying the seven targets, both methods had corresponding results, showing global accuracy near 84%. NDVI temporal metrics showed producer?s and user?s accuracy for the annual crop class of 86 and 100%, respectively. However, if considering only two classes, the NDVI temporal metrics reached global accuracy of near 98% and producer?s and user?s accuracy above 94%. |
|
Palavras-Chave: |
Árvore de decisão; Data mining; Decision tree; Métricas temporais de NDVI; Mineração de dados; NDVI temporal metrics; Random forest; Séries temporais. |
|
Thesaurus NAL: |
Normalized difference vegetation index; Time series analysis. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/205238/1/AP-Annual-cropland.pdf
|
|
Marc: |
LEADER 02446naa a2200313 a 4500
001 2114915
005 2019-11-22
008 2019 bl uuuu u00u1 u #d
024 7 $ahttp://dx.doi.org/10.1590/1807-1929/agriambi.v23n12p952-958$2DOI
100 1 $aOLDONI, L. V.
245 $aAnnual cropland mapping using data mining and OLI Landsat-8.$h[electronic resource]
260 $c2019
520 $aABSTRACT: In the state of Paraná, Brazil, there are no major changes in areas cultivated with annual crops, mainly due to environmental laws that do not allow expansions to new areas. There is a great contribution of the annual crops to the domestic demand of food and economic demand in the exports. Thus, the area and distribution of annual crops are information of great importance. New methodologies, such as data mining, are being tested with the objective of analyzing and improving their potential use for classification of land use and land cover. This study used the classifiers decision tree and random forest with Normalized Difference Vegetation Index (NDVI) temporal metrics on images from Operational Land Imager (OLI)/Landsat-8. The results were compared with traditional methods spectral images and Maximum Likelihood Classifier (MLC). At first, seven classes were mapped (water bodies, sugarcane, urban area, annual crops, forest, pasture and reforestation areas); then, only two classes were considered (annual crops and other targets). When classifying the seven targets, both methods had corresponding results, showing global accuracy near 84%. NDVI temporal metrics showed producer?s and user?s accuracy for the annual crop class of 86 and 100%, respectively. However, if considering only two classes, the NDVI temporal metrics reached global accuracy of near 98% and producer?s and user?s accuracy above 94%.
650 $aNormalized difference vegetation index
650 $aTime series analysis
653 $aÁrvore de decisão
653 $aData mining
653 $aDecision tree
653 $aMétricas temporais de NDVI
653 $aMineração de dados
653 $aNDVI temporal metrics
653 $aRandom forest
653 $aSéries temporais
700 1 $aCATTANI, C. E. V.
700 1 $aMERCANTE, E.
700 1 $aJOHANN, J. A.
700 1 $aANTUNES, J. F. G.
700 1 $aALMEIDA, L.
773 $tRevista Brasileira de Engenharia Agrícola e Ambiental, Campina Grande$gv. 23, n. 12, p. 952-958, 2019.
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. |
|
|
