|
|
Registro Completo |
Biblioteca(s): |
Embrapa Solos. |
Data corrente: |
27/12/2023 |
Data da última atualização: |
27/12/2023 |
Tipo da produção científica: |
Artigo em Periódico Indexado |
Autoria: |
SIMÕES, M.; FERRAZ, R. P. D.; KUCHLER, P. C.; ALMEIDA, M. B. F. de; VIEIRA, L. P.; LAGE, S. M.; FREITAS, P. L. de. |
Afiliação: |
MARGARETH GONCALVES SIMOES, CNPS; RODRIGO PECANHA DEMONTE FERRAZ, CNPS; PATRICK CALVANO KUCHLER, UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO; MATHEUS BENCHIMOL FERREIRA DE ALMEIDA, PESQUISADOR VISITANTE; LUAN PORTO VIEIRA, UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO; SOFIA MARTINS LAGE, PESQUISADORA VISITANTE; PEDRO LUIZ DE FREITAS, CNPS. |
Título: |
Inteligência artificial para a avaliação de pastagens degradadas a partir de fotos de smartphones e de séries temporais de imagens de satélite: uma abordagem baseada em deep e machine learning para subsidiar o cálculo de indicadores agro-socioambientais. |
Ano de publicação: |
2023 |
Fonte/Imprenta: |
Caderno Pedagógico, v. 20, n. 10, p. 4637-4657, 2023. |
DOI: |
https://doi.org/10.54033/cadpedv20n10-018 |
Idioma: |
Português |
Conteúdo: |
Entre as principais potências agropecuárias, o Brasil se destaca como um dos poucos países que ainda dispõe de extensas áreas de terra com potencial de produção agropecuária, sem a necessidade do desmatamento. O país busca reverter a degradação do solo por meio de políticas públicas, incluindo a criação de indicadores Sócio-Agro-Ambientais multiescalares. Este trabalho tem como objetivo desenvolver uma solução para diagnosticar áreas degradadas, oferecendo recomendações técnicas regionalizadas para a conservação, recuperação e reintegração dessas áreas à cadeia produtiva de alto rendimento. Duas abordagens inovadoras foram adotadas: (i) uso de deep learning, com uma acurácia de 95,9% para diagnósticos locais por smartphones; (ii) baseada em machine learning e satélites, que alcançou 95,90% de acurácia para avaliações regionais. Ambas as metodologias convergem para soluções acessíveis e inovadoras, estimulando ações de recuperação de áreas degradadas. |
Palavras-Chave: |
Degradação do solo; Indicadores Sócio-Agro-Ambientais; IS_Agro. |
Categoria do assunto: |
P Recursos Naturais, Ciências Ambientais e da Terra |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1160269/1/Inteligencia-artificial-para-a-avaliacao-de-pastagens-degradadas-2023.pdf
|
Marc: |
LEADER 01936naa a2200241 a 4500 001 2160269 005 2023-12-27 008 2023 bl uuuu u00u1 u #d 024 7 $ahttps://doi.org/10.54033/cadpedv20n10-018$2DOI 100 1 $aSIMÕES, M. 245 $aInteligência artificial para a avaliação de pastagens degradadas a partir de fotos de smartphones e de séries temporais de imagens de satélite$buma abordagem baseada em deep e machine learning para subsidiar o cálculo de indicadores agro-socioambientais.$h[electronic resource] 260 $c2023 520 $aEntre as principais potências agropecuárias, o Brasil se destaca como um dos poucos países que ainda dispõe de extensas áreas de terra com potencial de produção agropecuária, sem a necessidade do desmatamento. O país busca reverter a degradação do solo por meio de políticas públicas, incluindo a criação de indicadores Sócio-Agro-Ambientais multiescalares. Este trabalho tem como objetivo desenvolver uma solução para diagnosticar áreas degradadas, oferecendo recomendações técnicas regionalizadas para a conservação, recuperação e reintegração dessas áreas à cadeia produtiva de alto rendimento. Duas abordagens inovadoras foram adotadas: (i) uso de deep learning, com uma acurácia de 95,9% para diagnósticos locais por smartphones; (ii) baseada em machine learning e satélites, que alcançou 95,90% de acurácia para avaliações regionais. Ambas as metodologias convergem para soluções acessíveis e inovadoras, estimulando ações de recuperação de áreas degradadas. 653 $aDegradação do solo 653 $aIndicadores Sócio-Agro-Ambientais 653 $aIS_Agro 700 1 $aFERRAZ, R. P. D. 700 1 $aKUCHLER, P. C. 700 1 $aALMEIDA, M. B. F. de 700 1 $aVIEIRA, L. P. 700 1 $aLAGE, S. M. 700 1 $aFREITAS, P. L. de 773 $tCaderno Pedagógico$gv. 20, n. 10, p. 4637-4657, 2023.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Solos (CNPS) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
Registros recuperados : 15 | |
5. | | KUCHLER, P. C.; BÉGUÉ, A.; SIMÕES, M.; GAETANO, R.; ARVOR, D.; FERRAZ, R. P. D. Assessing the optimal preprocessing steps of MODIS time series to map cropping systems in Mato Grosso, Brazil. International Journal of Applied Earth Observation and Geoinformation, v. 92, 102150, Oct. 2020.Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
Biblioteca(s): Embrapa Solos. |
| |
12. | | SIMÕES, M.; FERRAZ, R. P. D.; KUCHLER, P. C.; ALMEIDA, M. B. F. de; VIEIRA, L. P.; LAGE, S. M.; FREITAS, P. L. de. Inteligência artificial para a avaliação de pastagens degradadas a partir de fotos de smartphones e de séries temporais de imagens de satélite: uma abordagem baseada em deep e machine learning para subsidiar o cálculo de indicadores agro-socioambientais. Caderno Pedagógico, v. 20, n. 10, p. 4637-4657, 2023.Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 2 |
Biblioteca(s): Embrapa Solos. |
| |
13. | | KUCHLER, P. C.; SIMÕES, M.; BÉGUÉ, A.; MACHADO, P. L. O. de A.; FERRAZ, R. P. D.; MADARI, B. E.; FREITAS, P. L. de; MANZATTO, C. V. Monitoring Brazilian low-carbon agriculture plan: the potential of remote sensing to detect adoption of selected agricultural practices. In: EFITA WCCA CONGRESS, 2017, Montpellier. Conference proceedings. Montpellier: Efita, 2017. p. 169-170.Tipo: Resumo em Anais de Congresso |
Biblioteca(s): Embrapa Arroz e Feijão. |
| |
14. | | KUCHLER, P. C.; SIMÕES, M.; BÉGUÉ, A.; MACHADO, P. L. O. de A.; FERRAZ, R. P. D.; MADARI, B. E.; FREITAS, P. L. de; MANZATTO, C. V. Monitoring Brazilian low-carbon agriculture plan: the potential of remote sensing to detect adoption of selected agricultural practices. In: EFITA WCCA CONGRESS, 2017, Montpellier. Conference proceedings. Montpellier: Efita, 2017. p. 169-170.Tipo: Resumo em Anais de Congresso |
Biblioteca(s): Embrapa Solos. |
| |
15. | | KUCHLER, P. C.; SIMÕES, M.; FERRAZ, R. P. D.; ARVOR, D.; MACHADO, P. L. O. de A.; ROSA, M.; GAETANO, R.; BÉGUÉ, A. Monitoring complex integrated crop-livestock systems at regional scale in Brazil: a big earth observation data approach. Remote Sensing, v. 14, n. 7, 1648, 2022.Tipo: Artigo em Periódico Indexado | Circulação/Nível: A - 1 |
Biblioteca(s): Embrapa Arroz e Feijão; Embrapa Solos. |
| |
Registros recuperados : 15 | |
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|