|
|
Registro Completo |
Biblioteca(s): |
Embrapa Amazônia Oriental. |
Data corrente: |
04/08/1998 |
Data da última atualização: |
30/06/2022 |
Autoria: |
SARMENTO, C. M. B.; VEIGA, J. B. da; COSTA, N. A. da; SIMAO NETO, M.; ALVES, L. N. |
Afiliação: |
CÉLIA MARIA BRAGA SARMENTO; JONAS BASTOS DA VEIGA, CPATU; NORTON AMADOR DA COSTA, CPATU; MIGUEL SIMAO NETO, CPATU; L. N. ALVES. |
Título: |
Avaliação de um sistema de pastejo intensivo em pastagem de tobiata (Panicum maximum, BRA 001503). |
Ano de publicação: |
1997 |
Fonte/Imprenta: |
In: REUNIÃO ANUAL DA SOCIEDADE BRASILEIRA DE ZOOTECNIA, 34., 1997, Juiz de Fora, MG. Anais. Juiz de Fora: SBZ, 1997. |
Páginas: |
v. 2, p. 267-270. |
Idioma: |
Português |
Palavras-Chave: |
Belém; Brasil; Bubalino; Capim tobiata; Disponibilidade de forragem; Pará; Pastejo intensivo; Stocking desinty. |
Thesagro: |
Ganho de Peso; Panicum Maximum; Taxa de Lotação. |
Thesaurus Nal: |
Amazonia; buffaloes; feeds; grazing intensity; weight gain. |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/394598/1/Avaliacao-de-um-sistema-de-pastejo-intensivo.pdf
|
Marc: |
LEADER 01030nam a2200349 a 4500 001 1394598 005 2022-06-30 008 1997 bl uuuu u00u1 u #d 100 1 $aSARMENTO, C. M. B. 245 $aAvaliação de um sistema de pastejo intensivo em pastagem de tobiata (Panicum maximum, BRA 001503). 260 $aIn: REUNIÃO ANUAL DA SOCIEDADE BRASILEIRA DE ZOOTECNIA, 34., 1997, Juiz de Fora, MG. Anais. Juiz de Fora: SBZ$c1997 300 $av. 2, p. 267-270. 650 $aAmazonia 650 $abuffaloes 650 $afeeds 650 $agrazing intensity 650 $aweight gain 650 $aGanho de Peso 650 $aPanicum Maximum 650 $aTaxa de Lotação 653 $aBelém 653 $aBrasil 653 $aBubalino 653 $aCapim tobiata 653 $aDisponibilidade de forragem 653 $aPará 653 $aPastejo intensivo 653 $aStocking desinty 700 1 $aVEIGA, J. B. da 700 1 $aCOSTA, N. A. da 700 1 $aSIMAO NETO, M. 700 1 $aALVES, L. N.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Amazônia Oriental (CPATU) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
Registro Completo
Biblioteca(s): |
Embrapa Agricultura Digital. |
Data corrente: |
13/11/2018 |
Data da última atualização: |
21/01/2020 |
Tipo da produção científica: |
Artigo em Anais de Congresso |
Autoria: |
CAON, I. L.; MERCANTE, E.; ANTUNES, J. F. G.; CATTANI, C. E. V.; MENDES, I. S.; OLDONI, L. V. |
Afiliação: |
IVÃ LUIS CAON, Unioeste; ERIVELTO MERCANTE, Unioeste; JOAO FRANCISCO GONCALVES ANTUNES, CNPTIA; CARLOS EDUARDO VIZZOTTO CATTANI, Unioeste; ISAQUE SOUZA MENDES, Unioeste; LUCAS VOLOCHEN OLDONI, INPE. |
Título: |
Mapeamento de pastagens por meio da classificação da fusão de imagens Landsat-8/OLI e MODIS no município de São Gabriel do Oeste - MS. |
Ano de publicação: |
2018 |
Fonte/Imprenta: |
In: SIMPÓSIO DE GEOTECNOLOGIAS NO PANTANAL, 7., 2018. Jardim. Anais... São José dos Campos: INPE, 2018. |
Páginas: |
p. 686-694. |
ISBN: |
978-85-17-00094-2 |
Idioma: |
Português |
Notas: |
Geopantanal 2018. |
Conteúdo: |
Resumo. O sensoriamento remoto mostra-se eficiente no mapeamento de grandes áreas geográficas, executado a partir de imagens orbitais. A alta resolução espacial presente em sensores tem permitido o mapeamento detalhado da superfície terrestre, porém a resolução temporal também se mostra importante, devido a constante mudança que ocorre nos ecossistemas. Desse modo os algoritmos de predição se mostram de grande valia, uma vez que são capazes de unir a alta resolução espacial de um sensor a alta resolução temporal de outro. O objetivo deste trabalho foi realizar o mapeamento das áreas de pastagem presentes na extensão do município de São Gabriel do Oeste - MS, bem como avaliar o desempenho de diferentes algoritmos de classificação em diferentes séries temporais, sendo uma composta apenas de imagens Landsat e outra composta de imagens geradas pelo algoritmo de predição STARFM (Spatial and Temporal Adaptive Reflectance Fusion Model). Sendo que o algoritmo Random Forest, na série temporal composta pelas imagens geradas pelo algoritmo STARFM e com a adição de métricas fenológicas apresentou as melhores acurácias, obtendo índice Kappa superior a 0,85 e exatidão global superior a 92,5%. |
Palavras-Chave: |
Classificação de imagens; Data mining; Fusão de imagens; Image classification; Image fusion; Image processing; Mineração de dados; Orbital sensor; Processamento de imagens; Sensor orbital. |
Thesagro: |
Sensoriamento Remoto. |
Thesaurus NAL: |
Image analysis; Remote sensing. |
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/185898/1/PL-Mapeamento-Caon-etal-Geopantanal.pdf
|
Marc: |
LEADER 02395nam a2200361 a 4500 001 2099257 005 2020-01-21 008 2018 bl uuuu u00u1 u #d 020 $a978-85-17-00094-2 100 1 $aCAON, I. L. 245 $aMapeamento de pastagens por meio da classificação da fusão de imagens Landsat-8/OLI e MODIS no município de São Gabriel do Oeste - MS.$h[electronic resource] 260 $aIn: SIMPÓSIO DE GEOTECNOLOGIAS NO PANTANAL, 7., 2018. Jardim. Anais... São José dos Campos: INPE$c2018 300 $ap. 686-694. 500 $aGeopantanal 2018. 520 $aResumo. O sensoriamento remoto mostra-se eficiente no mapeamento de grandes áreas geográficas, executado a partir de imagens orbitais. A alta resolução espacial presente em sensores tem permitido o mapeamento detalhado da superfície terrestre, porém a resolução temporal também se mostra importante, devido a constante mudança que ocorre nos ecossistemas. Desse modo os algoritmos de predição se mostram de grande valia, uma vez que são capazes de unir a alta resolução espacial de um sensor a alta resolução temporal de outro. O objetivo deste trabalho foi realizar o mapeamento das áreas de pastagem presentes na extensão do município de São Gabriel do Oeste - MS, bem como avaliar o desempenho de diferentes algoritmos de classificação em diferentes séries temporais, sendo uma composta apenas de imagens Landsat e outra composta de imagens geradas pelo algoritmo de predição STARFM (Spatial and Temporal Adaptive Reflectance Fusion Model). Sendo que o algoritmo Random Forest, na série temporal composta pelas imagens geradas pelo algoritmo STARFM e com a adição de métricas fenológicas apresentou as melhores acurácias, obtendo índice Kappa superior a 0,85 e exatidão global superior a 92,5%. 650 $aImage analysis 650 $aRemote sensing 650 $aSensoriamento Remoto 653 $aClassificação de imagens 653 $aData mining 653 $aFusão de imagens 653 $aImage classification 653 $aImage fusion 653 $aImage processing 653 $aMineração de dados 653 $aOrbital sensor 653 $aProcessamento de imagens 653 $aSensor orbital 700 1 $aMERCANTE, E. 700 1 $aANTUNES, J. F. G. 700 1 $aCATTANI, C. E. V. 700 1 $aMENDES, I. S. 700 1 $aOLDONI, L. V.
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. |
|
|