| |
|
|
| Registros recuperados : 1 | |
| 1. |  | D'HONT, A.; DENOEUD, F.; AURY, J. M.; BAURENS, F. C.; CARREEL, F.; GARSMEUR, O.; NOEL, B.; BOCS, S.; DROC, G.; ROUARD, M.; SILVA, C. da; JABBARI, K.; CARDI, C.; POULAIN, J.; SOUQUET, M.; LABADIE, K.; JOURDA, C.; LENGELLÉ. J.; RODIER-GOUD, M.; ALBERTI, A.; BERNARD, M.; CORREA, M.; AYYAMPALAYAM, S.; MCKAIN, M. R.; LEEBENS-MACK, J.; BURGESS, D.; FREELING, M.; MBÉGUIÉ-A-MBÉGUIÉ, D.; CHABANNES, M.; WICKER, T.; PANAUD, O.; BARBOSA, J.; HRIBOVA, E.; HESLOP-HARRISON, P.; HABAS, R.; RIVALLAN, R.; FRANCOIS, P.; POIRON, C.; KILIAN, A.; BURTHIA, D.; JENNY, C.; BAKRY, F.; BROWN, S.; GUIGNON, V.; KEMA, G.; RODRIGUEZ, M. A. D.; WAALWIJK, C.; JOSEPH, S.; DIEVART, A.; JAILLON, O.; LECLERCQ, J.; ARGOUT, X.; LYONS, E.; ALMEIDA, A.; JERIDI, M.; DOLEZEL, J.; ROUX, N.; RISTERUCCI, A. M.; WEISSENBACH, J.; RUIZ, M.; GLASZMANN, J. C.; QUÉTIER, F.; YAHIAOUI, N.; WINCKER, P. The banana (Musa acuminata) genome and the evolution of monocotyledonous plants. Nature, v. 488, August, 2012.| Biblioteca(s): Embrapa Mandioca e Fruticultura. |
|    |
| Registros recuperados : 1 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Meio Ambiente. |
|
Data corrente: |
10/01/2017 |
|
Data da última atualização: |
03/03/2017 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 2 |
|
Autoria: |
SCHULTZ, B.; FORMAGGIO, A. R.; EBERHARDT, I. D. R.; SANCHES, I. D.; OLIVEIRA, J. C. de; LUIZ, A. J. B. |
|
Afiliação: |
BRUNO SCHULTZ, INPE; ANTONIO ROBERTO FORMAGGIO, INPE; ISAQUE DANIEL ROCHA EBERHARDT, UnB; IEDA DEL´ARCO SANCHES, INPE; JULIO CESAR DE OLIVEIRA, UFV; ALFREDO JOSE BARRETO LUIZ, CNPMA. |
|
Título: |
Classificação orientada a objetos em imagens multitemporais ladsat aplicada na identificação de cana-de-açúcar e soja. |
|
Ano de publicação: |
2016 |
|
Fonte/Imprenta: |
Revista Brasileira de Cartografia, v. 68, n. 1, p. 131-143, 2016. |
|
Idioma: |
Português |
|
Conteúdo: |
Resumo: A presente pesquisa teve por objetivo avaliar a potencialidade de dados multitemporais Landsat para classificação de cana-de-açúcar e de soja, conjuntamente, quando realizada via Análise de Imagens Orientada a Objetos (OBIA/ Random Forest). Foi utilizado um segmentador multi-resolução (SM) para gerar os polígonos (objetos). Um conjunto de 500 segmentações foi criado pela variação dos parâmetros Fe (fator de escala), Fm (forma) e Cp (compacidade), e avaliado pelo Índice de Avaliação da Segmentação (IAVAS). Da segmentação que obteve menor IAVAS, foram extraídos os atributos espectrais das médias e desvios-padrão das bandas TM/Landsat-5 [setembro (S) e outubro (O) do ano 2000] e ETM+/Landsat-7 [fevereiro (F) e março (M) do ano 2001] dos objetos, e seus NDVIs. Estes atributos foram inseridos no algoritmo Random Forest (RF) e as exatidões das classificações foram testadas quanto ao uso dos seguintes conjuntos de datas: SOFM; SFM; OFM; SOF; FM; OF; SF; e F. O IAVAS de?niu Fe (35), Fm (30) e Cp (50) como melhores parâmetros de segmentação. As melhores exatidões de classificação Random Forest situaram-se em torno de 86%. Duas datas produziram melhor resultado que apenas uma, entretanto, o uso de mais de duas não produziu melhora signi?cativa na exatidão ?nal da classificação. Abstract: This research aimed to evaluate the potential of multi-temporal Landsat data for sugarcane and soybean classi? cation, together, when used through Object-Based Image Analysis (OBIA/Random Forest). It was used a multi-resolution segmenting (SM) to generate the objects. A set of 500 segmentations was created varying the Fe parameters (scale factor), Fm (shape) and Cp (compactness), and evaluated by Index for the Evaluation of Segmentation (IAVAS). At the segmentation that obtained the lowest IAVAS, were extracted the spectral attributes of means and standard deviations of bands TM / Landsat-5 [September (S) and October (O) of the year 2000] and ETM + / Landsat-7 [February (F) and March (M) for the year 2001] of the objects, and their NDVIs. These attributes were inserted into the algorithm Random Forest (RF) and accuracies were tested using the following set of dates: (SOFM); (SFM and OFM); (FM, OF and SF); and (F). The IAVAS de? nes Fe (35), Fm (30) and Cp (50) as the best segmentation parameters for the study area. The best classi? cation accuracies are situated around 86%. Two dates produced better results than just one, however the use of more than two failed to produce a signi? cant improvement in the ? nal classi? cation accuracy. MenosResumo: A presente pesquisa teve por objetivo avaliar a potencialidade de dados multitemporais Landsat para classificação de cana-de-açúcar e de soja, conjuntamente, quando realizada via Análise de Imagens Orientada a Objetos (OBIA/ Random Forest). Foi utilizado um segmentador multi-resolução (SM) para gerar os polígonos (objetos). Um conjunto de 500 segmentações foi criado pela variação dos parâmetros Fe (fator de escala), Fm (forma) e Cp (compacidade), e avaliado pelo Índice de Avaliação da Segmentação (IAVAS). Da segmentação que obteve menor IAVAS, foram extraídos os atributos espectrais das médias e desvios-padrão das bandas TM/Landsat-5 [setembro (S) e outubro (O) do ano 2000] e ETM+/Landsat-7 [fevereiro (F) e março (M) do ano 2001] dos objetos, e seus NDVIs. Estes atributos foram inseridos no algoritmo Random Forest (RF) e as exatidões das classificações foram testadas quanto ao uso dos seguintes conjuntos de datas: SOFM; SFM; OFM; SOF; FM; OF; SF; e F. O IAVAS de?niu Fe (35), Fm (30) e Cp (50) como melhores parâmetros de segmentação. As melhores exatidões de classificação Random Forest situaram-se em torno de 86%. Duas datas produziram melhor resultado que apenas uma, entretanto, o uso de mais de duas não produziu melhora signi?cativa na exatidão ?nal da classificação. Abstract: This research aimed to evaluate the potential of multi-temporal Landsat data for sugarcane and soybean classi? cation, together, when used through Object-Based Image Analysis (OBIA/Random Fore... Mostrar Tudo |
|
Palavras-Chave: |
IAVAS; Imagem de satélite; Mapeamento; Segmentação; Segmentation; Sugarcane and soybean mapping. |
|
Thesagro: |
Cana de açucar; Sensoriamento remoto; Soja. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/153115/1/2016AP08.pdf
|
|
Marc: |
LEADER 03478naa a2200289 a 4500
001 2060377
005 2017-03-03
008 2016 bl uuuu u00u1 u #d
100 1 $aSCHULTZ, B.
245 $aClassificação orientada a objetos em imagens multitemporais ladsat aplicada na identificação de cana-de-açúcar e soja.$h[electronic resource]
260 $c2016
520 $aResumo: A presente pesquisa teve por objetivo avaliar a potencialidade de dados multitemporais Landsat para classificação de cana-de-açúcar e de soja, conjuntamente, quando realizada via Análise de Imagens Orientada a Objetos (OBIA/ Random Forest). Foi utilizado um segmentador multi-resolução (SM) para gerar os polígonos (objetos). Um conjunto de 500 segmentações foi criado pela variação dos parâmetros Fe (fator de escala), Fm (forma) e Cp (compacidade), e avaliado pelo Índice de Avaliação da Segmentação (IAVAS). Da segmentação que obteve menor IAVAS, foram extraídos os atributos espectrais das médias e desvios-padrão das bandas TM/Landsat-5 [setembro (S) e outubro (O) do ano 2000] e ETM+/Landsat-7 [fevereiro (F) e março (M) do ano 2001] dos objetos, e seus NDVIs. Estes atributos foram inseridos no algoritmo Random Forest (RF) e as exatidões das classificações foram testadas quanto ao uso dos seguintes conjuntos de datas: SOFM; SFM; OFM; SOF; FM; OF; SF; e F. O IAVAS de?niu Fe (35), Fm (30) e Cp (50) como melhores parâmetros de segmentação. As melhores exatidões de classificação Random Forest situaram-se em torno de 86%. Duas datas produziram melhor resultado que apenas uma, entretanto, o uso de mais de duas não produziu melhora signi?cativa na exatidão ?nal da classificação. Abstract: This research aimed to evaluate the potential of multi-temporal Landsat data for sugarcane and soybean classi? cation, together, when used through Object-Based Image Analysis (OBIA/Random Forest). It was used a multi-resolution segmenting (SM) to generate the objects. A set of 500 segmentations was created varying the Fe parameters (scale factor), Fm (shape) and Cp (compactness), and evaluated by Index for the Evaluation of Segmentation (IAVAS). At the segmentation that obtained the lowest IAVAS, were extracted the spectral attributes of means and standard deviations of bands TM / Landsat-5 [September (S) and October (O) of the year 2000] and ETM + / Landsat-7 [February (F) and March (M) for the year 2001] of the objects, and their NDVIs. These attributes were inserted into the algorithm Random Forest (RF) and accuracies were tested using the following set of dates: (SOFM); (SFM and OFM); (FM, OF and SF); and (F). The IAVAS de? nes Fe (35), Fm (30) and Cp (50) as the best segmentation parameters for the study area. The best classi? cation accuracies are situated around 86%. Two dates produced better results than just one, however the use of more than two failed to produce a signi? cant improvement in the ? nal classi? cation accuracy.
650 $aCana de açucar
650 $aSensoriamento remoto
650 $aSoja
653 $aIAVAS
653 $aImagem de satélite
653 $aMapeamento
653 $aSegmentação
653 $aSegmentation
653 $aSugarcane and soybean mapping
700 1 $aFORMAGGIO, A. R.
700 1 $aEBERHARDT, I. D. R.
700 1 $aSANCHES, I. D.
700 1 $aOLIVEIRA, J. C. de
700 1 $aLUIZ, A. J. B.
773 $tRevista Brasileira de Cartografia$gv. 68, n. 1, p. 131-143, 2016.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Meio Ambiente (CNPMA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Expressão de busca inválida. Verifique!!! |
|
|
