|
|
Registros recuperados : 16 | |
2. | | COSTA, W.; FONSECA, L.; KÖRTING, T.; SIMÕES, M.; KUCHLER, P. A case study for a multitemporal segmentation approach in optical remote sensing images. In: INTERNATIONAL CONFERENCE ON ADVANCED GEOGRAPHIC INFORMATION SYSTEMS, APPLICATIONS, AND SERVICES, 10., 2018, Rome. Proceedings... Haifa: Israel Institute of Technology, 2018. p. 66-70. GEOProcessing 2018. Biblioteca(s): Embrapa Solos. |
| |
4. | | 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. 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. 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. 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. Biblioteca(s): Embrapa Arroz e Feijão; Embrapa Solos. |
| |
16. | | 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. Biblioteca(s): Embrapa Solos. |
| |
Registros recuperados : 16 | |
|
|
Registro Completo
Biblioteca(s): |
Embrapa Solos. |
Data corrente: |
27/12/2023 |
Data da última atualização: |
24/06/2024 |
Tipo da produção científica: |
Artigo em Periódico Indexado |
Circulação/Nível: |
A - 2 |
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, FUNARBE; LUAN PORTO VIEIRA, UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO; SOFIA MARTINS LAGE, FUNARBE; 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 2024-06-24 008 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 |
Fechar
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|