| |
|
|
| Registros recuperados : 1 | |
| 1. |  | CARDOSO, C. J. T.; LIMA, A. C. B.; PEREIRA, D. M.; SILVA, G. C.; SILVA, K. C.; ANACHE, N. A.; RODRIGUES, W. B.; MARQUES JÚNIOR, H. R.; MELO-STERZA, F. A.; NOGUEIRA, E. Effects of narasin on the pregnancy rate of Nellore cows maintained under grazing and performance of calves - preliminary results. Animal Reproduction, v. 15, n. 3, p. 362, jul./sept. 2018. Edição dos Proceedings of the 32nd Annual Meeting of the Brazilian Embryo Technology Society (SBTE).| Biblioteca(s): Embrapa Pantanal. |
|    |
| Registros recuperados : 1 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Solos. |
|
Data corrente: |
19/09/2023 |
|
Data da última atualização: |
04/12/2023 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
B - 2 |
|
Autoria: |
ALMEIDA, M. B. F. de; SIMÕES, M.; FERRAZ, R. P. D.; KUCHLER, P. C. |
|
Afiliação: |
MATEUS BENCHIMOL FERREIRA DE ALMEIDA, UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO; MARGARETH GONCALVES SIMOES, CNPS; RODRIGO PECANHA DEMONTE FERRAZ, CNPS; PATRICK CALVANO KUCHLER, UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO. |
|
Título: |
Avaliação e mapeamento de pastagens com diferentes níveis de degradação a partir de classificação digital de imagens sentinel-2, por meio do algoritmo random forest: estudo de caso de Valença/RJ e arredores. |
|
Ano de publicação: |
2023 |
|
Fonte/Imprenta: |
Revista Foco, v. 16, n. 6, e2106, 2023. |
|
DOI: |
https://doi.org/10.54751/revistafoco.v16n6-004 |
|
Idioma: |
Português |
|
Conteúdo: |
O presente trabalho objetivou desenvolver uma metodologia de avaliação e mapeamento de pastagens com diferentes níveis de degradação, com base em técnicas de Sensoriamento Remoto. Utilizou-se imagens Sentinel-2, índices de vegetação, texturas GLCM e amostras de campo (peso e altura da biomassa das pastagens). O processamento das imagens digitais foi realizado no R e no Google Earth Engine usando o algoritmo random forest. No R, obteve-se informações sobre as imagens mais importantes; e no Google Earth Engine, realizou-se o processamento da série temporal principal. O índice de vegetação NCI foi a imagem mais importante, apresentando correlação de R2 = 0,722 com o peso da biomassa. Os resultados revelaram que na área de estudo tem-se: N1 (52.72%), N2N3 (32.56%) e N4 (14.72%). As acurácias alcançadas foram as seguintes: Acurácia Global = 0,93; Kappa = 0,89; e F-score (N1 = 0,97, N2N3 = 0,93, N4 = 0,88). |
|
Palavras-Chave: |
Aprendizado de máquina; Índices de vegetação; Normalized Canopy Index (NCI); Séries temporais; Texturas GLCM. |
|
Categoria do assunto: |
P Recursos Naturais, Ciências Ambientais e da Terra |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1156752/1/Avaliacao-e-mapeamento-de-pastagens-com-diferentes-niveis-de-degradacao-2023.pdf
|
|
Marc: |
LEADER 01793naa a2200229 a 4500
001 2156752
005 2023-12-04
008 2023 bl uuuu u00u1 u #d
024 7 $ahttps://doi.org/10.54751/revistafoco.v16n6-004$2DOI
100 1 $aALMEIDA, M. B. F. de
245 $aAvaliação e mapeamento de pastagens com diferentes níveis de degradação a partir de classificação digital de imagens sentinel-2, por meio do algoritmo random forest$bestudo de caso de Valença/RJ e arredores.$h[electronic resource]
260 $c2023
520 $aO presente trabalho objetivou desenvolver uma metodologia de avaliação e mapeamento de pastagens com diferentes níveis de degradação, com base em técnicas de Sensoriamento Remoto. Utilizou-se imagens Sentinel-2, índices de vegetação, texturas GLCM e amostras de campo (peso e altura da biomassa das pastagens). O processamento das imagens digitais foi realizado no R e no Google Earth Engine usando o algoritmo random forest. No R, obteve-se informações sobre as imagens mais importantes; e no Google Earth Engine, realizou-se o processamento da série temporal principal. O índice de vegetação NCI foi a imagem mais importante, apresentando correlação de R2 = 0,722 com o peso da biomassa. Os resultados revelaram que na área de estudo tem-se: N1 (52.72%), N2N3 (32.56%) e N4 (14.72%). As acurácias alcançadas foram as seguintes: Acurácia Global = 0,93; Kappa = 0,89; e F-score (N1 = 0,97, N2N3 = 0,93, N4 = 0,88).
653 $aAprendizado de máquina
653 $aÍndices de vegetação
653 $aNormalized Canopy Index (NCI)
653 $aSéries temporais
653 $aTexturas GLCM
700 1 $aSIMÕES, M.
700 1 $aFERRAZ, R. P. D.
700 1 $aKUCHLER, P. C.
773 $tRevista Foco$gv. 16, n. 6, e2106, 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. |
|
|
