|
|
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 |
URL |
Voltar
|
|
Registro Completo
Biblioteca(s): |
Embrapa Trigo. |
Data corrente: |
22/06/2021 |
Data da última atualização: |
22/06/2021 |
Tipo da produção científica: |
Resumo em Anais de Congresso |
Autoria: |
ROGALSKI, G. C.; MACHADO, J. R. de A.; HENNERICH, I. |
Afiliação: |
GIZELE CARLA ROGALSKI, Estudante de Agronomia, Universidade de Passo Fundo-UPF, Passo Fundo, RS. Bolsista Embrapa-UPF.; JANE RODRIGUES DE ASSIS MACHADO, CNPMS; IGOR HENNERICH, Estudante de Agronomia, Universidade de Passo Fundo-UPF, Passo Fundo, RS. Bolsista Embrapa-UPF. |
Título: |
Avaliação de híbridos de milho no noroeste do Rio Grande do Sul safra 2019/2020. |
Ano de publicação: |
2021 |
Fonte/Imprenta: |
In: MOSTRA DE INICIAÇÃO CIENTÍFICA, 15.; MOSTRA DE PÓS-GRADUAÇÃO DA EMBRAPA TRIGO, 12., 2020, Passo Fundo. Resumos... Brasília, DF: Embrapa, p. 46, 2021. |
Idioma: |
Português |
Conteúdo: |
O milho (Zea mays) é o cereal mais cultivado e consumido no mundo, devido ao seu elevado valor nutricional. O melhoramento do milho busca o desenvolvimento de cultivares adaptadas e com bom potencial produtivo. |
Palavras-Chave: |
Melhoramento do milho. |
Thesagro: |
Produção; Zea Mays. |
Categoria do assunto: |
F Plantas e Produtos de Origem Vegetal |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/223948/1/Rogalski-p46-MIC-MPG-2020-completo.pdf
|
Marc: |
LEADER 00838nam a2200169 a 4500 001 2132458 005 2021-06-22 008 2021 bl uuuu u00u1 u #d 100 1 $aROGALSKI, G. C. 245 $aAvaliação de híbridos de milho no noroeste do Rio Grande do Sul safra 2019/2020.$h[electronic resource] 260 $aIn: MOSTRA DE INICIAÇÃO CIENTÍFICA, 15.; MOSTRA DE PÓS-GRADUAÇÃO DA EMBRAPA TRIGO, 12., 2020, Passo Fundo. Resumos... Brasília, DF: Embrapa, p. 46$c2021 520 $aO milho (Zea mays) é o cereal mais cultivado e consumido no mundo, devido ao seu elevado valor nutricional. O melhoramento do milho busca o desenvolvimento de cultivares adaptadas e com bom potencial produtivo. 650 $aProdução 650 $aZea Mays 653 $aMelhoramento do milho 700 1 $aMACHADO, J. R. de A. 700 1 $aHENNERICH, I.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Trigo (CNPT) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Expressão de busca inválida. Verifique!!! |
|
|