| |
|
|
| Registros recuperados : 68 | |
| 21. |  | LUIZ, A. J. B.; MAIA, A. de H. N.; SANCHES, I. D. A.; GÜRTLER, S.; SOUZA FILHO, C. R. de. Busca de relações quando o número de variáveis é muito maior que o de observações: o caso de dados hiperespectrais. In: REUNIÃO ANUAL DA REGIÃO BRASILEIRA DA SOCIEDADE INTERNACIONAL DE BIOMETRIA, 60.; SIMPÓSIO DE ESTATÍSTICA APLICADA À EXPERIMENTAÇÃO AGRONÔMICA, 16., 2015, Presidente Prudente. A estatística e os novos desafios: tratamento e modelagem da informação: anais... Presidente Prudente: Sociedade Internacional de Biometria, 2015. 10 p.| Biblioteca(s): Embrapa Meio Ambiente. |
|    |
| 22. | | EBERHARDT, I. D. R.; LUIZ, A. J. B.; FORMAGGIO, A. R.; SANCHES, I. D.; SCHULTZ, B.; TRABAQUINI, K. Detecção de áreas agrícolas em tempo quase real (DATQuaR). In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 17., 2015, João Pessoa. Anais... São José dos Campos: INPE, 2015. p. 5650-5657.| Biblioteca(s): Embrapa Meio Ambiente. |
| |
| 23. | | PARREIRAS, T. C.; BOLFE, E. L.; SANO, E. E.; VICTORIA, D. de C.; SANCHES, I. D.; VICENTE, L. E. Exploring the Harmonized Landsat Sentinel (HLS) datacube to map an agricultural landscape in the Brazilian savanna. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, v. 43, B3, p. 967-973, 2022. Edition of proceedings of the 2022 edition of the XXIVth ISPRS Congress, Nice, France. Na publicação: E. S. Sano.| Biblioteca(s): Embrapa Agricultura Digital; Embrapa Cerrados; Embrapa Meio Ambiente. |
| |
| 24. | | ANDRADE, R. G.; RODRIGUES, C. A. G.; QUARTAROLI, C. F.; FURTADO, A. L. dos S.; BRUNINI, O.; SANCHES, I. I'A. Estudo do índice de área foliar de pastagens em diferentes níveis de degradação com aplicação de imagens Landsat 5 - TM e dados de campo. In: CONGRESSO BRASILEIRO DE METEOROLOGIA, 16., 2010, Belém, PA. Anais... Belém, PA: SBMET, 2010. 5 p.| Biblioteca(s): Embrapa Territorial. |
| |
| 25. | | SILVA, J. B. N. J.; SANCHES, I. B.; NORONHA, A. C. da S.; NASCIMENTO, A. S. do. Identificação da acarofauna na cultura do maracujazeiro, sob sistema orgânico de produção, na região da Chapada Diamantina-Bahia. In: CONGRESSO BRASILEIRO DE FRUTICULTURA, 25.; REUNIÃO ANUAL DA SOCIEDADE INTERAMERICANA DE HORTICULTURA TROPICAL, 63., 2017, Porto Seguro. Anais... [S.l.]: SBF, 2017.| Biblioteca(s): Embrapa Mandioca e Fruticultura. |
| |
| 26. | | SILVA, J. B. N. J.; SANCHES, I. B.; NORONHA, A. C. da S.; NASCIMENTO, A. S. do. Identificação da acarofauna na cultura do maracujazeiro, sob sistema orgânico de produção, na região da Chapada Diamantina-Bahia. In: CONGRESSO BRASILEIRO DE FRUTICULTURA, 25.; REUNIÃO ANUAL DA SOCIEDADE INTERAMERICANA DE HORTICULTURA TROPICAL, 63., 2017, Porto Seguro. Anais... [S.l.]: SBF, 2017.| Biblioteca(s): Embrapa Amazônia Oriental. |
| |
| 27. | | SILVA, J. B. N. J.; SANCHES, I. B.; NORONHA, A. C. da S.; NASCIMENTO, A. S. do. Identificação da acarofauna em pomar de citros sob sistema orgânico de produção, na região da Chapada Diamantina-Bahia. In: CONGRESSO BRASILEIRO DE FRUTICULTURA, 25.; REUNIÃO ANUAL DA SOCIEDADE INTERAMERICANA DE HORTICULTURA TROPICAL, 63., 2017, Porto Seguro. Anais... [S.l.]: SBF, 2017.| Biblioteca(s): Embrapa Mandioca e Fruticultura. |
| |
| 28. | | SILVA, J. B. N. J.; SANCHES, I. B.; NORONHA, A. C. da S.; NASCIMENTO, A. S. do. Identificação da acarofauna em pomar de citros sob sistema orgânico de produção, na região da Chapada Diamantina-Bahia. In: CONGRESSO BRASILEIRO DE FRUTICULTURA, 25.; REUNIÃO ANUAL DA SOCIEDADE INTERAMERICANA DE HORTICULTURA TROPICAL, 63., 2017, Porto Seguro. Anais... [S.l.]: SBF, 2017.| Biblioteca(s): Embrapa Amazônia Oriental. |
| |
| 29. | | SANCHES, Í. B. N.; NORONHA, A. C. da S.; SILVA, J. B. N. de J.; NASCIMENTO, A. S. do. Levantamento da acarofauna na cultura dos citros sob sistema orgânico de produção, na região da Chapada Diamantina-BA. In: JORNADA CIENTÍFICA EMBRAPA MANDIOCA E FRUTICULTURA, 10., 2016: Cruz das Almas, BA. Traduzindo ciência para o mundo : resumos. Brasília, DF : Embrapa, 2016.| Biblioteca(s): Embrapa Amazônia Oriental; Embrapa Mandioca e Fruticultura. |
| |
| 30. | | SILVA, J. B. N. de J.; NORONHA, A. C. da S.; SANCHES, Í. B.; NASCIMENTO, A. S. do. Levantamento da acarofauna na cultura de maracujá sob sistema orgânico de produção, na região da Chapada Diamantina-BA. In: JORNADA CIENTÍFICA EMBRAPA MANDIOCA E FRUTICULTURA, 10., 2016: Cruz das Almas, BA. Traduzindo ciência para o mundo : resumos. Brasília, DF : Embrapa, 2016.| Biblioteca(s): Embrapa Amazônia Oriental; Embrapa Mandioca e Fruticultura. |
| |
| 32. | | SCHULTZ, B.; IMMITZER, M.; FORMAGGIO, A. R.; SANCHES, I. D. A.; LUIZ, A. J. B.; ATZBERGER, C. Self-guided segmentation and classification of multi-temporal landsat 8 images for crop type mapping in southeastern Brazil. Remote Sensing, Basel, v. 7, n. 11, p. 14482-14508, 2015.| Biblioteca(s): Embrapa Meio Ambiente. |
| |
| 33. | | MANJOLIN, R.; GREGO, C. R.; NOGUEIRA, S. F.; SILVA, G. B. S. da; TRABAQUINI, K.; SANCHES, I. D. Variabilidade espacial da fertilidade, carbono e nitrogênio do solo em áreas de pastagem e cana-de-açúcar no estado de São Paulo. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 18., 2017, Santos. Anais... Santos: Inpe, 2017. p. 7163-7170.| Biblioteca(s): Embrapa Territorial. |
| |
| 34. | | SANTANA, C. A. M.; SOUZA, G. da S. e; CAMPOS, S. K.; DEL'ARCO SANCHES, I.; GOMES, E. G.; SANO, E. E. Dinâmicas agropecuárias e socioeconômicas no Cerrado, de 1975 a 2015. In: BOLFE, E. L.; SANO, E. E.; CAMPOS, S. K. (Ed.). Dinâmica agrícola no cerrado: análises e projeções. Brasília, DF: Embrapa, 2020. v. 1, cap. 5, p. 141-192.| Biblioteca(s): Embrapa Unidades Centrais. |
| |
| 35. | | SANCHES, I. D. A.; FEITOSA, R. Q.; DIAZ, P. M. A.; SOARES, M. D.; LUIZ, A. J. B.; SCHULTZ, B.; MAURANO, L. E. P. Campo Verde database: seeking to improve agricultural remote sensing of tropical areas. IEEE Geoscience and Remote Sensing Letters, v. 15, n. 3, p. 369-373, 2018.| Biblioteca(s): Embrapa Meio Ambiente. |
|  |
| 36. | | BOLFE, E. L.; PARREIRAS, T. C.; SILVA, L. A. P. da; SANO, E. E.; BETTIOL, G. M.; VICTORIA, D. de C.; DEL'ARCO SANCHES, I.; VICENTE, L. E. Mapping agricultural intensification in the Brazilian savanna: a machine learning approach using harmonized data from Landsat Sentinel-2. ISPRS International Journal of Geo-Information, v. 12, n. 7, 263, July 2023.| Biblioteca(s): Embrapa Agricultura Digital; Embrapa Cerrados; Embrapa Meio Ambiente. |
| |
| 37. | | SANCHES, Í. B. N.; NASCIMENTO, A. S. do; SILVA, S. X. B.; MELO, R. L. de; LOBO, C. G. B.; BARBOSA, F. F. L. Monitoramento populacional de Diaphorina citri Kuwayama, 1908 (Hemiptera: Liviidae) em cinco municípios do Recôncavo da Bahia. In: JORNADA CIENTÍFICA EMBRAPA MANDIOCA E FRUTICULTURA TROPICAL, 7., 2013, Cruz das Almas. Anais... Cruz das Almas: Embrapa Mandioca e Fruticultura, 2013. Publicação online.| Biblioteca(s): Embrapa Mandioca e Fruticultura. |
| |
| 38. | | SANCHES, Í. B. N.; NASCIMENTO, A. S. do; BARBOSA, F. F. L.; SILVA, S. X. de B.; MELO, R. L. de. Flutuação Populacional de Diaphorina citri (Hemiptera: Liviidae) em pomares de citros e em Murta, Murraya paniculata, no Recôncavo da Bahia. In: SEMINÁRIO SOBRE INTENSIFICAÇÃO ECOLÓGICA DA FRUTICULTURA, 3; REUNIÃO COMITÊ GESTOR DO PROJETO SISTEMA ECOLOGICAMENTE INTENSIVO DE PRODUÇÃO DE FRUTAS. 3., 2014,Brasília, DF; Aracaju, SE. Seifrut: [anais..]. Aracaju, SE: Embrapa Tabuleiros Costeiros, 2014. p.127. Editores Técnicos: Carlos Roberto Martins, Embrapa Clima Temperado; Francisco Alisson Xavier, Embrapa Mandioca; Antônio Souza do Nascimento, Embrapa Mandioca e Fruticultura.| Biblioteca(s): Embrapa Mandioca e Fruticultura. |
| |
| 39. | | SANCHES, Í. B. N.; NASCIMENTO, A. S. do; BARBOSA, F. F. L.; SILVA, S. X. de B.; MELO, R. L. de. Flutuação populacional de Diaphorina citri (Hemiptera: Liviidae) em pomares de citros e em murta, Murraya paniculata no Recôncavo da Bahia. In: JORNADA CIENTÍFICA EMBRAPA MANDIOCA E FRUTICULTURA, 8., 2014, Cruz das Almas, Ba. Pesquisa: despertando mentes para a inovação e transformando o futuro : [anais]. Cruz das Almas, BA, Embrapa Mandioca e Fruticultura, 2014.| Biblioteca(s): Embrapa Mandioca e Fruticultura. |
| |
| 40. | | SANCHES, I. B. N.; SILVA, S.; NASCIMENTO, A. S. do; LOBO, C.; BARBOSA, F. F. L.; ALMEIDA, D. de O.; SILVA, T. S. M. da. Flutuação populacional de Diaphorina citri (Hemiptera: Psyllidae), vetor do HLB (huanglongbing) no Recôncavo da Bahia. In: JORNADA CIENTÍFICA EMBRAPA MANDIOCA E FRUTICULTURA, 6., 2012, Cruz das Almas. Anais... Cruz das Almas: Embrapa Mandioca e Fruticultura, 2012.| Biblioteca(s): Embrapa Mandioca e Fruticultura. |
| |
| Registros recuperados : 68 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Meio Ambiente. |
|
Data corrente: |
25/01/2016 |
|
Data da última atualização: |
04/01/2023 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 1 |
|
Autoria: |
SCHULTZ, B.; IMMITZER, M.; FORMAGGIO, A. R.; SANCHES, I. D. A.; LUIZ, A. J. B.; ATZBERGER, C. |
|
Afiliação: |
BRUNO SCHULTZ, INPE; MARCUS IMMITZER, University of Natural Resources and Life Sciences, Viena; ANTONIO ROBERTO FORMAGGIO, INPE; IEDA DEL'ARCO SANCHES, INPE; ALFREDO JOSE BARRETO LUIZ, CNPMA; CLEMENT ATZBERGER, University of Natural Resources and Life Sciences, Viena. |
|
Título: |
Self-guided segmentation and classification of multi-temporal landsat 8 images for crop type mapping in southeastern Brazil. |
|
Ano de publicação: |
2015 |
|
Fonte/Imprenta: |
Remote Sensing, Basel, v. 7, n. 11, p. 14482-14508, 2015. |
|
ISBN: |
http://dx.doi.org/10.3390/rs71114482 |
|
Idioma: |
Inglês |
|
Conteúdo: |
Abstract: Only well-chosen segmentation parameters ensure optimum results of object-based image analysis (OBIA). Manually defining suitable parameter sets can be a time-consuming approach, not necessarily leading to optimum results; the subjectivity of the manual approach is also obvious. For this reason, in supervised segmentation as proposed by Stefanski et al. (2013) one integrates the segmentation and classification tasks. The segmentation is optimized directly with respect to the subsequent classification. In this contribution, we build on this work and developed a fully autonomous workflow for supervised object-based classification, combining image segmentation and random forest (RF) classification. Starting from a fixed set of randomly selected and manually interpreted training samples, suitable segmentation parameters are automatically identified. A sub-tropical study site located in São Paulo State (Brazil) was used to evaluate the proposed approach. Two multi-temporal Landsat 8 image mosaics were used as input (from August 2013 and January 2014) together with training samples from field visits and VHR (RapidEye) photo-interpretation. Using four test sites of 15 × 15 km2 with manually interpreted crops as independent validation samples, we demonstrate that the approach leads to robust classification results. On these samples (pixel wise, n ? 1 million) an overall accuracy (OA) of 80% could be reached while classifying five classes: sugarcane, soybean, cassava, peanut and others. We found that the overall accuracy obtained from the four test sites was only marginally lower compared to the out-of-bag OA obtained from the training samples. Amongst the five classes, sugarcane and soybean were classified best, while cassava and peanut were often misclassified due to similarity in the spatio-temporal feature space and high within-class variabilities. Interestingly, misclassified pixels were in most cases correctly identified through the RF classification margin, which is produced as a by-product to the classification map. MenosAbstract: Only well-chosen segmentation parameters ensure optimum results of object-based image analysis (OBIA). Manually defining suitable parameter sets can be a time-consuming approach, not necessarily leading to optimum results; the subjectivity of the manual approach is also obvious. For this reason, in supervised segmentation as proposed by Stefanski et al. (2013) one integrates the segmentation and classification tasks. The segmentation is optimized directly with respect to the subsequent classification. In this contribution, we build on this work and developed a fully autonomous workflow for supervised object-based classification, combining image segmentation and random forest (RF) classification. Starting from a fixed set of randomly selected and manually interpreted training samples, suitable segmentation parameters are automatically identified. A sub-tropical study site located in São Paulo State (Brazil) was used to evaluate the proposed approach. Two multi-temporal Landsat 8 image mosaics were used as input (from August 2013 and January 2014) together with training samples from field visits and VHR (RapidEye) photo-interpretation. Using four test sites of 15 × 15 km2 with manually interpreted crops as independent validation samples, we demonstrate that the approach leads to robust classification results. On these samples (pixel wise, n ? 1 million) an overall accuracy (OA) of 80% could be reached while classifying five classes: sugarcane, soybean, cassava, peanu... Mostrar Tudo |
|
Palavras-Chave: |
Crop mapping; Mapeamento agrícola; Multi-resolution segmentation; OBIA; OLI; Random forest; Segmentação multirresolução. |
|
Thesagro: |
Sensoriamento remoto. |
|
Thesaurus NAL: |
Brazil; Remote sensing. |
|
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/137582/1/2015AP38.pdf
|
|
Marc: |
LEADER 02967naa a2200301 a 4500
001 2034915
005 2023-01-04
008 2015 bl uuuu u00u1 u #d
100 1 $aSCHULTZ, B.
245 $aSelf-guided segmentation and classification of multi-temporal landsat 8 images for crop type mapping in southeastern Brazil.$h[electronic resource]
260 $c2015
520 $aAbstract: Only well-chosen segmentation parameters ensure optimum results of object-based image analysis (OBIA). Manually defining suitable parameter sets can be a time-consuming approach, not necessarily leading to optimum results; the subjectivity of the manual approach is also obvious. For this reason, in supervised segmentation as proposed by Stefanski et al. (2013) one integrates the segmentation and classification tasks. The segmentation is optimized directly with respect to the subsequent classification. In this contribution, we build on this work and developed a fully autonomous workflow for supervised object-based classification, combining image segmentation and random forest (RF) classification. Starting from a fixed set of randomly selected and manually interpreted training samples, suitable segmentation parameters are automatically identified. A sub-tropical study site located in São Paulo State (Brazil) was used to evaluate the proposed approach. Two multi-temporal Landsat 8 image mosaics were used as input (from August 2013 and January 2014) together with training samples from field visits and VHR (RapidEye) photo-interpretation. Using four test sites of 15 × 15 km2 with manually interpreted crops as independent validation samples, we demonstrate that the approach leads to robust classification results. On these samples (pixel wise, n ? 1 million) an overall accuracy (OA) of 80% could be reached while classifying five classes: sugarcane, soybean, cassava, peanut and others. We found that the overall accuracy obtained from the four test sites was only marginally lower compared to the out-of-bag OA obtained from the training samples. Amongst the five classes, sugarcane and soybean were classified best, while cassava and peanut were often misclassified due to similarity in the spatio-temporal feature space and high within-class variabilities. Interestingly, misclassified pixels were in most cases correctly identified through the RF classification margin, which is produced as a by-product to the classification map.
650 $aBrazil
650 $aRemote sensing
650 $aSensoriamento remoto
653 $aCrop mapping
653 $aMapeamento agrícola
653 $aMulti-resolution segmentation
653 $aOBIA
653 $aOLI
653 $aRandom forest
653 $aSegmentação multirresolução
700 1 $aIMMITZER, M.
700 1 $aFORMAGGIO, A. R.
700 1 $aSANCHES, I. D. A.
700 1 $aLUIZ, A. J. B.
700 1 $aATZBERGER, C.
773 $tRemote Sensing, Basel$gv. 7, n. 11, p. 14482-14508, 2015.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Meio Ambiente (CNPMA) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
