| |
|
|
| Registros recuperados : 68 | |
| 41. |  | BOLFE, E. L.; PARREIRAS, T. C.; SANO, E. E.; DEL'ARCO SANCHES, I.; VICTORIA, D. de C.; AMARAL, T. B.; MONTAGNER, D. B.; FONTANA, A. Dados multisensor na caracterização do perfil espectral de sistemas de integração lavoura-pecuária em área de Cerrado. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 20., 2023, Florianópolis. Anais [...]. São José dos Campos: Instituto Nacional de Pesquisas Espaciais, 2023. p. 1580-1583. Editores: Douglas Francisco Marcolino Gherardi, Ieda Del´Arco Sanches, Luiz Eduardo Oliveira e Cruz de Aragão.| Biblioteca(s): Embrapa Cerrados; Embrapa Gado de Corte. |
|   |
| 42. | | BOLFE, E. L.; PARREIRAS, T. C.; SANO, E. E.; DEL'ARCO SANCHES, I.; VICTORIA, D. de C.; AMARAL, T. B.; MONTAGNER, D. B.; FONTANA, A. Dados multisensor na caracterização do perfil espectral de sistemas de integração lavoura-pecuária em área de Cerrado. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 20., 2023, Florianópolis. Anais [...]. São José dos Campos: Instituto Nacional de Pesquisas Espaciais, 2023. p. 1580-1583. Editores: Douglas Francisco Marcolino Gherardi, Ieda Del´Arco Sanches, Luiz Eduardo Oliveira e Cruz de Aragão.| Biblioteca(s): Embrapa Agricultura Digital; Embrapa Solos. |
|  |
| 43. | | 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. |
| |
| 44. | | SANCHES, I. D.; LUIZ, A. J. B.; MONTIBELLER, B.; SCHULTZ, B.; TRABAQUINI, K.; EBERHARDT, D. S.; FORMAGGIO, A. R.; MAURANO, L. E. P. Understanding the dynamic of tropical agriculture for remote sensing applications: a case study of Southeastern Brazil. International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, v. 42, n. 3, p. 149-156, 2019. Edition of Proceedings of ISPRS-GEOGLAM-ISRS Joint Int. Workshop on Earth Observations for Agricultural Monitoring, 18-20 February 2019, New Delhi, India.| Biblioteca(s): Embrapa Meio Ambiente. |
| |
| 46. | | 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. |
|  |
| 47. | | DUFT, D. G.; SANCHES, G. M.; LUCIANO, A. C. S.; MONTIBELLER, B.; SILVEIRA, H. L. F. da; SANCHES, I. D. A.; KÖLLN, O. T. Identificação de fechamento de dossel de cana-de-açúcar através de imagens de VANT. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 18., 2017, Santos. Anais... São José dos Campos: Inpe, 2017. p. 5998-6005.| Biblioteca(s): Embrapa Solos. |
| |
| 48. | | PARREIRAS, T. C.; BOLFE, E. L.; CHAVES, M. E. D.; DEL'ARCO SANCHES, I.; SANO, E. E.; VICTORIA, D. de C.; BETTIOL, G. M.; VICENTE, L. E. Hierarchical classification of soybean in the Brazilian Savanna based on Harmonized Landsat Sentinel data. Remote Sensing, v. 14, n. 15, 3736, Aug. 2022.| Biblioteca(s): Embrapa Agricultura Digital; Embrapa Cerrados; Embrapa Meio Ambiente. |
| |
| 49. | | 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. |
| |
| 50. | | 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. |
| |
| 51. | | PRUDENTE, V. H. R.; SKAKUN, S.; OLDONI, L. V.; XAUD, H. A. M.; XAUD, M. R.; ADAMI, M.; SANCHES, I. D. A. Multisensor approach to land use and land cover mapping in Brazilian Amazon. ISPRS Journal of Photogrammetry and Remote Sensing, v. 189, p. 95-109, 2022.| Biblioteca(s): Embrapa Roraima. |
| |
| 52. | | NASCIMENTO, A. S. do; SILVA, S. X. de B.; SANCHES, N. F.; SANCHES, I. B. N.; ANDRADE, E. C. de; BARBOSA, F. F. L. Procedimentos para o monitoramento populacional de Diaphorina Citri , vetor do Huanglongbing (HLB) dos citros. In: CONFERÊNCIA, 3., 2012, Salvador. Defesa agropecuária responsabilidade compartilhada: Livro de resumos. Salvador: Sociedade Brasileira de Defesa Agropecuária e a Sociedade de Medicina Veterinária da Bahia; SEAGRI; ADAB, 2012. Documento eletrônico.| Biblioteca(s): Embrapa Mandioca e Fruticultura. |
| |
| 54. | | SANO, E. E.; BOLFE, E. L.; PARREIRAS, T. C.; DEL'ARCO SANCHES, I.; BETTIOL, G. M.; VICTORIA, D. de C.; VICENTE, L. E. Uso de dados multi-sensores para o monitoramento agrícola no Cerrado: resultados preliminares. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 20., 2023, Florianópolis. Anais [...]. São José dos Campos: Instituto Nacional de Pesquisas Espaciais, 2023. p. 412-415. Editores: Douglas Francisco Marcolino Gherardi, Ieda Del´Arco Sanches, Luiz Eduardo Oliveira e Cruz de Aragão. Na publicação: Daniel Castro Victoria.| Biblioteca(s): Embrapa Agricultura Digital. |
| |
| 55. | | SANO, E. E.; BOLFE, E. L.; PARREIRAS, T. C.; DEL'ARCO SANCHES, I.; BETTIOL, G. M.; VICTORIA, D. de C.; VICENTE, L. E. Uso de dados multi-sensores para o monitoramento agrícola no cerrado: resultados preliminares. In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 20., 2023, Florianópolis. Anais [...]. São José dos Campos: Instituto Nacional de Pesquisas Espaciais, 2023. p. 412-415. Editores: Douglas Francisco Marcolino Gherardi, Ieda Del´Arco Sanches, Luiz Eduardo Oliveira e Cruz de Aragão. Na publicação: Daniel Castro Victoria.| Biblioteca(s): Embrapa Cerrados; Embrapa Meio Ambiente. |
| |
| 56. | | BENDINI, H. do N.; SANCHES, I. D.; KÖRTING, T. S.; FONSECA, L. M. G.; LUIZ, A. J. B.; FORMAGGIO, A. R. Using Landsat 8 image time series for crop mapping in a region of Cerrado, Brazil. International Archives of the Photogrammetry Remote Sensing and Spatial Information Sciences, v. 41, B8, p. 845-850, 2016. Edição dos proceedings do XXIII ISPRS Congress, 12?19 July 2016, Prague.| Biblioteca(s): Embrapa Meio Ambiente. |
| |
| 57. | | BOLFE, E. L.; JORGE, L. A. de C.; SANCHES, I.; COSTA, C. C. da; LUCHIARI JUNIOR, A.; VICTORIA, D. de C.; INAMASU, R. Y.; GREGO, C. R.; FERREIRA, V.; RAMIREZ, A. Agricultura digital: aplicações e desafios no Brasil. Agroanalysis, v. 40, n. 09, set. 2020. Na publicação: Édson Bolfe, Lúcio Jorge, Cinthia da Costa, Daniel Victoria, Ricardo Inamasu, Célia Grego.| Biblioteca(s): Embrapa Agricultura Digital; Embrapa Instrumentação. |
| |
| 58. | | EBERHARDT, I. D. R.; SCHULTZ, B.; RIZZI, R.; SANCHES, I. D.; FORMAGGIO, A. R.; ATZBERGER, C.; MELLO, M. P.; IMMITZER, M.; TRABAQUINI, K.; LUIZ, A. J. B.; FOSCHIERA, W. Cloud cover assessment for operational crop monitoring systems in tropical areas. Remote Sensing, v. 8, n. 3, p. 1-14, 2016.| Biblioteca(s): Embrapa Meio Ambiente. |
| |
| 59. | | SOUZA, L. G. M. de; LAZARINI, E.; HUNGRIA, M.; BOSSOLANI, J. W.; PARENTE, T. de L.; CAIONI, S.; SAITO, E. H.; ZANINETTI, B. F.; REZENDE FILHO, A. A.; SANCHES, I. R. Influencia de reinoculações complementares em cobertura na nodulação de Bradyrhizobium spp. na cultura da soja. In: REUNIÃO LATINOAMERICANA DE RIZOBIOLOGIA - RELAR, 27., 2016, Londrina. Fortalecendo as parcerias Sul-Sul: anais. Curitiba: SBCS-NEPAR, 2016. p. 256. Editores: Mariangela Hungria, Douglas Fabiano Gomes, Arnaldo Colozzi Filho.| Biblioteca(s): Embrapa Soja. |
| |
| 60. | | PICOLI, M. C. A.; CAMARA, G.; SANCHES, I.; SIMÕES, R.; CARVALHO, A.; MACIEL, A.; COUTINHO, A. C.; ESQUERDO, J. C. D. M.; ANTUNES, J. F. G.; BEGOTTI, R. A.; ARVOR, D.; ALMEIDA, C. Big earth observation time series analysis for monitoring Brazilian agriculture. ISPRS Journal of Photogrammetry and Remote Sensing, v. 145, part B, p. 328-339, Nov. 2018. Na publicação: Alexandre Coutinho, Julio Esquerdo, João Antunes.| Biblioteca(s): Embrapa Agricultura Digital. |
| |
| Registros recuperados : 68 | |
|
|
|
Registro Completo
|
Biblioteca(s): |
Embrapa Roraima. |
|
Data corrente: |
17/05/2022 |
|
Data da última atualização: |
17/05/2022 |
|
Tipo da produção científica: |
Artigo em Periódico Indexado |
|
Circulação/Nível: |
A - 1 |
|
Autoria: |
PRUDENTE, V. H. R.; SKAKUN, S.; OLDONI, L. V.; XAUD, H. A. M.; XAUD, M. R.; ADAMI, M.; SANCHES, I. D. A. |
|
Afiliação: |
HARON ABRAHIM MAGALHAES XAUD, CPAF-RR; MARISTELA RAMALHO XAUD, CPAF-RR. |
|
Título: |
Multisensor approach to land use and land cover mapping in Brazilian Amazon. |
|
Ano de publicação: |
2022 |
|
Fonte/Imprenta: |
ISPRS Journal of Photogrammetry and Remote Sensing, v. 189, p. 95-109, 2022. |
|
ISSN: |
0924-2716/ |
|
DOI: |
https://doi.org/10.1016/j.isprsjprs.2022.04.025 |
|
Idioma: |
Inglês |
|
Conteúdo: |
Remote sensing has an important role in the Land Use and Land Cover (LULC) mapping process worldwide. Combining spaceborne optical and microwave data is essential for accurate classification in areas with frequent cloud cover, such as tropical regions. In this study, we investigate the possible improvements, when SAR data is incorporated into the classification process along with optical data. We used MSI/Sentinel-2 and SAR/Sentinel-1 to provide LULC mapping in the Roraima State, Brazil, in 2019. This State is located in a tropical area, where the cloud cover is frequent over the year. Cloud cover becomes substantial, especially during the May-August period when crops are grown. Twenty-nine scenarios involving a combination of optical- and SAR-based features, as well as times of data acquisition, were considered in this study. Our results showed that optical or SAR data used individually are not enough to provide accurate LULC mapping. The best results in terms of overall accuracy (OA) were achieved using metrics of multi-temporal surface reflectance and vegetation index (VI) for optical imagery, and values of backscatter coefficient in different polarizations and their ratios yielding an OA of 86.41 ± 1.74%. Analysis of three periods of data (January to April, May to August, and September to December) used for classification allowed us to identify the optimal period for distinguishing specific classes. When comparing our LULC map with a LULC product derived within the MapBiomas project we observed that our method performed better to map annual and perennial crops and water classes. Our methodology provides a more accurate LULC for the Roraima State, and the proposed technique can be applied to benefit other regions that are affected by persistent cloud cover. MenosRemote sensing has an important role in the Land Use and Land Cover (LULC) mapping process worldwide. Combining spaceborne optical and microwave data is essential for accurate classification in areas with frequent cloud cover, such as tropical regions. In this study, we investigate the possible improvements, when SAR data is incorporated into the classification process along with optical data. We used MSI/Sentinel-2 and SAR/Sentinel-1 to provide LULC mapping in the Roraima State, Brazil, in 2019. This State is located in a tropical area, where the cloud cover is frequent over the year. Cloud cover becomes substantial, especially during the May-August period when crops are grown. Twenty-nine scenarios involving a combination of optical- and SAR-based features, as well as times of data acquisition, were considered in this study. Our results showed that optical or SAR data used individually are not enough to provide accurate LULC mapping. The best results in terms of overall accuracy (OA) were achieved using metrics of multi-temporal surface reflectance and vegetation index (VI) for optical imagery, and values of backscatter coefficient in different polarizations and their ratios yielding an OA of 86.41 ± 1.74%. Analysis of three periods of data (January to April, May to August, and September to December) used for classification allowed us to identify the optimal period for distinguishing specific classes. When comparing our LULC map with a LULC product derived within the MapBi... Mostrar Tudo |
|
Palavras-Chave: |
Multilayer Perceptron; Random Forest; Roraima state; Sentinel images. |
|
Categoria do assunto: |
-- |
|
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1143151/1/1-s2.0-S0924271622001289-main.pdf
|
|
Marc: |
LEADER 02597naa a2200265 a 4500
001 2143151
005 2022-05-17
008 2022 bl uuuu u00u1 u #d
022 $a0924-2716/
024 7 $ahttps://doi.org/10.1016/j.isprsjprs.2022.04.025$2DOI
100 1 $aPRUDENTE, V. H. R.
245 $aMultisensor approach to land use and land cover mapping in Brazilian Amazon.$h[electronic resource]
260 $c2022
520 $aRemote sensing has an important role in the Land Use and Land Cover (LULC) mapping process worldwide. Combining spaceborne optical and microwave data is essential for accurate classification in areas with frequent cloud cover, such as tropical regions. In this study, we investigate the possible improvements, when SAR data is incorporated into the classification process along with optical data. We used MSI/Sentinel-2 and SAR/Sentinel-1 to provide LULC mapping in the Roraima State, Brazil, in 2019. This State is located in a tropical area, where the cloud cover is frequent over the year. Cloud cover becomes substantial, especially during the May-August period when crops are grown. Twenty-nine scenarios involving a combination of optical- and SAR-based features, as well as times of data acquisition, were considered in this study. Our results showed that optical or SAR data used individually are not enough to provide accurate LULC mapping. The best results in terms of overall accuracy (OA) were achieved using metrics of multi-temporal surface reflectance and vegetation index (VI) for optical imagery, and values of backscatter coefficient in different polarizations and their ratios yielding an OA of 86.41 ± 1.74%. Analysis of three periods of data (January to April, May to August, and September to December) used for classification allowed us to identify the optimal period for distinguishing specific classes. When comparing our LULC map with a LULC product derived within the MapBiomas project we observed that our method performed better to map annual and perennial crops and water classes. Our methodology provides a more accurate LULC for the Roraima State, and the proposed technique can be applied to benefit other regions that are affected by persistent cloud cover.
653 $aMultilayer Perceptron
653 $aRandom Forest
653 $aRoraima state
653 $aSentinel images
700 1 $aSKAKUN, S.
700 1 $aOLDONI, L. V.
700 1 $aXAUD, H. A. M.
700 1 $aXAUD, M. R.
700 1 $aADAMI, M.
700 1 $aSANCHES, I. D. A.
773 $tISPRS Journal of Photogrammetry and Remote Sensing$gv. 189, p. 95-109, 2022.
Download
Esconder MarcMostrar Marc Completo |
|
Registro original: |
Embrapa Roraima (CPAF-RR) |
|
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
| Nenhum registro encontrado para a expressão de busca informada. |
|
|
