|
|
Registro Completo |
Biblioteca(s): |
Embrapa Florestas. |
Data corrente: |
01/03/2011 |
Data da última atualização: |
07/12/2023 |
Tipo da produção científica: |
Comunicado Técnico/Recomendações Técnicas |
Autoria: |
ROSOT, M. A. D.; NASCIMENTO, K. A. do; GARRASTAZU, M. C.; OLIVEIRA, Y. M. M. de; LACERDA, A. E. B. de; BAGGIO, A. J. |
Afiliação: |
MARIA AUGUSTA DOETZER ROSOT, CNPF; LISANEAS ALBERGONI DO NASCIMENTO, UFPR; MARILICE CORDEIRO GARRASTAZU, CNPF; YEDA MARIA MALHEIROS DE OLIVEIRA, CNPF; ANDRE EDUARDO BISCAIA DE LACERDA, CNPF; AMILTON JOAO BAGGIO, CNPF. |
Título: |
Uso do SIG no monitoramento de experimentos de regeneração artificial com essências nativas em um fragmento de Floresta de Araucária. |
Ano de publicação: |
2010 |
Fonte/Imprenta: |
Colombo: Embrapa Florestas, 2010. |
Páginas: |
8 p. |
Série: |
(Embrapa Florestas. Comunicado técnico, 258). |
ISSN: |
1517-5030 |
Idioma: |
Português |
Palavras-Chave: |
Experimento; Monitoramento; Pinheiro-do-Paraná; SIG; Silvicultura de precisão. |
Thesagro: |
Espécie nativa; Manejo; Regeneração. |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/item/28906/1/CT258.pdf
|
Marc: |
LEADER 00884nam a2200289 a 4500 001 1879664 005 2023-12-07 008 2010 bl uuuu u0uu1 u #d 022 $a1517-5030 100 1 $aROSOT, M. A. D. 245 $aUso do SIG no monitoramento de experimentos de regeneração artificial com essências nativas em um fragmento de Floresta de Araucária. 260 $aColombo: Embrapa Florestas$c2010 300 $a8 p. 490 $a(Embrapa Florestas. Comunicado técnico, 258). 650 $aEspécie nativa 650 $aManejo 650 $aRegeneração 653 $aExperimento 653 $aMonitoramento 653 $aPinheiro-do-Paraná 653 $aSIG 653 $aSilvicultura de precisão 700 1 $aNASCIMENTO, K. A. do 700 1 $aGARRASTAZU, M. C. 700 1 $aOLIVEIRA, Y. M. M. de 700 1 $aLACERDA, A. E. B. de 700 1 $aBAGGIO, A. J.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Florestas (CNPF) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
URL |
Voltar
|
|
Registro Completo
Biblioteca(s): |
Embrapa Agricultura Digital. |
Data corrente: |
20/03/2023 |
Data da última atualização: |
21/03/2023 |
Tipo da produção científica: |
Artigo em Periódico Indexado |
Circulação/Nível: |
A - 1 |
Autoria: |
TORO, A. P. S. G. D. D.; BUENO, I. T.; WERNER, J. P. S.; ANTUNES, J. F. G.; LAMPARELLI, R. A. C.; COUTINHO, A. C.; ESQUERDO, J. C. D. M.; MAGALHÃES, P. S. G.; FIGUEIREDO, G. K. D. A. |
Afiliação: |
ANA P. S. G. D. D. TORO, UNIVERSIDADE ESTADUAL DE CAMPINAS; INACIO T. BUENO, UNIVERSIDADE ESTADUAL DE CAMPINAS; JOÃO PAULO SAMPAIO WERNER, UNIVERSIDADE ESTADUAL DE CAMPINAS; JOAO FRANCISCO GONCALVES ANTUNES, CNPTIA; RUBENS AUGUSTO DE CAMARGO LAMPARELLI, UNIVERSIDADE ESTADUAL DE CAMPINAS; ALEXANDRE CAMARGO COUTINHO, CNPTIA; JULIO CESAR DALLA MORA ESQUERDO, CNPTIA; PAULO S. G. MAGALHÃES, UNIVERSIDADE ESTADUAL DE CAMPINAS; GLEYCE KELLY DANTAS ARAÚJO FIGUEIREDO, UNIVERSIDADE ESTADUAL DE CAMPINAS. |
Título: |
SAR and optical data applied to early-season mapping of integrated crop-livestock systems using deep and machine learning algorithms. |
Ano de publicação: |
2023 |
Fonte/Imprenta: |
Remote Sensing, v. 15, n. 4, 1130, Feb. 2023. |
DOI: |
https://doi.org/10.3390/rs15041130 |
Idioma: |
Inglês |
Conteúdo: |
In this work, we explored the potential of three machine and deep learning algorithms (random forest, long short-term memory, and transformer) to perform early-season (with three-time windows) mapping of ICLS fields. To explore the scalability of the proposed methods, we tested them in two regions with different latitudes, cloud cover rates, field sizes, landscapes, and crop types. Finally, the potential of SAR (Sentinel-1) and optical (Sentinel-2) data was tested. |
Palavras-Chave: |
Agricultura regenerativa; Aprendizado de máquina; Aprendizado profundo; Floresta aleatória; ICLS; Integrated Crop-livestock systems; Long short-term memory; LSTM; Multisource; Random forest; Regenerative agriculture; Sistemas integrados lavoura-pecuária; Transformer. |
Thesagro: |
Agricultura. |
Thesaurus NAL: |
Agriculture. |
Categoria do assunto: |
-- |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1152495/1/AP-SAR-optical-data-2023.pdf
|
Marc: |
LEADER 01762naa a2200409 a 4500 001 2152495 005 2023-03-21 008 2023 bl uuuu u00u1 u #d 024 7 $ahttps://doi.org/10.3390/rs15041130$2DOI 100 1 $aTORO, A. P. S. G. D. D. 245 $aSAR and optical data applied to early-season mapping of integrated crop-livestock systems using deep and machine learning algorithms.$h[electronic resource] 260 $c2023 520 $aIn this work, we explored the potential of three machine and deep learning algorithms (random forest, long short-term memory, and transformer) to perform early-season (with three-time windows) mapping of ICLS fields. To explore the scalability of the proposed methods, we tested them in two regions with different latitudes, cloud cover rates, field sizes, landscapes, and crop types. Finally, the potential of SAR (Sentinel-1) and optical (Sentinel-2) data was tested. 650 $aAgriculture 650 $aAgricultura 653 $aAgricultura regenerativa 653 $aAprendizado de máquina 653 $aAprendizado profundo 653 $aFloresta aleatória 653 $aICLS 653 $aIntegrated Crop-livestock systems 653 $aLong short-term memory 653 $aLSTM 653 $aMultisource 653 $aRandom forest 653 $aRegenerative agriculture 653 $aSistemas integrados lavoura-pecuária 653 $aTransformer 700 1 $aBUENO, I. T. 700 1 $aWERNER, J. P. S. 700 1 $aANTUNES, J. F. G. 700 1 $aLAMPARELLI, R. A. C. 700 1 $aCOUTINHO, A. C. 700 1 $aESQUERDO, J. C. D. M. 700 1 $aMAGALHÃES, P. S. G. 700 1 $aFIGUEIREDO, G. K. D. A. 773 $tRemote Sensing$gv. 15, n. 4, 1130, Feb. 2023.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Agricultura Digital (CNPTIA) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Expressão de busca inválida. Verifique!!! |
|
|