Use este identificador para citar ou linkar para este item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1184298
Título: Mapeamento de telas antigranizo em pomares de maçã em Vacaria – RS.
Autoria: SILVA, V. F. DA
GEBLER, L.
DOMPIERI, M. H. G.
Afiliação: VINÍCIUS FERNANDES DA SILVA, UNIVERSIDADE ESTADUAL DE CAMPINAS; LUCIANO GEBLER, CNPUV; MARCIA HELENA GALINA DOMPIERI, CNPM.
Ano de publicação: 2025
Referência: In: CONGRESSO INTERINSTITUCIONAL DE INICIAÇÃO CIENTÍFICA, 19., 2025, Campinas. Anais [...]. Campinas: Instituto Agronômico (IAC), 2025.
Páginas: 12 p.
Conteúdo: O uso crescente de telas antigranizo em pomares de maçã tem contribuído na mitigação dos impactos de eventos climáticos extremos, como granizo e geadas, especialmente em regiões de elevada vulnerabilidade climática. No entanto, a expansão dessas estruturas demanda metodologias eficazes para seu monitoramento em larga escala, com foco tanto na gestão agronômica como ambiental. O presente estudo teve como objetivo desenvolver e testar uma abordagem de sensoriamento remoto associada a técnicas de aprendizado de máquina para mapear telas antigranizo no município de Vacaria, no estado do Rio Grande do Sul. Foram utilizadas imagens do sensor Sentinel-2, considerando as bandas espectrais azul, verde, vermelho e infravermelho próximo, processadas na plataforma Google Earth Engine. Foi utilizada a segmentação por K-means e foram empregados classificadores Random Forest, tanto na abordagem pixel a pixel quanto baseada em objetos. A amostragem contou com oitocentos pontos, divididos entre treinamento e validação, e a avaliação da acurácia foi feita por meio de matrizes de confusão e do índice kappa. A abordagem pixel a pixel apresentou desempenho superior, com índice kappa de 0,67, acurácia global de 0,76 e de 0,95 para a classe de cultivos com tela. Os resultados demonstram a viabilidade técnica da metodologia para mapeamento de estruturas agrícolas plásticas.
Thesagro: Agricultura de Precisão
Palavras-chave: Aprendizagem de máquina
Mapeamento agrícola
Random Forest
ISSN: 2965-2812
Notas: CIIC 2025. N° 25508.
Tipo do material: Artigo em anais e proceedings
Acesso: openAccess
Aparece nas coleções:Artigo em anais de congresso (CNPM)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
6411.pdf1,48 MBAdobe PDFThumbnail
Visualizar/Abrir

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace