Please use this identifier to cite or link to this item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1099257
Research center of Embrapa/Collection: Embrapa Informática Agropecuária - Artigo em anais de congresso (ALICE)
Date Issued: 2018
Type of Material: Artigo em anais de congresso (ALICE)
Authors: CAON, I. L.
MERCANTE, E.
ANTUNES, J. F. G.
CATTANI, C. E. V.
MENDES, I. S.
OLDONI, L. V.
Additional Information: 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.
Title: Mapeamento de pastagens por meio da classificação da fusão de imagens Landsat-8/OLI e MODIS no município de São Gabriel do Oeste - MS.
Publisher: In: SIMPÓSIO DE GEOTECNOLOGIAS NO PANTANAL, 7., 2018. Jardim. Anais... São José dos Campos: INPE, 2018.
Pages: p. 686-694.
Language: pt_BR
Notes: Geopantanal 2018.
Keywords: Sensor orbital
Processamento de imagens
Mineração de dados
Fusão de imagens
Classificação de imagens
Orbital sensor
Image processing
Data mining
Image fusion
Image classification
Description: 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%.
Thesagro: Sensoriamento Remoto
NAL Thesaurus: Remote sensing
Image analysis
Data Created: 2018-11-13
ISBN: 978-85-17-00094-2
Appears in Collections:Artigo em anais de congresso (CNPTIA)

Files in This Item:
File Description SizeFormat 
PLMapeamentoCaonetalGeopantanal.pdf464.17 kBAdobe PDFView/Open

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace