Use este identificador para citar ou linkar para este item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1099257
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorCAON, I. L.
dc.contributor.authorMERCANTE, E.
dc.contributor.authorANTUNES, J. F. G.
dc.contributor.authorCATTANI, C. E. V.
dc.contributor.authorMENDES, I. S.
dc.contributor.authorOLDONI, L. V.
dc.date.accessioned2018-11-14T00:01:57Z-
dc.date.available2018-11-14T00:01:57Z-
dc.date.created2018-11-13
dc.date.issued2018
dc.identifier.citationIn: SIMPÓSIO DE GEOTECNOLOGIAS NO PANTANAL, 7., 2018. Jardim. Anais... São José dos Campos: INPE, 2018.
dc.identifier.isbn978-85-17-00094-2
dc.identifier.urihttp://www.alice.cnptia.embrapa.br/alice/handle/doc/1099257-
dc.descriptionResumo. 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%.
dc.language.isoporpt_BR
dc.rightsopenAccesspt_BR
dc.subjectSensor orbital
dc.subjectProcessamento de imagens
dc.subjectMineração de dados
dc.subjectFusão de imagens
dc.subjectClassificação de imagens
dc.subjectOrbital sensor
dc.subjectImage processing
dc.subjectData mining
dc.subjectImage fusion
dc.subjectImage classification
dc.titleMapeamento de pastagens por meio da classificação da fusão de imagens Landsat-8/OLI e MODIS no município de São Gabriel do Oeste - MS.
dc.typeArtigo em anais e proceedings
dc.date.updated2020-01-21T11:11:11Zpt_BR
dc.subject.thesagroSensoriamento Remoto
dc.subject.nalthesaurusRemote sensing
dc.subject.nalthesaurusImage analysis
dc.description.notesGeopantanal 2018.
dc.format.extent2p. 686-694.
riaa.ainfo.id1099257
riaa.ainfo.lastupdate2020-01-21 -02:00:00
dc.contributor.institutionIVÃ LUIS CAON, Unioeste; ERIVELTO MERCANTE, Unioeste; JOAO FRANCISCO GONCALVES ANTUNES, CNPTIA; CARLOS EDUARDO VIZZOTTO CATTANI, Unioeste; ISAQUE SOUZA MENDES, Unioeste; LUCAS VOLOCHEN OLDONI, INPE.
Aparece nas coleções:Artigo em anais de congresso (CNPTIA)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
PLMapeamentoCaonetalGeopantanal.pdf464.17 kBAdobe PDFThumbnail
Visualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace