Título:	Uso de deep learning e machine learning para o mapeamento de sistemas agroflorestais.
Autoria:	SOARES, V. B. PARREIRAS, T. C. SILVA, G. B. S. da FURUYA, D. E. G. BOLFE, E. L. CASTRO, V. H. M. e de C.
Afiliação:	VICTÓRIA BEATRIZ SOARES, PONTIFÍCIA UNIVERSIDADE CATÓLICA DE CAMPINAS; TAYA CRISTO PARREIRAS, UNIVERSIDADE ESTADUAL DE CAMPINAS; GUSTAVO BAYMA SIQUEIRA DA SILVA, CNPMA; DANIELLE ELIS GARCIA FURUYA; EDSON LUIS BOLFE, CNPTIA; VICTÓRIA HELLENA MATUSEVICIUS E DE CASTRO, UNIVERSIDADE ESTADUAL DE CAMPINAS.
Ano de publicação:	2025
Referência:	In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 21., 2025, Salvador. Anais [...]. Campinas: Galoá, 2025. 4 p.
Conteúdo:	Sistemas Agroflorestais (SAFs) são técnicas agrícolas que podem associar culturas florestais, frutíferas e agrícolas, além de animais, visando a sustentabilidade ambiental, especialmente em regiões tropicais como o Brasil. Entretanto, é um desafio mapear esses sistemas com técnicas de sensoriamento remoto, devido principalmente à sua complexidade estrutural e heterogeneidade de espécies. O objetivo deste estudo foi revisar a literatura disponível sobre o uso de deep learning e machine learning no mapeamento de ambientes agrícolas complexos, com foco para os SAFs. Embora existam avanços no mapeamento de culturas em SAFs, a literatura ainda carece de técnicas visando a detecção desses sistemas produtivos. Os resultados indicam que entre os principais desafios observados estão a similaridade das assinaturas espectrais das áreas e a necessidade de maior resolução espacial e temporal dos sensores utilizados.
Thesagro:	Sensoriamento Remoto
NAL Thesaurus:	Remote sensing Artificial intelligence
Palavras-chave:	Inteligência artificial Aprendizado de máquina Sistemas agroflorestais Machine learning
ISBN:	978-65-80968-29-9
Notas:	Na publicação: Gustavo Bayma.
Tipo do material:	Artigo em anais e proceedings
Acesso:	openAccess
Aparece nas coleções:	Artigo em anais de congresso (CNPMA)