Por favor, use este identificador para citar o enlazar este ítem: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1175416
Registro completo de metadatos
Campo DCValorLengua/Idioma
dc.contributor.authorSOARES, V. B.
dc.contributor.authorPARREIRAS, T. C.
dc.contributor.authorSILVA, G. B. S. da
dc.contributor.authorFURUYA, D. E. G.
dc.contributor.authorBOLFE, E. L.
dc.contributor.authorCASTRO, V. H. M. e de C.
dc.date.accessioned2025-05-08T18:47:35Z-
dc.date.available2025-05-08T18:47:35Z-
dc.date.created2025-05-08
dc.date.issued2025
dc.identifier.citationIn: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 21., 2025, Salvador. Anais [...]. Campinas: Galoá, 2025. 4 p.
dc.identifier.isbn978-65-80968-29-9
dc.identifier.urihttp://www.alice.cnptia.embrapa.br/alice/handle/doc/1175416-
dc.descriptionSistemas 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.
dc.language.isopor
dc.rightsopenAccess
dc.subjectInteligência artificial
dc.subjectAprendizado de máquina
dc.subjectSistemas agroflorestais
dc.subjectMachine learning
dc.titleUso de deep learning e machine learning para o mapeamento de sistemas agroflorestais.
dc.typeArtigo em anais e proceedings
dc.subject.thesagroSensoriamento Remoto
dc.subject.nalthesaurusRemote sensing
dc.subject.nalthesaurusArtificial intelligence
dc.description.notesNa publicação: Gustavo Bayma.
riaa.ainfo.id1175416
riaa.ainfo.lastupdate2025-05-08
dc.contributor.institutionVICTÓRIA 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.
Aparece en las colecciones:Artigo em anais de congresso (CNPMA)

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
AA2025-Bayma-Uso-de-deep-learning-e-machine-learning-para-o-mapeamento-de-Sistemas-Agroflorestais.pdf399.66 kBAdobe PDFVista previa
Visualizar/Abrir
Mostrar el registro sencillo del ítem

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace