Por favor, use este identificador para citar o enlazar este ítem:
http://www.alice.cnptia.embrapa.br/alice/handle/doc/1175472Registro completo de metadatos
| Campo DC | Valor | Lengua/Idioma |
|---|---|---|
| dc.contributor.author | SILVA, A. B. F. DA | |
| dc.contributor.author | SILVA, V. M. DA | |
| dc.contributor.author | SILVEIRA, H. L. F. da | |
| dc.contributor.author | NOGUEIRA JUNIOR, L. R. | |
| dc.date.accessioned | 2025-05-12T12:47:59Z | - |
| dc.date.available | 2025-05-12T12:47:59Z | - |
| dc.date.created | 2025-05-12 | |
| dc.date.issued | 2025 | |
| dc.identifier.citation | In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 21., 2025, Salvador. Anais [...]. Campinas: Galoá, 2025. | |
| dc.identifier.issn | 2966-0157 | |
| dc.identifier.uri | http://www.alice.cnptia.embrapa.br/alice/handle/doc/1175472 | - |
| dc.description | Utilizou-se o algoritmo Random Forest (RF) para testar a capacidade do classificador na identificação de sistemas integrados Lavoura-Pecuária (ILP). O estudo foi realizado na Fazenda Nova Balsa e no seu entorno, no Município de Tasso Fragoso (MA). Foi organizado um banco de dados (BD) com 518 pontos, sendo 259 de ILP e 259 áreas sem integração. Para cada ponto, foram coletados valores de reflectância nas bandas do vermelho, azul, infravermelho próximo e médio (MOD13Q1), NDVI e EVI (SATVeg) para os períodos de janeiro, fevereiro e maio-junho. O BD, foi utilizado para treinamento e validação do RF na classificação de ILP. Como resultado obteve-se AUC (1,0), acurácia (0,995), F1-Score (0,995), precisão (0,995), Recall (0,995) e MCC (0,989). Concluiu-se que, apesar da boa acurácia, o grupo amostral limitado gerou viés, mas a banda do infravermelho próximo de janeiro foi a mais assertiva na classificação de ILPs. Abstract: The Random Forest (RF) algorithm was used to test the classifier's ability to identify Crop-Livestock Integration (CLI) systems. The study was conducted on the Nova Balsa farm and its surroundings, in the municipality of Tasso Fragoso (MA). A database (DB) was organized with 518 points, comprising 259 CLI points and 259 non-integration areas. For each point, reflectance values were collected for red, blue, near-infrared, and mid-infrared bands (MOD13Q1), as well as NDVI and EVI indices (SATVeg) for the periods of January, February, and May-June. The DB was used for training and validating the RF classifier for CLI identification. The results yielded AUC (1.0), accuracy (0.995), F1-score (0.995), precision (0.995), recall (0.995), and MCC (0.989). It was concluded that, despite high accuracy, the limited sample group introduced bias; however, the near-infrared band in January was the most effective for CLI classification. | |
| dc.language.iso | por | |
| dc.rights | openAccess | |
| dc.subject | Random forest | |
| dc.subject | MODIS | |
| dc.subject | Plano ABC | |
| dc.subject | Low Carbon Agriculture Plan | |
| dc.title | Classificação de sistemas de Integração Lavoura-Pecuária (ILP) no sul do Maranhão: uma abordagem com Machine Learning e sensoriamento remoto. | |
| dc.type | Artigo em anais e proceedings | |
| dc.format.extent2 | 4 p. | |
| riaa.ainfo.id | 1175472 | |
| riaa.ainfo.lastupdate | 2025-05-12 | |
| dc.contributor.institution | ANA BEATRIZ FREITAS DA SILVA, UNIVERSIDADE ESTADUAL DE CAMPINAS; VINICIUS MORALES DA SILVA, UNIVERSIDADE ESTADUAL DE CAMPINAS; HILTON LUIS FERRAZ DA SILVEIRA, CNPM; LAURO RODRIGUES NOGUEIRA JUNIOR, CNPM. | |
| Aparece en las colecciones: | Artigo em anais de congresso (CNPM)  | |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| 6340.pdf | 355.49 kB | Adobe PDF |  Visualizar/Abrir |
