Título:	Deep learning para identificação de sistemas integrados de produção agropecuária - iLPF: implementação da U-Net com Sentinel-2.
Autoria:	VIEIRA, L. P. SIMÕES, M. FERRAZ, R. P. D. KUCHLER, P. C. LAGE, S. M. LEITE, F. F. G. D. FREITAS, P. L. de MULLER, M. D.
Afiliação:	LUAN PORTO VIEIRA, UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO; MARGARETH GONCALVES SIMOES, CNPS; RODRIGO PECANHA DEMONTE FERRAZ, CNPS; PATRICK CALVANO KUCHLER, UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO; SOFIA MARTINS LAGE, FUNARBE; FERNANDA F. GRANJA DORILÊO LEITE, REDE ILPF; PEDRO LUIZ DE FREITAS, CNPS; MARCELO DIAS MULLER, CNPGL.
Ano de publicação:	2025
Referência:	In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 21., 2025, Salvador. Anais [...]. Campinas: Galoá, 2025. Ref. 319707.
Conteúdo:	Este trabalho analisa a eficácia da arquitetura U-Net para a segmentação semântica de áreas de Integração Lavoura-Pecuária-Floresta (iLPF), utilizando imagens de satélite Sentinel-2 com bandas NDVI e RGB. A metodologia inclui técnicas de aumento de dados e avaliação por métricas como IoU, precisão e F1-Score. A configuração com NDVI e RGB alcançou uma precisão de 94,58%, F1-Score de 93,91% e IoU de 88,15%, superando o uso isolado do NDVI. Integrando o Projeto GeoABC+, conduzido pela Embrapa Solos e pela UERJ, e em parceria com a Associação Rede ILPF, o Projeto IS-Agro TED 450/2021 e o Projeto CHAMADA FUNDECT 18/2021 - MS CARBONO NEUTRO, este estudo apresenta o desenvolvimento de uma ferramenta para o mapeamento de sistemas iLPF no Brasil.
Palavras-chave:	Plano ABC ILPF Segmentação semântica Aprendizado profundo GeoABC+
Tipo do material:	Artigo em anais e proceedings
Acesso:	openAccess
Aparece nas coleções:	Artigo em anais de congresso (CNPS)