Título:	Mapeamento de telas antigranizo em pomares de maçã em Vacaria – RS.
Autor:	SILVA, V. F. da GEBLER, L. DOMPIERI, M. H. G.
Afiliación:	VINÍCIUS FERNANDES DA SILVA; LUCIANO GEBLER, CNPUV; MARCIA HELENA GALINA DOMPIERI, CNPM.
Año:	2025
Referencia:	In.: CONGRESSO INTERINSTITUCIONAL DE INICIAÇÃO CIENTIFICA, 19., 2024, Campinas. Anais.... Campinas: Embrapa Territorial, 26 a 28 de agosto de 2024.
Páginas:	12 p.
Descripción:	O uso crescente de telas antigranizo em pomares de maçã tem contribuído na mitigação dos impactos de eventos climáticos extremos, como granizo e geadas, especialmente em regiões de elevada vulnerabilidade climática. No entanto, a expansão dessas estruturas demanda metodologias eficazes para seu monitoramento em larga escala, com foco tanto na gestão agronômica como ambiental. O presente estudo teve como objetivo desenvolver e testar uma abordagem de sensoriamento remoto associada a técnicas de aprendizado de máquina para mapear telas antigranizo no município de Vacaria, no estado do Rio Grande do Sul. Foram utilizadas imagens do sensor Sentinel-2, considerando as bandas espectrais azul, verde, vermelho e infravermelho próximo, processadas na plataforma Google Earth Engine. Foi utilizada a segmentação por K-means e foram empregados classificadores Random Forest, tanto na abordagem pixel a pixel como baseada em objetos. A amostragem contou com oitocentos pontos, divididos entre treinamento e validação e a avaliação da acurácia foi realizada por meio de matrizes de confusão e do índice Kappa. A abordagem pixel a pixel apresentou um desempenho superior, com índice Kappa de 0.67, uma acurácia global de 0.76 e de 0.95 para a classe de cultivos com tela. Conclui-se que os resultados demonstram a viabilidade técnica da metodologia para mapeamento de estruturas agrícolas plásticas. ABSTRACT – The growing use of anti-hail nets in apple orchards has contributed to mitigating the impacts of extreme weather events, such as hailstorms and frosts, particularly in regions with high climate vulnerability. However, the expansion of these protective structures requires effective methodologies for large-scale monitoring, with a focus on both agronomic and environmental management. This study aimed to develop and test a remote sensing approach combined with machine learning techniques to map anti-hail nets in the municipality of Vacaria, located in the state of Rio Grande do Sul, Brazil. Sentinel-2 imagery was used, incorporating the blue, green, red, and near-infrared spectral bands, processed through the Google Earth Engine platform. K-means segmentation was applied, and Random Forest classifiers were implemented using both pixel-based and object-based classification approaches. A total of 800 sample points were used, split between training and validation, and classification accuracy was assessed using confusion matrices and the Kappa index. The pixel-based approach outperformed the object-based classification, yielding a Kappa index of 0.67, an overall accuracy of 0.76, and a class accuracy of 0.95 for net-covered orchards. The results confirm the technical feasibility of the proposed methodology for mapping plastic agricultural structures.
Thesagro:	Agricultura de Precisão
NAL Thesaurus:	Precision agriculture Remote sensing
Palabras clave:	Aprendizagem de máquina Mapeamento agrícola Random Forest Agricultural mapping Machine learning
Tipo de Material:	Artigo em anais e proceedings
Acceso:	openAccess
Aparece en las colecciones:	Artigo em anais de congresso (CNPUV)