Título:	Comparação entre imagens Aster e Landsat 7 na classificação de níveis de degradação de pastagens utilizando redes neurais artificiais.
Autoria:	CHAGAS, C. da S. VIEIRA, C. A. O. FERNANDES FILHO, E. I. CARVALHO JUNIOR, W. de
Afiliação:	CESAR DA SILVA CHAGAS, CNPS CARLOS ANTÔNIO OLIVEIRA VIEIRA, UFV ELPÍDIO INÁCIO FERNANDES FILHO, UFV WALDIR DE CARVALHO JUNIOR, CNPS.
Ano de publicação:	2008
Referência:	Revista Brasileira de Cartografia, Rio de Janeiro, v. 60, n. 3, p. 243-252, out. 2008.
Conteúdo:	O presente estudo teve como objetivo comparar a eficiência dos dados dos sensores Aster e ETM+/Landsat 7 na classificação do uso e cobertura da terra, com ênfase nos níveis de degradação das pastagens na Zona da Mata Mineira, através da utilização de redes neurais artificiais. Foram testadas três composições de uma imagem do sensor Aster e uma do ETM+/Landsat 7, para definição das melhores feições discriminantes para o classificador. As classes de uso e cobertura consideradas foram: floresta, café, área urbana/solo exposto e três níveis de degradação das pastagens (moderado, forte e muito forte). Utilizou-se o simulador de redes neurais Java Neural Network Simulator e o algoritmo empregado foi o back-propagation. Dentre as composições de imagens testadas o melhor resultado foi alcançado com a utilização das 9 bandas do Aster (30m) como variáveis discriminantes, que também permitiu uma melhor discriminação dos níveis de degradação das pastagens considerados. Este resultado é atribuído à melhor resolução espectral desta composição de imagem quando comparada às demais. Dentre as classes consideradas, a pastagem no nível de degradação muito forte foi a que apresentou o maior erro de classificação, em todas as composições, sendo bastante confundida com a pastagem no nível de degradação forte.
Thesagro:	Sensoriamento Remoto
Palavras-chave:	Redes neurais Pastagens
Tipo do material:	Artigo de periódico
Acesso:	openAccess
Aparece nas coleções:	Artigo em periódico indexado (CNPS)