Título:	Utilização de redes neurais artificiais na classificação de níveis de degradação em pastagens.
Autoria:	CHAGAS, C. da S. VIEIRA, C. A. O. FERNANDES FILHO, E. I. CARVALHO JUNIOR, W. de
Afiliação:	CESAR DA SILVA CHAGAS, CNPS; CARLOS A. O. VIEIRA, DEC/UFV; ELPIDIO I. FERNANDES FILHO, DPS/UFV; WALDIR DE CARVALHO JUNIOR, CNPS.
Ano de publicação:	2009
Referência:	Revista Brasileira de Engenharia Agrícola e Ambiental, Campina Grande, v. 13, n. 3, p. 319-327, 2009.
Conteúdo:	Este trabalho teve por objetivo avaliar a eficiência dos classificadores redes neurais artificiais (RNA) e o de máxima verossimilhança (Maxver) na classificação do uso da terra no município de Viçosa, MG, a partir de imagens do sensor ASTER, com ênfase nos níveis de degradação das pastagens. Neste estudo, foram identificados três níveis de degradação das pastagens (moderado, forte e muito forte) e avaliada uma composição da imagem do sensor ASTER contendo as 3 bandas do visível e infravermelho próximo, com resolução espacial de 15 m. O simulador de redes neurais empregado foi o "Java Neural Network Simulator" e o algoritmo de aprendizado, o backpropagation. Os resultados mostram que a classificação por redes neurais, embora apresente resultado ligeiramente superior, teve desempenho estatisticamente semelhante ao obtido pela classificação pelo Maxver, obtendo um índice Kappa de 0,80, contra 0,79, respectivamente. Nas classificações realizadas a classe que apresentou maior erro de classificação foi a pastagem no nível de degradação forte, enquanto a maior exatidão na classificação foi obtida pelo café, para ambos os classificadores, com 100 e 96%, respectivamente.
Thesagro:	Sensoriamento Remoto
Palavras-chave:	Aster Classificação supervisionada
Digital Object Identifier:	https://doi.org/10.1590/S1415-43662009000300014
Tipo do material:	Artigo de periódico
Acesso:	openAccess
Aparece nas coleções:	Artigo em periódico indexado (CNPS)