Use este identificador para citar ou linkar para este item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/880327
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorVIEIRA, T. G. C.pt_BR
dc.contributor.authorLACERDA, W. S.pt_BR
dc.contributor.authorALVES, H. M. R.pt_BR
dc.contributor.authorVOLPATO, M. M. L.pt_BR
dc.contributor.authorANDRADE, L. N. dept_BR
dc.contributor.authorBRAGA, R. C. A.pt_BR
dc.contributor.authorSOUZA, V. C. O. dept_BR
dc.date.accessioned2011-04-09T22:27:27Z-
dc.date.available2011-04-09T22:27:27Z-
dc.date.created2011-03-10pt_BR
dc.date.issued2009pt_BR
dc.identifier.citationIn: CONGRESSO BRASILEIRO DE REDES NEURAIS, 9., 2009, Ouro Preto.pt_BR
dc.identifier.urihttp://www.alice.cnptia.embrapa.br/alice/handle/doc/880327pt_BR
dc.descriptionA aplicação de Redes Neurais Artificiais (RNAs) na classificação de dados de Sensoriamento Remoto tem se mostrado uma abordagem promissora, principalmente na discriminação de classes de maior complexidade. No presente trabalho, é apresentado uma aplicação de RNAs na identificação de áreas cafeeiras que possui um padrão espectral muito próximo ao da mata, dificultando a classificação automática dessas classes de uso da terra. Foram utilizadas três bandas espectrais da imagem do satélite HRV/SPOT5 da região de Guaxupé (MG) com o software de processamento de imagens IDRISI. Para validação dos mapas obtidos pela classificação, realizou-se o cruzamento do mapa de uso e ocupação da terra por classificação visual com o gerado pela RNA. Em relação ao mapa de referência, o índice Kappa (k) do mapa classificado pela RNA ficou em 71,85%, o que é considerado um índice bom. A metodologia de Redes Neurais Artificiais do tipo multilayer perceptron (MLP) apresentou um bom resultado, porém é necessário que se acrescente outros dados de entrada para melhorar a classificação.pt_BR
dc.language.isoporpt_BR
dc.rightsopenAccesspt_BR
dc.subjectClassificaçãopt_BR
dc.titleRedes neurais artificiais aplicadas na identificação automática de áreas cafeeiras obtidas por imagem de satélite.pt_BR
dc.typeArtigo em anais e proceedingspt_BR
dc.date.updated2011-04-10T11:11:11Zpt_BR
dc.subject.thesagroCafeiculturapt_BR
dc.subject.thesagroSensoriamento Remotopt_BR
riaa.ainfo.id880327pt_BR
riaa.ainfo.lastupdate2011-03-10pt_BR
dc.contributor.institutionTATIANA GROSSI CHQUILOFF VIEIRA, GeoSolos; WILIAN SOARES LACERDA, UFLA; HELENA MARIA RAMOS ALVES, SAPC; MARGARETE MARIN LORDELO VOLPATO, GeoSolos; LÍVIA NAIARA DE ANDRADE, GeoSolos; RICARDO CÉSAR ARSILLO BRAGA, GeoSolos; VANESSA CRISTINA OLIVEIRA DE SOUZA, GeoSolos.pt_BR
Aparece nas coleções:Artigo em anais de congresso (SAPC)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
Redesneuraisartificiais.pdf572.52 kBAdobe PDFThumbnail
Visualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace