Título:	Identificação automática de áreas cafeeiras em imagens de satélite utilizando redes neurais artificiais.
Autoria:	ANDRADE, L. N. VIEIRA, T. G. C. LACERDA, W. S. DAVIS JUNIOR, C. A. VOLPATO, M. L. M. ALVES, H. M. R.
Afiliação:	LÍVIA N. ANDRADE, UFMG/UFLA; TATIANA GROSSI CHQUILOFF VIEIRA, EPAMIG/URESM; WILIAN SOARES LACERDA, UFLA/DCC; CLODOVEU AUGUSTO DAVIS JUNIOR, UFMG/DCC; MARGARETE LORDELO MARIN VOLPATO, EPAMI/URESM; HELENA MARIA RAMOS ALVES, SAPC.
Ano de publicação:	2010
Referência:	In.: CONGRESSO DE PÓS-GRADUAÇÃO DA UFLA, 19, 2010, Lavras.
Conteúdo:	A cafeicultura é atividade de fundamental importância na região sul de Minas Gerais e técnicas de estimativa da área plantada, visando previsões de safra confiáveis, estão sendo intensamente pesquisadas. Neste sentido, o presente estudo apresenta uma aplicação de Redes Neurais Artificiais (RNA) para a classificação automática de dados de sensoriamento remoto, com o objetivo de identificar áreas cafeeiras da região de Machado, MG. A região apresenta relevo ondulado a forte ondulado, o que acarreta maior dificuldade do mapeamento automático do uso da terra a partir de imagens de satélite. Outro complicador é a alta similaridade do padrão espectral do café e áreas de mata nativa. A área foi dividida entre os relevos plano e acidentado, e foram criadas máscaras na drenagem e na área urbana. O resultado da classificação feita pela RNA foi superior aos resultados encontrados na literatura, que utilizam classificadores automáticos clássicos, como o Battacharya e o Maxver. O Kappa do mapa classificado pela RNA foi de 55,84% para o relevo mais movimentado e 60,29% para o relevo menos movimentado.
Thesagro:	Cafeicultura Sensoriamento Remoto
Palavras-chave:	Rede neural artificial
Tipo do material:	Artigo em anais e proceedings
Acesso:	openAccess
Aparece nas coleções:	Artigo em anais de congresso (SAPC)