Por favor, use este identificador para citar o enlazar este ítem: http://www.alice.cnptia.embrapa.br/alice/handle/doc/880457
Registro completo de metadatos
Campo DCValorLengua/Idioma
dc.contributor.authorANDRADE, L. N.pt_BR
dc.contributor.authorVIEIRA, T. G. C.pt_BR
dc.contributor.authorLACERDA, W. S.pt_BR
dc.contributor.authorDAVIS JUNIOR, C. A.pt_BR
dc.contributor.authorVOLPATO, M. L. M.pt_BR
dc.contributor.authorALVES, H. M. R.pt_BR
dc.date.accessioned2011-04-09T22:28:18Z-
dc.date.available2011-04-09T22:28:18Z-
dc.date.created2011-03-11pt_BR
dc.date.issued2010pt_BR
dc.identifier.citationIn.: CONGRESSO DE PÓS-GRADUAÇÃO DA UFLA, 19, 2010, Lavras.pt_BR
dc.identifier.urihttp://www.alice.cnptia.embrapa.br/alice/handle/doc/880457pt_BR
dc.descriptionA 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.pt_BR
dc.language.isoporpt_BR
dc.rightsopenAccesspt_BR
dc.subjectRede neural artificialpt_BR
dc.titleIdentificação automática de áreas cafeeiras em imagens de satélite utilizando redes neurais artificiais.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.id880457pt_BR
riaa.ainfo.lastupdate2011-03-11pt_BR
dc.contributor.institutionLÍVIA 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.pt_BR
Aparece en las colecciones:Artigo em anais de congresso (SAPC)

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
Identificacaoautomatica.pdf387.58 kBAdobe PDFVista previa
Visualizar/Abrir
Mostrar el registro sencillo del ítem

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace