Use este identificador para citar ou linkar para este item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/978823
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorNONATO, R. T.pt_BR
dc.contributor.authorOLIVEIRA, S. R. de M.pt_BR
dc.date.accessioned2014-02-06T11:11:11Zpt_BR
dc.date.available2014-02-06T11:11:11Zpt_BR
dc.date.created2014-02-06pt_BR
dc.date.issued2013pt_BR
dc.identifier.citationEngenharia Agrícola, Jaboticabal, v. 33, n. 6, p. 1268-1280, nov./dez. 2013.pt_BR
dc.identifier.urihttp://www.alice.cnptia.embrapa.br/alice/handle/doc/978823pt_BR
dc.descriptionResumo: Neste trabalho, verificou-se a aderência de técnicas de mineração de dados voltadas para problemas de classificação de dados na identificação automatizada de áreas cultivadas com cana-de-açúcar, em imagens do satélite Landsat 5/TM . Para essa verificação, foram estudadas imagens de áreas cultivadas com cana-de-açúcar em três fases fenológicas diferentes. Os pixels foram convertidos em valores de refletância de superfície, nas vizinhanças das cidades de Araras, São Carlos e Araraquara , no Estado de São Paulo. Foram gerados cinco modelos de árvores de decisão binária, induzidos pelo algoritmo C4.5, em que todos roduziram taxas de acerto superiores a 90%. A introdução de atributos de textura trouxe ganhos significativos na acurácia do modelo de classificação e contribuiu para melhorar a distinção de áreas cultivadas com cana -de-açúcar em meio a tipos diversos de cobertura do solo, como solo exposto, área urbana, lagos e rios. Os índices de vegetação mostraram-se relevantes na distinção da fase e do estado fenológico das culturas. Os resultados reforçam o potencial forte das árvores de decisão no processo de classificação e identificação de áreas cultivadas com cana-de-açúcar, em diferentes cidades produtoras, no Estado de São Paulo.pt_BR
dc.language.isoporpt_BR
dc.rightsopenAccesspt_BR
dc.subjectMapeamento agrícolapt_BR
dc.subjectClassificação de imagenspt_BR
dc.subjectÁrvore de decisãopt_BR
dc.titleTécnicas de mineração de dados para identificação de áreas com cana- açúcar em imagens landsat 5.pt_BR
dc.typeArtigo de periódicopt_BR
dc.date.updated2014-02-06T11:11:11Zpt_BR
dc.subject.thesagroSensoriamento Remotopt_BR
dc.subject.nalthesaurusRemote sensingpt_BR
riaa.ainfo.id978823pt_BR
riaa.ainfo.lastupdate2014-02-06pt_BR
dc.contributor.institutionROBSON T . NONATO, Unicamp; STANLEY ROBSON DE MEDEIROS OLIVEIRA, CNPTIA.pt_BR
Aparece nas coleções:Artigo em periódico indexado (CNPTIA)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
tecnicasmineracao.pdf450,61 kBAdobe PDFThumbnail
Visualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace