Uso de geotecnologias para a detecção de sistemas integrados de produção agropecuária: uma contribuição para o monitoramento da agricultura de baixa emissão de carbono.
A implementação dos Sistemas Integrados de produção agropecuária (SI), ou seja, a integração lavoura-pecuária-floresta (ILPFs), constitui uma importante estratégia de intensificação agrícola sustentável para o Brasil. Estados, como Mato Grosso (MT), tradicionalmente grandes produtores agrícolas já vem adotando esta estratégia e potencializando a sua capacidade produtiva. O Governo Federal vem, desde 2009, promovendo a disseminação e adoção dos sistemas integrados, entretanto ainda não existe uma metodologia de monitoramento desta tendência. Nossa hipótese é que técnicas de classificação Random Forest (RF) aplicadas a Séries Temporais (ST) do satélite MODIS sejam capazes de detectar determinados SI no MT. Para isso, avaliamos a acurácia do RF aplicado a ST de 16 dias de NDVI do MODIS MOD13Q1 para os anos de 2012 a 2016 em uma área no norte do MT. As ST foram utilizadas de forma original e processadas. Como processamento, foi utilizada a técnica baseada em Savitsky golay para filtragem e suavização e posteriormente geradas 11 métricas fenológicas para cada ano. Dois modelos RF foram testados: (i) utilizando as 11 métricas fenológicas (ii) utilizando as métricas e a série original. O índice kappa para (i) foi de 0,63 sendo que 9 apresentam potencial discriminatório, já o resultado de (ii) foi de 0,84 onde apenas 01 métrica obteve importância significativa para a discriminação. Nossos resultados apontam que a utilização da técnica de classificação RF em abordagem multitemporal com dados MODIS tem grande potencial para compor uma metodologia de monitoramento de alguns tipos de SI. Sendo a combinação das séries originais com as métricas apresentaram ganhos não muito expressivos.
| Main Authors: | , , , |
|---|---|
| Other Authors: | |
| Format: | Anais e Proceedings de eventos biblioteca |
| Language: | pt_BR por |
| Published: |
2018-11-29
|
| Subjects: | Séries temporais, Random forest, Mato Grosso, Sistemas integrados, Sensoriamento Remoto, Remote sensing, |
| Online Access: | http://www.alice.cnptia.embrapa.br/alice/handle/doc/1100305 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: | A implementação dos Sistemas Integrados de produção agropecuária (SI), ou seja, a integração lavoura-pecuária-floresta (ILPFs), constitui uma importante estratégia de intensificação agrícola sustentável para o Brasil. Estados, como Mato Grosso (MT), tradicionalmente grandes produtores agrícolas já vem adotando esta estratégia e potencializando a sua capacidade produtiva. O Governo Federal vem, desde 2009, promovendo a disseminação e adoção dos sistemas integrados, entretanto ainda não existe uma metodologia de monitoramento desta tendência. Nossa hipótese é que técnicas de classificação Random Forest (RF) aplicadas a Séries Temporais (ST) do satélite MODIS sejam capazes de detectar determinados SI no MT. Para isso, avaliamos a acurácia do RF aplicado a ST de 16 dias de NDVI do MODIS MOD13Q1 para os anos de 2012 a 2016 em uma área no norte do MT. As ST foram utilizadas de forma original e processadas. Como processamento, foi utilizada a técnica baseada em Savitsky golay para filtragem e suavização e posteriormente geradas 11 métricas fenológicas para cada ano. Dois modelos RF foram testados: (i) utilizando as 11 métricas fenológicas (ii) utilizando as métricas e a série original. O índice kappa para (i) foi de 0,63 sendo que 9 apresentam potencial discriminatório, já o resultado de (ii) foi de 0,84 onde apenas 01 métrica obteve importância significativa para a discriminação. Nossos resultados apontam que a utilização da técnica de classificação RF em abordagem multitemporal com dados MODIS tem grande potencial para compor uma metodologia de monitoramento de alguns tipos de SI. Sendo a combinação das séries originais com as métricas apresentaram ganhos não muito expressivos. |
|---|