Avaliação e mapeamento de pastagens com diferentes níveis de degradação a partir de classificação digital de imagens sentinel-2, por meio do algoritmo random forest: estudo de caso de Valença/RJ e arredores.
O presente trabalho objetivou desenvolver uma metodologia de avaliação e mapeamento de pastagens com diferentes níveis de degradação, com base em técnicas de Sensoriamento Remoto. Utilizou-se imagens Sentinel-2, índices de vegetação, texturas GLCM e amostras de campo (peso e altura da biomassa das pastagens). O processamento das imagens digitais foi realizado no R e no Google Earth Engine usando o algoritmo random forest. No R, obteve-se informações sobre as imagens mais importantes; e no Google Earth Engine, realizou-se o processamento da série temporal principal. O índice de vegetação NCI foi a imagem mais importante, apresentando correlação de R2 = 0,722 com o peso da biomassa. Os resultados revelaram que na área de estudo tem-se: N1 (52.72%), N2N3 (32.56%) e N4 (14.72%). As acurácias alcançadas foram as seguintes: Acurácia Global = 0,93; Kappa = 0,89; e F-score (N1 = 0,97, N2N3 = 0,93, N4 = 0,88).
Main Authors: | , , , |
---|---|
Other Authors: | |
Format: | Artigo de periódico biblioteca |
Language: | Portugues pt_BR |
Published: |
2023-09-19
|
Subjects: | Índices de vegetação, Normalized Canopy Index (NCI), Texturas GLCM, Séries temporais, Aprendizado de máquina, |
Online Access: | http://www.alice.cnptia.embrapa.br/alice/handle/doc/1156752 https://doi.org/10.54751/revistafoco.v16n6-004 |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
id |
dig-alice-doc-1156752 |
---|---|
record_format |
koha |
spelling |
dig-alice-doc-11567522023-09-19T12:26:01Z Avaliação e mapeamento de pastagens com diferentes níveis de degradação a partir de classificação digital de imagens sentinel-2, por meio do algoritmo random forest: estudo de caso de Valença/RJ e arredores. ALMEIDA, M. B. F. de SIMÕES, M. FERRAZ, R. P. D. KUCHLER, P. C. MATEUS BENCHIMOL FERREIRA DE ALMEIDA, UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO; MARGARETH GONCALVES SIMOES, CNPS; RODRIGO PECANHA DEMONTE FERRAZ, CNPS; PATRICK CALVANO KUCHLER, UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO. Índices de vegetação Normalized Canopy Index (NCI) Texturas GLCM Séries temporais Aprendizado de máquina O presente trabalho objetivou desenvolver uma metodologia de avaliação e mapeamento de pastagens com diferentes níveis de degradação, com base em técnicas de Sensoriamento Remoto. Utilizou-se imagens Sentinel-2, índices de vegetação, texturas GLCM e amostras de campo (peso e altura da biomassa das pastagens). O processamento das imagens digitais foi realizado no R e no Google Earth Engine usando o algoritmo random forest. No R, obteve-se informações sobre as imagens mais importantes; e no Google Earth Engine, realizou-se o processamento da série temporal principal. O índice de vegetação NCI foi a imagem mais importante, apresentando correlação de R2 = 0,722 com o peso da biomassa. Os resultados revelaram que na área de estudo tem-se: N1 (52.72%), N2N3 (32.56%) e N4 (14.72%). As acurácias alcançadas foram as seguintes: Acurácia Global = 0,93; Kappa = 0,89; e F-score (N1 = 0,97, N2N3 = 0,93, N4 = 0,88). 2023-09-19T12:26:01Z 2023-09-19T12:26:01Z 2023-09-19 2023 Artigo de periódico Revista Foco, v. 16, n. 6, e2106, 2023. http://www.alice.cnptia.embrapa.br/alice/handle/doc/1156752 https://doi.org/10.54751/revistafoco.v16n6-004 Portugues pt_BR openAccess |
institution |
EMBRAPA |
collection |
DSpace |
country |
Brasil |
countrycode |
BR |
component |
Bibliográfico |
access |
En linea |
databasecode |
dig-alice |
tag |
biblioteca |
region |
America del Sur |
libraryname |
Sistema de bibliotecas de EMBRAPA |
language |
Portugues pt_BR |
topic |
Índices de vegetação Normalized Canopy Index (NCI) Texturas GLCM Séries temporais Aprendizado de máquina Índices de vegetação Normalized Canopy Index (NCI) Texturas GLCM Séries temporais Aprendizado de máquina |
spellingShingle |
Índices de vegetação Normalized Canopy Index (NCI) Texturas GLCM Séries temporais Aprendizado de máquina Índices de vegetação Normalized Canopy Index (NCI) Texturas GLCM Séries temporais Aprendizado de máquina ALMEIDA, M. B. F. de SIMÕES, M. FERRAZ, R. P. D. KUCHLER, P. C. Avaliação e mapeamento de pastagens com diferentes níveis de degradação a partir de classificação digital de imagens sentinel-2, por meio do algoritmo random forest: estudo de caso de Valença/RJ e arredores. |
description |
O presente trabalho objetivou desenvolver uma metodologia de avaliação e mapeamento de pastagens com diferentes níveis de degradação, com base em técnicas de Sensoriamento Remoto. Utilizou-se imagens Sentinel-2, índices de vegetação, texturas GLCM e amostras de campo (peso e altura da biomassa das pastagens). O processamento das imagens digitais foi realizado no R e no Google Earth Engine usando o algoritmo random forest. No R, obteve-se informações sobre as imagens mais importantes; e no Google Earth Engine, realizou-se o processamento da série temporal principal. O índice de vegetação NCI foi a imagem mais importante, apresentando correlação de R2 = 0,722 com o peso da biomassa. Os resultados revelaram que na área de estudo tem-se: N1 (52.72%), N2N3 (32.56%) e N4 (14.72%). As acurácias alcançadas foram as seguintes: Acurácia Global = 0,93; Kappa = 0,89; e F-score (N1 = 0,97, N2N3 = 0,93, N4 = 0,88). |
author2 |
MATEUS BENCHIMOL FERREIRA DE ALMEIDA, UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO; MARGARETH GONCALVES SIMOES, CNPS; RODRIGO PECANHA DEMONTE FERRAZ, CNPS; PATRICK CALVANO KUCHLER, UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO. |
author_facet |
MATEUS BENCHIMOL FERREIRA DE ALMEIDA, UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO; MARGARETH GONCALVES SIMOES, CNPS; RODRIGO PECANHA DEMONTE FERRAZ, CNPS; PATRICK CALVANO KUCHLER, UNIVERSIDADE DO ESTADO DO RIO DE JANEIRO. ALMEIDA, M. B. F. de SIMÕES, M. FERRAZ, R. P. D. KUCHLER, P. C. |
format |
Artigo de periódico |
topic_facet |
Índices de vegetação Normalized Canopy Index (NCI) Texturas GLCM Séries temporais Aprendizado de máquina |
author |
ALMEIDA, M. B. F. de SIMÕES, M. FERRAZ, R. P. D. KUCHLER, P. C. |
author_sort |
ALMEIDA, M. B. F. de |
title |
Avaliação e mapeamento de pastagens com diferentes níveis de degradação a partir de classificação digital de imagens sentinel-2, por meio do algoritmo random forest: estudo de caso de Valença/RJ e arredores. |
title_short |
Avaliação e mapeamento de pastagens com diferentes níveis de degradação a partir de classificação digital de imagens sentinel-2, por meio do algoritmo random forest: estudo de caso de Valença/RJ e arredores. |
title_full |
Avaliação e mapeamento de pastagens com diferentes níveis de degradação a partir de classificação digital de imagens sentinel-2, por meio do algoritmo random forest: estudo de caso de Valença/RJ e arredores. |
title_fullStr |
Avaliação e mapeamento de pastagens com diferentes níveis de degradação a partir de classificação digital de imagens sentinel-2, por meio do algoritmo random forest: estudo de caso de Valença/RJ e arredores. |
title_full_unstemmed |
Avaliação e mapeamento de pastagens com diferentes níveis de degradação a partir de classificação digital de imagens sentinel-2, por meio do algoritmo random forest: estudo de caso de Valença/RJ e arredores. |
title_sort |
avaliação e mapeamento de pastagens com diferentes níveis de degradação a partir de classificação digital de imagens sentinel-2, por meio do algoritmo random forest: estudo de caso de valença/rj e arredores. |
publishDate |
2023-09-19 |
url |
http://www.alice.cnptia.embrapa.br/alice/handle/doc/1156752 https://doi.org/10.54751/revistafoco.v16n6-004 |
work_keys_str_mv |
AT almeidambfde avaliacaoemapeamentodepastagenscomdiferentesniveisdedegradacaoapartirdeclassificacaodigitaldeimagenssentinel2pormeiodoalgoritmorandomforestestudodecasodevalencarjearredores AT simoesm avaliacaoemapeamentodepastagenscomdiferentesniveisdedegradacaoapartirdeclassificacaodigitaldeimagenssentinel2pormeiodoalgoritmorandomforestestudodecasodevalencarjearredores AT ferrazrpd avaliacaoemapeamentodepastagenscomdiferentesniveisdedegradacaoapartirdeclassificacaodigitaldeimagenssentinel2pormeiodoalgoritmorandomforestestudodecasodevalencarjearredores AT kuchlerpc avaliacaoemapeamentodepastagenscomdiferentesniveisdedegradacaoapartirdeclassificacaodigitaldeimagenssentinel2pormeiodoalgoritmorandomforestestudodecasodevalencarjearredores |
_version_ |
1781879700893728768 |