Aplicação de redes neurais artificiais (RNA) na análise e classificação de áreas cafeeiras da Região de Machado-MG.
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.
Main Authors: | , , , , |
---|---|
Other Authors: | |
Format: | Anais e Proceedings de eventos biblioteca |
Language: | pt_BR por |
Published: |
2011-03-11
|
Subjects: | Rede neural artificial., Cafeicultura, Sensoriamento Remoto., |
Online Access: | http://www.alice.cnptia.embrapa.br/alice/handle/doc/880476 |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Summary: | 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. |
---|