Utilização de redes neurais artificiais na classificação de níveis de degradação em pastagens.
Autor(a) principal: | |
---|---|
Data de Publicação: | 2009 |
Outros Autores: | , , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice) |
Texto Completo: | http://www.alice.cnptia.embrapa.br/alice/handle/doc/658048 https://doi.org/10.1590/S1415-43662009000300014 |
Resumo: | Este trabalho teve por objetivo avaliar a eficiência dos classificadores redes neurais artificiais (RNA) e o de máxima verossimilhança (Maxver) na classificação do uso da terra no município de Viçosa, MG, a partir de imagens do sensor ASTER, com ênfase nos níveis de degradação das pastagens. Neste estudo, foram identificados três níveis de degradação das pastagens (moderado, forte e muito forte) e avaliada uma composição da imagem do sensor ASTER contendo as 3 bandas do visível e infravermelho próximo, com resolução espacial de 15 m. O simulador de redes neurais empregado foi o "Java Neural Network Simulator" e o algoritmo de aprendizado, o backpropagation. Os resultados mostram que a classificação por redes neurais, embora apresente resultado ligeiramente superior, teve desempenho estatisticamente semelhante ao obtido pela classificação pelo Maxver, obtendo um índice Kappa de 0,80, contra 0,79, respectivamente. Nas classificações realizadas a classe que apresentou maior erro de classificação foi a pastagem no nível de degradação forte, enquanto a maior exatidão na classificação foi obtida pelo café, para ambos os classificadores, com 100 e 96%, respectivamente. |
id |
EMBR_a56c3a5c4070bde30a2418da941996c7 |
---|---|
oai_identifier_str |
oai:www.alice.cnptia.embrapa.br:doc/658048 |
network_acronym_str |
EMBR |
network_name_str |
Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice) |
repository_id_str |
2154 |
spelling |
Utilização de redes neurais artificiais na classificação de níveis de degradação em pastagens.AsterClassificação supervisionadaSensoriamento RemotoEste trabalho teve por objetivo avaliar a eficiência dos classificadores redes neurais artificiais (RNA) e o de máxima verossimilhança (Maxver) na classificação do uso da terra no município de Viçosa, MG, a partir de imagens do sensor ASTER, com ênfase nos níveis de degradação das pastagens. Neste estudo, foram identificados três níveis de degradação das pastagens (moderado, forte e muito forte) e avaliada uma composição da imagem do sensor ASTER contendo as 3 bandas do visível e infravermelho próximo, com resolução espacial de 15 m. O simulador de redes neurais empregado foi o "Java Neural Network Simulator" e o algoritmo de aprendizado, o backpropagation. Os resultados mostram que a classificação por redes neurais, embora apresente resultado ligeiramente superior, teve desempenho estatisticamente semelhante ao obtido pela classificação pelo Maxver, obtendo um índice Kappa de 0,80, contra 0,79, respectivamente. Nas classificações realizadas a classe que apresentou maior erro de classificação foi a pastagem no nível de degradação forte, enquanto a maior exatidão na classificação foi obtida pelo café, para ambos os classificadores, com 100 e 96%, respectivamente.CESAR DA SILVA CHAGAS, CNPS; CARLOS A. O. VIEIRA, DEC/UFV; ELPIDIO I. FERNANDES FILHO, DPS/UFV; WALDIR DE CARVALHO JUNIOR, CNPS.CHAGAS, C. da S.VIEIRA, C. A. O.FERNANDES FILHO, E. I.CARVALHO JUNIOR, W. de2018-10-24T00:34:19Z2018-10-24T00:34:19Z2010-02-1820092018-10-24T00:34:19Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/articleRevista Brasileira de Engenharia Agrícola e Ambiental, Campina Grande, v. 13, n. 3, p. 319-327, 2009.http://www.alice.cnptia.embrapa.br/alice/handle/doc/658048https://doi.org/10.1590/S1415-43662009000300014porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice)instname:Empresa Brasileira de Pesquisa Agropecuária (Embrapa)instacron:EMBRAPA2018-10-24T00:34:25Zoai:www.alice.cnptia.embrapa.br:doc/658048Repositório InstitucionalPUBhttps://www.alice.cnptia.embrapa.br/oai/requestopendoar:21542018-10-24T00:34:25falseRepositório InstitucionalPUBhttps://www.alice.cnptia.embrapa.br/oai/requestcg-riaa@embrapa.bropendoar:21542018-10-24T00:34:25Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice) - Empresa Brasileira de Pesquisa Agropecuária (Embrapa)false |
dc.title.none.fl_str_mv |
Utilização de redes neurais artificiais na classificação de níveis de degradação em pastagens. |
title |
Utilização de redes neurais artificiais na classificação de níveis de degradação em pastagens. |
spellingShingle |
Utilização de redes neurais artificiais na classificação de níveis de degradação em pastagens. CHAGAS, C. da S. Aster Classificação supervisionada Sensoriamento Remoto |
title_short |
Utilização de redes neurais artificiais na classificação de níveis de degradação em pastagens. |
title_full |
Utilização de redes neurais artificiais na classificação de níveis de degradação em pastagens. |
title_fullStr |
Utilização de redes neurais artificiais na classificação de níveis de degradação em pastagens. |
title_full_unstemmed |
Utilização de redes neurais artificiais na classificação de níveis de degradação em pastagens. |
title_sort |
Utilização de redes neurais artificiais na classificação de níveis de degradação em pastagens. |
author |
CHAGAS, C. da S. |
author_facet |
CHAGAS, C. da S. VIEIRA, C. A. O. FERNANDES FILHO, E. I. CARVALHO JUNIOR, W. de |
author_role |
author |
author2 |
VIEIRA, C. A. O. FERNANDES FILHO, E. I. CARVALHO JUNIOR, W. de |
author2_role |
author author author |
dc.contributor.none.fl_str_mv |
CESAR DA SILVA CHAGAS, CNPS; CARLOS A. O. VIEIRA, DEC/UFV; ELPIDIO I. FERNANDES FILHO, DPS/UFV; WALDIR DE CARVALHO JUNIOR, CNPS. |
dc.contributor.author.fl_str_mv |
CHAGAS, C. da S. VIEIRA, C. A. O. FERNANDES FILHO, E. I. CARVALHO JUNIOR, W. de |
dc.subject.por.fl_str_mv |
Aster Classificação supervisionada Sensoriamento Remoto |
topic |
Aster Classificação supervisionada Sensoriamento Remoto |
description |
Este trabalho teve por objetivo avaliar a eficiência dos classificadores redes neurais artificiais (RNA) e o de máxima verossimilhança (Maxver) na classificação do uso da terra no município de Viçosa, MG, a partir de imagens do sensor ASTER, com ênfase nos níveis de degradação das pastagens. Neste estudo, foram identificados três níveis de degradação das pastagens (moderado, forte e muito forte) e avaliada uma composição da imagem do sensor ASTER contendo as 3 bandas do visível e infravermelho próximo, com resolução espacial de 15 m. O simulador de redes neurais empregado foi o "Java Neural Network Simulator" e o algoritmo de aprendizado, o backpropagation. Os resultados mostram que a classificação por redes neurais, embora apresente resultado ligeiramente superior, teve desempenho estatisticamente semelhante ao obtido pela classificação pelo Maxver, obtendo um índice Kappa de 0,80, contra 0,79, respectivamente. Nas classificações realizadas a classe que apresentou maior erro de classificação foi a pastagem no nível de degradação forte, enquanto a maior exatidão na classificação foi obtida pelo café, para ambos os classificadores, com 100 e 96%, respectivamente. |
publishDate |
2009 |
dc.date.none.fl_str_mv |
2009 2010-02-18 2018-10-24T00:34:19Z 2018-10-24T00:34:19Z 2018-10-24T00:34:19Z |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/publishedVersion info:eu-repo/semantics/article |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
Revista Brasileira de Engenharia Agrícola e Ambiental, Campina Grande, v. 13, n. 3, p. 319-327, 2009. http://www.alice.cnptia.embrapa.br/alice/handle/doc/658048 https://doi.org/10.1590/S1415-43662009000300014 |
identifier_str_mv |
Revista Brasileira de Engenharia Agrícola e Ambiental, Campina Grande, v. 13, n. 3, p. 319-327, 2009. |
url |
http://www.alice.cnptia.embrapa.br/alice/handle/doc/658048 https://doi.org/10.1590/S1415-43662009000300014 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice) instname:Empresa Brasileira de Pesquisa Agropecuária (Embrapa) instacron:EMBRAPA |
instname_str |
Empresa Brasileira de Pesquisa Agropecuária (Embrapa) |
instacron_str |
EMBRAPA |
institution |
EMBRAPA |
reponame_str |
Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice) |
collection |
Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice) |
repository.name.fl_str_mv |
Repositório Institucional da EMBRAPA (Repository Open Access to Scientific Information from EMBRAPA - Alice) - Empresa Brasileira de Pesquisa Agropecuária (Embrapa) |
repository.mail.fl_str_mv |
cg-riaa@embrapa.br |
_version_ |
1794503464135426048 |