Utilização de redes neurais artificiais na classificação de níveis de degradação em pastagens.

• Autor(a) principal: CHAGAS, C. da S.
• Data de Publicação: 2009
• Outros Autores: VIEIRA, C. A. O., FERNANDES FILHO, E. I., CARVALHO JUNIOR, W. de
• 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
• topic: Aster; Classificação supervisionada; Sensoriamento Remoto

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.