Classificação de estratos florestais utilizando redes neurais artificiais e dados de sensoriamento remoto

Detalhes bibliográficos
Autor(a) principal: GONÇALVES, Wanderson Gonçalves e
Data de Publicação: 2016
Outros Autores: RIBEIRO, Hebe Morganne Campos, SÁ, José Alberto Silva de, MORALES, Gundisalvo Piratoba, FERREIRA FILHO, Hélio Raymundo, ALMEIDA, Arthur da Costa
Tipo de documento: Artigo
Idioma: por
Título da fonte: Repositório Institucional da UFPA
Texto Completo: http://repositorio.ufpa.br/jspui/handle/2011/7652
http://dx.doi.org/10.4136/ambi-agua.1871
Resumo: O presente estudo objetivou a classificação de tipologias florestais por meio de redes neurais artificiais utilizando dados provenientes de um inventário florestal, fornecido pelo Instituto de Desenvolvimento Florestal e da Biodiversidade do Estado do Pará (IDEFLOR-BIO), e das bandas 3, 4 e 5 do TM do satélite Landsat 5. As informações provenientes das imagens de satélite foram extraídas por meio do aplicativo QGIS 2.8.1 Wien e utilizadas no banco de dados para o treinamento das redes neurais pertencentes às ferramentas do software MATLAB(r) R2011b. Foram treinadas redes neurais como classificadores de dois tipos florestais: Floresta Ombrófila Densa de Terras baixas Dossel emergente (Dbe) e Floresta Ombrófila Densa Terras baixas Dossel emergente mais Aberta com palmeiras (Dbe + Abp) no conjunto de glebas estaduais Mamuru-Arapiuns, Pará, e avaliadas usando os indicadores matriz de confusão, cálculo de acurácia global, coeficiente Kappa e o gráfico de características do receptor operacional (ROC). O melhor resultado de classificação foi obtido por meio da rede neural probabilística de função de base radial (RBF) "newpnn", com uma acurácia global de 88%, e coeficiente Kappa de 76%, sendo avaliado como um classificador muito bom, evidenciando a aplicação dessa metodologia na análise de áreas com potencial para prestar serviços ecossistêmicos e, principalmente, na prestação de serviços ambientais em áreas antrópicas que adotam sistema de produção agropecuária com baixa emissão de carbono na Amazônia.
id UFPA_6b63ec6fef63c94fba7ee2678f8c2fe6
oai_identifier_str oai:repositorio.ufpa.br:2011/7652
network_acronym_str UFPA
network_name_str Repositório Institucional da UFPA
repository_id_str 2123
spelling 2017-02-13T13:35:04Z2017-02-13T13:35:04Z2016-09GONCALVES, Wanderson Gonçalves e et al. Classificação de estratos florestais utilizando redes neurais artificiais e dados de sensoriamento remoto. Revista Ambiente & Água, Taubaté, v. 11, n. 3, p. 612-624, jul./set. 2016. DOI: http://dx.doi.org/10.4136/ambi-agua.1871. Disponível em: http://repositorio.ufpa.br/jspui/handle/2011/9377. Acesso em:.1980-993Xhttp://repositorio.ufpa.br/jspui/handle/2011/7652http://dx.doi.org/10.4136/ambi-agua.1871O presente estudo objetivou a classificação de tipologias florestais por meio de redes neurais artificiais utilizando dados provenientes de um inventário florestal, fornecido pelo Instituto de Desenvolvimento Florestal e da Biodiversidade do Estado do Pará (IDEFLOR-BIO), e das bandas 3, 4 e 5 do TM do satélite Landsat 5. As informações provenientes das imagens de satélite foram extraídas por meio do aplicativo QGIS 2.8.1 Wien e utilizadas no banco de dados para o treinamento das redes neurais pertencentes às ferramentas do software MATLAB(r) R2011b. Foram treinadas redes neurais como classificadores de dois tipos florestais: Floresta Ombrófila Densa de Terras baixas Dossel emergente (Dbe) e Floresta Ombrófila Densa Terras baixas Dossel emergente mais Aberta com palmeiras (Dbe + Abp) no conjunto de glebas estaduais Mamuru-Arapiuns, Pará, e avaliadas usando os indicadores matriz de confusão, cálculo de acurácia global, coeficiente Kappa e o gráfico de características do receptor operacional (ROC). O melhor resultado de classificação foi obtido por meio da rede neural probabilística de função de base radial (RBF) "newpnn", com uma acurácia global de 88%, e coeficiente Kappa de 76%, sendo avaliado como um classificador muito bom, evidenciando a aplicação dessa metodologia na análise de áreas com potencial para prestar serviços ecossistêmicos e, principalmente, na prestação de serviços ambientais em áreas antrópicas que adotam sistema de produção agropecuária com baixa emissão de carbono na Amazônia.This study classified forest types using neural network data from a forest inventory provided by the "Florestal e da Biodiversidade do Estado do Pará" (IDEFLOR-BIO), and Bands 3, 4 and 5 of TM from the Landsat satellite. The information from the satellite images was extracted using QGIS software 2.8.1 Wien and was used as a database for training neural networks belonging to the software tools package MATLAB(r) R2011b. The neural networks were trained to classify two forest types: Rain Forest of Lowland Emerging Canopy (Dbe) and Rain Forest of Lowland Emerging Canopy plus Open with palm trees (Dbe + Abp) in the Mamuru Arapiuns glebes of Pará State, and were evaluated in terms of the indicators confusion matrix, overall accuracy, the Kappa coefficient, and the receiver operating characteristics chart (ROC). The best result of classification was obtained by the probabilistic neural network of radial basis function (RBF) newpnn, with an overall accuracy of 88%, and a Kappa coefficient of 76%, showing it to be a very good classifier, and demonstrating the potential of this methodology to provide ecosystem services, particularly in anthropogenic areas in the Amazon that adopt agricultural systems with low carbon emissions.CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorporInstituto de Pesquisas Ambientais em Bacias HidrográficasIPABHiBrasilRevista Ambiente & Águahttp://ref.scielo.org/9f5httreponame:Repositório Institucional da UFPAinstname:Universidade Federal do Pará (UFPA)instacron:UFPAInteligência artificialRedes neurais artificiaisInventário florestalVegetação tropicalFloresta OmbrófilaClassificação de estratos florestais utilizando redes neurais artificiais e dados de sensoriamento remotoClassification of forest types using artificial neural networks and remote sensing datainfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/article113612624http://lattes.cnpq.br/8514919525314476http://lattes.cnpq.br/2399134205919272http://lattes.cnpq.br/9459574384403283http://lattes.cnpq.br/2923392000120182http://lattes.cnpq.br/2760498204696515http://lattes.cnpq.br/2014957882626187GONÇALVES, Wanderson Gonçalves eRIBEIRO, Hebe Morganne CamposSÁ, José Alberto Silva deMORALES, Gundisalvo PiratobaFERREIRA FILHO, Hélio RaymundoALMEIDA, Arthur da Costainfo:eu-repo/semantics/openAccessORIGINALArtigo_ClassificacaoEstratosFlorestais.pdfArtigo_ClassificacaoEstratosFlorestais.pdfapplication/pdf1175696http://repositorio.ufpa.br/oai/bitstream/2011/7652/1/Artigo_ClassificacaoEstratosFlorestais.pdfe0b715e05e436bc25c5c1be60bdb5c14MD51CC-LICENSElicense_urllicense_urltext/plain; charset=utf-849http://repositorio.ufpa.br/oai/bitstream/2011/7652/2/license_url4afdbb8c545fd630ea7db775da747b2fMD52license_textlicense_texttext/html; charset=utf-80http://repositorio.ufpa.br/oai/bitstream/2011/7652/3/license_textd41d8cd98f00b204e9800998ecf8427eMD53license_rdflicense_rdfapplication/rdf+xml; charset=utf-80http://repositorio.ufpa.br/oai/bitstream/2011/7652/4/license_rdfd41d8cd98f00b204e9800998ecf8427eMD54LICENSElicense.txtlicense.txttext/plain; charset=utf-81866http://repositorio.ufpa.br/oai/bitstream/2011/7652/5/license.txt43cd690d6a359e86c1fe3d5b7cba0c9bMD55TEXTArtigo_ClassificacaoEstratosFlorestais.pdf.txtArtigo_ClassificacaoEstratosFlorestais.pdf.txtExtracted texttext/plain31078http://repositorio.ufpa.br/oai/bitstream/2011/7652/6/Artigo_ClassificacaoEstratosFlorestais.pdf.txt150d3a9e8a953411424ccb19334f88b0MD562011/76522019-12-02 10:30:19.288oai:repositorio.ufpa.br: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ório InstitucionalPUBhttp://repositorio.ufpa.br/oai/requestriufpabc@ufpa.bropendoar:21232019-12-02T13:30:19Repositório Institucional da UFPA - Universidade Federal do Pará (UFPA)false
dc.title.pt_BR.fl_str_mv Classificação de estratos florestais utilizando redes neurais artificiais e dados de sensoriamento remoto
dc.title.alternative.en.fl_str_mv Classification of forest types using artificial neural networks and remote sensing data
title Classificação de estratos florestais utilizando redes neurais artificiais e dados de sensoriamento remoto
spellingShingle Classificação de estratos florestais utilizando redes neurais artificiais e dados de sensoriamento remoto
GONÇALVES, Wanderson Gonçalves e
Inteligência artificial
Redes neurais artificiais
Inventário florestal
Vegetação tropical
Floresta Ombrófila
title_short Classificação de estratos florestais utilizando redes neurais artificiais e dados de sensoriamento remoto
title_full Classificação de estratos florestais utilizando redes neurais artificiais e dados de sensoriamento remoto
title_fullStr Classificação de estratos florestais utilizando redes neurais artificiais e dados de sensoriamento remoto
title_full_unstemmed Classificação de estratos florestais utilizando redes neurais artificiais e dados de sensoriamento remoto
title_sort Classificação de estratos florestais utilizando redes neurais artificiais e dados de sensoriamento remoto
author GONÇALVES, Wanderson Gonçalves e
author_facet GONÇALVES, Wanderson Gonçalves e
RIBEIRO, Hebe Morganne Campos
SÁ, José Alberto Silva de
MORALES, Gundisalvo Piratoba
FERREIRA FILHO, Hélio Raymundo
ALMEIDA, Arthur da Costa
author_role author
author2 RIBEIRO, Hebe Morganne Campos
SÁ, José Alberto Silva de
MORALES, Gundisalvo Piratoba
FERREIRA FILHO, Hélio Raymundo
ALMEIDA, Arthur da Costa
author2_role author
author
author
author
author
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/8514919525314476
http://lattes.cnpq.br/2399134205919272
http://lattes.cnpq.br/9459574384403283
http://lattes.cnpq.br/2923392000120182
http://lattes.cnpq.br/2760498204696515
http://lattes.cnpq.br/2014957882626187
dc.contributor.author.fl_str_mv GONÇALVES, Wanderson Gonçalves e
RIBEIRO, Hebe Morganne Campos
SÁ, José Alberto Silva de
MORALES, Gundisalvo Piratoba
FERREIRA FILHO, Hélio Raymundo
ALMEIDA, Arthur da Costa
dc.subject.por.fl_str_mv Inteligência artificial
Redes neurais artificiais
Inventário florestal
Vegetação tropical
Floresta Ombrófila
topic Inteligência artificial
Redes neurais artificiais
Inventário florestal
Vegetação tropical
Floresta Ombrófila
description O presente estudo objetivou a classificação de tipologias florestais por meio de redes neurais artificiais utilizando dados provenientes de um inventário florestal, fornecido pelo Instituto de Desenvolvimento Florestal e da Biodiversidade do Estado do Pará (IDEFLOR-BIO), e das bandas 3, 4 e 5 do TM do satélite Landsat 5. As informações provenientes das imagens de satélite foram extraídas por meio do aplicativo QGIS 2.8.1 Wien e utilizadas no banco de dados para o treinamento das redes neurais pertencentes às ferramentas do software MATLAB(r) R2011b. Foram treinadas redes neurais como classificadores de dois tipos florestais: Floresta Ombrófila Densa de Terras baixas Dossel emergente (Dbe) e Floresta Ombrófila Densa Terras baixas Dossel emergente mais Aberta com palmeiras (Dbe + Abp) no conjunto de glebas estaduais Mamuru-Arapiuns, Pará, e avaliadas usando os indicadores matriz de confusão, cálculo de acurácia global, coeficiente Kappa e o gráfico de características do receptor operacional (ROC). O melhor resultado de classificação foi obtido por meio da rede neural probabilística de função de base radial (RBF) "newpnn", com uma acurácia global de 88%, e coeficiente Kappa de 76%, sendo avaliado como um classificador muito bom, evidenciando a aplicação dessa metodologia na análise de áreas com potencial para prestar serviços ecossistêmicos e, principalmente, na prestação de serviços ambientais em áreas antrópicas que adotam sistema de produção agropecuária com baixa emissão de carbono na Amazônia.
publishDate 2016
dc.date.issued.fl_str_mv 2016-09
dc.date.accessioned.fl_str_mv 2017-02-13T13:35:04Z
dc.date.available.fl_str_mv 2017-02-13T13:35:04Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/article
format article
status_str publishedVersion
dc.identifier.citation.fl_str_mv GONCALVES, Wanderson Gonçalves e et al. Classificação de estratos florestais utilizando redes neurais artificiais e dados de sensoriamento remoto. Revista Ambiente & Água, Taubaté, v. 11, n. 3, p. 612-624, jul./set. 2016. DOI: http://dx.doi.org/10.4136/ambi-agua.1871. Disponível em: http://repositorio.ufpa.br/jspui/handle/2011/9377. Acesso em:.
dc.identifier.uri.fl_str_mv http://repositorio.ufpa.br/jspui/handle/2011/7652
dc.identifier.issn.pt_BR.fl_str_mv 1980-993X
dc.identifier.doi.none.fl_str_mv http://dx.doi.org/10.4136/ambi-agua.1871
identifier_str_mv GONCALVES, Wanderson Gonçalves e et al. Classificação de estratos florestais utilizando redes neurais artificiais e dados de sensoriamento remoto. Revista Ambiente & Água, Taubaté, v. 11, n. 3, p. 612-624, jul./set. 2016. DOI: http://dx.doi.org/10.4136/ambi-agua.1871. Disponível em: http://repositorio.ufpa.br/jspui/handle/2011/9377. Acesso em:.
1980-993X
url http://repositorio.ufpa.br/jspui/handle/2011/7652
http://dx.doi.org/10.4136/ambi-agua.1871
dc.language.iso.fl_str_mv por
language por
dc.relation.ispartof.pt_BR.fl_str_mv Revista Ambiente & Água
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Instituto de Pesquisas Ambientais em Bacias Hidrográficas
dc.publisher.initials.fl_str_mv IPABHi
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Instituto de Pesquisas Ambientais em Bacias Hidrográficas
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPA
instname:Universidade Federal do Pará (UFPA)
instacron:UFPA
instname_str Universidade Federal do Pará (UFPA)
instacron_str UFPA
institution UFPA
reponame_str Repositório Institucional da UFPA
collection Repositório Institucional da UFPA
dc.source.uri.none.fl_str_mv http://ref.scielo.org/9f5htt
bitstream.url.fl_str_mv http://repositorio.ufpa.br/oai/bitstream/2011/7652/1/Artigo_ClassificacaoEstratosFlorestais.pdf
http://repositorio.ufpa.br/oai/bitstream/2011/7652/2/license_url
http://repositorio.ufpa.br/oai/bitstream/2011/7652/3/license_text
http://repositorio.ufpa.br/oai/bitstream/2011/7652/4/license_rdf
http://repositorio.ufpa.br/oai/bitstream/2011/7652/5/license.txt
http://repositorio.ufpa.br/oai/bitstream/2011/7652/6/Artigo_ClassificacaoEstratosFlorestais.pdf.txt
bitstream.checksum.fl_str_mv e0b715e05e436bc25c5c1be60bdb5c14
4afdbb8c545fd630ea7db775da747b2f
d41d8cd98f00b204e9800998ecf8427e
d41d8cd98f00b204e9800998ecf8427e
43cd690d6a359e86c1fe3d5b7cba0c9b
150d3a9e8a953411424ccb19334f88b0
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPA - Universidade Federal do Pará (UFPA)
repository.mail.fl_str_mv riufpabc@ufpa.br
_version_ 1797787934747787264

Registros relacionados