Classificação de estratos florestais utilizando redes neurais artificiais e dados de sensoriamento remoto
Main Author: | |
---|---|
Publication Date: | 2016 |
Other Authors: | , , , , |
Format: | Article |
Language: | por |
Source: | Repositório Institucional da UFPA |
Download full: | http://repositorio.ufpa.br/jspui/handle/2011/7652 http://dx.doi.org/10.4136/ambi-agua.1871 |
Summary: | 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_ |
1801771941245222912 |