Estimativa de ocorrência de precipitação em áreas agrícolas utilizando floresta de caminhos ótimos

• Autor(a) principal: Freitas, Greice Martins de
• Data de Publicação: 2010
• Outros Autores: Papa, João Paulo [UNESP], Avila, Ana Maria Heuminski de, Pinto, Alexandre Xavier Falcão Hilton Silveira, Pinto, Hilton Silveira
• Tipo de documento: Artigo
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://dx.doi.org/10.1590/S0102-77862010000100002; http://hdl.handle.net/11449/28937
• topic: Classificadores Supervisionados; Floresta de Caminhos Ótimos; GOES; Estimativa de Ocorrência de Precipitação; Supervised Classifiers; Optimum-Path Forest; GOES; Precipitation Occurrence Identification

As condições meteorológicas são determinantes para a produção agrícola; a precipitação, em particular, pode ser citada como a mais influente por sua relação direta com o balanço hídrico. Neste sentido, modelos agrometeorológicos, os quais se baseiam nas respostas das culturas às condições meteorológicas, vêm sendo cada vez mais utilizados para a estimativa de rendimentos agrícolas. Devido às dificuldades de obtenção de dados para abastecer tais modelos, métodos de estimativa de precipitação utilizando imagens dos canais espectrais dos satélites meteorológicos têm sido empregados para esta finalidade. O presente trabalho tem por objetivo utilizar o classificador de padrões floresta de caminhos ótimos para correlacionar informações disponíveis no canal espectral infravermelho do satélite meteorológico GOES-12 com a refletividade obtida pelo radar do IPMET/UNESP localizado no município de Bauru, visando o desenvolvimento de um modelo para a detecção de ocorrência de precipitação. Nos experimentos foram comparados quatro algoritmos de classificação: redes neurais artificiais (ANN), k-vizinhos mais próximos (k-NN), máquinas de vetores de suporte (SVM) e floresta de caminhos ótimos (OPF). Este último obteve melhor resultado, tanto em eficiência quanto em precisão.