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

Detalhes bibliográficos
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
Resumo: 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.
id UNSP_5aae3b0fb927636a136cb25a6625be91
oai_identifier_str oai:repositorio.unesp.br:11449/28937
network_acronym_str UNSP
network_name_str Repositório Institucional da UNESP
repository_id_str 2946
spelling Estimativa de ocorrência de precipitação em áreas agrícolas utilizando floresta de caminhos ótimosAgricultural areas precipitation occurrence estimation using optimum path forestClassificadores SupervisionadosFloresta de Caminhos ÓtimosGOESEstimativa de Ocorrência de PrecipitaçãoSupervised ClassifiersOptimum-Path ForestGOESPrecipitation Occurrence IdentificationAs 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.Meteorological conditions are determinant for the agricultural production; in particular, rainfall may be cited as the most important because having direct relation with water balance. To estimate agricultural production, agrometeorological models based on the cultures behavior under meteorological conditions, have been used. Since it is difficult to obtain the required data to these models, rainfall estimation techniques using meteorological satellites images from spectral channels have been used. The objective of the present work is to apply the Optimum-Path Forest pattern classifier to the agrometeorological research field in order to correlate the available information from GOES-12 satellite infrared spectral channel images, to the reflectivity data obtained by the IPMET/UNESP radar located at Bauru, aiming to develop a model for precipitation occurrence identification. In the experiments we compared four classification algorithms: Artificial Neural Networks (ANN), k-Nearest Neighbors (k-NN), Support vector Machines (SVM) and optimum-Path Forest (OPF). this last one shows the best results in terms of accuracy rate and running time.Universidade Estadual de Campinas Faculdade de Engenharia Elétrica Departamento de Engenharia de Computação e Automação IndustrialUniversidade Estadual Paulista Júlio de Mesquita Filho Faculdade de Ciências Departamento de ComputaçãoUNICAMP Centro de Pesquisas Meteorológicas e Climáticas Aplicadas à AgriculturaUNICAMP Instituto de Computação Departamento de Sistemas de InformaçãoUniversidade Estadual Paulista Júlio de Mesquita Filho Faculdade de Ciências Departamento de ComputaçãoSociedade Brasileira de MeteorologiaUniversidade Estadual de Campinas (UNICAMP)Universidade Estadual Paulista (Unesp)Freitas, Greice Martins dePapa, João Paulo [UNESP]Avila, Ana Maria Heuminski dePinto, Alexandre Xavier Falcão Hilton SilveiraPinto, Hilton Silveira2014-05-20T15:13:47Z2014-05-20T15:13:47Z2010-03-01info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/article13-23application/pdfhttp://dx.doi.org/10.1590/S0102-77862010000100002Revista Brasileira de Meteorologia. Sociedade Brasileira de Meteorologia, v. 25, n. 1, p. 13-23, 2010.0102-7786http://hdl.handle.net/11449/2893710.1590/S0102-77862010000100002S0102-77862010000100002S0102-77862010000100002.pdf9039182932747194SciELOreponame:Repositório Institucional da UNESPinstname:Universidade Estadual Paulista (UNESP)instacron:UNESPporRevista Brasileira de Meteorologia0,264info:eu-repo/semantics/openAccess2024-04-23T16:10:44Zoai:repositorio.unesp.br:11449/28937Repositório InstitucionalPUBhttp://repositorio.unesp.br/oai/requestopendoar:29462024-08-05T15:16:27.099929Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)false
dc.title.none.fl_str_mv Estimativa de ocorrência de precipitação em áreas agrícolas utilizando floresta de caminhos ótimos
Agricultural areas precipitation occurrence estimation using optimum path forest
title Estimativa de ocorrência de precipitação em áreas agrícolas utilizando floresta de caminhos ótimos
spellingShingle Estimativa de ocorrência de precipitação em áreas agrícolas utilizando floresta de caminhos ótimos
Freitas, Greice Martins de
Classificadores Supervisionados
Floresta de Caminhos Ótimos
GOES
Estimativa de Ocorrência de Precipitação
Supervised Classifiers
Optimum-Path Forest
GOES
Precipitation Occurrence Identification
title_short Estimativa de ocorrência de precipitação em áreas agrícolas utilizando floresta de caminhos ótimos
title_full Estimativa de ocorrência de precipitação em áreas agrícolas utilizando floresta de caminhos ótimos
title_fullStr Estimativa de ocorrência de precipitação em áreas agrícolas utilizando floresta de caminhos ótimos
title_full_unstemmed Estimativa de ocorrência de precipitação em áreas agrícolas utilizando floresta de caminhos ótimos
title_sort Estimativa de ocorrência de precipitação em áreas agrícolas utilizando floresta de caminhos ótimos
author Freitas, Greice Martins de
author_facet Freitas, Greice Martins de
Papa, João Paulo [UNESP]
Avila, Ana Maria Heuminski de
Pinto, Alexandre Xavier Falcão Hilton Silveira
Pinto, Hilton Silveira
author_role author
author2 Papa, João Paulo [UNESP]
Avila, Ana Maria Heuminski de
Pinto, Alexandre Xavier Falcão Hilton Silveira
Pinto, Hilton Silveira
author2_role author
author
author
author
dc.contributor.none.fl_str_mv Universidade Estadual de Campinas (UNICAMP)
Universidade Estadual Paulista (Unesp)
dc.contributor.author.fl_str_mv Freitas, Greice Martins de
Papa, João Paulo [UNESP]
Avila, Ana Maria Heuminski de
Pinto, Alexandre Xavier Falcão Hilton Silveira
Pinto, Hilton Silveira
dc.subject.por.fl_str_mv Classificadores Supervisionados
Floresta de Caminhos Ótimos
GOES
Estimativa de Ocorrência de Precipitação
Supervised Classifiers
Optimum-Path Forest
GOES
Precipitation Occurrence Identification
topic Classificadores Supervisionados
Floresta de Caminhos Ótimos
GOES
Estimativa de Ocorrência de Precipitação
Supervised Classifiers
Optimum-Path Forest
GOES
Precipitation Occurrence Identification
description 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.
publishDate 2010
dc.date.none.fl_str_mv 2010-03-01
2014-05-20T15:13:47Z
2014-05-20T15:13:47Z
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.uri.fl_str_mv http://dx.doi.org/10.1590/S0102-77862010000100002
Revista Brasileira de Meteorologia. Sociedade Brasileira de Meteorologia, v. 25, n. 1, p. 13-23, 2010.
0102-7786
http://hdl.handle.net/11449/28937
10.1590/S0102-77862010000100002
S0102-77862010000100002
S0102-77862010000100002.pdf
9039182932747194
url http://dx.doi.org/10.1590/S0102-77862010000100002
http://hdl.handle.net/11449/28937
identifier_str_mv Revista Brasileira de Meteorologia. Sociedade Brasileira de Meteorologia, v. 25, n. 1, p. 13-23, 2010.
0102-7786
10.1590/S0102-77862010000100002
S0102-77862010000100002
S0102-77862010000100002.pdf
9039182932747194
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv Revista Brasileira de Meteorologia
0,264
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 13-23
application/pdf
dc.publisher.none.fl_str_mv Sociedade Brasileira de Meteorologia
publisher.none.fl_str_mv Sociedade Brasileira de Meteorologia
dc.source.none.fl_str_mv SciELO
reponame:Repositório Institucional da UNESP
instname:Universidade Estadual Paulista (UNESP)
instacron:UNESP
instname_str Universidade Estadual Paulista (UNESP)
instacron_str UNESP
institution UNESP
reponame_str Repositório Institucional da UNESP
collection Repositório Institucional da UNESP
repository.name.fl_str_mv Repositório Institucional da UNESP - Universidade Estadual Paulista (UNESP)
repository.mail.fl_str_mv
_version_ 1808128492542361600