Resultado da Pesquisa
A expressão de busca foi <related:sid.inpe.br/marte2/2017/10.27.12.44.01-0:en:title:2:temporal images crop recognition:spatio temporal conditional random fields recognition sub tropical crop types multi temporal images:>.
6 referências similares encontradas (inclusive a original) buscando em 22 dentre 22 Arquivos.
Data e hora local de busca: 16/05/2024 04:36.
1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Sitemarte2.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP6W34M/3PSLQPP
Repositóriosid.inpe.br/marte2/2017/10.27.12.44
Última Atualização2017:10.27.12.44.00 (UTC) administrator
Repositório de Metadadossid.inpe.br/marte2/2017/10.27.12.44.01
Última Atualização dos Metadados2018:06.06.03.05.45 (UTC) administrator
ISBN978-85-17-00088-1
Rótulo59961
Chave de CitaçãoDiazFeiRotSanHei:2017:SpCoRa
TítuloSpatio-temporal Conditional Random Fields for recognition of sub-tropical crop types from multi-temporal images
FormatoInternet
Ano2017
Data de Acesso16 maio 2024
Tipo SecundárioPRE CN
Número de Arquivos1
Tamanho874 KiB
2. Contextualização
Autor1 Diaz, Pedro Marco Achanccaray
2 Feitosa, Raul Queiroz
3 Rottensteiner, Franz
4 Sanches, Ieda Del Arco
5 Heipke, Christian
Grupo1
2
3
4 DIDSR-CGOBT-INPE-MCTIC-GOV-BR
Afiliação1
2
3
4 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 pmad9589@ele.puc-rio.br
EditorGherardi, Douglas Francisco Marcolino
Aragão, Luiz Eduardo Oliveira e Cruz de
Endereço de e-Maildaniela.seki@inpe.br
Nome do EventoSimpósio Brasileiro de Sensoriamento Remoto, 18 (SBSR)
Localização do EventoSantos
Data28-31 maio 2017
Editora (Publisher)Instituto Nacional de Pesquisas Espaciais (INPE)
Cidade da EditoraSão José dos Campos
Páginas2539-2546
Título do LivroAnais
OrganizaçãoInstituto Nacional de Pesquisas Espaciais (INPE)
Histórico (UTC)2017-10-27 12:44:01 :: banon -> administrator ::
2018-06-06 03:05:45 :: administrator -> simone :: 2017
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
ResumoCrop recognition from remote sensing images is a challenging task due to the dynamic behavior of different crops. The spectral appearance of a given crop changes over time because it is highly related to the phenological stage at each epoch or season, making it necessary to use sequences of images for a correct classification. Conditional Random Field (CRF) approaches have been increasingly applied for crop recognition due to their ability to consider contextual information in both, the spatial and the temporal domains. This work proposes a spatio-temporal CRF for modelling different crops and their respective phenological stages from a sequence of Landsat 5/7 images. The spatial context is introduced using a contrast-sensitive smooth labeling method. The interactions in the temporal domain are modeled based on the joint posterior probability of class relations between adjacent epochs given the observed data. These class relations are learnt using a Random Forest (RF) classifier. Comparisons between mono-temporal classification using RF, CRFs considering only spatial context information and the proposed model are presented. Furthermore, an analysis on how the sequence image length as well as the starting epoch affects the classification accuracy is carried out. Improvements in the overall accuracy of up to 12% and 6% over the RF and mono-temporal CRF approaches, respectively, are obtained using the proposed model considering sequences of up to 9 images.
ÁreaSRE
TipoAgricultura e pecuária
Arranjo 1urlib.net > BDMCI > Fonds > SBSR > SBSR 18 > Spatio-temporal Conditional Random...
Arranjo 2urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > SBSR 18 > Spatio-temporal Conditional Random...
Arranjo 3Projeto Memória 60... > Livros e livros editados > SBSR 18 > Spatio-temporal Conditional Random...
Arranjo 4urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > Spatio-temporal Conditional Random...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreementnão têm arquivos
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP6W34M/3PSLQPP
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP6W34M/3PSLQPP
Idiomaen
Arquivo Alvo59961.pdf
Grupo de Usuáriosbanon
Visibilidadeshown
5. Fontes relacionadas
Repositório Espelhourlib.net/www/2011/03.29.20.55
Unidades Imediatamente Superiores8JMKD3MGP6W34M/3PMFNUS
8JMKD3MGPCW/3ER446E
Lista de Itens Citandosid.inpe.br/marte2/2017/09.25.14.55 4
Acervo Hospedeirodpi.inpe.br/marte2/2013/05.17.15.03.06
6. Notas
Campos Vaziosarchivingpolicy archivist callnumber contenttype copyholder copyright creatorhistory descriptionlevel dissemination documentstage doi edition issn keywords lineage mark nextedition notes numberofvolumes orcid parameterlist parentrepositories previousedition previouslowerunit progress project readergroup readpermission resumeid rightsholder schedulinginformation secondarydate secondarykey secondarymark serieseditor session shorttitle sponsor subject tertiarymark tertiarytype url versiontype volume
7. Controle da descrição
e-Mail (login)simone
atualizar 

1. Identificação
Tipo de ReferênciaArtigo em Revista Científica (Journal Article)
Sitemtc-m16.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador6qtX3pFwXQZsFDuKxG/CQ2Mg
Repositóriosid.inpe.br/marciana/2004/07.21.09.20
Última Atualização2004:07.21.03.00.00 (UTC) marciana
Repositório de Metadadossid.inpe.br/marciana/2004/07.21.09.20.03
Última Atualização dos Metadados2018:06.05.01.20.58 (UTC) administrator
Chave SecundáriaINPE-10984-PRE/6440
ISSN0100-204X
Chave de CitaçãoMoreiraAdamRudo:2004:AnEsTe
TítuloAnálise espectral e temporal da cultura do café em imagens Landsat/spectral and temporal behavior analysis of coffe crop in Landsat
ProjetoSensoriamento Remoto Aplicado à Agricultura
Ano2004
MêsMar.
Data de Acesso16 maio 2024
Tipo de Trabalhojournal article
Tipo SecundárioPRE PN
Número de Arquivos1
Tamanho420 KiB
2. Contextualização
Autor1 Moreira, Maurício Alves
2 Adami, Marcos
3 Rudorff, Bernardo Friedrich Theodor
Identificador de Curriculo1 8JMKD3MGP5W/3C9JHT4
2
3 8JMKD3MGP5W/3C9JGKP
Grupo1 DSR-INPE-MCT-BR
2
3 DSR-INPE-MCT-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
RevistaPesquisa Agropecuária Brasileira
Volume39
Número3
Páginas223-231
Histórico (UTC)2006-03-21 11:07:42 :: marciana -> administrator ::
2006-09-28 20:58:34 :: administrator -> banon ::
2006-09-28 21:24:16 :: banon -> marciana ::
2007-10-10 16:44:39 :: marciana -> administrator ::
2014-02-13 17:47:06 :: administrator -> marciana :: 2004
2016-10-08 00:05:55 :: marciana -> administrator :: 2004
2018-06-05 01:20:58 :: administrator -> marciana :: 2004
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Tipo de Versãopublisher
Palavras-ChaveAGRICULTURA
Coffea arabica
sensoriamento remoto
geoprocessamento
previsão de safra
Coffea arabica
remote sensing
geoprocessing
crop forecast
ResumoA definição da resposta espectral da cultura do café é uma das etapas na identificação de lavouras cafeeiras em imagens de satélites de sensoriamento remoto, para fins de mapeamento e estimativa de área plantada. O objetivo deste trabalho foi avaliar o potencial das imagens adquiridas pelos satélites da série Landsat, no mapeamento da cultura do café para a previsão de safras. Foi feita uma análise temporal do comportamento espectral de lavouras de café-formação e café-produção por meio de imagens livres de nuvens adquiridas nos anos de 1999 e 2001. Também foi analisado o comportamento espectral das classes pastagem e mata, que compõem os alvos de maior ocupação na área de estudo. As imagens do período seco foram mais eficientes no mapeamento de lavouras de café-formação e café-produção. As imagens da banda 4 dos dois sensores apresentaram melhor diferenciação espectral entre café e os demais alvos da cena. A reflectância do café-produção apresentou grande variabilidade entre lavouras, que pode ser atribuída à idade, espaçamento de plantas, cultivar, indicando a necessidade de trabalho em campo para a correta identificação das lavouras de café nas imagens Landsat. ABSTRACT: The definition of the spectral response of coffee crop is one of the steps to identify coffee fields in remote sensing images in order to map and estimate planted area. The objective of this work was to analyze the potential of the images acquired by the Landsat series satellites, for coffee crop mapping and forecast. A temporal analysis of the spectral behavior of coffee crop fields under development and under active production was performed through cloud free images acquired in the years of 1999 and 2001. The spectral behavior of pasture and forest was also analyzed due to their relevance in the study area. The results showed that images acquired during the dry season were more efficient to map coffee crop at early development and under production. Band 4 (near infrared) of both sensors (TM and ETM+) presented best performance for spectral differentiation between coffee crop and other scene targets. The analysis of the reflectance values for active producing coffee crop showed a high spectral variability which may be attributed to age, plants spacing, cultivar, indicating a need for field work for the identification of coffee crop in Landsat scenes.
ÁreaSRE
Arranjourlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > Análise espectral e...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreementnão têm arquivos
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/6qtX3pFwXQZsFDuKxG/CQ2Mg
URL dos dados zipadoshttp://urlib.net/zip/6qtX3pFwXQZsFDuKxG/CQ2Mg
Idiomapt
Arquivo Alvomoreira.pdf
Grupo de Usuáriosadministrator
banon
marciana
Grupo de Leitoresadministrator
marciana
Visibilidadeshown
Detentor da CópiaSID/SCD
Política de Arquivamentoallowpublisher allowfinaldraft
Permissão de Leituraallow from all
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/3ER446E
Lista de Itens Citandosid.inpe.br/mtc-m21/2012/07.13.14.56.26 2
sid.inpe.br/mtc-m21/2012/07.13.14.41 1
DivulgaçãoWEBSCI; PORTALCAPES; SCIELO.
Acervo Hospedeirosid.inpe.br/banon/2003/08.15.17.40
6. Notas
Campos Vaziosalternatejournal archivist callnumber copyright creatorhistory descriptionlevel doi e-mailaddress electronicmailaddress format isbn label lineage mark mirrorrepository nextedition notes orcid parameterlist parentrepositories previousedition previouslowerunit progress rightsholder schedulinginformation secondarydate secondarymark session shorttitle sponsor subject tertiarymark tertiarytype url
7. Controle da descrição
e-Mail (login)marciana
atualizar 

1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Sitemarte2.sid.inpe.br
Identificador8JMKD3MGP6W34M/3TUDRC2
Repositóriosid.inpe.br/marte2/2019/09.02.13.03
Última Atualização2019:09.02.13.03.37 (UTC) administrator
Repositório de Metadadossid.inpe.br/marte2/2019/09.02.13.03.37
Última Atualização dos Metadados2019:12.13.01.05.24 (UTC) administrator
ISBN978-85-17-00097-3
Chave de CitaçãoChamorroMartínezHapBerCuéFei:2019:CoFuCo
TítuloA comparison of fully convolutional and recurrent networks for multi-temporal crop recognition using SAR images
FormatoInternet
Ano2019
Data de Acesso16 maio 2024
Número de Arquivos1
Tamanho654 KiB
2. Contextualização
Autor1 Chamorro Martínez, Jorge Andrés
2 Happ, Patrick Nigri
3 Bermúdez Castro, José David
4 Cué Lá Rosa, Laura Elena
5 Feitosa, Raul Queroz
Afiliação1 Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio)
2 Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio)
3 Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio)
4 Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio)
5 Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio)
Endereço de e-Mail do Autor1 jchamorro@ele.puc-rio.br
2 patrick@ele.puc-rio.br
3 bermudez@ele.puc-rio.br
4 lauracue@ele.puc-rio.br
5 raul@ele.puc-rio.br
EditorGherardi, Douglas Francisco Marcolino
Sanches, Ieda DelArco
Aragão, Luiz Eduardo Oliveira e Cruz de
Nome do EventoSimpósio Brasileiro de Sensoriamento Remoto, 19 (SBSR)
Localização do EventoSantos
Data14-17 abril 2019
Editora (Publisher)Instituto Nacional de Pesquisas Espaciais (INPE)
Cidade da EditoraSão José dos Campos
Páginas2466-2469
Título do LivroAnais
Tipo Terciáriofull paper
OrganizaçãoInstituto Nacional de Pesquisas Espaciais (INPE)
Histórico (UTC)2019-11-04 11:57:40 :: simone -> administrator :: 2019
2019-12-13 01:05:24 :: administrator -> simone :: 2019
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Palavras-ChaveConvolutional Recurrent Neural Networks
Fully Convolutional Neural Networks
Recurrent Neural Networks
Crop Recognition
Multi-Temporal Analysis
ResumoWith population and food consumption continuously growing, the demand for efficient agricultural crop monitoring systems has been increasing in the last years. Crop dynamics are inherently complex and to model them both spatial and temporal context have to be considered. The increasing availability of timely, precise and cost-effective Remote Sensing data along with the recent development of deep learning techniques for image analysis open up new possibilities for crop monitoring. Motivated by this context, this work presents a comparative analysis of three deep learning architectures for crop recognition: Fully Convolutional Networks, Recurrent Neural Networks and Convolutional Recurrent Neural Networks. The paper reports the results of experiments performed over two datasets: a temperate region near Hanover, Germany and a sub-tropical region in Campo Verde, Brazil. Only SAR data from Sentinel- 1 satellite was considered because it is marginally affected by atmospheric conditions. The experiments showed that the tested models achieved state-of-the-art performance.
ÁreaSRE
TipoAnálise de séries temporais de imagens de satélite
Arranjo 1urlib.net > BDMCI > Fonds > SBSR > SBSR 19 > A comparison of...
Arranjo 2urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > SBSR 19 > A comparison of...
Arranjo 3Projeto Memória 60... > Livros e livros editados > SBSR 19 > A comparison of...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreementnão têm arquivos
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP6W34M/3TUDRC2
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP6W34M/3TUDRC2
Idiomapt
Arquivo Alvo97184.pdf
Grupo de Usuáriossimone
Visibilidadeshown
Licença de Direitos Autoraisurlib.net/www/2012/11.12.15.19
Detentor dos Direitosoriginalauthor yes
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Repositório Espelhourlib.net/www/2011/03.29.20.55
Unidades Imediatamente Superiores8JMKD3MGP6W34M/3UCAT7H
Lista de Itens Citandosid.inpe.br/marte2/2019/11.08.12.52 2
Acervo Hospedeirodpi.inpe.br/marte2/2013/05.17.15.03.06
6. Notas
Campos Vaziosarchivingpolicy archivist callnumber contenttype copyholder creatorhistory descriptionlevel dissemination doi e-mailaddress edition group holdercode issn label lineage mark nextedition notes numberofvolumes orcid parameterlist parentrepositories previousedition previouslowerunit progress project readergroup readpermission resumeid schedulinginformation secondarydate secondarykey secondarymark secondarytype serieseditor session shorttitle sponsor subject tertiarymark url versiontype volume
7. Controle da descrição
e-Mail (login)simone
atualizar 

1. Identificação
Tipo de ReferênciaArtigo em Revista Científica (Journal Article)
Siteplutao.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W/3KN34KE
Repositóriosid.inpe.br/plutao/2015/12.04.13.59
Última Atualização2015:12.09.16.18.06 (UTC) administrator
Repositório de Metadadossid.inpe.br/plutao/2015/12.04.13.59.31
Última Atualização dos Metadados2018:06.04.23.25.52 (UTC) administrator
DOI10.3390/rs71114482
ISSN2072-4292
Rótulolattes: 2456184661855977 4 SchultzImFoSaLuAt:2015:SeSeCl
Chave de CitaçãoSchultzImFoSaLuAt:2015:SeSeCl
TítuloSelf-guided segmentation and classification of multi-temporal Landsat 8 images for crop type mapping in southeastern Brazil
Ano2015
Data de Acesso16 maio 2024
Tipo de Trabalhojournal article
Tipo SecundárioPRE PI
Número de Arquivos1
Tamanho5673 KiB
2. Contextualização
Autor1 Schultz, Bruno
2 Immitzer, Markus
3 Formaggio, Antônio Roberto
4 Sanches, Ieda Del Arco
5 Luiz, Alfredo José Barreto
6 Atzberger, Clement
Identificador de Curriculo1
2
3 8JMKD3MGP5W/3C9JGJQ
Grupo1 SER-SRE-SPG-INPE-MCTI-GOV-BR
2
3 DSR-OBT-INPE-MCTI-GOV-BR
4 DSR-OBT-INPE-MCTI-GOV-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
2 University of Natural Resources and Life Sciences, Vienna (BOKU)
3 Instituto Nacional de Pesquisas Espaciais (INPE)
4 Instituto Nacional de Pesquisas Espaciais (INPE)
5 Embrapa Meio Ambiente
6 University of Natural Resources and Life Sciences
Endereço de e-Mail do Autor1
2 markus.immitzer@boku.ac.at
3 formag@dsr.inpe.br
4 ieda@dsr.inpe.br
5 alfredo.luiz@embrapa.br
6 clement.atzberger@boku.ac.at
RevistaRemote Sensing
Volume7
Número11
Páginas14482-14508
Nota SecundáriaB3_GEOGRAFIA B3_ENGENHARIAS_I B4_GEOCIÊNCIAS B4_CIÊNCIAS_AMBIENTAIS B5_CIÊNCIAS_AGRÁRIAS_I
Histórico (UTC)2015-12-04 13:59:31 :: lattes -> administrator ::
2018-06-04 23:25:52 :: administrator -> simone :: 2015
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Tipo de Versãopublisher
Palavras-ChaveOBIA
crop mapping
Brazil
multi-resolution segmentation
OLI
random forest
ResumoOnly well-chosen segmentation parameters ensure optimum results of object-based image analysis (OBIA). Manually defining suitable parameter sets can be a time-consuming approach, not necessarily leading to optimum results; the subjectivity of the manual approach is also obvious. For this reason, in supervised segmentation as proposed by Stefanski et al. (2013) one integrates the segmentation and classification tasks. The segmentation is optimized directly with respect to the subsequent classification. In this contribution, we build on this work and developed a fully autonomous workflow for supervised object-based classification, combining image segmentation and random forest (RF) classification. Starting from a fixed set of randomly selected and manually interpreted training samples, suitable segmentation parameters are automatically identified. A sub-tropical study site located in São Paulo State (Brazil) was used to evaluate the proposed approach. Two multi-temporal Landsat 8 image mosaics were used as input (from August 2013 and January 2014) together with training samples from field visits and VHR (RapidEye) photo-interpretation. Using four test sites of 15 × 15 km2 with manually interpreted crops as independent validation samples, we demonstrate that the approach leads to robust classification results. On these samples (pixel wise, n ≈ 1 million) an overall accuracy (OA) of 80% could be reached while classifying five classes: sugarcane, soybean, cassava, peanut and others. We found that the overall accuracy obtained from the four test sites was only marginally lower compared to the out-of-bag OA obtained from the training samples. Amongst the five classes, sugarcane and soybean were classified best, while cassava and peanut were often misclassified due to similarity in the spatio-temporal feature space and high within-class variabilities. Interestingly, misclassified pixels were in most cases correctly identified through the RF classification margin, which is produced as a by-product to the classification map.
ÁreaSRE
Arranjo 1urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > Self-guided segmentation and...
Arranjo 2urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > SER > Self-guided segmentation and...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreementnão têm arquivos
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP3W/3KN34KE
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP3W/3KN34KE
Idiomaen
Arquivo Alvo1_schultz.pdf
Grupo de Usuáriosadministrator
lattes
simone
Grupo de Leitoresadministrator
simone
Visibilidadeshown
Política de Arquivamentoallowpublisher allowfinaldraft
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Repositório Espelhourlib.net/www/2011/03.29.20.55
Unidades Imediatamente Superiores8JMKD3MGPCW/3ER446E
8JMKD3MGPCW/3F3NU5S
Lista de Itens Citandosid.inpe.br/bibdigital/2013/10.18.22.34 2
sid.inpe.br/mtc-m21/2012/07.13.14.40.34 2
DivulgaçãoWEBSCI; PORTALCAPES; COMPENDEX; SCOPUS.
Acervo Hospedeirodpi.inpe.br/plutao@80/2008/08.19.15.01
6. Notas
Campos Vaziosalternatejournal archivist callnumber copyholder copyright creatorhistory descriptionlevel e-mailaddress format isbn lineage mark month nextedition notes orcid parameterlist parentrepositories previousedition previouslowerunit progress project readpermission rightsholder schedulinginformation secondarydate secondarykey session shorttitle sponsor subject tertiarymark tertiarytype url
7. Controle da descrição
e-Mail (login)simone
atualizar 

1. Identificação
Tipo de ReferênciaArtigo em Revista Científica (Journal Article)
Sitemtc-m21b.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP5W34M/3GD3GAQ
Repositóriosid.inpe.br/mtc-m21b/2014/05.30.02.19.25
Última Atualização2014:07.17.16.49.49 (UTC) administrator
Repositório de Metadadossid.inpe.br/mtc-m21b/2014/05.30.02.19.26
Última Atualização dos Metadados2018:06.04.03.04.09 (UTC) administrator
DOI10.1590/S1415-43662014000100008
ISSN1415-4366
Rótuloscopus 2014-05 SantosFontSilvRudo:2014:IdSpTe
Chave de CitaçãoSantosFontSilvRudo:2014:IdSpTe
TítuloIdentification of the spatial and temporal dynamics for estimating soybean crop area from MODIS images in the Rio Grande do Sul, Brazil / Identificação da dinâmica espaço-temporal para estimar área cultivada de soja a partir de imagens MODIS no Rio Grande do Sul
Ano2014
MêsJan.
Data de Acesso16 maio 2024
Tipo de Trabalhojournal article
Tipo SecundárioPRE PN
Número de Arquivos1
Tamanho1367 KiB
2. Contextualização
Autor1 Santos, Juliana Silveira dos
2 Fontana, Denise C.
3 Silva, Thiago S. F.
4 Rudorff, Bernardo Friedrich Theodor
Identificador de Curriculo1
2
3
4 8JMKD3MGP5W/3C9JGKP
Grupo1 SER-SRE-SPG-INPE-MCTI-GOV-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
2 CEPSRM, UFRGS
3 UNESP
4 Agrosatélite Geotecnologia Aplicada
Endereço de e-Mail do Autor1 julianas@dsr.inpe.br
2 dfontana@ufrgs.br
3 tsfsilva@rc.unesp.br
4 bernardo@agrosatelite.com.br
Endereço de e-Mailmarcelo.pazos@inpe.br
RevistaRevista Brasileira de Engenharia Agrícola e Ambiental
Volume18
Número1
Páginas54-63
Nota SecundáriaA2_CIÊNCIAS_AMBIENTAIS A2_PLANEJAMENTO_URBANO_E_REGIONAL_/_DEMOGRAFIA B1_CIÊNCIAS_AGRÁRIAS_I B1_INTERDISCIPLINAR B1_GEOGRAFIA B2_MATERIAIS B2_ENGENHARIAS_III B2_ENGENHARIAS_I B2_GEOCIÊNCIAS B2_BIODIVERSIDADE B3_ZOOTECNIA_/_RECURSOS_PESQUEIROS B3_CIÊNCIA_DE_ALIMENTOS B3_BIOTECNOLOGIA B3_ENGENHARIAS_IV B4_CIÊNCIAS_BIOLÓGICAS_II B4_ENGENHARIAS_II B4_MEDICINA_VETERINÁRIA B5_ENSINO B5_QUÍMICA C_CIÊNCIAS_BIOLÓGICAS_III C_ASTRONOMIA_/_FÍSICA
Histórico (UTC)2018-06-04 03:04:09 :: administrator -> marcelo.pazos@inpe.br :: 2014
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Tipo de Versãopublisher
Palavras-Chaveimagens multitemporais
fenologia
previsão de safras
sensoriamento remoto
multitemporal imagery
phenology
crop yield predictive
remote sensing
ResumoCom este trabalho propõe-se definir um método para estimar a área cultivada de soja na região norte do Rio Grande do Sul. Foram propostos seis métodos baseados no perfil espectro-temporal e de valores mínimos e máximos de imagens NDVI/MODIS referentes às etapas de semeadura, máximo desenvolvimento e colheita das áreas de soja. As estimativas obtidas foram comparadas com dados oficiais do IBGE a partir de análises estatísticas e da análise espacial fuzzy. Os resultados indicaram que estimativas agrícolas satisfatórias são dependentes de características como o tamanho, o tipo de manejo e a época de plantio e de colheita das lavouras. Para todos os métodos avaliados foram obtidos valores de coeficientes de determinação e da análise fuzzy superiores a 0,8 e 0,45, respectivamente. O método limiar empírico aplicado à imagem diferença com inclusão do final de ciclo, gerou estimativas iguais às dos dados oficiais do IBGE, característica que ressalta a utilização deste método em programas operacionais de previsão de safras. Para análises espaciais recomenda-se a aplicação do método Classificação de imagens multitemporais que gerou um mapa de melhor qualidade. A eficiência dos métodos deve ser avaliada em áreas de expansão de soja no Estado. ABSTRACT: The objective of this study was to define a method for estimating soybean crop area in the Northern Rio Grande do Sul state (Brazil). Overall, six different remote sensing methods were proposed based on spectral-temporal profile and minimum and maximum values of NDVI/MODIS related to the stages of sowing, maximum development and harvesting of soybean areas. The resulting estimates were compared to official crop area data provided by the Brazilian government, using statistical analysis and the fuzzy similarity method. The performance of each method depended on information such as crop size, type of crop management, and sowing/harvesting dates. Regression coefficients of determination and fuzzy agreement values were above 0.8 and 0.45, respectively, for all methods. For operational monitoring of soybean crop area, the empirical threshold applied to the image difference with inclusion of harvest image method was the most effective, producing estimates that matched closely the official data. For spatial analysis the application of multitemporal images classification method is recommended that generated a map of better quality. The efficiency of these methods should be evaluated in the areas of soybean expansion in the state.
ÁreaSRE
Arranjourlib.net > BDMCI > Fonds > Produção pgr ATUAIS > SER > Identification of the...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreementnão têm arquivos
4. Condições de acesso e uso
URL dos dadoshttp://mtc-m21b.sid.inpe.br/ibi/8JMKD3MGP5W34M/3GD3GAQ
URL dos dados zipadoshttp://mtc-m21b.sid.inpe.br/zip/8JMKD3MGP5W34M/3GD3GAQ
Idiomaen
Arquivo Alvov18n1a08.pdf
Grupo de Usuáriosadministrator
marcelo.pazos@inpe.br
Grupo de Leitoresadministrator
marcelo.pazos@inpe.br
Visibilidadeshown
Política de Arquivamentoallowpublisher allowfinaldraft
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
VinculaçãoTrabalho não Vinculado à Tese/Dissertação
Repositório Espelhoiconet.com.br/banon/2006/11.26.21.31
Unidades Imediatamente Superiores8JMKD3MGPCW/3F3NU5S
Lista de Itens Citandosid.inpe.br/bibdigital/2013/10.18.22.34 1
sid.inpe.br/mtc-m21/2012/07.13.14.41 1
URL (dados não confiáveis)http://dx.doi.org/10.1590/S1415-43662014000100008
DivulgaçãoWEBSCI; PORTALCAPES; SCIELO; SCOPUS.
Acervo Hospedeirosid.inpe.br/mtc-m21b/2013/09.26.14.25.20
6. Notas
Campos Vaziosalternatejournal archivist callnumber copyholder copyright creatorhistory descriptionlevel format isbn lineage mark nextedition notes orcid parameterlist parentrepositories previousedition previouslowerunit progress project readpermission rightsholder schedulinginformation secondarydate secondarykey session shorttitle sponsor subject tertiarytype
7. Controle da descrição
e-Mail (login)marcelo.pazos@inpe.br
atualizar 

1. Identificação
Tipo de ReferênciaArtigo em Revista Científica (Journal Article)
Siteplutao.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
IdentificadorJ8LNKAN8RW/38JK9K2
Repositóriodpi.inpe.br/plutao/2010/11.12.20.06
Última Atualização2011:02.04.13.00.52 (UTC) marciana
Repositório de Metadadosdpi.inpe.br/plutao/2010/11.12.20.06.40
Última Atualização dos Metadados2018:06.05.00.12.24 (UTC) administrator
Chave SecundáriaINPE--PRE/
DOI10.1590/S0100-204X2010000100010
ISSN0100-204X
Rótulolattes: 7514918598084999 3 EpiphanioForRudMaeLui:2010:EsÁrSo
Chave de CitaçãoEpiphanioForRudMaeLui:2010:EsSoCr
TítuloEstimating soybean crop areas using spectral-temporal surfaces derived from MODIS images in Mato Grosso, Brazil/Estimativa de áreas de soja usando superfícies espectro-temporais derivadas de imagens MODIS em Mato Grosso, Brasil
Ano2010
MêsJan.
Data de Acesso16 maio 2024
Tipo de Trabalhojournal article
Tipo SecundárioPRE PN
Número de Arquivos1
Tamanho1087 KiB
2. Contextualização
Autor1 Epiphanio, Rui Dalla Valle
2 Formaggio, Antonio Roberto
3 Rudorff, Bernardo Friedrich Theodor
4 Maeda, Eduardo Eiji
5 Luiz, Alfredo José Barreto
Identificador de Curriculo1
2 8JMKD3MGP5W/3C9JGJQ
3 8JMKD3MGP5W/3C9JGKP
Grupo1
2 DSR-OBT-INPE-MCT-BR
3 DSR-OBT-INPE-MCT-BR
Afiliação1
2 Instituto Nacional de Pesquisas Espaciais (INPE)
3 Instituto Nacional de Pesquisas Espaciais (INPE)
4 University of Helsinki, Department of Geosciences and Geography, Gustaf Hällströmin katu 2, Kumpula, FI-00014, Helsinki, Finland
5 Embrapa Meio Ambiente, Caixa Postal 69, CEP 13820-000 Jaguariúna, SP, Brazil
Endereço de e-Mail do Autor1
2
3 bernardo@ltid.inpe.br
Endereço de e-Mailbernardo@ltid.inpe.br
RevistaPesquisa Agropecuária Brasileira
Volume45
Número1
Páginas72-80
Nota SecundáriaB1_ARQUITETURA_E_URBANISMO B5_ASTRONOMIA_/_FÍSICA B4_BIOTECNOLOGIA B2_CIÊNCIA_DE_ALIMENTOS B1_CIÊNCIAS_AGRÁRIAS_I B1_CIÊNCIAS_BIOLÓGICAS_I B5_CIÊNCIAS_BIOLÓGICAS_II B2_ECOLOGIA_E_MEIO_AMBIENTE B1_ENGENHARIAS_I B2_ENGENHARIAS_II B1_ENGENHARIAS_III B1_ENGENHARIAS_IV B2_GEOCIÊNCIAS B1_GEOGRAFIA A2_INTERDISCIPLINAR B2_MEDICINA_II B1_MEDICINA_VETERINÁRIA B4_QUÍMICA B2_SAÚDE_COLETIVA B1_ZOOTECNIA_/_RECURSOS_PESQUEIROS
Histórico (UTC)2010-12-06 14:15:23 :: lattes -> ricardo :: 2010
2010-12-07 11:40:37 :: ricardo -> administrator :: 2010
2010-12-08 15:14:52 :: administrator -> marciana :: 2010
2011-09-12 12:45:28 :: marciana -> administrator :: 2010
2016-06-04 01:07:35 :: administrator -> marciana :: 2010
2016-10-14 14:29:06 :: marciana -> administrator :: 2010
2018-06-05 00:12:24 :: administrator -> marciana :: 2010
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Tipo de Versãopublisher
Palavras-ChaveGlycine max
accuracy
agricultural statistics
Classification
Remote Sensing
thematic map
Glycine max
acurácia
estatísticas agrícolas
classificação
sensoriamento remoto
mapa temático
ResumoThe objective of this work was to evaluate the application of the spectral-temporal response surface (STRS) classification method on Moderate Resolution Imaging Spectroradiometer (MODIS, 250 m) sensor images in order to estimate soybean areas in Mato Grosso state, Brazil. The classification was carried out using the maximum likelihood algorithm (MLA) adapted to the STRS method. Thirty segments of 30x30 km were chosen along the main agricultural regions of Mato Grosso state, using data from the summer season of 2005/2006 (from October to March), and were mapped based on fieldwork data, TM/Landsat-5 and CCD/CBERS-2 images. Five thematic classes were considered: Soybean, Forest, Cerrado, Pasture and Bare Soil. The classification by the STRS method was done over an area intersected with a subset of 30x30-km segments. In regions with soybean predominance, STRS classification overestimated in 21.31% of the reference values. In regions where soybean fields were less prevalent, the classifier overestimated 132.37% in the acreage of the reference. The overall classification accuracy was 80%. MODIS sensor images and the STRS algorithm showed to be promising for the classification of soybean areas in regions with the predominance of large farms. However, the results for fragmented areas and smaller farms were less efficient, overestimating soybean areas. RESUMO O objetivo deste trabalho foi avaliar a aplicação do método de classificação por superfícies de resposta espectro-temporal (STRS) em imagens do sensor Moderate Resolution Imaging Spectroradiometer (MODIS, 250 m) para estimar áreas de plantio de soja no Estado de Mato Grosso, Brasil. A classificação foi realizada usando o algoritmo de máxima verossimilhança (MLA) adaptado ao algoritmo STRS. Trinta segmentos de 30x30 km foram escolhidos ao longo das principais regiões agrícolas do estado, com dados da safra de verão de 2005/2006 (outubro a março), e mapeados com base em dados de campo e de imagens orbitais TM/Landsat-5 e CCD/CBERS-2. Cinco classes temáticas foram consideradas: Soja, Floresta, Cerrado, Pastagem e Solos Expostos. A classificação pelo método das STRS foi feita com base em uma área interseccionada por um subconjunto de segmentos de 30x30 km. O STRS superestimou os valores de referência em 21,31% em regiões com predomínio da cultura da soja e em 132,37% em regiões nas quais a soja era menos predominante. A exatidão global da classificação foi de 80%. As imagens MODIS e o algoritmo STRS mostraram-se promissores para a classificação da soja em regiões com predominância de grandes fazendas. Entretanto, os resultados para áreas fragmentadas em fazendas menores foram menos eficientes, superestimando as áreas de soja.
ÁreaSRE
Arranjourlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > Estimating soybean crop...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreementnão têm arquivos
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/J8LNKAN8RW/38JK9K2
URL dos dados zipadoshttp://urlib.net/zip/J8LNKAN8RW/38JK9K2
Idiomapt
Arquivo Alvoa10v45n1.pdf
Grupo de Usuáriosadministrator
lattes
administrator
marciana
Grupo de Leitoresadministrator
marciana
Visibilidadeshown
Política de Arquivamentoallowpublisher allowfinaldraft
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/3ER446E
Lista de Itens Citandosid.inpe.br/mtc-m21/2012/07.13.14.41 1
URL (dados não confiáveis)http://webnotes.sct.embrapa.br/pab/pab.nsf/FrAnual
DivulgaçãoWEBSCI; PORTALCAPES; SCIELO.
Acervo Hospedeirodpi.inpe.br/plutao@80/2008/08.19.15.01
6. Notas
NotasScopus
CAB Abstracts
AGRIS
DOAJ Directory of Open Access Journals Free
Campos Vaziosalternatejournal archivist callnumber copyholder copyright creatorhistory descriptionlevel format isbn lineage mark mirrorrepository nextedition orcid parameterlist parentrepositories previousedition previouslowerunit progress project readpermission rightsholder schedulinginformation secondarydate session shorttitle sponsor subject tertiarymark tertiarytype
7. Controle da descrição
e-Mail (login)marciana
atualizar