| 1. Identificação | ||||
| Tipo de Referência | Artigo em Revista Científica (Journal Article) | |||
| Site | mtc-m21d.sid.inpe.br | |||
| Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S | |||
| Identificador | 8JMKD3MGP3W34T/49K93B5 | |||
| Repositório | sid.inpe.br/mtc-m21d/2023/08.10.18.23 | |||
| Última Atualização | 2023:08.10.18.23.40 (UTC) self-uploading-INPE-MCTI-GOV-BR | |||
| Repositório de Metadados | sid.inpe.br/mtc-m21d/2023/08.10.18.23.40 | |||
| Última Atualização dos Metadados | 2024:01.02.17.16.45 (UTC) administrator | |||
| DOI | 10.3390/ijgi12070263 | |||
| ISSN | 2220-9964 | |||
| Rótulo | self-archiving-INPE-MCTIC-GOV-BR | |||
| Chave de Citação | BolfePSSBVSV:2023:MaLeAp | |||
| Título | Mapping Agricultural Intensification in the Brazilian Savanna: A Machine Learning Approach Using Harmonized Data from Landsat Sentinel-2  | |||
| Ano | 2023 | |||
| Mês | July | |||
| Data de Acesso | 17 jun. 2024 | |||
| Tipo de Trabalho | journal article | |||
| Tipo Secundário | PRE PI | |||
| Número de Arquivos | 1 | |||
| Tamanho | 7123 KiB | |||
| 2. Contextualização | ||||
| Autor | 1 Bolfe, Édson Luis 2 Parreiras, Taya Cristo 3 Silva, Lucas Augusto Pereira da 4 Sano, Edson Eyji 5 Bettiol, Giovana Maranhão 6 Victoria, Daniel de Castro 7 Sanches, Ieda Del'Arco 8 Vicente, Luiz Eduardo | |||
| ORCID | 1 0000-0001-7777-2445 2 0000-0003-2621-7745 3 0000-0001-5504-9029 4 0000-0001-5760-556X 5 6 7 0000-0003-1296-0933 | |||
| Grupo | 1 2 3 4 5 6 7 DIOTG-CGCT-INPE-MCTI-GOV-BR | |||
| Afiliação | 1 Embrapa Agricultura Digital 2 Universidade Estadual de Campinas (UNICAMP) 3 Universidade Federal de Uberlândia (UFU) 4 Embrapa Cerrados 5 Embrapa Cerrados 6 Embrapa Agricultura Digital 7 Instituto Nacional de Pesquisas Espaciais (INPE) 8 Embrapa Meio Ambiente | |||
| Endereço de e-Mail do Autor | 1 edson.bolfe@embrapa.br 2 t234520@dac.unicamp.br 3 lucasagusto@ufu.br 4 edson.sano@embrapa.br 5 giovana.bettiol@embrapa.br 6 daniel.victoria@embrapa.br 7 ieda.sanches@inpe.br 8 luiz.vicente@embrapa.br | |||
| Revista | ISPRS International Journal of Geo-Information | |||
| Volume | 12 | |||
| Número | 7 | |||
| Páginas | e263 | |||
| Nota Secundária | B3_GEOCIÊNCIAS B5_CIÊNCIAS_AMBIENTAIS | |||
| Histórico (UTC) | 2023-08-10 18:23:40 :: simone -> administrator :: 2023-08-10 18:23:41 :: administrator -> simone :: 2023 2023-08-10 19:09:02 :: simone -> administrator :: 2023 2023-12-18 23:44:38 :: administrator -> self-uploading-INPE-MCTI-GOV-BR :: 2023 2023-12-19 01:22:31 :: self-uploading-INPE-MCTI-GOV-BR -> administrator :: 2023 2024-01-02 17:16:45 :: administrator -> simone :: 2023 | |||
| 3. Conteúdo e estrutura | ||||
| É a matriz ou uma cópia? | é a matriz | |||
| Estágio do Conteúdo | concluido | |||
| Transferível | 1 | |||
| Tipo do Conteúdo | External Contribution | |||
| Tipo de Versão | publisher | |||
| Palavras-Chave | agriculture artificial intelligence Cerrado HLS multisensor remote sensing | |||
| Resumo | Agricultural intensification practices have been adopted in the Brazilian savanna (Cerrado), mainly in the transition between Cerrado and the Amazon Forest, to increase productivity while reducing pressure for new land clearing. Due to the growing demand for more sustainable practices, more accurate information on geospatial monitoring is required. Remote sensing products and artificial intelligence models for pixel-by-pixel classification have great potential. Therefore, we developed a methodological framework with spectral indices (Normalized Difference Vegetation Index (NDVI), Normalized Difference Water Index (NDWI), and Soil-Adjusted Vegetation Index (SAVI)) derived from the Harmonized Landsat Sentinel-2 (HLS) and machine learning algorithms (Random Forest (RF), Artificial Neural Networks (ANNs), and Extreme Gradient Boosting (XGBoost)) to map agricultural intensification considering three hierarchical levels, i.e., temporary crops (level 1), the number of crop cycles (level 2), and the crop types from the second season in double-crop systems (level 3) in the 20212022 crop growing season in the municipality of Sorriso, Mato Grosso State, Brazil. All models were statistically similar, with an overall accuracy between 85 and 99%. The NDVI was the most suitable index for discriminating cultures at all hierarchical levels. The RF-NDVI combination mapped best at level 1, while at levels 2 and 3, the best model was XGBoost-NDVI. Our results indicate the great potential of combining HLS data and machine learning to provide accurate geospatial information for decision-makers in monitoring agricultural intensification, with an aim toward the sustainable development of agriculture. | |||
| Área | SRE | |||
| Arranjo | urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCT > Mapping Agricultural Intensification... | |||
| Conteúdo da Pasta doc | acessar | |||
| Conteúdo da Pasta source | não têm arquivos | |||
| Conteúdo da Pasta agreement |
| |||
| 4. Condições de acesso e uso | ||||
| URL dos dados | http://urlib.net/ibi/8JMKD3MGP3W34T/49K93B5 | |||
| URL dos dados zipados | http://urlib.net/zip/8JMKD3MGP3W34T/49K93B5 | |||
| Idioma | en | |||
| Arquivo Alvo | ijgi-12-00263.pdf | |||
| Grupo de Usuários | simone | |||
| Visibilidade | shown | |||
| Política de Arquivamento | allowpublisher allowfinaldraft | |||
| Permissão de Atualização | não transferida | |||
| 5. Fontes relacionadas | ||||
| Unidades Imediatamente Superiores | 8JMKD3MGPCW/46KUATE | |||
| Lista de Itens Citando | sid.inpe.br/bibdigital/2022/04.03.22.23 3 | |||
| Divulgação | PORTALCAPES | |||
| Acervo Hospedeiro | urlib.net/www/2021/06.04.03.40 | |||
| 6. Notas | ||||
| Campos Vazios | alternatejournal archivist callnumber copyholder copyright creatorhistory descriptionlevel e-mailaddress format isbn lineage mark mirrorrepository nextedition notes parameterlist parentrepositories previousedition previouslowerunit progress project readergroup readpermission resumeid rightsholder schedulinginformation secondarydate secondarykey session shorttitle sponsor subject tertiarymark tertiarytype url | |||
| 7. Controle da descrição | ||||
| e-Mail (login) | simone | |||
| atualizar | ||||