| 1. Identificação | |
| Tipo de Referência | Artigo em Revista Científica (Journal Article) |
| Site | plutao.sid.inpe.br |
| Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S |
| Identificador | J8LNKAN8RW/39RQCMU |
| Repositório | dpi.inpe.br/plutao/2011/06.11.03.13.56 |
| Última Atualização | 2012:06.21.13.06.37 (UTC) marciana |
| Repositório de Metadados | dpi.inpe.br/plutao/2011/06.11.03.13.57 |
| Última Atualização dos Metadados | 2018:06.05.00.01.18 (UTC) administrator |
| Chave Secundária | INPE--PRE/ |
| DOI | 10.1117/1.3604787 |
| ISSN | 1931-3195 |
| Rótulo | lattes: 5954297373850456 4 BreunigGalvFormEpip:2011:CaStHy |
| Chave de Citação | BreunigGalvFormEpip:2011:CaStHy |
| Título | Classification of soybean varieties using different techniques: case study with Hyperion and sensor spectral resolution simulations  |
| Projeto | FAPESP (Fundacao de Amparo a Pesquisa do Estado de Sao Paulo)[2008/11499-8]; |
| Ano | 2011 |
| Mês | June |
| Data de Acesso | 11 maio 2024 |
| Tipo de Trabalho | journal article |
| Tipo Secundário | PRE PI |
| Número de Arquivos | 1 |
| Tamanho | 649 KiB |
| 2. Contextualização | |
| Autor | 1 Breunig, Fábio Marcelo 2 Galvão, Lênio Soares 3 Formaggio, Antonio Roberto 4 Epiphanio, José Carlos Neves |
| Identificador de Curriculo | 1 2 3 4 8JMKD3MGP5W/3C9JHGM |
| Grupo | 1 DSR-OBT-INPE-MCT-BR 2 DSR-OBT-INPE-MCT-BR 3 DSR-OBT-INPE-MCT-BR 4 DSR-OBT-INPE-MCT-BR |
| Afiliação | 1 Instituto Nacional de Pesquisas Espaciais (INPE) 2 Instituto Nacional de Pesquisas Espaciais (INPE) 3 Instituto Nacional de Pesquisas Espaciais (INPE) 4 Instituto Nacional de Pesquisas Espaciais (INPE) |
| Endereço de e-Mail do Autor | 1 breunig@dsr.inpe.br 2 3 4 epiphanio@dsr.inpe.br |
| Endereço de e-Mail | epiphanio@dsr.inpe.br |
| Revista | Journal of Applied Remote Sensing |
| Volume | 5 |
| Número | 1 |
| Páginas | 053533 |
| Nota Secundária | B5_CIÊNCIAS_AGRÁRIAS_I |
| Histórico (UTC) | 2011-06-11 17:43:44 :: lattes -> marciana :: 2011 2012-06-21 13:06:49 :: marciana -> administrator :: 2011 2016-06-04 01:07:42 :: administrator -> marciana :: 2011 2016-10-14 14:37:44 :: marciana -> administrator :: 2011 2018-06-05 00:01:18 :: administrator -> marciana :: 2011 |
| 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 | Classification technique Crop classification Enhanced thematic mappers Hyperion HyperSpectral Imaging spectrometers Moderate resolution imaging spectroradiometer Multispectral sensors Near Infrared Reproductive stage sensor simulation Short wave infrared Signal to noise soybean Soybean fields Spectral angle mappers Spectral band Spectral information divergences Spectral matchings Feature extraction Image retrieval Maximum likelihood Radiometers Signal to noise ratio Spectral resolution Spectrometers Agriculture Classification (of information) Support vector machines Sensors |
| Resumo | Next generation imaging spectrometers with higher signal-to-noise ratio and broader swath-width bring new perspectives for crop classification over large areas. Here, we used Hyperion/Earth Observing-One data collected over Brazilian soybean fields to evaluate the performance of four classification techniques (maximum likelihood ML; spectral angle mapper SAM; spectral information divergence SID; support vector machine SVM) to discriminate five soybean varieties. The spectral resolution influence on classifying them was analyzed by simulating the spectral bands of seven multispectral sensors using Hyperion data. Before classification, the Waikato environment for knowledge analysis was used for feature selection. Results showed the importance of the green, red-edge, near-infrared, and shortwave infrared to discriminate the soybean varieties. Because the soybean variety Monsoy 8411 was sensed by Hyperion in a later reproductive stage, it was more easily discriminated than the other varieties. The best classification techniques were ML and SVM with overall accuracy of 89.80% and 81.76%, respectively. The accuracy of spectral matching techniques was lower (70.84% for SAM and 72.20% for SID). When ML was applied to the simulated spectral resolution of the multispectral sensors, moderate resolution imaging spectroradiometer and enhanced thematic mapper plus presented the highest accuracy, whereas advanced very high resolution radiometer showed the lowest one. |
| Área | SRE |
| Arranjo | urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > Classification of soybean... |
| Conteúdo da Pasta doc | acessar |
| Conteúdo da Pasta source | não têm arquivos |
| Conteúdo da Pasta agreement | não têm arquivos |
| 4. Condições de acesso e uso | |
| URL dos dados | http://urlib.net/ibi/J8LNKAN8RW/39RQCMU |
| URL dos dados zipados | http://urlib.net/zip/J8LNKAN8RW/39RQCMU |
| Idioma | en |
| Arquivo Alvo | Breunig-DSR-JRS053533[1].pdf |
| Grupo de Usuários | administrator lattes marciana |
| Grupo de Leitores | administrator marciana |
| Visibilidade | shown |
| Política de Arquivamento | allowpublisher allowfinaldraft |
| Permissão de Leitura | allow from all |
| Permissão de Atualização | não transferida |
| 5. Fontes relacionadas | |
| Unidades Imediatamente Superiores | 8JMKD3MGPCW/3ER446E |
| Divulgação | WEBSCI; COMPENDEX. |
| Acervo Hospedeiro | dpi.inpe.br/plutao@80/2008/08.19.15.01 |
| 6. Notas | |
| Campos Vazios | alternatejournal archivist callnumber copyholder copyright creatorhistory descriptionlevel format isbn lineage mark mirrorrepository nextedition notes orcid parameterlist parentrepositories previousedition previouslowerunit progress rightsholder schedulinginformation secondarydate session shorttitle sponsor subject tertiarymark tertiarytype url |
| 7. Controle da descrição | |
| e-Mail (login) | marciana |
| atualizar | |