Fechar

1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Sitemarte2.sid.inpe.br
Identificador8JMKD3MGP6W34M/3U9MEUH
Repositóriosid.inpe.br/marte2/2019/10.23.11.40
Última Atualização2019:10.23.11.40.05 (UTC) administrator
Repositório de Metadadossid.inpe.br/marte2/2019/10.23.11.40.05
Última Atualização dos Metadados2020:01.06.12.30.36 (UTC) administrator
ISBN978-85-17-00097-3
Chave de CitaçãoLucianoDufPicRocLaM:2019:EsPrCa
TítuloEstimativa da produtividade de cana-de-açúcar utilizando imagens Landsat e Random Forest
FormatoInternet
Ano2019
Data de Acesso12 maio 2024
Tipo SecundárioPRE CN
Número de Arquivos1
Tamanho575 KiB
2. Contextualização
Autor1 Luciano, Ana Cláudia dos Santos
2 Duft, Daniel Garbellini
3 Picoli, Michelle Cristina Araújo
4 Rocha, Jansle Vieira
5 La Maire, Guerric
Grupo1
2
3 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
Afiliação1 Centro Nacional de Pesquisa em Energia e Materiais (CNPEM)
2 Centro Nacional de Pesquisa em Energia e Materiais (CNPEM)
3 Instituto Nacional de Pesquisas Espaciais (INPE)
4 Universidade Estadual de Campinas (UNICAMP)
5 CIRAD, UMR Eco&Sols
Endereço de e-Mail do Autor1 ana.luciano@ctbe.cnpem.br
2 daniel.duft@ctbe.cnpem.br
3 michelle.picoli@inpe.br
4 jansle@g.unicamp.br
5 guerric.le_maire@cirad.fr
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
Páginas223-226
Título do LivroAnais
Tipo Terciáriofull paper
OrganizaçãoInstituto Nacional de Pesquisas Espaciais (INPE)
Histórico (UTC)2019-11-05 11:38:24 :: simone -> administrator :: 2019
2020-01-06 12:30:36 :: administrator -> simone :: 2019
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Palavras-Chaveestimativa de safra
sensoriamento remoto
aprendizado de máquina
índices de vegetação
yield forecasting
remote sensing
machine learning
vegetation index
ResumoO sensoriamento remoto tem contribuído para o monitoramento de área e produção da cana-de-açúcar. Neste trabalho, a produtividade de cana-de-açúcar foi estimada a partir de imagens dos satélites Landsat. Foram criados modelos calibrados e aplicados no mesmo ano e, um modelo global com calibração de 5 anos e aplicação em um ano de interesse. Os modelos foram criados com a série temporal de imagens Landsat e dados de campo, a partir do algoritmo Random Forest. Os dados de campo correspondem a produtividade, e preditores tipo de solos, data de colheita e variedade dos talhões. Os modelos anuais apresentaram melhores ajustes do que o modelo global (R²=0,80 e RMSE=6,3ton/ha versus R²=0,77 e RMSE=6,5 ton/ha). As principais variávies espectrais do modelo global foram índices de vegetação e bandas espectrais do infravermelho médio e infravermelho próximo. Os resultados apontam uma metodologia potencial de estimativa de produtividade da cana-de-açúcar com imagens de satélite. ABSTRACT: Remote sensing is essential for monitoring sugarcane area and production. In this study, the forecasting of sugarcane yield was done based on images from Landsat satellites. Models were calibrated and applied on the same year and a global model was calibrated on the 5 years and applied on one independent data from each year. The models were created with temporal series of Landsat images and field data with Random Forest algorithm. Field data are yield, soil type, harvest date and variety of sugarcane areas. The annual models showed better agreement than the global model (R²=0,80 e RMSE=6,3ton/ha versus R²=0,77 e RMSE=6,5 ton/ha). The most important spectral variables of the global model were vegetation index and bands from short wave infrared and near infrared spectral regions. The results show a potential methodology for forecasting sugarcane yield with Landsat images.
ÁreaSRE
TipoProdução e previsão agrícola
Arranjo 1urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > Estimativa da produtividade...
Arranjo 2urlib.net > BDMCI > Fonds > SBSR > SBSR 19 > Estimativa da produtividade...
Arranjo 3urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > SBSR 19 > Estimativa da produtividade...
Arranjo 4Projeto Memória 60... > Livros e livros editados > SBSR 19 > Estimativa da produtividade...
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/3U9MEUH
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP6W34M/3U9MEUH
Idiomapt
Arquivo Alvo97833.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 Superiores8JMKD3MGPCW/3EQCCU5
8JMKD3MGP6W34M/3UCAT7H
Lista de Itens Citandosid.inpe.br/marte2/2019/11.08.12.52 2
sid.inpe.br/bibdigital/2013/09.09.15.05 1
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 holdercode issn label lineage mark nextedition notes numberofvolumes orcid parameterlist parentrepositories previousedition previouslowerunit progress project readergroup readpermission resumeid schedulinginformation secondarydate secondarykey secondarymark serieseditor session shorttitle sponsor subject tertiarymark url versiontype volume
7. Controle da descrição
e-Mail (login)simone
atualizar 


Fechar