1. Identificação | |
Tipo de Referência | Artigo em Evento (Conference Proceedings) |
Site | marte2.sid.inpe.br |
Identificador | 8JMKD3MGP6W34M/3U9MEUH |
Repositório | sid.inpe.br/marte2/2019/10.23.11.40 |
Última Atualização | 2019:10.23.11.40.05 (UTC) administrator |
Repositório de Metadados | sid.inpe.br/marte2/2019/10.23.11.40.05 |
Última Atualização dos Metadados | 2020:01.06.12.30.36 (UTC) administrator |
ISBN | 978-85-17-00097-3 |
Chave de Citação | LucianoDufPicRocLaM:2019:EsPrCa |
Título | Estimativa da produtividade de cana-de-açúcar utilizando imagens Landsat e Random Forest |
Formato | Internet |
Ano | 2019 |
Data de Acesso | 12 maio 2024 |
Tipo Secundário | PRE CN |
Número de Arquivos | 1 |
Tamanho | 575 KiB |
|
2. Contextualização | |
Autor | 1 Luciano, Ana Cláudia dos Santos 2 Duft, Daniel Garbellini 3 Picoli, Michelle Cristina Araújo 4 Rocha, Jansle Vieira 5 La Maire, Guerric |
Grupo | 1 2 3 DIDPI-CGOBT-INPE-MCTIC-GOV-BR |
Afiliação | 1 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 Autor | 1 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 |
Editor | Gherardi, Douglas Francisco Marcolino Sanches, Ieda DelArco Aragão, Luiz Eduardo Oliveira e Cruz de |
Nome do Evento | Simpósio Brasileiro de Sensoriamento Remoto, 19 (SBSR) |
Localização do Evento | Santos |
Data | 14-17 abril 2019 |
Editora (Publisher) | Instituto Nacional de Pesquisas Espaciais (INPE) |
Cidade da Editora | São José dos Campos |
Páginas | 223-226 |
Título do Livro | Anais |
Tipo Terciário | full paper |
Organização | Instituto 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 Conteúdo | concluido |
Transferível | 1 |
Palavras-Chave | estimativa de safra sensoriamento remoto aprendizado de máquina índices de vegetação yield forecasting remote sensing machine learning vegetation index |
Resumo | O 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. |
Área | SRE |
Tipo | Produção e previsão agrícola |
Arranjo 1 | urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > Estimativa da produtividade... |
Arranjo 2 | urlib.net > BDMCI > Fonds > SBSR > SBSR 19 > Estimativa da produtividade... |
Arranjo 3 | urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > SBSR 19 > Estimativa da produtividade... |
Arranjo 4 | Projeto Memória 60... > Livros e livros editados > SBSR 19 > Estimativa da produtividade... |
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/8JMKD3MGP6W34M/3U9MEUH |
URL dos dados zipados | http://urlib.net/zip/8JMKD3MGP6W34M/3U9MEUH |
Idioma | pt |
Arquivo Alvo | 97833.pdf |
Grupo de Usuários | simone |
Visibilidade | shown |
Licença de Direitos Autorais | urlib.net/www/2012/11.12.15.19 |
Detentor dos Direitos | originalauthor yes |
Permissão de Atualização | não transferida |
|
5. Fontes relacionadas | |
Repositório Espelho | urlib.net/www/2011/03.29.20.55 |
Unidades Imediatamente Superiores | 8JMKD3MGPCW/3EQCCU5 8JMKD3MGP6W34M/3UCAT7H |
Lista de Itens Citando | sid.inpe.br/marte2/2019/11.08.12.52 2 sid.inpe.br/bibdigital/2013/09.09.15.05 1 |
Acervo Hospedeiro | dpi.inpe.br/marte2/2013/05.17.15.03.06 |
|
6. Notas | |
Campos Vazios | archivingpolicy 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 | |
|