1. Identificação | |
Tipo de Referência | Tese ou Dissertação (Thesis) |
Site | mtc-m21c.sid.inpe.br |
Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S |
Identificador | 8JMKD3MGP3W34R/3RJS628 |
Repositório | sid.inpe.br/mtc-m21c/2018/08.07.16.22 |
Última Atualização | 2019:07.15.14.49.40 (UTC) simone |
Repositório de Metadados | sid.inpe.br/mtc-m21c/2018/08.07.16.22.58 |
Última Atualização dos Metadados | 2019:07.17.00.48.54 (UTC) administrator |
Chave Secundária | INPE-18089-TDI/2795 |
Chave de Citação | Bendini:2019:AgLaCl |
Título | Agricultural land classification based on phenological information from dense time-series Landsat-like images in the brazilian Cerrado |
Título Alternativo | Classificação de áreas agrícolas baseada em informações fenológicas de séries temporais de imagens Landsat-like no Cerrado brasileiro |
Curso | SER-SRE-SESPG-INPE-MCTIC-GOV-BR |
Ano | 2019 |
Data | 2018-07-13 |
Data de Acesso | 02 maio 2024 |
Tipo da Tese | Tese (Doutorado em Sensoriamento Remoto) |
Tipo Secundário | TDI |
Número de Páginas | 122 |
Número de Arquivos | 1 |
Tamanho | 6707 KiB |
|
2. Contextualização | |
Autor | Bendini, Hugo do Nascimento |
Banca | Sanches, Ieda Del' Arco (presidente) Fonseca, Leila Maria Garcia (orientadora) Körting, Thales Sehn (orientador) Camargo Neto, João Feitosa, Raul Queiroz Silva, Silvia Helena Modenese Gorla da |
Endereço de e-Mail | hugo.bendini@inpe.br |
Universidade | Instituto Nacional de Pesquisas Espaciais (INPE) |
Cidade | São José dos Campos |
Histórico (UTC) | 2018-08-07 16:23:40 :: hugo.bendini@inpe.br -> administrator :: 2018-08-08 11:36:16 :: administrator -> pubtc@inpe.br :: 2018-08-08 11:37:24 :: pubtc@inpe.br -> hugo.bendini@inpe.br :: 2018-09-02 19:10:02 :: hugo.bendini@inpe.br -> pubtc@inpe.br :: 2018-09-04 11:59:32 :: pubtc@inpe.br -> hugo.bendini@inpe.br :: 2018-09-11 20:35:31 :: hugo.bendini@inpe.br -> administrator :: 2018-09-12 14:06:59 :: administrator -> pubtc@inpe.br :: 2018-09-12 14:07:37 :: pubtc@inpe.br -> hugo.bendini@inpe.br :: 2018-09-12 18:53:05 :: hugo.bendini@inpe.br -> administrator :: 2019-07-02 11:43:51 :: administrator -> pubtc@inpe.br :: 2019-07-03 14:05:40 :: pubtc@inpe.br -> administrator :: 2019-07-08 12:27:14 :: administrator -> pubtc@inpe.br :: 2019-07-08 12:28:27 :: pubtc@inpe.br -> administrator :: 2019-07-08 16:36:55 :: administrator -> simone :: 2019-07-15 15:22:26 :: simone :: -> 2019 2019-07-15 15:22:27 :: simone -> administrator :: 2019 2019-07-17 00:48:54 :: administrator -> :: 2019 |
|
3. Conteúdo e estrutura | |
É a matriz ou uma cópia? | é a matriz |
Estágio do Conteúdo | concluido |
Transferível | 1 |
Palavras-Chave | Big-data time-series analysis agricultural land use classification multi-sensor remote sensing big data análise de séries temporais classificação de uso agrícola multi-sensor sensoriamento remoto |
Resumo | Brazil has an important role in the world in terms of food production and the largest native forest, providing essential environmental services for the planet and humanity. However, this highlights the challenge of creating an economic development model that takes into account the environmental conservation. Brazil has already demonstrated successful experiences in Amazon deforestation reduction, but other biomes of great environmental importance, such as the Cerrado, has been under great pressure of agricultural expansion. Satellite image time series can be used to derive phenological information of vegetation, and considering the high heterogeneity of crop types and their respective planting calendars in Brazil, is essential for crop classification and monitoring. Our hypothesis in this thesis is that phenological information can be extracted from Landsatlike dense image time series, allowing the development of a method for agriculture mapping with more detail. We tested the integration of different satellite, such as Landsat-8, Landsat-7 and CBERS-4, combined with different smoothing techniques, to generate EVI (Enhanced Vegetation Index) image time series at high frequency in order to extract the phenological metrics. A hierarchical classification approach using the Random Forest algorithm was developed to produce detailed agricultural maps. The classification results are promising (higher than 80% of overall accuracy) and showed the feasibility of applying the method on a large scale and over a longer period of time for the Cerrado biome. In addition, the phenological information obtained by the method showed a potential to be used in the understanding of different agricultural practices adopted by farmers in property level. RESUMO: O Brasil tem um papel importante no mundo em termos de produção de alimentos e a maior floresta nativa, fornecendo serviços ambientais essenciais para o planeta e para a humanidade. No entanto, isso destaca o desafio de criar um modelo de desenvolvimento econômico que leve em consideração a conservação ambiental. O Brasil já demonstrou experiências bem-sucedidas na redução do desmatamento da Amazônia, mas outros biomas de grande importância ambiental, como o Cerrado, estão sob grande pressão de expansão agrícola. Séries temporais de imagens de satélite podem ser usadas para derivar informações fenológicas da vegetação. Considerando a diversidade de culturas agrícolas e seus respectivos calendários de plantio no Brasil, essas informações são essenciais para a classificação e monitoramento agrícola. Nossa hipótese é que informações fenológicas podem ser extraídas de séries temporais de imagens de resolução espacial Landsat-like, permitindo o desenvolvimento de método para mapeamento detalhado da agricultura. Testamos a integração de diferentes satélites, como Landsat-8, Landsat-7 e CBERS-4, combinados com diferentes técnicas de suavização para gerar séries temporais de imagem EVI (Enhanced Vegetation Index) em alta frequência e extrair as métricas fenológicas. Uma abordagem de classificação hierárquica usando o algoritmo Random Forest foi aplicada para produzir os mapas. Os resultados da classificação são promissores (acima de 80% da acurácia) e mostraram a viabilidade de aplicar o método em larga escala e por um longo período para o Bioma Cerrado. Além disso, as informações fenológicas mostraram potencial para serem utilizadas na compreensão de diferentes práticas agrícolas adotadas pelos agricultores no Cerrado, em escala de propriedade. |
Área | SRE |
Arranjo | Agricultural land classification... |
Conteúdo da Pasta doc | acessar |
Conteúdo da Pasta source | originais/001-17.pdf | 01/07/2019 13:21 | 762.6 KiB | originais/@4primeirasPaginas (1).pdf | 01/07/2019 11:11 | 176.4 KiB | originais/Versão_final_120918.docx | 28/06/2019 14:13 | 13.2 MiB | originais/Versão_final_120918.pdf | 28/06/2019 14:55 | 5.9 MiB | |
Conteúdo da Pasta agreement | |
|
4. Condições de acesso e uso | |
URL dos dados | http://urlib.net/ibi/8JMKD3MGP3W34R/3RJS628 |
URL dos dados zipados | http://urlib.net/zip/8JMKD3MGP3W34R/3RJS628 |
Idioma | en |
Arquivo Alvo | publicacao.pdf |
Grupo de Usuários | gabinete@inpe.br hugo.bendini@inpe.br pubtc@inpe.br |
Visibilidade | shown |
Licença de Direitos Autorais | urlib.net/www/2012/11.12.15.10 |
Permissão de Leitura | allow from all |
Permissão de Atualização | não transferida |
|
5. Fontes relacionadas | |
Repositório Espelho | urlib.net/www/2017/11.22.19.04.03 |
Unidades Imediatamente Superiores | 8JMKD3MGPCW/3F3NU5S |
Acervo Hospedeiro | urlib.net/www/2017/11.22.19.04 |
|
6. Notas | |
Campos Vazios | academicdepartment affiliation archivingpolicy archivist callnumber contenttype copyholder creatorhistory descriptionlevel dissemination doi electronicmailaddress format group isbn issn label lineage mark nextedition notes number orcid parameterlist parentrepositories previousedition previouslowerunit progress readergroup resumeid rightsholder schedulinginformation secondarydate secondarymark session shorttitle sponsor subject tertiarymark tertiarytype url versiontype |
|