
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Earth Observation and Geoinformatics Division (DIOTG) | - |
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.contributor | University of Stirling | - |
| Autor(es): dc.creator | Medeiros, Thaís Pereira de | - |
| Autor(es): dc.creator | Morellato, Leonor Patrícia Cerdeira | - |
| Autor(es): dc.creator | Silva, Thiago Sanna Freire | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T17:37:17Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T17:37:17Z | - |
| Data de envio: dc.date.issued | 2023-07-29 | - |
| Data de envio: dc.date.issued | 2023-07-29 | - |
| Data de envio: dc.date.issued | 2023-02-09 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.3389/fenvs.2023.1083328 | - |
| Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/249685 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/249685 | - |
| Descrição: dc.description | Modern UAS (Unmanned Aerial Vehicles) or just drones have emerged with the primary goal of producing maps and imagery with extremely high spatial resolution. The refined information provides a good opportunity to quantify the distribution of vegetation across heterogeneous landscapes, revealing an important strategy for biodiversity conservation. We investigate whether computer vision and machine learning techniques (Object-Based Image Analysis—OBIA method, associated with Random Forest classifier) are effective to classify heterogeneous vegetation arising from ultrahigh-resolution data generated by UAS images. We focus our fieldwork in a highly diverse, seasonally dry, complex mountaintop vegetation system, the campo rupestre or rupestrian grassland, located at Serra do Cipó, Espinhaço Range, Southeastern Brazil. According to our results, all classifications received general accuracy above 0.95, indicating that the methodological approach enabled the identification of subtle variations in species composition, the capture of detailed vegetation and landscape features, and the recognition of vegetation types’ phenophases. Therefore, our study demonstrated that the machine learning approach and combination between OBIA method and Random Forest classifier, generated extremely high accuracy classification, reducing the misclassified pixels, and providing valuable data for the classification of complex vegetation systems such as the campo rupestre mountaintop grassland. | - |
| Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
| Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
| Descrição: dc.description | Graduate Program of Remote Sensing National Institute for Space Research (INPE) Earth Observation and Geoinformatics Division (DIOTG) | - |
| Descrição: dc.description | Phenology Lab Institute of Biosciences Despartment of Biodiversity São Paulo State University (UNESP) | - |
| Descrição: dc.description | Ecosystem Dynamics Observatory (EcoDyn) Biological and Environmental Sciences Faculty of Natural Sciences University of Stirling | - |
| Descrição: dc.description | Phenology Lab Institute of Biosciences Despartment of Biodiversity São Paulo State University (UNESP) | - |
| Descrição: dc.description | FAPESP: #2010/521113-5 #2009/54208-6 #2019/03269-7 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | Frontiers in Environmental Science | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | heterogeneous vegetation | - |
| Palavras-chave: dc.subject | machine learning | - |
| Palavras-chave: dc.subject | phenology | - |
| Palavras-chave: dc.subject | random forest | - |
| Palavras-chave: dc.subject | rupestrian grassland | - |
| Palavras-chave: dc.subject | UAS | - |
| Palavras-chave: dc.subject | unmanned aerial system | - |
| Título: dc.title | Spatial distribution and temporal variation of tropical mountaintop vegetation through images obtained by drones | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: