Identificação de padrões de uso agrícola em imagens orbitais aplicando GEOBIA e mineração de dados

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorFrancisco, Cristiane Nunes-
Autor(es): dc.contributorCarriello, Felix-
Autor(es): dc.contributorCarvalho, Marcus Vinicius Alves de-
Autor(es): dc.contributorFidalgo, Elaine Cristina Cardoso-
Autor(es): dc.creatorAndrade, Carolina Chiarello de-
Data de aceite: dc.date.accessioned2024-07-11T17:28:32Z-
Data de disponibilização: dc.date.available2024-07-11T17:28:32Z-
Data de envio: dc.date.issued2019-08-09-
Data de envio: dc.date.issued2019-08-09-
Data de envio: dc.date.issued2019-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/10809-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/751056-
Descrição: dc.descriptionEste trabalho foi desenvolvido com o objetivo de mapear o uso e cobertura da terra na região de Nova Canaã, Mato Grosso, MT, visando identificar padrões para o reconhecimento de sistemas de produção existentes nas áreas agropecuárias. Para tal, foi utilizada a série temporal entre o período de 2017 e 2018 das imagens do sensor Sentinel-2, com resolução espacial de 10 metros. Foram empregadas técnicas de análise baseada em objetos e mineração de dados, devido à grande quantidade de dados a serem processados e analisados. Como resultado foi possível diferenciar dois padrões de agricultura, pastagem, vegetação natural e água, com exatidão global de mapeamento de 73,5% e estatística Kappa de 0,62. A classificação elaborada a partir da árvore de decisão permite que a seleção dos atributos seja feita de forma automática, não sendo influenciada pela subjetividade do intérprete. A metodologia empregada se mostrou promissora para identificação de diferentes padrões espectrais de sistemas de produção agrícola utilizando séries temporais-
Descrição: dc.descriptionThis essay was developed with the objective of mapping land use and land cover in the region of Nova Canaã, Mato Grosso, MT, in order to delimit and identify patterns for the recognition of different production systems in agricultural areas. To do so, a time series between the period of 2017 to 2018 of the Sentinel-2 sensor images, with spatial resolution of 10 meters, was used. Object-oriented analysis and data mining techniques were employed due to the large amount of data to be processed and analyzed. As a result, it was possible to differentiate two patterns of agriculture, pasture, natural vegetation and water, with global map accuracy of 73,50% and Kappa statistic of 0,62. The classification elaborated from the decision tree allows the selection of attributes to be done automatically, not being influenced by the subjectivity of the interpreter. The methodology used was promising for the identification of different spectral patterns of agricultural production systems using time series-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Federal Fluminense-
Publicador: dc.publisherNiterói-
Direitos: dc.rightsopenAccess-
Direitos: dc.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/br/-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectAnálise de imagem baseada em objetos-
Palavras-chave: dc.subjectSensoriamento remoto-
Palavras-chave: dc.subjectSistema agrícola-
Palavras-chave: dc.subjectUso da terra-
Palavras-chave: dc.subjectSentinel-2-
Palavras-chave: dc.subjectSensoriamento remoto-
Palavras-chave: dc.subjectProdutividade agrícola-
Palavras-chave: dc.subjectGeographic Object Based Image Analysis (GEOBIA)-
Palavras-chave: dc.subjectMato Grosso (MT)-
Palavras-chave: dc.subjectObject Oriented Image Analysis-
Palavras-chave: dc.subjectRemote sensing-
Palavras-chave: dc.subjectAgricultural System-
Palavras-chave: dc.subjectLand use-
Palavras-chave: dc.subjectSentinel-2-
Título: dc.titleIdentificação de padrões de uso agrícola em imagens orbitais aplicando GEOBIA e mineração de dados-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.