|
|
|
|
|
| Nonato,Robson T.; Oliveira,Stanley R. de M.. |
| Neste trabalho, verificou-se a aderência de técnicas de mineração de dados voltadas para problemas de classificação de dados na identificação automatizada de áreas cultivadas com cana-de-açúcar, em imagens do satélite Landsat 5/TM. Para essa verificação, foram estudadas imagens de áreas cultivadas com cana-de-açúcar em três fases fenológicas diferentes. Os pixels foram convertidos em valores de refletância de superfície, nas vizinhanças das cidades de Araras, São Carlos e Araraquara, no Estado de São Paulo. Foram gerados cinco modelos de árvores de decisão binária, induzidos pelo algoritmo C4.5, em que todos produziram taxas de acerto superiores a 90%. A introdução de atributos de textura trouxe ganhos significativos na acurácia do modelo de classificação... |
| Tipo: Info:eu-repo/semantics/article |
Palavras-chave: Mapeamento agrícola; Classificação de imagens; Árvore de decisão; Sensoriamento remoto. |
| Ano: 2013 |
URL: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100-69162013000600019 |
| |
|
|
| LONGO, D. R.; MOREIRA, G. C.; BAZZI, C. L.; GEBLER, L.; SCHENATTO, K.. |
| A agricultura de precisão vem se destacando nos últimos anos como a maneira de proporcionar ao produtor rural uma nova forma de gerenciamento da sua atividade, proporcionando melhores opções de tomada de decisão em busca de melhores relações de custo e benefício. A fruticultura brasileira, de um modo geral, era uma atividade que estava atrasada em relação ao uso da agricultura de precisão, principalmente se comparado às culturas de grãos, uma vez que os produtores careciam de softwares de apoio à tomada de decisão, dentre outras necessidades. |
| Tipo: Folhetos |
Palavras-chave: Fruticultura de precisão; Mapeamento agrícola; Sistema de Informação Geográfica (SIG); Maçã; Agricultura de Precisão. |
| Ano: 2020 |
URL: http://www.infoteca.cnptia.embrapa.br/infoteca/handle/doc/1120851 |
| |
|
|
|
