Sabiia Seb
PortuguêsEspañolEnglish
Embrapa
        Busca avançada

Botão Atualizar


Botão Atualizar

Ordenar por: RelevânciaAutorTítuloAnoImprime registros no formato resumido
Registros recuperados: 2
Primeira ... 1 ... Última
Imagem não selecionada

Imprime registro no formato completo
Agricultural soybean and corn calendar based on moderate resolution satellite images for southern Brazil. Repositório Alice
BECKER, W. R.; RICHETTI, J.; MERCANTE, E.; ESQUERDO, J. C. D. M.; SILVA JUNIOR, C. A. da; PALUDO, A.; JOHANN, J. A..
Abstract. Knowledge of the agricultural calendar of crops is essential to better estimate and forecast the cultivation of large-scale crops. The aim of this study was to estimate sowing date (SD), date of maximum vegetative development (DMVD), and harvest date (HD) of soybean and corn in the state of Paraná, Brazil. Dates from 120 farms and the Enhanced Vegetation Index (EVI) from the Moderate Resolution Imaging Spectroradiometer (MODIS) from 2011 to 2014 were used into a seasonal trend analysis to obtain soybean and corn seasonal patterns. The results indicate that the majority soybean is sown during October and the DMVD occurs between the second ten-day period of December and the first ten-day period of January. Owing to the spatial variability of the...
Tipo: Artigo em periódico indexado (ALICE) Palavras-chave: Índice de vegetação melhorado; Índice de Vegetação Aprimorado; Data de Colheita; Data de Semeadura; Enhanced Vegetation Index; Timesat; Soja; Milho; Vegetation index; Soybeans; Corn; Sowing date; Harvest date.
Ano: 2020 URL: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1126956
Imagem não selecionada

Imprime registro no formato completo
Comparativo entre os classificadores RF e MAXVER, para classificação de uso e cobertura da terra, em diferentes densidades temporais. Repositório Alice
CAON, I. L.; BECKER, W. R.; GANASCINI, D.; CATTANI, C. E. V.; MENDES, I. de S.; PRUDENTE, V. H. R.; OLDONI, L. V.; ANTUNES, J. F. G.; MERCANTE, E..
RESUMO. O uso combinado de sensores com melhor resolução temporal com sensores de melhor resolução espacial, têm permitido o mapeamento detalhado da superfície terrestre. Desse modo destacam-se os algoritmos de predição, que são capazes de unir a melhor resolução espacial de um sensor a melhor resolução temporal de outro. Além das resoluções das imagens, o uso de algoritmos de classificação eficientes é decisivo para se obter elevada acurácia nos mapeamentos. Assim, o objetivo desse trabalho foi comparar os classificadores Random Forest e Máxima Verossimilhança, com diferentes modos de entrada de dados, a fim de definir qual o melhor classificador. Os resultados apontaram que o algoritmo Random Forest apresentou as maiores métricas de acurácia.
Tipo: Artigo em anais de congresso (ALICE) Palavras-chave: Fusão de imagens; STARFM; Classificação de imagens; Cobertura da terra; Algoritmo Random Forest; Image fusion; Image classification; Uso da Terra; Land use; Land cover.
Ano: 2019 URL: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1108719
Registros recuperados: 2
Primeira ... 1 ... Última
 

Empresa Brasileira de Pesquisa Agropecuária - Embrapa
Todos os direitos reservados, conforme Lei n° 9.610
Política de Privacidade
Área restrita

Embrapa
Parque Estação Biológica - PqEB s/n°
Brasília, DF - Brasil - CEP 70770-901
Fone: (61) 3448-4433 - Fax: (61) 3448-4890 / 3448-4891 SAC: https://www.embrapa.br/fale-conosco

Valid HTML 4.01 Transitional