Discriminação de variedades de citros em imagens CCD/CBERS-2

Sanches, I. D.; Gürtler, Salete; Formaggio, Antônio Roberto

doi:10.1590/s0103-84782008000100017

Cited by 7 publications

(2 citation statements)

References 3 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Sanches et al (2008), estudando a discriminação de variedades de citros em imagens CCD CBERS 2, utilizando o SIG SPRING, encontrou valores de Índice Kappa inferior ao encontrado neste trabalho para os classificadores MAXVER e o CLUSTER.…”

unclassified

Classificadores de Imagens por Técnicas de Sensoriamento Remoto e Geoestatística

Silva¹,

Barbosa²,

Zimback³

et al. 2011

Anais Do II Simpósio De Geoestatística Aplicada Em Ciências Agrárias

View full text Add to dashboard Cite

show abstract

unclassified

Classificadores de Imagens por Técnicas de Sensoriamento Remoto e Geoestatística

Silva¹,

Barbosa²,

Zimback³

et al. 2011

Anais Do II Simpósio De Geoestatística Aplicada Em Ciências Agrárias

View full text Add to dashboard Cite

show abstract

“…Entretanto, os talhões de citros apresentam padrão espectral pouco definido, o que pode ser um empecilho para mapeamentos via classificação automática de imagens de satélite. Esta falta de padrão espectral é justificada pela diversidade dos cultivares de citros, pelos tratos culturais aplicados, e pela própria estrutura da cultura em função das cultivares e da idade (SANCHES et al, 2005).…”

unclassified

Mapeamento De Citros: Avaliação De Classificações Por Árvore De Decisão

Arcoverde

Epiphanio

Martins

et al. 2011

Rev. Bras. Cartogr.

View full text Add to dashboard Cite

O Brasil possui destaque mundial na produção de citros, e o Estado de São Paulo responde por mais de 80% da produção de laranja. Este fato, aliado à dificuldade de associação de padrão espectral a talhões de citros como um todo, faz com que estudos de técnicas de mapeamento de citros devam ser mais desenvolvidos no país. De forma geral, técnicas de classificação, mediante extração de multi-atributos por objeto, em imagens ópticas de sensoriamento remoto, têm demonstrado bons resultados. Algoritmos de árvores de decisão (AD), como o C 4.5, constituem métodos robustos para trabalhar com multi-atributos. O objetivo deste trabalho foi avaliar classificações de citros em imagens do sensor TM/Landsat-5, segundo duas abordagens: a) por AD a partir de valores de pixel; e b) por AD a partir de atributos de média e de multi-atributos por objeto. Usou-se um classificador mais usual, por máxima verossimilhança (Maxver), usando Mapas de Regras, como referência comparativa. As classificações geradas por AD apresentaram a melhor performance, com exceção da AD a partir de atributos de média por objeto. A classificação Maxver apresentou semelhança significativa com as melhores classificações geradas por AD. A classificação por AD gerada a partir de valores de pixel apresentou o melhor custo/benefício.

show abstract

Geostatistics and remote sensing methods in the classification of images of areas cultivated with citrus

et al. 2013

View full text Add to dashboard Cite

This study compares the precision of three image classification methods, two of remote sensing and one of geostatistics applied to areas cultivated with citrus. The 5,296.52ha area of study is located in the city of Araraquara - central region of the state of São Paulo (SP), Brazil. The multispectral image from the CCD/CBERS-2B satellite was acquired in 2009 and processed through the Geographic Information System (GIS) SPRING. Three classification methods were used, one unsupervised (Cluster), and two supervised (Indicator Kriging/IK and Maximum Likelihood/Maxver), in addition to the screen classification taken as field checking.. Reliability of classifications was evaluated by Kappa index. In accordance with the Kappa index, the Indicator kriging method obtained the highest degree of reliability for bands 2 and 4. Moreover the Cluster method applied to band 2 (green) was the best quality classification between all the methods. Indicator Kriging was the classifier that presented the citrus total area closest to the field check estimated by -3.01%, whereas Maxver overestimated the total citrus area by 42.94%.

show abstract

Discriminação de variedades de citros em imagens CCD/CBERS-2

Cited by 7 publications

References 3 publications

Classificadores de Imagens por Técnicas de Sensoriamento Remoto e Geoestatística

Classificadores de Imagens por Técnicas de Sensoriamento Remoto e Geoestatística

Mapeamento De Citros: Avaliação De Classificações Por Árvore De Decisão

Geostatistics and remote sensing methods in the classification of images of areas cultivated with citrus

Contact Info

Product

Resources

About