Teses e Dissertações

URI permanente desta seção${dspace.url}/handle/123456789/2

Navegar

Resultados da Pesquisa

Agora exibindo 1 - 10 de 12

Terroir de café em lavouras no município de Araponga - MG
(Universidade Federal de Viçosa, 2012-06-05) Silva, Samuel de Assis; Queiroz, Daniel Marçal de; Pinto, Francisco de Assis de Carvalho; Santos, Nerilson Terra
O café é um produto que tem seu valor estipulado em função da sua qualidade e esta é dependente das características do local onde esse é produzido. A diferenciação dos cafés através da noção de terroir permite determinar áreas potenciais para a produção de cafés especiais e caracterizar o tipo de café característico dessas áreas, explorando suas potencialidades. O estudo dos terroirs está relacionado à compreensão de um território comumente pequeno, em que diferentes fatores locais conferem qualidades distintas aos produtos. O objetivo desse trabalho foi caracterizar e delimitar terroirs de produção de café de lavouras no município de Araponga MG, definir a influência de variáveis climáticas, de solo e da topografia sobre os terroirs e a qualidade, e utilizar um sistema de visão artificial para estimar a qualidade da bebida. Os dados foram coletados em quatro lavouras do município de Araponga MG, as quais foram escolhidas considerando as diferenças significativas entre si, principalmente no que diz respeito a altitude das mesmas. Foram coletadas amostras de frutos cereja em cada um dos talhões de cada lavoura, as quais foram utilizadas para determinar a qualidade global do café e suas características sensoriais peculiares. Desses frutos mediram-se o teor de sólidos solúveis (º Brix) com auxílio de um refratômetro portátil, o comportamento espectral utilizando um espectroradiômetro com iluminação artificial e as características colorimétricas através de imagens digitais obtidas com câmeras fotográficas. A influência do clima sobre os terroirs e sobre a qualidade do café foi avaliada em função da umidade relativa do ar, temperatura, radiação solar e número médio de horas de luz. O solo dos terroirs foi caracterizado com base em seus atributos físicos texturais e quanto à sua formação e material de origem. A qualidade do café foi avaliada por meio da análise de suas características físicas e pela análise sensorial, segundo as regras de competições nacionais e internacionais da Associação Americana de Cafés Especiais (SCAA). A definição dos terroirs de produção de café foi feita à partir das notas globais dos cafés das fazendas e também de suas características peculiares. A fazenda do Boné se destacou em relação às demais com base na qualidade global média e também nos valores médios de doçura e sabor dos cafés. O município de Araponga MG possui mais de um terroir de produção de café caracterizado por dois distintos extratos de altitude e que exercem influencia singular sobre a qualidade dos cafés colhidos, tornando-os diferenciáveis. A qualidade do café é dependente do terroir, e este, por sua vez, da altitude, da posição da lavoura e das características microclimáticas. A qualidade global do café apresenta correlação significativa com os valores de Banda R e reflectância dos frutos. Os valores de º Brix não apresentaram correlação significativa com a qualidade do café. É possível utilizar os valores de Banda R e de reflectância na banda do vermelho dos frutos cereja para a estimativa dos valores de qualidade global do café, sendo viável a adoção de um sistema simplificado para aquisição das imagens.
Remotely piloted aircraft and computer vision applied to coffee growing management
(Universidade Federal de Lavras, 2022-11-25) Santana, Lucas Santos; Ferraz, Gabriel Araújo e Silva
Digital and precision agriculture technologies used in coffee farming have gained space and have become necessary in many coffee production stages. Among the emerging technologies, the Remotely Piloted Aircraft (RPA) can be highlighted because their products can be used as data providers for machine learning techniques and automated monitoring forms. This study aimed to apply cartographic and photogrammetric products from RPAs submitted to machine learning techniques and image analysis in digital and precision coffee farming. Three types of research were built: Application of RPA cartographic products for the coffee plant implantation project; Identification and counting of plants in PRA images and Investigations of plants development in renewal areas. (I)The first study evaluated different flight mission composition efficiency and point cloud levels for Digital Terrain Models generation applied in coffee plantations. Flights performed at 120 m Above Ground Land (AGL) and 80 × 80% overlap showed higher assertiveness and efficiency. The 90 m AGL flight showed great terrain detail, causing significant surface differences concerning the topography obtained by Global Navigation Satellite System (GNSS) receivers. Slope ranges up to 20% are considered reliable for precision coffee growing projects. Changes in flight settings and image processing are satisfactory for precision coffee projects. Image overlap reduction significantly lowed the processing time without influencing Digital Terrain Model DTM's quality. (II) The second research aimed to develop an algorithm for automatic counting coffee plants and define the plant's best age to carry the monitoring using RPA images. Plants with four months of development showed 86.5% count assertiveness. The best results were observed in plantations with six months of development, presenting an average of 96.8% of assertiveness in automatically counting plants. This analysis enables an algorithm development for automated counting of coffee plants through RGB images obtained by remotely piloted aircraft and machine learning applications. (III) The objective of the third research was to monitor the coffee plants' development planted on ash from crop residues through vegetative indices in RPA images, analysis of chemical elements presents in the ash and soil analysis. Preliminary results indicate the high presence of aluminum and potassium in the ash, causing significant differences in coffee development beginning. In addition, variations were observed in vegetative indices values in regions with ash presence, highlighting the NGI and NNIRI indices. The research developed by this paper provides essential information for digital agriculture technologies advancement in coffee growing.
Estimativa de produtividade de café por meio de métodos de machine learning
(Universidade Federal de Viçosa, 2019-07-31) Nascimento, Amélia Laisy do; Queiroz, Daniel Marçal de; Valente, Domingos Sárvio Magalhães
A produtividade agrícola representa o resultado de ações tomadas antes da colheita e indica se as práticas agrícolas adotadas causaram aumento ou redução no rendimento e podem ajudar na tomada de decisões futuras. Dessa maneira, a previsão de produtividade é uma ferramenta útil para os agricultores. Existem modelos que estimam a produtividade, porém, a quantidade de variáveis necessárias e a dificuldade em mensurá-las são um problema. Vários pesquisadores têm usado imagens orbitais para realizar estimativas de biomassa e produtividade de culturas. Além disso, alguns pesquisadores vêm combinando métodos de aprendizado de máquina (machine learning), mineração de dados (data mining) ou inteligência artificial (artificial intelligence) na tentativa de prever a produtividade de culturas agrícolas. Para estimar a produtividade agrícola, é interessante que o banco de dados possua imagens de todo o ciclo produtivo da cultura. Porém, o período de revisita dos satélites e a presença de nuvens sobre a área de estudo podem tornar o banco de dados incompleto. Uma possibilidade é adquirir imagens capturadas por sensores a bordo de distintos satélites. No entanto, cada sensor captura faixas de comprimento de onda diferentes e alguns sensores não capturam todos os comprimentos de onda necessários aos estudos. Uma forma de resolver esse problema é realizar uma predição das imagens faltantes de um satélite utilizando como base imagens oriundas de outro satélite. Dessa forma, consegue-se preencher lacunas na série de dados e garantir um banco de dados com uma série temporal mais representativa. Por fim, é possível utilizar a série temporal de informações derivadas das imagens orbitais para estimar a produtividade de culturas agrícolas. Portanto, o objetivo desta tese foi estimar a produtividade do café por meio de informações espectrais e machine learning. Para isso, o banco de dados foi composto por imagens Sentinel-2 originais, além de imagens Sentinel-2 preditas com base em imagens oriundas do Cbers-4, Landsat-8 e Resourcesat-2. A predição de imagens Sentinel-2 ocorreu por meio de sete métodos de machine learning. Os dados foram separados em conjunto de treinamento, teste e avaliação dos modelos. O desempenho dos modelos foi mensurado pela raiz do erro quadrático médio (rootIV mean square error - RMSE) entre o valor real e o valor predito pelo modelo para o conjunto que ficou de fora do treinamento. O teste t a 5% de significância foi usado para verificar a existência de igualdade ou diferença estatística entre os erros apresentados pelos modelos de predição da reflectância. Os métodos de machine learning mostraram-se eficazes para estimar os valores de reflectância de imagens Sentinel-2 com base em imagens oriundas do Cbers-4, do Landsat-8 e do Resourcesat-2. Os modelos que apresentaram menores RMSE’s na predição da reflectância de imagens orbitais de uma data distinta a data cujos dados foram usados para treinar os modelos foram usados para estimar as imagens Sentinel-2 ausentes do banco de dados usado para estimar a produtividade do café. A partir das imagens orbitais, seis índices de vegetação e reflectância em seis bandas espectrais foram obtidos. A estimativa da produtividade ocorreu por meio de seis métodos de machine learning. Os modelos de estimativa foram implantados em linguagem R no programa computacional R Versão 3.5.1 (R Team, 2018). A raiz do erro quadrático médio (root mean square error - RMSE) e o erro médio absoluto (mean absolute error - MAE) foram usados para avaliar a acurácia dos modelos de estimativa da produtividade. O RMSE e o MAE serviram de entrada para o teste de Scott-Knott que agrupou os modelos semelhantes. Os métodos de machine learning apresentaram erros RMSE e MAE da estimativa da produtividade semelhantes uns aos outros pelo teste de Scott-Knott, com exceção da regressão linear utilizando 14 variáveis preditoras. Foi possível estimar a produtividade por meio de cinco variáveis com erros semelhantes aos erros apresentados pelos modelos com 10 e com 14 variáveis referentes a informações espectrais, topográficas e agronômicas. O erro RMSE mínimo apresentado pelos modelos correspondeu a uma diferença de 11% entre o valor estimado e o valor real da produtividade do café do talhão Pasto Novo 1 no ano de 2017. O erro MAE mínimo correspondeu a uma diferença de 1,7% entre o valor estimado e o valor observado da produtividade do talhão Açude 3 no ano de 2018. A estimativa da produtividade pode ser realizada com até três meses de antecedência.
Monitoramento da maturação do café usando imagens aéreas multiespectrais
(Universidade Federal de Viçosa, 2020-02-10) Rosas, Jorge Tadeu Fim; Pinto, Francisco de Assis de Carvalho; Villar, Flora Maria de Melo; Queiroz, Daniel Marçal de
A preocupação dos produtores de café na atualidade não se limita apenas a produtividade das lavouras, pois fatores que visam agregar valor ao produto final também estão sendo levados em consideração dentro do sistema de produção da cultura. O café é um dos poucos produtos agrícolas que tem seu valor acrescido significativamente com a melhoria da qualidade dos frutos. Dentre os diversos fatores que afetam a qualidade do café o estágio de maturação dos frutos tem sido o mais importante, dessa forma, a colheita dos frutos completamente maduros é essencial para se obter cafés com qualidade superior. Por tanto, em sistemas em que se visa a produção de cafés especiais, monitorar a maturação dos frutos de café nas plantas se torna indispensável. Atualmente, metodologias para o monitoramento da maturação dos frutos de café no campo ainda são escassas. O monitoramento da maturação é feito de forma destrutiva com colheitas de algumas plantas no talhão, que, muitas vezes não é representativo. Uma alternativa seria o uso de sensores remotos a bordo de aeronaves remotamente pilotadas (ARPs). As ARPs têm ganhado destaque nos últimos anos, pois, permitem a aquisição de imagens com elevada resolução espacial e resolução temporal ajustável as necessidades do usuário. No entanto, para a aquisição de informações espectrais confiáveis, questões como a calibração radiométrica das imagens devem ser tratadas com muita atenção. O método de calibração mais usado para imagens obtidas por ARPs é o método da linha empírica, este método usa alvos de reflectância conhecidas para ajustar modelos de calibração e assim transformar o número digital da imagem em reflectância. Contudo, um dos empasses para este método é o elevado custo dos alvos de reflectância comerciais. Neste caso, a alternativa seria a construção de alvos a partir de materiais alternativos. Dessa forma, esse trabalho teve como objetivos: (1) avaliar o uso de materiais de baixo custo e de fácil acesso para calibração de imagens multiespectrais obtidas por sensores acoplados a ARPs visando monitorar pequenas lavouras de café na região da Zona da Mata Mineira; (2) avaliar o potencial de um sensor multiespectral de baixo custo, montado em uma ARP, para monitorar o processo de maturação dos frutos de cafeeiro, em lavouras cultivadas na região montanhosa da Zona da Mata Mineira. Para atender o primeiro objetivo foram testados quatro diferentes materiais alternativos para a confecção dos alvos: madeira compensada pintados com tinta fosca; napa sintética cujo material base de construção é Polyvinyl chloride (PVC); Ethylene Vinyl Acetate (EVA) e painéis de lona de PVC. Foi determinada a vida útil de cada um dos materiais, assim como, o erro associado à calibração radiométrica. Em seguida, mapas de índices de vegetação de um talhão cultivado com café foram gerados com a finalidade de avaliar a diferença gerada pelo uso dos quatro materiais na confecção dos painéis de calibração. Os painéis feitos de madeira pintados com tinta fosca e os de madeira revestidos com napa, foram os que apresentaram menores erros no processo de calibração radiométrica, já os painéis de madeira revestido com lona de PVC foram os que resultaram em erros mais elevados de calibração. Os painéis construídos com EVA apresentaram baixa resistência ao uso, visto que sua vida útil foi inferior aos demais, já a madeira pintada foi o material mais resistente sendo assim o mais indicado para uso na calibração radiométrica de imagens multiespectrais. Já para atender o segundo objetivo, um experimento foi montado e cinco talhões distintos cultivados em café arábica foram avaliados. Durante o período de maturação do café quatro voos foram realizados para adquirir informações espectrais do dossel da cultura. Neste trabalho a câmera multiespectral Mapir Survey3W foi usada para adquirir imagens multiespectrais. Após a aquisição das imagens oito índices de vegetação foram calculados. A análise de componentes principais foi utilizada para inferir sobre a importância dos índices para monitorar a maturação do café. As imagens multiespectrais obtidas pelo sensor de baixo custo foram capazes de registrar as mudanças espectrais ocorridas nas plantas de café com o avanço da maturação na maioria dos talhões estudados, no entanto, observou-se que a produtividade e o volume de copa das plantas de café influenciaram no monitoramento da maturação do café. Palavras-chave: Sensoriamento remoto. Câmeras fotográficas. Cafeicultores.
Dinâmica temporal de índices de vegetação e elementos meteorológicos no café conilon
(Universidade Federal do Espírito Santo, 2015-06-24) Mota, Fabrício Moulin; Partelli, Fábio Luiz
A técnica de sensoriamento remoto, com o uso de dados de estações meteorológicas, vem sendo muito estudadas para a obtenção da informação a respeito da vegetação. Destacando-se os índices de vegetação, por meio destes índices são possíveis obter informações a respeito da biomassa verde e dos parâmetros de crescimento e desenvolvimento da vegetação. O objetivo da pesquisa foi analisar a dinâmica da vegetação representativa de alvos agrícolas (café conilon) de uma região do município de São Mateus, ES, a partir de índices de vegetação gerados pelo sensor MODIS – TERRA e sua relação com dados meteorológicos, durante o período de 2007 a 2014. Foram utilizados dados de imagens de séries temporais de índices de vegetação de NDVI (Normalized Difference Vegetation Index) e EVI (Enhanced Vegetation Index) do sensor MODIS (Moderate Resolution Imaging Spectroradiometer), e dados da estação automática A616 do INMET referente ao período de 2007 a 2014. O NDVI e EVI podem ser influenciados pelas variáveis meteorológicas. O comportamento típico de cada índice em cada período foi diferente. As varáveis meteorológicas e o EVI e NDVI podem ser considerados um indicador sensível para se avaliarem os efeitos da fenologia da cultura. As variáveis meteorológicas relacionadas com o NDVI e EVI apresentaram resultados promissores para a utilização como indicador analítico da vegetação.
Análise espectro temporal de produtos do sensor MODIS como diagnóstico para a cafeicultura de precisão
(Universidade Federal de Lavras, 2015-08-07) Santos, Wesley Batista dos; Alves, Marcelo de Carvalho
A cafeicultura é uma atividade agrícola e econômica de grande importância no mercado brasileiro. Apesar da importância social e econômica para o País, a cafeicultura carece de informações complementares do seu sistema de produção. O sensoriamento remoto, através de imagens e produtos de satélites disponibilizadas gratuitamente, como é o caso do sensor MODIS, pode constituir um instrumento fundamental para o mapeamento e monitoramento da cultura do café. Desta forma, objetivou-se neste trabalho, analisar a aplicação de produtos do sensor MODIS como dados diagnósticos para a cafeicultura de precisão. A área de estudo está localizada no município de Campos Gerais/MG, com uma área de 461,28 ha de lavoura cafeeira, dividido em talhões experimentais. Foram utilizadas duas séries temporais adquiridas do INPE: (a) série temporal EVI2 do sensor MODIS; (b) série de precipitação pluvial (mm/mês), do sensor TRMM. Outra série utilizada, adquirida do NTSG, foi a de Evapotranspiração (mm/mês) do produto MOD16A2/A3 do sensor MODIS e também foi coletado “in situ” dados da propriedade em estudo, como: área, cultivar, produtividade, entre outros. Os dados coletados, foram selecionados e organizados em um banco de dados. Após a criação do banco, foram geradas as curvas espectrais e realizada a correlação e regressão para as variáveis (dados). Os resultados mostraram que o EVI é influenciado pelo índice de umidade e evapotranspiração, e por sua vez o EVI influencia na produtividade da lavoura. Portanto, para diagnósticos na cafeicultura de precisão, é necessário a utilização de produtos com melhores resoluções espaciais em relação aos produtos do sensor MODIS.
Uso de séries temporais para o mapeamento da cafeicultura
(Universidade Federal de Lavras, 2015-02-24) Souza, Carolina Gusmão; Carvalho, Luis Marcelo Tavares de
A cafeicultura representa uma das principais atividades agrícolas, com grande importância no Brasil e no mundo, sendo o estado de Minas Gerais o maior produtor de café do país. Estimar os dados básicos desta cultura corretamente é um desafio, uma vez que as informações obtidas são pouco detalhadas e o setor ainda é carente de dados precisos. As geotecnologias têm sido promissoras para suprir esta lacuna, avaliando de forma mais precisa a dinâmica da cafeicultura. Porém, o mapeamento dessas áreas ainda é uma tarefa difícil, uma vez que elas são muito complexas de serem mapeadas, apresentando uma alta confusão entre os alvos. Para suprir esta necessidade, este trabalho foi realizado com o objetivo geral de propor uma metodologia para o mapeamento da cafeicultura, por meio de variáveis multiespectrais e multitemporais. O estudo foi conduzido em duas áreas distintas do estado de Minas Gerais, uma na região sul e a outra na região centro-oeste. Primeiramente, foram realizadas classificações, utilizando imagens de alta resolução do satélite RapidEye, testando diferentes algoritmos de aprendizagem de máquina e a combinação de diferentes variáveis (espectrais, geométricas e texturais) no processo de classificação. Os resultados mostraram que o algoritmo Support Vector Machine obteve os melhores resultados nas classificações para todas as áreas, com acurácia global de 88,33%. As variáveis texturais, quando associadas às espectrais, melhoraram a acurácia da classificação, porém, não houve diferença significativa entre as classificações. Apesar de os resultados terem se mostrado com bons índices de acerto, ainda houve muita confusão entre as classes. Foi proposto um novo método de mapeamento, utilizando dados multitemporais como variáveis no processo de classificação. Os resultados mostraram que os índices de acerto utilizando as variáveis multitemporais, integrados a variáveis espectrais, apresentaram índices de acurácia global de 93,00% e diminuíram significativamente a confusão entre os alvos, tornando o processo de classificação mais preciso. A metodologia proposta neste estudo mostrou eficiência no mapeamento de áreas cafeeiras.
A ocupação espaço – temporal dos cafezais no município de Machado, no Sul de Minas: a relação entre aptidão agrícola da terra e seu uso na atividade cafeeira
(Universidade Federal de Lavras, 2007-07-30) Moura, Lúcio do Carmo; Andrade, Hélcio
O café continua sendo um elemento importante na pauta de exportação dos produtos agrícolas brasileiros, apesar dos baixos preços internacionais e dos problemas ambientais relacionados com a sua produção agrícola. O uso de práticas conservacionistas adequadas do solo, nesta cultura, tem sido alterado ao longo do tempo, sofrendo, recentemente, mudanças no estado de Minas Gerais, o mais importante produtor nacional. Desse modo, além das medidas de conservação, é necessário um grande conjunto de medidas tecnológicas apoiando a sua exploração correta. Este estudo tem como objetivos: o desenvolvimento de um procedimento interativo para aplicação do “Sistema FAO/Brasileiro” de aptidão agrícola com a utilização do SIG SPRING e a respectiva avaliação como apoio para o planejamento do uso da terra para a cultura do café; identificar/localizar as mudanças nas áreas cultivadas com café ao longo do tempo; elaborar o mapeamento da aptidão agrícola para a cultura segundo três classes, consideradas boa, regular e restrita e a construção de um banco de dados georreferenciados para o município de Machado, MG. Como resultado observou-se que: houve um grande aumento de ocupação de áreas com esta cultura, proporcional ao uso das respectivas classes de aptidão. As restrições do solo impõem um grande número de cuidados na sua utilização, especialmente nos NEOSSOLOS LITÓLICOS e CAMBISSOLOS mais ARGISSOLOS. Estes grupos de solos são os que apresentam o maior risco de degradação. A distribuição geográfica das áreas de café é dividida por todo território municipal e a extensão total demonstra o seu valor econômico. O programa desenvolvido é capaz e eficiente o bastante para a execução da classificação da aptidão agrícola das terras.
Caracterização edafoambiental da cafeicultura na região de Três Pontas, Minas Gerais
(Universidade Federal de Lavras, 2008-02-21) Bertoldo, Mathilde Aparecida; Guimarães, Paulo Tácito Gontijo
Devido à grande importância da cafeicultura no Sul de Minas Gerais, o presente estudo foi realizado com o objetivo de mapear, caracterizar e avaliar as terras ocupadas por lavouras cafeeiras na região de Três Pontas, MG, utilizando geotecnologias. Para tanto, foram utilizadas informações obtidas pelas imagens do satélite Landsat 5, carta planialtimétrica - folha de Três Pontas e dados secundários, como mapas de solos, aptidão agrícola das terras e geologia. Para desenvolver o banco de dados, as informações foram processadas e analisadas no SIG SPRING. Foram realizadas análise temporal da dinâmica de uso e ocupação da terra nos anos de 1994, 2000 e 2007, caracterizando a dinâmica da cafeicultura entre os anos de1994 e 2007 e avaliação edafoambiental, com geração de mapas de classes de declividade, altitude, solos e aptidão agrícola das terras, no intuito de se obter maior precisão e rapidez com aplicação desta tecnologia. A distribuição do uso e ocupação das terras na área em estudo apresenta diferenças na análise espaço-temporal, demonstrando a dinâmica das atividades para os três anos analisados e evidenciando aumento de áreas de cultivo. A utilização de SIG SPRING para a caracterização da paisagem para fins mapeamento de solos a partir da escala 1:250.000 mostrou-se eficaz e as classes de declividade foram a variável que mais influenciou o modelo avaliado. A avaliação da aptidão agrícola das terras demonstrou que a maioria das áreas encontrava-se nas classes 2(ab)c, com predominância de Latossolos, seguida pela classe 2ab(c)+3(a), com predominância de Argissolos e Nitossolos. A avaliação da adequabilidade da cultura cafeeira apresentou características edafoambientais potenciais para o desenvolvimento da cultura cafeeira, com clima e terras aptas ao cultivo, sendo necessárias medidas preventivas no que se refere ao potencial dos solos em função das limitações que o manejo representa.
Identificação de áreas cultivadas com café por meio de descritores texturais
(Universidade Federal de Viçosa, 2013-07-19) Silveira, Lucas Silva da; Pinto, Francisco de Assis de Carvalho
A importância da cafeicultura para o Brasil é notória, em especial para o estado de Minas Gerais que é o estado brasileiro responsável pela maior parte da produção nacional. Nas regiões sul e da zona da mata onde estão concentradas a maior parte da lavoura no estado de Minas Gerias, há a predominância de pequenas propriedades e o cultivo é feito em região de montanha o que acaba dificultando o mapeamento por métodos automatizados. A aplicação de Redes Neurais Artificiais (RNAs) tendo como variáveis de entrada os descritores de Haralick tem se mostrado uma abordagem promissora na discriminação de classes de maior complexidade. Neste contexto objetivou-se desenvolver um sistema para identificar áreas cultivadas com café utilizando RNAs tendo como variáveis de entrada os descritores de Haralick. A área de estudo está localizada no município de Araponga, onde foram selecionados 59 talhões com plantios de café, sendo levantados dados relativos à idade e data de recepa. O software utilizado para o processamento e classificação da imagem foi o MATLAB, e para avaliar o desempenho da classificação foi o Arcgis. A metodologia para o desenvolvimento da RNA consistiu em duas etapas: na primeira a RNA foi treinada com amostras representativas de cada classe de interesse (café, mata, água, solo exposto e pastagem e área urbana), verificando assim o potencial em discriminar entre as classes de saída; na segunda etapa o objetivo foi classificar as plantações de café de acordo com a idade e com a data de recepa. Utilizou-se o índice Kappa para avaliar o desempenho da RNA, uma vez que o uso desse coeficiente é satisfatório na avaliação da precisão de uma classe temática. O índice Kappa para discriminar a região cafeeira das outras classes temáticas foi de 65,18%, o que pode ser considerado um índice bom. Para classificar os plantios de café em função da idade e data de recepa o índice Kappa foi variável (0,675 a 0,4783), sendo considerado muito bom para a fazenda Itatiaia e razoável para a fazenda Pedra Redonda.

Teses e Dissertações

Navegar

Filtros

Configurações

Ordenar por

Resultados por página

Resultados da Pesquisa