Optimum combination of spectral variables for crop mapping in heterogeneous landscapes based on Sentinel-2 time series and machine learning.

Informe múltiplos e-mails separados por vírgula.

imagem

Autoria: OLIVEIRA JÚNIOR, J. G. de; ESQUERDO, J. C. D. M.; LAMPARELLI, R. A. C.

Resumo: This article aimed to determine a workflow for more efficient large-scale crop mapping using a time series of images from the Sentinel-2 Satellite, statistical methods of attribute selection, and machine learning. The proposed methodology explores the best possible combination of spectral variables related to vegetation (16 vegetation indices in the RGB, NIR, SWIR, and Red Edge regions) to characterize different spectro-temporal profiles of Land Use and Land Cover (LULC) in spatially heterogeneous landscapes.

Ano de publicação: 2024

Tipo de publicação: Artigo de periódico

Unidade: Embrapa Agricultura Digital

Palavras-chave: Agricultural monitoring, Aprendizado de máquina, Cobertura da terra, Land cover, Land use, Monitoramento agrícola, Random forest, Red Edge, Remote sensing, SITS, Sensoriamento Remoto, Séries temporais, Time series analysis, Uso da Terra

Mais Informações Baixar publicação (PDF)

Observações

1 - Por padrão são exibidas publicações dos últimos 20 anos. Para encontrar publicações mais antigas, configure o filtro ano de publicação, colocando o ano a partir do qual você deseja encontrar publicações. O filtro está na coluna da esquerda na busca acima. 

2 - Para ler algumas publicações da Embrapa (apenas as que estão em formato ePub), é necessário ter, no celular ou computador, um desses softwares gratuitos. Sistemas Android: Google Play Livros; IOS: iBooks; Windows e Linux: software Calibre.

 

Acesse outras publicações

Acesse a Base de Dados da Pesquisa Agropecuária (BDPA) para consultar o acervo completo das bibliotecas da Embrapa.