MAPEAMENTO DE PLANTAS DANINHAS EM CULTURA DE CAFÉ A PARTIR DE IMAGENS MULTIESPECTRAIS DE ESCALAS GRANDES USANDO REDES NEURAIS ARTIFICIAIS
Conteúdo do artigo principal
Resumo
Numa cultura agrícola é importante identificar áreas infestadas por plantas daninhas com a finalidade de oferecer informações adequadas ao manejo. Partindo-se do pressuposto de que dados multiespectrais de escalas grandes são capazes de fornecer informação adequada e suficiente para a geração de um mapa da distribuição espacial e densidade de plantas daninhas em culturas de café, este artigo apresenta uma abordagem para discriminação dos graus de infestação por plantas daninhas em cultura de café a partir de dados multiespectrais de alta resolução espacial. Para isso, foi realizada uma classificação por Redes Neurais Artificiais - RNA e o mapa temático produzido foi submetido à análise da qualidade temática. A avaliação do resultado mostrou que a classificação por RNA aplicada para discriminar classes de infestação de plantas daninhas em imagens multiespectrais de alta resolução espacial constitui-se num método eficiente confirmando a hipótese inicial.
Downloads
Detalhes do artigo
Edição
Seção
Artigos
Esta obra está licenciado com uma Licença Creative Commons Attribution 3.0 Unported License.
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Atribuição que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (veja "O Efeito do Acesso Aberto").
Como Citar
SARTORI, Lauriana Rúbio; GALO, Maria de Lourdes Bueno Trindade; IMAI, Nilton Nobuhiro. MAPEAMENTO DE PLANTAS DANINHAS EM CULTURA DE CAFÉ A PARTIR DE IMAGENS MULTIESPECTRAIS DE ESCALAS GRANDES USANDO REDES NEURAIS ARTIFICIAIS. Revista Brasileira de Cartografia, [S. l.], v. 61, n. 2, 2009. DOI: 10.14393/rbcv61n2-44846. Disponível em: https://seer.ufu.br/index.php/revistabrasileiracartografia/article/view/44846. Acesso em: 9 mar. 2025.
