Artigo

Classificação de estratos florestais utilizando redes neurais artificiais e dados de sensoriamento remoto

This study classified forest types using neural network data from a forest inventory provided by the "Florestal e da Biodiversidade do Estado do Pará" (IDEFLOR-BIO), and Bands 3, 4 and 5 of TM from the Landsat satellite. The information from the satellite images was extracted using QGIS software 2.8...

ver descrição completa

Autor principal: GONÇALVES, Wanderson Gonçalves e
Outros Autores: RIBEIRO, Hebe Morganne Campos, SÁ, José Alberto Silva de, MORALES, Gundisalvo Piratoba, FERREIRA FILHO, Hélio Raymundo, ALMEIDA, Arthur da Costa
Grau: Artigo
Idioma: por
Publicado em: Instituto de Pesquisas Ambientais em Bacias Hidrográficas 2017
Assuntos:
Inteligência artificial
Redes neurais artificiais
Inventário florestal
Vegetação tropical
Floresta Ombrófila
Acesso em linha: http://repositorio.ufpa.br/jspui/handle/2011/7652
http://dx.doi.org/10.4136/ambi-agua.1871
id ir-2011-7652
recordtype dspace
spelling ir-2011-76522019-12-02T13:30:19Z Classificação de estratos florestais utilizando redes neurais artificiais e dados de sensoriamento remoto Classification of forest types using artificial neural networks and remote sensing data GONÇALVES, Wanderson Gonçalves e RIBEIRO, Hebe Morganne Campos SÁ, José Alberto Silva de MORALES, Gundisalvo Piratoba FERREIRA FILHO, Hélio Raymundo ALMEIDA, Arthur da Costa Inteligência artificial Redes neurais artificiais Inventário florestal Vegetação tropical Floresta Ombrófila This study classified forest types using neural network data from a forest inventory provided by the "Florestal e da Biodiversidade do Estado do Pará" (IDEFLOR-BIO), and Bands 3, 4 and 5 of TM from the Landsat satellite. The information from the satellite images was extracted using QGIS software 2.8.1 Wien and was used as a database for training neural networks belonging to the software tools package MATLAB(r) R2011b. The neural networks were trained to classify two forest types: Rain Forest of Lowland Emerging Canopy (Dbe) and Rain Forest of Lowland Emerging Canopy plus Open with palm trees (Dbe + Abp) in the Mamuru Arapiuns glebes of Pará State, and were evaluated in terms of the indicators confusion matrix, overall accuracy, the Kappa coefficient, and the receiver operating characteristics chart (ROC). The best result of classification was obtained by the probabilistic neural network of radial basis function (RBF) newpnn, with an overall accuracy of 88%, and a Kappa coefficient of 76%, showing it to be a very good classifier, and demonstrating the potential of this methodology to provide ecosystem services, particularly in anthropogenic areas in the Amazon that adopt agricultural systems with low carbon emissions. CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior O presente estudo objetivou a classificação de tipologias florestais por meio de redes neurais artificiais utilizando dados provenientes de um inventário florestal, fornecido pelo Instituto de Desenvolvimento Florestal e da Biodiversidade do Estado do Pará (IDEFLOR-BIO), e das bandas 3, 4 e 5 do TM do satélite Landsat 5. As informações provenientes das imagens de satélite foram extraídas por meio do aplicativo QGIS 2.8.1 Wien e utilizadas no banco de dados para o treinamento das redes neurais pertencentes às ferramentas do software MATLAB(r) R2011b. Foram treinadas redes neurais como classificadores de dois tipos florestais: Floresta Ombrófila Densa de Terras baixas Dossel emergente (Dbe) e Floresta Ombrófila Densa Terras baixas Dossel emergente mais Aberta com palmeiras (Dbe + Abp) no conjunto de glebas estaduais Mamuru-Arapiuns, Pará, e avaliadas usando os indicadores matriz de confusão, cálculo de acurácia global, coeficiente Kappa e o gráfico de características do receptor operacional (ROC). O melhor resultado de classificação foi obtido por meio da rede neural probabilística de função de base radial (RBF) "newpnn", com uma acurácia global de 88%, e coeficiente Kappa de 76%, sendo avaliado como um classificador muito bom, evidenciando a aplicação dessa metodologia na análise de áreas com potencial para prestar serviços ecossistêmicos e, principalmente, na prestação de serviços ambientais em áreas antrópicas que adotam sistema de produção agropecuária com baixa emissão de carbono na Amazônia. 2017-02-13T13:35:04Z 2017-02-13T13:35:04Z 2016-09 Artigo de Periódico GONCALVES, Wanderson Gonçalves e et al. Classificação de estratos florestais utilizando redes neurais artificiais e dados de sensoriamento remoto. Revista Ambiente & Água, Taubaté, v. 11, n. 3, p. 612-624, jul./set. 2016. DOI: http://dx.doi.org/10.4136/ambi-agua.1871. Disponível em: http://repositorio.ufpa.br/jspui/handle/2011/9377. Acesso em:. 1980-993X http://repositorio.ufpa.br/jspui/handle/2011/7652 http://dx.doi.org/10.4136/ambi-agua.1871 por Revista Ambiente & Água Acesso Aberto application/pdf Instituto de Pesquisas Ambientais em Bacias Hidrográficas Brasil IPABHi http://ref.scielo.org/9f5htt
institution Repositório Institucional - Universidade Federal do Pará
collection RI-UFPA
language por
topic Inteligência artificial
Redes neurais artificiais
Inventário florestal
Vegetação tropical
Floresta Ombrófila
spellingShingle Inteligência artificial
Redes neurais artificiais
Inventário florestal
Vegetação tropical
Floresta Ombrófila
GONÇALVES, Wanderson Gonçalves e
Classificação de estratos florestais utilizando redes neurais artificiais e dados de sensoriamento remoto
topic_facet Inteligência artificial
Redes neurais artificiais
Inventário florestal
Vegetação tropical
Floresta Ombrófila
description This study classified forest types using neural network data from a forest inventory provided by the "Florestal e da Biodiversidade do Estado do Pará" (IDEFLOR-BIO), and Bands 3, 4 and 5 of TM from the Landsat satellite. The information from the satellite images was extracted using QGIS software 2.8.1 Wien and was used as a database for training neural networks belonging to the software tools package MATLAB(r) R2011b. The neural networks were trained to classify two forest types: Rain Forest of Lowland Emerging Canopy (Dbe) and Rain Forest of Lowland Emerging Canopy plus Open with palm trees (Dbe + Abp) in the Mamuru Arapiuns glebes of Pará State, and were evaluated in terms of the indicators confusion matrix, overall accuracy, the Kappa coefficient, and the receiver operating characteristics chart (ROC). The best result of classification was obtained by the probabilistic neural network of radial basis function (RBF) newpnn, with an overall accuracy of 88%, and a Kappa coefficient of 76%, showing it to be a very good classifier, and demonstrating the potential of this methodology to provide ecosystem services, particularly in anthropogenic areas in the Amazon that adopt agricultural systems with low carbon emissions.
format Artigo
author GONÇALVES, Wanderson Gonçalves e
author2 RIBEIRO, Hebe Morganne Campos
SÁ, José Alberto Silva de
MORALES, Gundisalvo Piratoba
FERREIRA FILHO, Hélio Raymundo
ALMEIDA, Arthur da Costa
author2Str RIBEIRO, Hebe Morganne Campos
SÁ, José Alberto Silva de
MORALES, Gundisalvo Piratoba
FERREIRA FILHO, Hélio Raymundo
ALMEIDA, Arthur da Costa
title Classificação de estratos florestais utilizando redes neurais artificiais e dados de sensoriamento remoto
title_short Classificação de estratos florestais utilizando redes neurais artificiais e dados de sensoriamento remoto
title_full Classificação de estratos florestais utilizando redes neurais artificiais e dados de sensoriamento remoto
title_fullStr Classificação de estratos florestais utilizando redes neurais artificiais e dados de sensoriamento remoto
title_full_unstemmed Classificação de estratos florestais utilizando redes neurais artificiais e dados de sensoriamento remoto
title_sort classificação de estratos florestais utilizando redes neurais artificiais e dados de sensoriamento remoto
publisher Instituto de Pesquisas Ambientais em Bacias Hidrográficas
publishDate 2017
url http://repositorio.ufpa.br/jspui/handle/2011/7652
http://dx.doi.org/10.4136/ambi-agua.1871
_version_ 1787148686601486336
score 11.753735

Registros relacionados