English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

O objetivo desta pesquisa foi avaliar o uso de dados hiperespectrais Hyperion/EO-1 na discriminação de alvos agrícolas, comparando a acurácia de classificação obtida pelos dados desse sensor à obtida por dados multiespectrais ETM+/Landsat-7. Para isso, alvos agrícolas da região de Franca - SP, com diferenças espectrais bem definidas e outros alvos com diferenças espectrais sutis, imageados por ambos os sensores, em 16 de julho de 2002, foram discriminados utilizando o classificador supervisionado de Máxima Verossimilhança (MaxVer). Os alvos agrícolas com diferenças espectrais bem definidas foram caracterizados por seis classes de uso e cobertura do solo; já os com diferenças espectrais sutis, por cinco classes de variedades de cana-de-açúcar. Quando os dados ETM+ foram classificados, a acurácia foi de 91,5% para as classes de uso e cobertura do solo e de 67,6% para as classes de variedades de cana-de-açúcar, enquanto, para os dados do sensor Hyperion, a acurácia de classificação foi de 94,9% e de 87,1%, respectivamente, demonstrando, assim, a importância do uso de dados hiperespectrais na discriminação de alvos agrícolas com características espectrais semelhantes. The aim of this work was to assess Hyperion/EO-1 hyperspectral data to discriminate agricultural fields, comparing that data classification accuracy with ETM+/Landsat-7 multi-spectral data classification accuracy. For this purpose, agricultural targets with well-defined and subtle spectral differences in Franca municipality, São Paulo State, Brazil, imaged by both sensors in July, 2002, were discriminated by using a supervised classification (Maximum Likelihood) algorithm. Agricultural targets with well-defined spectral differences were characterized by six land use/land cover classes, while five sugarcane varieties were used as targets with subtle spectral differences. When the broadband ETM+ data were classified, the overall accuracy was 91.5% for six land use/land cover classes and 67.6% for five sugarcane variety classes, while for narrowband Hyperion data the accuracies were 94.9% and 87.1%, respectively. This result shows the importance of hyperspectral data use for agricultural targets discrimination with similar spectral characteristics

Eficácia de dados Hyperion/EO-1 para identificação de alvos agrícolas: comparação com dados ETM+/Landsat-7