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 desenvolvimento de estudos na area de geotecnologia e o aumento na capacidade de armazenar dados tem melhorado a exploracao e os estudos de imagens de satelites obtidas atraves de sensores orbitais. O mapeamento da cobertura da terra, estimativas de produtividade de culturas e a previsao de safras sao informacoes importantes para o agricultor e para o governo, pois essas informacoes sao essenciais para subsidiar decisoes relacionadas a producao, estimativas de compra e venda, e calculos de importacao e exportacao. Uma das alternativas para analisar dados de uso e cobertura da terra, obtidos por meio de sensores, e o uso de tecnicas de mineracao de dados, uma vez que essas tecnicas podem ser utilizadas para transformar dados e informacoes em conhecimentos que irao subsidiar decisoes relativas ao planejamento agricola. Neste trabalho, foram utilizados dados multitemporais sobre o indice de vegetacao NDVI, derivados de imagens do sensor MODIS, para o monitoramento das culturas de algodao, soja e milho no estado do Mato Grosso, no periodo do ano-safra de 2008/2009. O conjunto de dados, fornecido pela Embrapa Informatica Agropecuaria, foi composto por 24 colunas e 728 linhas, onde as 23 primeiras colunas referem-se aos valores do NVDI, e a ultima, a cobertura do solo. A metodologia utilizada teve como base o modelo CRISP-DM (Cross Industry Standard Process for Data Mining). Modelos preditivos para classificar dados sobre essas culturas foram elaborados e avaliados por algoritmos de aprendizado de maquina, tais como arvores de decisao (J48 e PART), florestas aleatorias (Random Forest). A selecao de atributos melhorou os valores do indice Kappa e a acuracia dos modelos. Foram geradas regras de classificacao para mapear as culturas estudadas (soja, milho e algodao). Os resultados revelaram que os algoritmos de aprendizado de maquina sao promissores para o problema de classificacao de cobertura do solo. Em particular o algoritmo J48, utilizado em conjunto com a selecao de atributos feito por meio de Analise de Componentes Principais, destacou-se em relacao ao demais pela simplicidade e pelos valores apresentados. Os resultados tambem evidenciaram a presenca de regioes de cultivo do algodao em outras areas do estado, fora daquelas estudadas.

Modelo matemático para classificação de culturas em Mato Grosso utilizando NDVI/MODIS