| 1. Identificação | |
| Tipo de Referência | Artigo em Revista Científica (Journal Article) |
| Site | plutao.sid.inpe.br |
| Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S |
| Identificador | 8JMKD3MGP3W/45U858J |
| Repositório | sid.inpe.br/plutao/2021/12.09.14.40.28 |
| Última Atualização | 2021:12.14.18.07.10 (UTC) lattes |
| Repositório de Metadados | sid.inpe.br/plutao/2021/12.09.14.40.29 |
| Última Atualização dos Metadados | 2022:04.03.22.27.14 (UTC) administrator |
| DOI | 10.1117/1.JRS.15.044504 |
| ISSN | 1931-3195 |
| Rótulo | lattes: 5123287769635741 3 NevesKöFoSoGiHe:2021:HiMaBr |
| Chave de Citação | NevesKöFoSoGiHe:2021:HiMaBr |
| Título | Hierarchical mapping of Brazilian Savanna (Cerrado) physiognomies based on deep learning  |
| Ano | 2021 |
| Data de Acesso | 01 maio 2024 |
| Tipo de Trabalho | journal article |
| Tipo Secundário | PRE PI |
| Número de Arquivos | 1 |
| Tamanho | 8895 KiB |
| 2. Contextualização | |
| Autor | 1 Neves, Alana K. 2 Körting, Thales Sehn 3 Fonseca, Leila Maria Garcia 4 Soares, Anderson Reis 5 Girolamo Neto, Cesare Di 6 Heipke, Christian |
| Identificador de Curriculo | 1 2 3 8JMKD3MGP5W/3C9JHLD |
| ORCID | 1 0000-0002-0301-944X 2 0000-0002-0876-0501 3 0000-0001-6057-7387 4 0000-0001-6513-2192 5 0000-0003-2533-4640 6 0000-0002-7007-9549 |
| Grupo | 1 SER-SRE-DIPGR-INPE-MCTI-GOV-BR 2 DIOTG-CGCT-INPE-MCTI-GOV-BR 3 DIOTG-CGCT-INPE-MCTI-GOV-BR 4 DIOTG-CGCT-INPE-MCTI-GOV-BR 5 DIOTG-CGCT-INPE-MCTI-GOV-BR |
| Afiliação | 1 Instituto Nacional de Pesquisas Espaciais (INPE) 2 Instituto Nacional de Pesquisas Espaciais (INPE) 3 Instituto Nacional de Pesquisas Espaciais (INPE) 4 Instituto Nacional de Pesquisas Espaciais (INPE) 5 Instituto Nacional de Pesquisas Espaciais (INPE) 6 Leibniz Universität Hannover |
| Endereço de e-Mail do Autor | 1 alana.kasahara@gmail.com 2 thales.korting.@inpe.br 3 leila.fonseca@inpe.br 4 anderson.soares@inpe.br 5 cesare.neto@gmail.com |
| Revista | Journal of Applied Remote Sensing |
| Volume | 15 |
| Número | 04 |
| Páginas | e044504 |
| Nota Secundária | A2_GEOGRAFIA B1_GEOCIÊNCIAS B1_CIÊNCIAS_AGRÁRIAS_I B1_BIODIVERSIDADE B5_CIÊNCIAS_AMBIENTAIS |
| Histórico (UTC) | 2021-12-09 16:02:28 :: lattes -> administrator :: 2021 2021-12-14 18:04:35 :: administrator -> lattes :: 2021 2021-12-16 19:07:42 :: lattes -> administrator :: 2021 2022-04-03 22:27:14 :: administrator -> simone :: 2021 |
| 3. Conteúdo e estrutura | |
| É a matriz ou uma cópia? | é a matriz |
| Estágio do Conteúdo | concluido |
| Transferível | 1 |
| Tipo do Conteúdo | External Contribution |
| Tipo de Versão | publisher |
| Palavras-Chave | Savanna Cerrado physiognomy semantic segmentation spectral channels protected area |
| Resumo | The Brazilian Savanna, also known as Cerrado, is considered a global hotspot for biodiversity conservation. The detailed mapping of vegetation types, called physiognomies, is still a challenge due to their high spectral similarity and spatial variability. There are three major ecosystem groups (forest, savanna, and grassland), which can be hierarchically subdivided into 25 detailed physiognomies, according to a well-known classification system. We used an adapted U-net architecture to process a WorldView-2 image with 2-m spatial resolution to hierarchically classify the physiognomies of a Cerrado protected area based on deep learning techniques. Several spectral channels were tested as input datasets to classify the three major ecosystem groups (first level of classification). The dataset composed of RGB bands plus 2-band enhanced vegetation index (EVI2) achieved the best performance and was used to perform the hierarchical classification. In the first level of classification, the overall accuracy was 92.8%. On the other hand, for the savanna and grassland detailed physiognomies (second level of classification), 86.1% and 85.0% were reached, respectively. As the first work that intended to classify Cerrado physiognomies in this level of detail using deep learning, our accuracy rates outperformed others that applied traditional machine learning algorithms for this task. © The Authors. Published by SPIE under a Creative Commons Attribution 4.0 International License. Distribution or reproduction of this work in whole or in part requires full attribution of the original publication, including its DOI. [DOI: 10.1117/1.JRS.15.044504]. |
| Área | SRE |
| Arranjo 1 | urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > SER > Hierarchical mapping of... |
| Arranjo 2 | urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCT > Hierarchical mapping of... |
| Conteúdo da Pasta doc | acessar |
| Conteúdo da Pasta source | não têm arquivos |
| Conteúdo da Pasta agreement | não têm arquivos |
| 4. Condições de acesso e uso | |
| URL dos dados | http://urlib.net/ibi/8JMKD3MGP3W/45U858J |
| URL dos dados zipados | http://urlib.net/zip/8JMKD3MGP3W/45U858J |
| Idioma | pt |
| Arquivo Alvo | neves_hierarchical.pdf |
| Grupo de Leitores | administrator lattes |
| Visibilidade | shown |
| Política de Arquivamento | allowpublisher allowfinaldraft |
| Permissão de Atualização | não transferida |
| 5. Fontes relacionadas | |
| Unidades Imediatamente Superiores | 8JMKD3MGPCW/3F3NU5S 8JMKD3MGPCW/46KUATE |
| Lista de Itens Citando | sid.inpe.br/bibdigital/2013/10.18.22.34 2 |
| URL (dados não confiáveis) | https://caps.luminad.com:8443/stockage/stock/SPIE/LDL-SPIE-JARS-210442/JARS-210442_online.pdf |
| Divulgação | WEBSCI; PORTALCAPES; COMPENDEX; SCOPUS. |
| Acervo Hospedeiro | dpi.inpe.br/plutao@80/2008/08.19.15.01 |
| 6. Notas | |
| Campos Vazios | alternatejournal archivist callnumber copyholder copyright creatorhistory descriptionlevel e-mailaddress format isbn lineage mark mirrorrepository month nextedition notes parameterlist parentrepositories previousedition previouslowerunit progress project readpermission rightsholder schedulinginformation secondarydate secondarykey session shorttitle sponsor subject tertiarymark tertiarytype usergroup |
| 7. Controle da descrição | |
| e-Mail (login) | simone |
| atualizar | |