SAR and optical data applied to early-season mapping of integrated crop-livestock systems using deep and machine learning algorithms.

Informe múltiplos e-mails separados por vírgula.

imagem

Autoria: TORO, A. P. S. G. D. D.; BUENO, I. T.; WERNER, J. P. S.; ANTUNES, J. F. G.; LAMPARELLI, R. A. C.; COUTINHO, A. C.; ESQUERDO, J. C. D. M.; MAGALHÃES, P. S. G.; FIGUEIREDO, G. K. D. A.

Resumo: In this work, we explored the potential of three machine and deep learning algorithms (random forest, long short-term memory, and transformer) to perform early-season (with three-time windows) mapping of ICLS fields. To explore the scalability of the proposed methods, we tested them in two regions with different latitudes, cloud cover rates, field sizes, landscapes, and crop types. Finally, the potential of SAR (Sentinel-1) and optical (Sentinel-2) data was tested.

Ano de publicação: 2023

Tipo de publicação: Artigo de periódico

Unidade: Embrapa Agricultura Digital

Palavras-chave: Agricultura, Agricultura regenerativa, Aprendizado de máquina, Aprendizado profundo, Floresta aleatória, ICLS, Integrated Crop-livestock systems, LSTM, Long short-term memory, Multisource, Random forest, Regenerative agriculture, Sistemas integrados lavoura-pecuária, Transformer

Mais Informações Baixar publicação (PDF)

Observações

1 - Por padrão são exibidas publicações dos últimos 20 anos. Para encontrar publicações mais antigas, configure o filtro ano de publicação, colocando o ano a partir do qual você deseja encontrar publicações. O filtro está na coluna da esquerda na busca acima. 

2 - Para ler algumas publicações da Embrapa (apenas as que estão em formato ePub), é necessário ter, no celular ou computador, um desses softwares gratuitos. Sistemas Android: Google Play Livros; IOS: iBooks; Windows e Linux: software Calibre.

 

Acesse outras publicações

Acesse a Base de Dados da Pesquisa Agropecuária (BDPA) para consultar o acervo completo das bibliotecas da Embrapa.