Notice: Undefined index: HTTP_ACCEPT_ENCODING in C:\WebData\maretec.org\index.php on line 2
MARETEC - Publicações

Object-Based Classification Approaches for Multitemporal Identification and Monitoring of Pastures in Agroforestry Regions using Multispectral Unmanned Aerial Vehicle Products

As Pastagens de Biodiverso Semeadas (SBP) são a base de um sistema de pastoreio de alto rendimento adaptado aos ecossistemas do Mediterrâneo e amplamente implementado no sul de Portugal. A aplicação de métodos de agricultura de precisão nas SBP requer monitorização económico usando detecção remoao (RS). O principal obstáculo para a monitorização remota do SBP é o facto de a maior parte das pastagens estar instalada em sistemas agroflorestais abertos de Montado. Árvores esparsamente distribuídas projetam sombras que dificultam a identificação do pasto subjacente usando imagens de Veículos Aéreos Não Tripulados (UAV). A aquisição de imagens na primavera é dificultada pela presença de flores que enganam os algoritmos de classificação. Aqui, testamos vários procedimentos para a classificação geográfica da imagem baseada em objetos (GEOBIA) do SBP, com o objetivo de reduzir os efeitos das sombras e flores das árvores em sistemas abertos do Montado. Utilizamos dados detectados remotamente adquiridos entre novembro de 2017 e maio de 2018 em três fazendas portuguesas. Utilizamos três algoritmos de classificação supervisionada de aprendizagem de máquina: Florestas Aleatórias (RF), Máquina de Vetor de Suporte (SVM) e Redes Neurais Artificiais (RNA). Classificamos a PAS com base em: (1) uma imagem de período único para a época máxima do Índice de Vegetação das Diferenças Normalizadas (NDVI) em cada uma das três fazendas e (2) empilhamento multitemporal de imagens. RF, SVM e RNA foram treinados usando algumas bandas de refleção visível (bandas vermelhas, verdes e azuis) e infravermelho próximo (NIR), além de NDVI e um modelo digital de superfície (DSM). Obtivemos alta precisão geral e índice de kappa (acima de 79% e 0,60, respectivamente). O algoritmo de RF teve a maior precisão geral (mais de 92%) para todas as fazendas. A classificação de imagem multitemporal aumentou a precisão dos algoritmos. pois ajudou a identificar corretamente como PAS as áreas cobertas por sombras de árvores e canteiros de flores, que seriam classificadas incorretamente usando a classificação de imagem única. Assim, este estudo estabeleceu o primeiro fluxo de trabalho para a monitorização da PAS com base em dados detectados remotamente, sugerindo uma abordagem operacional para a identificação da PAS. O fluxo de trabalho pode ser aplicado a outros tipos de pastagens nas regiões agroflorestais para reduzir os efeitos das sombras e da floração em problemas de classificação.


Notice: Undefined index: HTTP_ACCEPT_ENCODING in C:\WebData\maretec.org\index.php on line 212