Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

SiRCub, A Novel Approach to Recognize Agricultural Crops Using Supervised Classification

Texto completo
Autor(es):
Tomas, Jordi Creus [1] ; Faria, Fabio Augusto [2] ; Dalla Mora Esquerdo, Julio Cesar [3] ; Coutinho, Alexandre Camargo [3] ; Medeiros, Claudia Bauzer [4, 5]
Número total de Autores: 5
Afiliação do(s) autor(es):
[1] Univ Estadual Campinas, Inst Comp, Campinas, SP - Brazil
[2] Univ Fed Sao Paulo, Inst Sci & Technol, Sao Jose Dos Campos - Brazil
[3] Brazilian Agr Res Corp, Embrapa Agr Informat, Campinas, SP - Brazil
[4] Univ Campinas UNICAMP, Inst Comp, Campinas, SP - Brazil
[5] Paris Dauphine Univ, Paris - France
Número total de Afiliações: 5
Tipo de documento: Artigo Científico
Fonte: INTERNATIONAL JOURNAL OF AGRICULTURAL AND ENVIRONMENTAL INFORMATION SYSTEMS; v. 8, n. 4, p. 20-36, OCT-DEC 2017.
Citações Web of Science: 0
Resumo

This paper presents a new approach to deal with agricultural crop recognition using SVM (Support Vector Machine), applied to time series of NDVI images. The presented method can be divided into two steps. First, the Timesat software package is used to extract a set of crop features from the NDVI time series. These features serve as descriptors that characterize each NDVI vegetation curve, i.e., the period comprised between sowing and harvesting dates. Then, it is used an SVM to learn the patterns that define each type of crop, and create a crop model that allows classifying new series. The authors present a set of experiments that show the effectiveness of this technique. They evaluated their algorithm with a collection of more than 3000 time series from the Brazilian State of Mato Grosso spanning 4 years (2009-2013). Such time series were annotated in the field by specialists from Embrapa (Brazilian Agricultural Research Corporation). This methodology is generic, and can be adapted to distinct regions and crop profiles. (AU)

Processo FAPESP: 13/08293-7 - CECC - Centro de Engenharia e Ciências Computacionais
Beneficiário:Munir Salomao Skaf
Linha de fomento: Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs
Processo FAPESP: 12/25169-5 - Sumários multi-nível espaciais e temporais para deteção de padrões, com aplicação em agricultura
Beneficiário:Jordi Creus Tomàs
Linha de fomento: Bolsas no Brasil - Pós-Doutorado