Spatio-Temporal Vegetation Pixel Classification by Using Convolutional Networks

Autor(es)

Nogueira, Keiller ^[1] ; dos Santos, Jefersson A. ^[1] ; Menini, Nathalia ^[2] ; Silva, Thiago S. F. ^{[3, 4]} ; Morellato, Leonor Patricia C. ^[5] ; Torres, Ricardo da S. ^[2]

Afiliação do(s) autor(es)

^[1] Univ Fed Minas Gerais, Dept Comp Sci, BR-31270901 Belo Horizonte, MG - Brazil

^[2] Univ Estadual Campinas, Inst Comp, BR-13083970 Campinas, SP - Brazil

^[3] Univ Estadual Paulista, IGCE, BR-13506900 Sao Paulo - Brazil

^[4] Univ Stirling, Biol & Environm Sci, Fac Nat Sci, Stirling FK9 4LA - Scotland

^[5] Univ Estadual Paulista, Inst Biociencias, BR-13506900 Sao Paulo - Brazil

• Tipo de documento: Artigo Científico
• Fonte: IEEE Geoscience and Remote Sensing Letters; v. 16, n. 10, p. 1665-1669, OCT 2019.
• Citações Web of Science: 0

Resumo

Plant phenology studies rely on long-term monitoring of life cycles of plants. High-resolution unmanned aerial vehicles (UAVs) and near-surface technologies have been used for plant monitoring, demanding the creation of methods capable of locating, and identifying plant species through time and space. However, this is a challenging task given the high volume of data, the constant data missing from temporal dataset, the heterogeneity of temporal profiles, the variety of plant visual patterns, and the unclear definition of individuals' boundaries in plant communities. In this letter, we propose a novel method, suitable for phenological monitoring, based on convolutional networks (ConvNets) to perform spatio-temporal vegetation pixel classification on high-resolution images. We conducted a systematic evaluation using high-resolution vegetation image datasets associated with the Brazilian Cerrado biome. Experimental results show that the proposed approach is effective, overcoming other spatio-temporal pixel-classification strategies. (AU)

• Processo FAPESP: 16/26170-8 - Detecção de structural breaks em séries temporais e seu uso na definição de medidas de estabilidade
• Beneficiário: Nathália Menini Cardoso dos Santos
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Processo FAPESP: 13/50155-0 - Combining new technologies to monitor phenology from leaves to ecosystems
• Beneficiário: Leonor Patricia Cerdeira Morellato
• Modalidade de apoio: Auxílio à Pesquisa - Programa de Pesquisa sobre Mudanças Climáticas Globais - PITE
• Processo FAPESP: 09/54208-6 - EMU: Laboratório Multiusuário Centralizado do Núcleo de Estudos em Biodiversidade da UNESP
• Beneficiário: Célio Fernando Baptista Haddad
• Modalidade de apoio: Auxílio à Pesquisa - Programa Equipamentos Multiusuários
• Processo FAPESP: 13/50169-1 - Towards an understanding of tipping points within tropical South American biomes
• Beneficiário: Ricardo da Silva Torres
• Modalidade de apoio: Auxílio à Pesquisa - Parceria para Inovação Tecnológica - PITE
• Processo FAPESP: 18/06918-3 - Quantificando a resiliência da Amazônia através da detecção de structural breaks associados a eventos extremos climáticos
• Beneficiário: Nathália Menini Cardoso dos Santos
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Mestrado