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.)

Applying machine learning based on multiscale classifiers to detect remote phenology patterns in Cerrado savanna trees

Texto completo
Autor(es):
Almeida, Jurandy [1] ; dos Santos, Jefersson A. [1] ; Alberton, Bruna [2] ; Torres, Ricardo da S. [1] ; Morellato, Leonor Patricia C. [2]
Número total de Autores: 5
Afiliação do(s) autor(es):
[1] Univ Estadual Campinas, UNICAMP, Inst Comp, RECOD Lab, BR-13083852 Campinas, SP - Brazil
[2] Sao Paulo State Univ, UNESP, Phenol Lab, Dept Bot, BR-13506900 Rio Claro, SP - Brazil
Número total de Afiliações: 2
Tipo de documento: Artigo Científico
Fonte: ECOLOGICAL INFORMATICS; v. 23, n. SI, p. 49-61, SEP 2014.
Citações Web of Science: 15
Resumo

Plant phenology is one of the most reliable indicators of species responses to global climate change, motivating the development of new technologies for phenological monitoring. Digital cameras or near remote systems have been efficiently applied as multi-channel imaging sensors, where leaf color information is extracted from the RGB (Red, Green, and Blue) color channels, and the changes in green levels are used to infer leafing patterns of plant species. In this scenario, texture information is a great ally for image analysis that has been little used in phenology studies. We monitored leaf-changing patterns of Cerrado savanna vegetation by taking daily digital images. We extract RGB channels from the digital images and correlate them with phenological changes. Additionally, we benefit from the inclusion of textural metrics for quantifying spatial heterogeneity. Our first goals are: (1) to test if color change information is able to characterize the phenological pattern of a group of species; (2) to test if the temporal variation in image texture is useful to distinguish plant species; and (3) to test if individuals from the same species may be automatically identified using digital images. In this paper, we present a machine learning approach based on multiscale classifiers to detect phenological patterns in the digital images. Our results indicate that: (1) extreme hours (morning and afternoon) are the best for identifying plant species; (2) different plant species present a different behavior with respect to the color change information; and (3) texture variation along temporal images is promising information for capturing phenological patterns. Based on those results, we suggest that individuals from the same species and functional group might be identified using digital images, and introduce a new tool to help phenology experts in the identification of new individuals from the same species in the image and their location on the ground. (C) 2013 Elsevier B.V. All rights reserved. (AU)

Processo FAPESP: 11/11171-5 - Gestão de séries temporais do e-phenology
Beneficiário:Jurandy Gomes de Almeida Junior
Linha de fomento: Bolsas no Brasil - Pós-Doutorado
Processo FAPESP: 07/59779-6 - Estudo comparativo da diversidade e da fenologia reprodutiva e vegetativa entre borda e interior num fragmento de Cerrado em Itirapina, São Paulo
Beneficiário:Leonor Patricia Cerdeira Morellato
Linha de fomento: Auxílio à Pesquisa - Regular
Processo FAPESP: 07/52015-0 - Métodos de aproximação para computação visual
Beneficiário:Jorge Stolfi
Linha de fomento: Auxílio à Pesquisa - Temático
Processo FAPESP: 08/58528-2 - Classificação semi-automática de regiões em imagens de sensoriamento remoto utilizando Realimentação de Relevância
Beneficiário:Jefersson Alex dos Santos
Linha de fomento: Bolsas no Brasil - Doutorado
Processo FAPESP: 09/18438-7 - Classificação e busca em grande escala para dados complexos
Beneficiário:Ricardo da Silva Torres
Linha de fomento: Auxílio à Pesquisa - Regular
Processo FAPESP: 10/52113-5 - E-fenologia: aplicação de novas tecnologias para monitorar a fenologia e mudanças climáticas nos trópicos
Beneficiário:Leonor Patricia Cerdeira Morellato
Linha de fomento: Auxílio à Pesquisa - Programa de Pesquisa sobre Mudanças Climáticas Globais - Regular