Utilização de redes neurais artificiais na classificação de níveis de degradação em pastagens Use of artificial neural networks in the classification of degradation levels of pastures
Este trabalho teve por objetivo avaliar a eficiência dos classificadores redes neurais artificiais (RNA) e o de máxima verossimilhança (Maxver) na classificação do uso da terra no município de Viçosa, MG, a partir de imagens do sensor ASTER, com ênfase nos níveis de degradação das pastagens. Neste e...
Saved in:
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Universidade Federal de Campina Grande
2009-06-01
|
| Series: | Revista Brasileira de Engenharia Agrícola e Ambiental |
| Subjects: | |
| Online Access: | http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1415-43662009000300014 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| _version_ | 1850230747855585280 |
|---|---|
| author | César S. Chagas Carlos A. O. Vieira Elpídio I. Fernandes Filho Waldir de C. Júnior |
| author_facet | César S. Chagas Carlos A. O. Vieira Elpídio I. Fernandes Filho Waldir de C. Júnior |
| author_sort | César S. Chagas |
| collection | DOAJ |
| description | Este trabalho teve por objetivo avaliar a eficiência dos classificadores redes neurais artificiais (RNA) e o de máxima verossimilhança (Maxver) na classificação do uso da terra no município de Viçosa, MG, a partir de imagens do sensor ASTER, com ênfase nos níveis de degradação das pastagens. Neste estudo, foram identificados três níveis de degradação das pastagens (moderado, forte e muito forte) e avaliada uma composição da imagem do sensor ASTER contendo as 3 bandas do visível e infravermelho próximo, com resolução espacial de 15 m. O simulador de redes neurais empregado foi o "Java Neural Network Simulator" e o algoritmo de aprendizado, o backpropagation. Os resultados mostram que a classificação por redes neurais, embora apresente resultado ligeiramente superior, teve desempenho estatisticamente semelhante ao obtido pela classificação pelo Maxver, obtendo um índice Kappa de 0,80, contra 0,79, respectivamente. Nas classificações realizadas a classe que apresentou maior erro de classificação foi a pastagem no nível de degradação forte, enquanto a maior exatidão na classificação foi obtida pelo café, para ambos os classificadores, com 100 e 96%, respectivamente.<br>The aim of this work is to evaluate the artificial neural networks and the maximum likelihood classification performances to classify land uses at Viçosa, Minas Gerais State, using ASTER images in order to verify degradation levels of pastures. In this study, three different levels of pasture degradation have been identified (moderate, strong and very strong) and an image composition of 3 bands was tested (covering the visible and the near infra-red) with 15 m of spatial resolution. The neural networks simulator used was the "Neural Java Network Simulator", with a feed forward model and the learning algorithm of back propagation. The obtained results show that the classification using neural networks, while presenting a slightly superior result, had a statistically similar performance compared to the maximum likelihood, getting a Kappa index of 0.80, against 0.79, respectively. In relation to individual performances, the class that presented the greatest error of classification was pasture in the level of very strong degradation, while the largest accuracy in the classification was obtained for coffee, for both classifiers, with 100 and 96% (respectively, Maxver and neural networks). |
| format | Article |
| id | doaj-art-e9f1b1a533ce418d9fcff6506f46390b |
| institution | OA Journals |
| issn | 1415-4366 1807-1929 |
| language | English |
| publishDate | 2009-06-01 |
| publisher | Universidade Federal de Campina Grande |
| record_format | Article |
| series | Revista Brasileira de Engenharia Agrícola e Ambiental |
| spelling | doaj-art-e9f1b1a533ce418d9fcff6506f46390b2025-08-20T02:03:46ZengUniversidade Federal de Campina GrandeRevista Brasileira de Engenharia Agrícola e Ambiental1415-43661807-19292009-06-0113331932710.1590/S1415-43662009000300014Utilização de redes neurais artificiais na classificação de níveis de degradação em pastagens Use of artificial neural networks in the classification of degradation levels of pasturesCésar S. ChagasCarlos A. O. VieiraElpídio I. Fernandes FilhoWaldir de C. JúniorEste trabalho teve por objetivo avaliar a eficiência dos classificadores redes neurais artificiais (RNA) e o de máxima verossimilhança (Maxver) na classificação do uso da terra no município de Viçosa, MG, a partir de imagens do sensor ASTER, com ênfase nos níveis de degradação das pastagens. Neste estudo, foram identificados três níveis de degradação das pastagens (moderado, forte e muito forte) e avaliada uma composição da imagem do sensor ASTER contendo as 3 bandas do visível e infravermelho próximo, com resolução espacial de 15 m. O simulador de redes neurais empregado foi o "Java Neural Network Simulator" e o algoritmo de aprendizado, o backpropagation. Os resultados mostram que a classificação por redes neurais, embora apresente resultado ligeiramente superior, teve desempenho estatisticamente semelhante ao obtido pela classificação pelo Maxver, obtendo um índice Kappa de 0,80, contra 0,79, respectivamente. Nas classificações realizadas a classe que apresentou maior erro de classificação foi a pastagem no nível de degradação forte, enquanto a maior exatidão na classificação foi obtida pelo café, para ambos os classificadores, com 100 e 96%, respectivamente.<br>The aim of this work is to evaluate the artificial neural networks and the maximum likelihood classification performances to classify land uses at Viçosa, Minas Gerais State, using ASTER images in order to verify degradation levels of pastures. In this study, three different levels of pasture degradation have been identified (moderate, strong and very strong) and an image composition of 3 bands was tested (covering the visible and the near infra-red) with 15 m of spatial resolution. The neural networks simulator used was the "Neural Java Network Simulator", with a feed forward model and the learning algorithm of back propagation. The obtained results show that the classification using neural networks, while presenting a slightly superior result, had a statistically similar performance compared to the maximum likelihood, getting a Kappa index of 0.80, against 0.79, respectively. In relation to individual performances, the class that presented the greatest error of classification was pasture in the level of very strong degradation, while the largest accuracy in the classification was obtained for coffee, for both classifiers, with 100 and 96% (respectively, Maxver and neural networks).http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1415-43662009000300014astersensoriamento remotoclassificação supervisionadaasterremote sensingsupervised classification |
| spellingShingle | César S. Chagas Carlos A. O. Vieira Elpídio I. Fernandes Filho Waldir de C. Júnior Utilização de redes neurais artificiais na classificação de níveis de degradação em pastagens Use of artificial neural networks in the classification of degradation levels of pastures Revista Brasileira de Engenharia Agrícola e Ambiental aster sensoriamento remoto classificação supervisionada aster remote sensing supervised classification |
| title | Utilização de redes neurais artificiais na classificação de níveis de degradação em pastagens Use of artificial neural networks in the classification of degradation levels of pastures |
| title_full | Utilização de redes neurais artificiais na classificação de níveis de degradação em pastagens Use of artificial neural networks in the classification of degradation levels of pastures |
| title_fullStr | Utilização de redes neurais artificiais na classificação de níveis de degradação em pastagens Use of artificial neural networks in the classification of degradation levels of pastures |
| title_full_unstemmed | Utilização de redes neurais artificiais na classificação de níveis de degradação em pastagens Use of artificial neural networks in the classification of degradation levels of pastures |
| title_short | Utilização de redes neurais artificiais na classificação de níveis de degradação em pastagens Use of artificial neural networks in the classification of degradation levels of pastures |
| title_sort | utilizacao de redes neurais artificiais na classificacao de niveis de degradacao em pastagens use of artificial neural networks in the classification of degradation levels of pastures |
| topic | aster sensoriamento remoto classificação supervisionada aster remote sensing supervised classification |
| url | http://www.scielo.br/scielo.php?script=sci_arttext&pid=S1415-43662009000300014 |
| work_keys_str_mv | AT cesarschagas utilizacaoderedesneuraisartificiaisnaclassificacaodeniveisdedegradacaoempastagensuseofartificialneuralnetworksintheclassificationofdegradationlevelsofpastures AT carlosaovieira utilizacaoderedesneuraisartificiaisnaclassificacaodeniveisdedegradacaoempastagensuseofartificialneuralnetworksintheclassificationofdegradationlevelsofpastures AT elpidioifernandesfilho utilizacaoderedesneuraisartificiaisnaclassificacaodeniveisdedegradacaoempastagensuseofartificialneuralnetworksintheclassificationofdegradationlevelsofpastures AT waldirdecjunior utilizacaoderedesneuraisartificiaisnaclassificacaodeniveisdedegradacaoempastagensuseofartificialneuralnetworksintheclassificationofdegradationlevelsofpastures |