Uso de deep learning e machine learning para o mapeamento de sistemas agroflorestais.
| dc.contributor | VICTÓRIA BEATRIZ SOARES, PONTIFÍCIA UNIVERSIDADE CATÓLICA DE CAMPINAS; TAYA CRISTO PARREIRAS, UNIVERSIDADE ESTADUAL DE CAMPINAS; GUSTAVO BAYMA SIQUEIRA DA SILVA, CNPMA; DANIELLE ELIS GARCIA FURUYA; EDSON LUIS BOLFE, CNPTIA; VICTÓRIA HELLENA MATUSEVICIUS E DE CASTRO, UNIVERSIDADE ESTADUAL DE CAMPINAS. | |
| dc.creator | SOARES, V. B. | |
| dc.creator | PARREIRAS, T. C. | |
| dc.creator | SILVA, G. B. S. da | |
| dc.creator | FURUYA, D. E. G. | |
| dc.creator | BOLFE, E. L. | |
| dc.creator | CASTRO, V. H. M. e de C. | |
| dc.date | 2025-05-08T18:47:35Z | |
| dc.date | 2025-05-08T18:47:35Z | |
| dc.date | 2025-05-08 | |
| dc.date | 2025 | |
| dc.date.accessioned | 2026-07-07T05:10:35Z | |
| dc.description | Sistemas Agroflorestais (SAFs) são técnicas agrícolas que podem associar culturas florestais, frutíferas e agrícolas, além de animais, visando a sustentabilidade ambiental, especialmente em regiões tropicais como o Brasil. Entretanto, é um desafio mapear esses sistemas com técnicas de sensoriamento remoto, devido principalmente à sua complexidade estrutural e heterogeneidade de espécies. O objetivo deste estudo foi revisar a literatura disponível sobre o uso de deep learning e machine learning no mapeamento de ambientes agrícolas complexos, com foco para os SAFs. Embora existam avanços no mapeamento de culturas em SAFs, a literatura ainda carece de técnicas visando a detecção desses sistemas produtivos. Os resultados indicam que entre os principais desafios observados estão a similaridade das assinaturas espectrais das áreas e a necessidade de maior resolução espacial e temporal dos sensores utilizados. | |
| dc.description | Na publicação: Gustavo Bayma. | |
| dc.identifier | In: SIMPÓSIO BRASILEIRO DE SENSORIAMENTO REMOTO, 21., 2025, Salvador. Anais [...]. Campinas: Galoá, 2025. 4 p. | |
| dc.identifier | 978-65-80968-29-9 | |
| dc.identifier | http://www.alice.cnptia.embrapa.br/alice/handle/doc/1175416 | |
| dc.identifier.uri | http://hdl.handle.net/123456789/482974 | |
| dc.language | por | |
| dc.rights | openAccess | |
| dc.subject | Inteligência artificial | |
| dc.subject | Aprendizado de máquina | |
| dc.subject | Sistemas agroflorestais | |
| dc.subject | Machine learning | |
| dc.subject | Sensoriamento Remoto | |
| dc.subject | Remote sensing | |
| dc.subject | Artificial intelligence | |
| dc.title | Uso de deep learning e machine learning para o mapeamento de sistemas agroflorestais. | |
| dc.type | Artigo em anais e proceedings |