Este artigo é da Universidade de Saskatchewan, Canadá: tese de doutorado (autor Dennis Correa Duro), um total de 191.
Nas próximas décadas, à medida que a população mundial continua a crescer e a demanda por alimentos ocidentais aumenta, um grande número de áreas de produção agrícola enfrentará uma pressão crescente. Juntamente com as consequências potenciais das mudanças climáticas e os custos crescentes envolvidos nos atuais métodos de produção agrícola com uso intensivo de energia, atingir as metas de sustentabilidade ambiental e socioeconômica se tornará cada vez mais desafiador. No mínimo, para atingir esses objetivos, é necessário ter uma compreensão mais profunda da taxa de mudança no tempo e no espaço, a fim de avaliar corretamente como as necessidades atuais afetam as necessidades das gerações futuras.
Visto que a agricultura é uma parte fundamental da sociedade moderna e a forma mais comum de mudanças na paisagem induzidas pelo homem no planeta, mapear e rastrear essas mudanças ambientais é um primeiro passo crítico para atingir as metas de sustentabilidade. Tendo em vista a crescente demanda por informações consistentes e oportunas relacionadas ao desenvolvimento agrícola, este artigo propõe diversos avanços no campo da geoinformática, e tem feito contribuições específicas no campo do sensoriamento remoto e da análise espacial:
Primeiro, usando métodos de análise de imagem baseados em pixels e baseados em objetos, as vantagens relativas de vários algoritmos de aprendizado de máquina supervisionado para classificação de imagens de sensoriamento remoto são avaliadas.
Em segundo lugar, o processo de seleção de recursos com base no classificador de floresta aleatório é aplicado a grandes conjuntos de dados para reduzir o número total de preditores baseados em objetos usados pelo modelo de classificação sem sacrificar a precisão geral da classificação.
Terceiro, é introduzido um método de detecção de mudança híbrido baseado em objeto, que pode processar diferentes fontes de imagem, gerar limites de mudança para cada tipo e minimizar erros de atualização de mapa.
Quarto, os dados do censo agrícola em escala grosseira são decompostos espacialmente para mostrar os indicadores de desenvolvimento agrícola da bacia hidrográfica de 9.000 quilômetros quadrados no sudoeste de Saskatchewan de maneira espacial clara, com um intervalo de tempo de várias décadas. A combinação de métodos usados representa uma estrutura analítica geral adequada para apoiar o desenvolvimento sustentável do ambiente agrícola.
Nas próximas décadas, espera-se que as vastas áreas atualmente em produção agrícola enfrentem uma pressão crescente para se intensificar à medida que as populações mundiais continuam a crescer e a demanda por uma dieta mais baseada no Ocidente aumenta. Juntamente com as consequências potenciais das mudanças climáticas e os custos crescentes envolvidos com os atuais métodos de produção agrícola com uso intensivo de energia, cumprir as metas de sustentabilidade ambiental e socioeconômica se tornará cada vez mais desafiador. No mínimo, o cumprimento dessas metas exigirá uma maior compreensão das taxas de mudança, tanto no tempo quanto no espaço, para avaliar adequadamente como a demanda presente pode afetar as necessidades das gerações futuras. Como a agricultura representa um componente fundamental da sociedade moderna e a forma mais onipresente de mudança de paisagem induzida pelo homem no planeta, Conclui-se que mapear e rastrear mudanças em tais ambientes representa um primeiro passo crucial para atingir a meta de sustentabilidade. Antecipando a crescente necessidade de informações consistentes e oportunas relacionadas ao desenvolvimento agrícola, esta tese propõe vários avanços no campo da geomática, com contribuições específicas nas áreas de sensoriamento remoto e análise espacial: Primeiro, os pontos fortes relativos de vários aprendizado de máquina supervisionado algoritmos usados para classificar imagens de sensoriamento remoto foram avaliados usando duas abordagens de análise de imagem: baseada em pixels e baseada em objetos. Em segundo lugar, um processo de seleção de recursos, com base em um classificador Random Forest, foi aplicado a um grande conjunto de dados para reduzir o número geral de variáveis preditoras baseadas em objeto usadas por um modelo de classificação sem sacrificar a precisão geral da classificação. Terceiro, um método de detecção de mudança baseado em objeto híbrido foi introduzido com a capacidade de lidar com fontes de imagem díspares, gerar limites de mudança por classe e minimizar erros de atualização de mapa. Em quarto lugar, um procedimento de desagregação espacial foi realizado em dados do censo agrícola em escala grosseira para renderizar um indicador de desenvolvimento agrícola de maneira espacialmente explícita em uma bacia hidrográfica de 9.000 km2 no sudoeste de Saskatchewan por três períodos de tempo abrangendo várias décadas. A combinação de metodologias introduzidas representa uma estrutura analítica geral adequada para apoiar o desenvolvimento sustentável de ambientes agrícolas. um procedimento de desagregação espacial foi realizado em dados do censo agrícola em escala grosseira para renderizar um indicador de desenvolvimento agrícola de uma maneira espacialmente explícita em uma bacia hidrográfica de 9.000 km2 no sudoeste de Saskatchewan por três períodos de tempo, abrangendo várias décadas. A combinação de metodologias introduzidas representa uma estrutura analítica geral adequada para apoiar o desenvolvimento sustentável de ambientes agrícolas. um procedimento de desagregação espacial foi realizado em dados do censo agrícola em escala grosseira para renderizar um indicador de desenvolvimento agrícola de uma maneira espacialmente explícita em uma bacia hidrográfica de 9.000 km2 no sudoeste de Saskatchewan por três períodos de tempo, abrangendo várias décadas. A combinação de metodologias introduzidas representa uma estrutura analítica geral adequada para apoiar o desenvolvimento sustentável de ambientes agrícolas.
- Métodos de sensoriamento remoto e sistema de informação geográfica para cobertura e uso da terra em ambiente agrícola
- Comparação de análise de imagem baseada em pixel e baseada em objeto e algoritmos de aprendizado de máquina na classificação de paisagem agrícola de imagem SPOT-5 HRG
- Análise de imagem multi-escala baseada em objeto e seleção de recurso de imagem de observação terrestre multi-sensor baseada em floresta aleatória
- Um método de detecção de mudança baseado em objeto híbrido (usado para conjuntos de dados multissensor na reconstrução de paisagem histórica)
- Usando observações de sensoriamento remoto e decomposição espacial para explicar as mudanças na cobertura da terra e na intensidade da terra agrícola em uma grande bacia hidrográfica no sudoeste de Saskatchewan, Canadá (1976-2005)
Para artigos mais interessantes, preste atenção à conta pública: