@MastersThesis{Rojas:2004:SíGeRe,
               author = "Rojas, Eddy Hoover Mendoza",
                title = "S{\'{\i}}ntese gen{\'e}tica de redes neurais artificiais ART2 
                         na classifica{\c{c}}{\~a}o de imagens ASTER para mapeamento de 
                         uso e cobertura da terra na regi{\~a}o norte do Mato Grosso",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2004",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2004-02-16",
             keywords = "sensoriamento remoto, redes neurais, uso da terra, Amaz{\^o}nia, 
                         algoritmos gen{\'e}ticos, mapeamento, Mato Grosso (MT), remote 
                         sensing, neural nets, land use, Amazon region (\south America), 
                         genetic algorithms, mapping, Mato Grosso (State).",
             abstract = "O presente trabalho tem como objetivo a utiliza{\c{c}}{\~a}o de 
                         uma s{\'{\i}}ntese gen{\'e}tica de rede neural artificial 
                         n{\~a}o supervisionada Adaptive Resonance Theory (ATR2) na 
                         classifica{\c{c}}{\~a}o de imagens ASTER para o mapeamento de 
                         uso e cobertura da terra em uma {\'a}rea de floresta tropical. A 
                         {\'a}rea de estudo est{\'a} localizada na regi{\~a}o norte do 
                         Estado do Mato Grosso e {\'e} caracterizada por forte processo de 
                         ocupa{\c{c}}{\~a}o e mudan{\c{c}}a da paisagem, ocasionada por 
                         a{\c{c}}{\~o}es antr{\'o}picas como desflorestamento, 
                         extra{\c{c}}{\~a}o seletiva de madeira e agricultura. Os dados 
                         de campo foram obtidos nos meses de maio e junho de 2003. O uso 
                         dos dados do sensor Terra/ASTER possibilitou o incremento na 
                         an{\'a}lise do processo de ocupa{\c{c}}{\~a}o nas {\'a}reas de 
                         floresta tropical, devido principalmente a sua melhor 
                         resolu{\c{c}}{\~a}o espacial e espectral, apresentando-se como 
                         uma alternativa aos tipos de dados de sensores atualmente 
                         dispon{\'{\i}}veis no mercado. Os par{\^a}metros de entrada 
                         para a rede ART2 foram otimizados por algoritmo gen{\'e}tico e 
                         tamb{\'e}m foi avaliado seu desempenho no processo da 
                         classifica{\c{c}}{\~a}o tem{\'a}tica dos alvos em 
                         rela{\c{c}}{\~a}o {\`a} verdade terrestre. Os resultados 
                         mostraram que atrav{\'e}s da rede ART2 as diversas classes 
                         tem{\'a}ticas definidas em campo foram classificadas de maneira 
                         satisfat{\'o}ria. As bandas que possibilitaram maior 
                         diferencia{\c{c}}{\~a}o dos alvos foram as bandas 2 (630-690 
                         nm), 3 (760-860 nm), e 4 (1600-1700 nm), enquanto que as bandas 8 
                         (2295-2365 nm) e 6 (2185-2225 nm) complementaram para a 
                         identifica{\c{c}}{\~a}o dos alvos em estudo. Finalmente 
                         avaliando as mudan{\c{c}}as ocorridas entre os anos 2002 e 2003, 
                         p{\^o}de-se observar que houve uma diminui{\c{c}}{\~a}o da 
                         {\'a}rea de floresta devido ao aumento de {\'a}reas destinadas 
                         para agricultura ou pastagens. ABSTRACT: The present work has the 
                         objective shows the applicability of the genetic synthesis of the 
                         unsupervised artificial neural network ART2 (Adaptive Resonance 
                         Theory) in the classification of ASTER images data for the land 
                         use and land cover mapping. The study area is located in the north 
                         Mato Grosso State, Brazil and is characterized by the strong human 
                         occupation process that caused changes in the landscape, by 
                         deforestation, selective logging and agricultural. The field data 
                         was acquired in May- June of 2003. The use of ASTER images made 
                         possible an improved analysis of the occupation process in 
                         tropical forest areas. ASTER images have adequate spatial and 
                         spectral resolution and are an alternative to the remaining remote 
                         sensing data available. The input parameters for the net ART2 were 
                         optimized by genetic algorithm and the net was evaluated through 
                         comparison of classification results with field data. The results 
                         showed a satisfactory classification of ASTER images using ART2. 
                         ASTER bands 2 (630-690 nm), 3 (760-860 nm), and 4 (1600-1700 nm) 
                         allowed increased differentiation of classes, while bands 8 
                         (2295-2365 nm) and 6 (2185-2225 nm) were complementary for the 
                         identification of classes. The main land use changes that occurred 
                         between 2002 and 2003 were related to deforestation since many 
                         areas of tropical forest were replaced by agriculture and 
                         pastures.",
            committee = "Shimabukuro, Yosio Edemir (presidente) and Santos, Jo{\~a}o 
                         Roberto dos (orientador) and Carvalho J{\'u}nior, Osmar 
                         Ab{\'{\i}}lio de and Bitencourt, Marisa Dantas and Santa Rosa, 
                         Antonio Nuno de Castro",
           copyholder = "SID/SCD",
         englishtitle = "Genetic synthesis of artificial neural networks ART2 in the 
                         classification of ASTER images for land use and land cover mapping 
                         in the north area, Mato Grosso State.",
             language = "pt",
                pages = "124",
                  ibi = "6qtX3pFwXQZ3P8SECKy/Bqtoa",
                  url = "http://urlib.net/ibi/6qtX3pFwXQZ3P8SECKy/Bqtoa",
           targetfile = "paginadeacesso.html",
        urlaccessdate = "03 maio 2024"
}