Land use/cover classification in the Brazilian Amazon using satellite images

Land use/cover classification is one of the most important applications in remote sensing. However, mapping accurate land use/cover spatial distribution is a challenge, particularly in moist tropical regions, due to the complex biophysical environment and limitations of remote sensing data per se. This paper reviews experiments related to land use/cover classification in the Brazilian Amazon for a decade. Through comprehensive analysis of the classification results, it is concluded that spatial information inherent in remote sensing data plays an essential role in improving land use/cover classification. Incorporation of suitable textural images into multispectral bands and use of segmentation‑based method are valuable ways to improve land use/cover classification, especially for high spatial resolution images. Data fusion of multi‑resolution images within optical sensor data is vital for visual interpretation, but may not improve classification performance. In contrast, integration of optical and radar data did improve classification performance when the proper data fusion method was used. Among the classification algorithms available, the maximum likelihood classifier is still an important method for providing reasonably good accuracy, but nonparametric algorithms, such as classification tree analysis, have the potential to provide better results. However, they often require more time to achieve parametric optimization. Proper use of hierarchical‑based methods is fundamental for developing accurate land use/cover classification, mainly from historical remotely sensed data.

Parentesco na seleção para produtividade e teores de óleo e proteína em soja via modelos mistos

O objetivo deste trabalho foi avaliar influência da informação de parentesco na seleção de progênies de soja quanto à produtividade e aos teores de óleo e proteína, com base no uso de modelos mistos de predição dos valores genéticos. Novecentas progênies F4:6 e 200 progênies F4:7 de soja foram avaliadas nas safras 2010/2011 e 2011/2012, respectivamente. As progênies foram obtidas de cruzamentos múltiplos a partir de 57 progenitores. Os dados foram analisados por meio de modelos aleatórios (quadrados mínimos) e mistos BLUP/REML ("best linear unbiased prediction/restricted maximum likelihood"). Os maiores valores de ganhos preditos foram obtidos com o BLUP/REML. Os valores genéticos preditos com o método BLUP/REML, sem informação de parentesco, apresentaram alta correlação com aqueles obtidos com o modelo aleatório, além de detectada alta coincidência das progênies selecionadas. A inclusão da matriz de parentesco resultou na seleção de progênies diferentes e em maior acurácia na predição dos valores genéticos.

Estimação de parâmetros genéticos e predição de valor genético aditivo de trigo utilizando modelos mistos

O objetivo deste trabalho foi estimar os parâmetros genéticos e predizer o valor genético de populações e indivíduos oriundos de populações segregantes de trigo, com o uso da metodologia de modelos mistos ("restricted maximum likelihood"/"best linear unbiased prediction", REML/BLUP). Trinta e seis populações segregantes de trigo e quatro controles foram avaliados na geração F3, em delineamento de blocos ao acaso, com informações de indivíduo retiradas de dentro das parcelas. Os caracteres avaliados foram: produção de grãos, índice de colheita, número de perfilhos e altura de planta. Observou-se a existência de variabilidade genética entre populações em todos os caracteres avaliados. A herdabilidade média variou de 39,15 a 92,78%, e a acurácia, de 62,57 a 96,32%, na seleção de populações. A herdabilidade individual no sentido restrito foi baixa dentro das populações, em todos os caracteres. A acurácia na seleção individual apresentou magnitude média, quanto ao caráter altura de plantas, e baixa quanto aos demais caracteres. A herdabilidade individual contribui para maior ganho nos caracteres altura de planta e índice de colheita com o uso do BLUP individual, em comparação ao BLUP de populações. As populações segregantes Embrapa22/BRS207, Embrapa22/VI98053, Embrapa22/IVI01041, BRS254/BRS207, BRS254/VI98053, BRS254/UFVT1Pioneiro e BRS264/BRS207 destacam-se por apresentar valor genético aditivo elevado em dois ou mais caracteres.