Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/14002
Título: Mapping deciduous forests by using time series of filtered MODIS NDVI and neural networks
Título(s) alternativo(s): Mapamento de florestas decícuas através de redes neurais artificiais e séries temporais de NDVI MODIS
Autor: Oliveira, Thomaz Chaves de Andrade
Carvalho, Luis Marcelo Tavares de
Oliveira, Luciano Teixeira de
Martinhago, Adriana Zanella
Acerbi Júnior, Fausto Weimar
Lima, Mariana Peres de
Palavras-chave: Remote sensing
Signal processing
Time series
Wavelets analysis
Fourier
Sensoriamento remoto
Processamento de sinais
Séries temporais
Análise wavelet
Publicador: Universidade Federal de Lavras (UFLA), Departamento de Ciências Florestais (DCF)
Data: 29-Out-2015
Referência: OLIVEIRA, T. C. de A. et al. Mapping deciduous forests by using time series of filtered MODIS NDVI and neural networks. CERNE, Lavras, v. 16, n. 2, p. 123-130, abr./jun. 2010.
Resumo: Imagens multitemporais são de pronominal uso no Sensoriamento Remoto, para o monitoramento e classificação davegetação. As decorrentes assinaturas temporais da vegetação possuem muitos desafios na sua utilização em razão da elevadarelação sinal/ruído. Este estudo investigou dois métodos para gerar assinaturas temporais suavizadas de vegetação do índice devegetação de diferença normalizada (NDVI), sendo estas originadas do sensor MODIS. As técnicas de filtragem utilizadas foram oalgoritmo baseado em Fourier HANTS e algoritmo Wavelet Temporal que utiliza análise Wavelet. O estudo foi conduzido em 4diferentes conjuntos de dados, correspondente a áreas separadas geograficamente no estado de Minas Gerais. Para realizar acomparação entre as séries temporais filtradas pelos diferentes algoritmos, as séries filtradas foram utilizadas como entradas dedados para classificação da vegetação em diferentes fitofisionomias. A Classificação foi feita por meio das redes neurais artificiais. Oresultado dessa classificação mostrou similaridade entre os métodos de filtragem de séries temporais NDVI comparados neste trabalho.
Abstract: Multi-temporal images are now of standard use in remote sensing of vegetation during monitoring and classification.Temporal vegetation signatures (i. e., vegetation indices as functions of time) generated, poses many challenges, primarily due tosignal to noise-related issues. This study investigates which methods generate the most appropriate smoothed curves of vegetationsignatures on MODIS NDVI time series. The filtering techniques compared were the HANTS algorithm which is based on Fourieranalyses and Wavelet temporal algorithm which uses the wavelet analysis to generate the smoothed curves. The study was conductedin four different regions of the Minas Gerais State. The smoothed data were used as input data vectors for vegetation classificationby means of artificial neural networks for comparison purpose. A comparison of the results was ultimately discussed in this workshowing encouraging results and similarity between the two filtering techniques used.
Outras Identificações : http://www.cerne.ufla.br/site/index.php/CERNE/article/view/673
Idioma: eng
Aparece nas coleções:CERNE

Arquivos associados a este item:
Não existem arquivos associados a este item.


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.