Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/14002
Registro completo de metadados
Campo DCValorIdioma
dc.creatorOliveira, Thomaz Chaves de Andrade-
dc.creatorCarvalho, Luis Marcelo Tavares de-
dc.creatorOliveira, Luciano Teixeira de-
dc.creatorMartinhago, Adriana Zanella-
dc.creatorAcerbi Júnior, Fausto Weimar-
dc.creatorLima, Mariana Peres de-
dc.date2015-10-29-
dc.date.accessioned2017-08-01T20:13:17Z-
dc.date.available2017-08-01T20:13:17Z-
dc.date.issued2017-08-01-
dc.identifierhttp://www.cerne.ufla.br/site/index.php/CERNE/article/view/673-
dc.identifier.citationOLIVEIRA, 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.-
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/14002-
dc.description.abstractMulti-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.-
dc.formatapplication/pdf-
dc.languageeng-
dc.publisherUniversidade Federal de Lavras (UFLA), Departamento de Ciências Florestais (DCF)-
dc.relationhttp://www.cerne.ufla.br/site/index.php/CERNE/article/view/673/561-
dc.rightsCopyright (c) 2015 CERNE-
dc.sourceCERNE; Vol 16 No 2 (2010); 123–130-
dc.source2317-6342-
dc.source0104-7760-
dc.subjectRemote sensing-
dc.subjectSignal processing-
dc.subjectTime series-
dc.subjectWavelets analysis-
dc.subjectFourier-
dc.subjectSensoriamento remoto-
dc.subjectProcessamento de sinais-
dc.subjectSéries temporais-
dc.subjectAnálise wavelet-
dc.titleMapping deciduous forests by using time series of filtered MODIS NDVI and neural networks-
dc.title.alternativeMapamento de florestas decícuas através de redes neurais artificiais e séries temporais de NDVI MODIS-
dc.typeinfo:eu-repo/semantics/article-
dc.typeinfo:eu-repo/semantics/publishedVersion-
dc.description.resumoImagens 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.-
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.