1. RI UFLA
  2. Escola de Engenharia - EENG
  3. Departamento de Engenharia - DEG
  4. DEG - Artigos publicados em periódicos
Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/15400
Registro completo de metadados
Campo DCValorIdioma
dc.creatorAcerbi Júnior, Fausto Weimar-
dc.creatorSilveira, Eduarda Martiniano de Oliveira-
dc.creatorMello, José Márcio de-
dc.creatorMello, Carlos Rogério de-
dc.creatorScolforo, José Roberto Soares-
dc.date.accessioned2017-09-15T17:26:00Z-
dc.date.available2017-09-15T17:26:00Z-
dc.date.issued2015-03-
dc.identifier.citationACERBI JUNIOR, F. W. et al. Change detection in brazilian savannas using semivariograms derived from NDVI images. Ciência e Agrotecnologia, v. 39, n. 2, p. 103-109, mar./abr. 2015.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/15400-
dc.description.abstractThe Normalized Difference Vegetation Index (NDVI) is often used to extract information from vegetated areas since it is directly related to vegetation parameters such as percent of ground cover, photosynthetic activity of the plant and leaf area index. The aim of this paper was to analyze the potencial of semivariograms generated from NDVI values to detect changes in vegetated areas, analyzing their behavior (shape) and derived metrics (range, sill and nugget). Semivariograms were generated from NDVI values derived from Landsat TM images of May 2010, June 2010 and July 2011. The study area is located in the northern state of Minas Gerais, Brazil, and is covered by Brazilian savannas vegetation, totalizing 1,596 ha. Semivariograms were generated after the exploratory data analysis. Models were fitted, validated and their metrics analyzed. The results showed a very clear trend where the shape of semivariograms, sill and range were different when deforestation occurred and were similar when the area had not been changed. The model that generated best fit was the Gaussian, however, the three models tested showed behavior that makes it possible to detect changes in vegetation. It suggests that further researches should explore the degree to which the semivariogram can be used to quantify this spatial variability as well as to analyze the influence of sazonality for changing detection in vegetated areas.pt_BR
dc.description.urihttp://repositorio.ufla.br/jspui/handle/1/15400-
dc.languageen_USpt_BR
dc.publisherUniversidade Federal de Lavraspt_BR
dc.rightsAttribution 4.0 International*
dc.rightsacesso abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/*
dc.sourceCiência e Agrotecnologiapt_BR
dc.subjectDeforestation – Controlpt_BR
dc.subjectRemote sensingpt_BR
dc.subjectGeology – Statistical methodspt_BR
dc.subjectDesmatamento – Controlept_BR
dc.subjectSensoriamento remotopt_BR
dc.subjectGeologia – Métodos estatísticospt_BR
dc.titleChange detection in brazilian savannas using semivariograms derived from NDVI imagespt_BR
dc.title.alternativeDetecção de mudanças no cerrado brasileiro utilizando semivariogramas derivados de imagens NDVIpt_BR
dc.typeArtigopt_BR
dc.description.resumoO Índice da Vegetação por Diferença Normalizada (NDVI) é, frequentemente, usado para extrair informações de áreas vegetadas, uma vez que está diretamente relacionado com parâmetros da vegetação, como o percentual de cobertura do solo, a atividade fotossintética da planta e o índice de área foliar. Objetivou-se, neste trabalho, analisar o potencial dos semivariogramas gerados a partir do índice de vegetação NDVI, para a detecção de desmatamentos, analisando seu comportamento (forma) e métricas derivadas (alcance, contribuição e efeito pepita). Semivariogramas foram gerados a partir do índice de vegetação NDVI, derivados de imagens Landsat TM de maio de 2010, junho de 2010 e julho de 2011. A área de estudo é uma região de Cerrado, no norte do estado de Minas Gerais, Brasil, totalizando 1.596 ha. Foram gerados semivariogramas, após a análise exploratória dos dados. Modelos foram ajustados, validados e suas métricas analisadas. Observou-se que a forma dos semivariogramas, alcance e contribuição foram diferentes quando houve desmatamentos na área e similares quando a área não foi alterada. O modelo que melhor se ajustou aos dados foi o gaussiano, porém os três modelos testados mostraram comportamentos similares quanto a eficiência na detecção dos desmatamentos. Os resultados sugerem que estudos futuros explorem o grau de intervenção que os semivariogramas temporais consigam detectar, bem como a influência que a sazonalidade de algumas fisionomias pode ter nas análises.pt_BR
Aparece nas coleções:DCF - Artigos publicados em periódicos
DEG - Artigos publicados em periódicos

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
ARTIGO_Change detection in brazilian savannas using semivariograms....pdf2,77 MBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Este item está licenciada sob uma Licença Creative Commons Creative Commons