@InProceedings{AguiarRudSilShiRiz:2008:CoMuND,
               author = "Aguiar, Daniel Alves de and Rudorff, Bernardo Friedrich Theodor 
                         and Silva, Wagner Fernando da and Shimabukuro, Yosio Edemir and 
                         Rizzi, Rodrigo",
          affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto 
                         Nacional de Pesquisas Espaciais (INPE)} and {Instituto Nacional de 
                         Pesquisas Espaciais (INPE)} and {Instituto Nacional de Pesquisas 
                         Espaciais (INPE)} and Universidade Federal de Pelotas – UFPel 
                         Faculdade de Agronomia Eliseu Maciel – FAEM, Departamento de 
                         Engenharia Rural – DER Campus Universit{\'a}rio - Cap{\~a}o do 
                         Le{\~a}o",
                title = "Composi{\c{c}}{\~o}es multitemporais NDVI baseadas em imagens 
                         MODIS para detec{\c{c}}{\~a}o da colheita da 
                         cana-de-a{\c{c}}{\'u}car",
            booktitle = "Anais...",
                 year = "2008",
         organization = "Selper, 13.",
             keywords = "MODIS, {\'{\i}}ndices de vegeta{\c{c}}{\~a}o, pixels puros.",
             abstract = "O produto MOD13Q1 do sensor MODIS cont{\'e}m dois 
                         {\'{\i}}ndices de vegeta{\c{c}}{\~a}o produzidos globalmente: 
                         Normalized Difference Vegetation Index (NDVI) e Enhanced 
                         Vegetation Index (EVI). Os dados de entrada para 
                         gera{\c{c}}{\~a}o destes {\'{\i}}ndices s{\~a}o os produtos 
                         MOD09A. O crit{\'e}rio de composi{\c{c}}{\~a}o dos pixels do 
                         produto MOD13Q1 varia em fun{\c{c}}{\~a}o do n{\'u}mero de 
                         imagens livres de nuvens dispon{\'{\i}}veis dentro do 
                         per{\'{\i}}odo da composi{\c{c}}{\~a}o. Um dos m{\'e}todos 
                         faz uso do modelo Bidirectional Reflectance Distribution Function, 
                         enquanto o m{\'e}todo alternativo (backup) {\'e} denominado 
                         Constraint View angle Maximum Value Composite (CV MVC). Em termos 
                         pr{\'a}ticos, a sele{\c{c}}{\~a}o dos pixels em regi{\~o}es 
                         tropicais e subtropicais {\'e} condicionada ao m{\'e}todo CV 
                         MVC, devido {\`a} presen{\c{c}}a constante de nuvens, pois mesmo 
                         que para o c{\'a}lculo da reflet{\^a}ncia seja levado em 
                         considera{\c{c}}{\~a}o o modelo BRDF, os pixels com maior valor 
                         de NDVI dentre as observa{\c{c}}{\~o}es dispon{\'{\i}}veis 
                         s{\~a}o eleitos na etapa final de composi{\c{c}}{\~a}o. Como 
                         conseq{\"u}{\^e}ncia, a identifica{\c{c}}{\~a}o das {\'a}reas 
                         com baixos valores de {\'{\i}}ndices de vegeta{\c{c}}{\~a}o 
                         {\'e} prejudicada. As {\'a}reas de cana-de-a{\c{c}}{\'u}car 
                         colhida apresentam baixos valores de NDVI e a cria{\c{c}}{\~a}o 
                         de uma metodologia de monitoramento da colheita prev{\^e} a 
                         r{\'a}pida identifica{\c{c}}{\~a}o destas {\'a}reas. Este 
                         trabalho apresenta um algoritmo de sele{\c{c}}{\~a}o dos pixels 
                         de composi{\c{c}}{\~o}es multitemporais para 
                         detec{\c{c}}{\~a}o da colheita da cana (MODCSH). Foram 
                         utilizadas imagens NDVI di{\'a}rias e composi{\c{c}}{\~o}es 16 
                         dias para cria{\c{c}}{\~a}o de novas composi{\c{c}}{\~o}es 
                         sobre as quais foram aplicadas t{\'e}cnicas de processamento de 
                         imagens. Para valida{\c{c}}{\~a}o dos resultados foram 
                         utilizadas imagens de m{\'e}dia resolu{\c{c}}{\~a}o espacial e 
                         dados de campo. Os melhores resultados da estimativa de {\'a}rea 
                         colhida foram obtidos com a subtra{\c{c}}{\~a}o entre as 
                         composi{\c{c}}{\~o}es MODCSH em datas subseq{\"u}entes, que 
                         estimou 95,2% da {\'a}rea de refer{\^e}ncia com r = 0,95 (para 
                         regress{\~a}o entre as datas de colheita reais e as datas de 
                         colheita estimadas). Por fim, a metodologia apresentada para 
                         detec{\c{c}}{\~a}o da colheita da cana foi satisfat{\'o}ria.",
  conference-location = "Habana",
      conference-year = "2008",
                label = "lattes: 5373631394883825 5 AguiarRudSilShiRiz:2008:CoMuND",
             language = "pt",
           targetfile = "Composicoes multitemporais NDVI baseadas em imagens MODIS para 
                         deteccao da colheita da cana_SELPER.pdf",
        urlaccessdate = "19 jan. 2021"
}