@InProceedings{WeckmüllerSanc:2019:EsCaEs,
               author = "Weckm{\"u}ller, R{\^o}mulo and Sanchez Vicens, Ra{\'u}l",
          affiliation = "{Universidade Federal Fluminense (UFF)} and {Universidade Federal 
                         Fluminense (UFF)}",
                title = "Detec{\c{c}}{\~a}o de mudan{\c{c}}as florestais em s{\'e}ries 
                         temporais utilizando os algoritmos LANDTRENDR: estudo de caso no 
                         Estado do Rio de Janeiro",
            booktitle = "Anais...",
                 year = "2019",
               editor = "Gherardi, Douglas Francisco Marcolino and Sanches, Ieda DelArco 
                         and Arag{\~a}o, Luiz Eduardo Oliveira e Cruz de",
                pages = "467--470",
         organization = "Simp{\'o}sio Brasileiro de Sensoriamento Remoto, 19. (SBSR)",
            publisher = "Instituto Nacional de Pesquisas Espaciais (INPE)",
              address = "S{\~a}o Jos{\'e} dos Campos",
             keywords = "sensoriamento remoto, vegeta{\c{c}}{\~a}o, remote sensing, 
                         vegetation.",
             abstract = "O entendimento de como os sistemas terrestres evoluem {\'e} 
                         importante na busca de estrat{\'e}gia que otimizem a 
                         utiliza{\c{c}}{\~a}o dos recursos naturais e minimizem os 
                         impactos ambientais. Com a disponibiliza{\c{c}}{\~a}o de todo o 
                         acervo de imagens do programa Landsat, melhoras na qualidade dos 
                         dados e o surgimento de novos algoritmos constituem um 
                         avan{\c{c}}o metodol{\'o}gico que supera as 
                         limita{\c{c}}{\~o}es espaciais e temporais dos m{\'e}todos 
                         tradicionais de detec{\c{c}}{\~a}o de mudan{\c{c}}as. O 
                         objetivo {\'e} detectar trajet{\'o}rias florestais no estado do 
                         Rio de Janeiro, entre 1984 e 2016, numa abordagem com base na 
                         trajet{\'o}ria espectral do pixel em s{\'e}ries temporais, 
                         utilizando os algoritmos LandTrendr. As perdas florestais foram 
                         dominantes na paisagem em rela{\c{c}}{\~a}o {\`a}s 
                         recupera{\c{c}}{\~o}es (64% e 36%, respectivamente). O 
                         mapeamento obteve um {\'{\i}}ndice Kappa de 0.53, com uma 
                         exatid{\~a}o global de 69%. ABSTRACT: Understanding how 
                         terrestrial systems evolve is important in searching strategies 
                         that optimize the use of natural resources and minimize 
                         environmental impacts. The the availability of the entire Landsat 
                         image collection with improvements in data quality and the 
                         emergence of new algorithms constitute a methodological advance 
                         that overcomes the spatial and temporal limitations of traditional 
                         methods of change detection. The objective is to detect forest 
                         trajectories in the state of Rio de Janeiro, between 1984 and 
                         2016, using time series in an approach pixel based available in 
                         the LandTrendr algorithms. Forest losses were dominant in the 
                         landscape in relation to recoveries (64% and 36%, respectively). 
                         The overall accuracy was 69% with a Kappa index of 0.53.",
  conference-location = "Santos",
      conference-year = "14-17 abril 2019",
                 isbn = "978-85-17-00097-3",
             language = "pt",
         organisation = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                  ibi = "8JMKD3MGP6W34M/3TTPTUP",
                  url = "http://urlib.net/ibi/8JMKD3MGP6W34M/3TTPTUP",
           targetfile = "97142.pdf",
                 type = "An{\'a}lise de s{\'e}ries temporais de imagens de 
                         sat{\'e}lite",
        urlaccessdate = "15 jun. 2024"
}