@InProceedings{RamírezAndeFormSant:2014:ReGePo,
author = "Ram{\'{\i}}rez, F{\'a}tima Lorena Ben{\'{\i}}tez and
Anderson, Liana Oighenstein and Formaggio, Antonio Roberto and
Santos, Clotilde Pinheiro Ferri dos",
affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto
Nacional de Pesquisas Espaciais (INPE)} and {Instituto Nacional de
Pesquisas Espaciais (INPE)} and Funda{\c{c}}{\~a}o de
Ci{\^e}ncia, Aplica{\c{c}}{\~o}es e Tecnologia Espaciais –
FUNCATE, Av. Dr. Jo{\~a}o Guilhermino, 429 - S{\~a}o Jos{\'e}
dos Campos, SP, Brasil",
title = "Regress{\~a}o geograficamente ponderada aplicada a estimativa de
biomassa acima do solo na Amaz{\^o}nia utilizando sensoriamento
remoto de alta resolu{\c{c}}{\~a}o / Geographically weighted
regression for estimating aboveground biomass in the amazon
rainforest by high-resolution remote sensing data",
booktitle = "Anais...",
year = "2014",
pages = "637--645",
organization = "Semin{\'a}rio de Atualiza{\c{c}}{\~a}o em Sensoriamento Remoto
e Sistemas de Informa{\c{c}}{\~o}es Geogr{\'a}ficas Aplicados
{\`a} Engenharia Florestal, 11. (SenGeF).",
publisher = "IEP",
address = "Curitiba",
keywords = "Biomassa acima do solo, Regress{\~a}o geograficamente ponderada,
Regress{\~a}o geogr{\'a}ficamente ponderada krigagem, RedEdge,
Emiss{\~o}es, Aboveground biomass, geographically weighted
regression, geographically weighted regression kriging, RedEdge,
emissions.",
abstract = "A Amaz{\^o}nia representa a maior {\'a}rea de floresta tropical
{\'u}mida do Planeta, onde grandes quantidades de carbono
s{\~a}o armazenadas na sua biomassa. Estimativas de biomassa
nesta regi{\~a}o variam significativamente dependendo da
abordagem aplicada e do conjunto de dados utilizados para sua
modelagem. Assim, neste trabalho, foram aplicados dois tipos de
abordagens para estimar espacialmente a biomassa acima do solo
(BAS) utilizando conjuntamente informa{\c{c}}{\~a}o coletada em
campo, dados de sensoriamento remoto de alta resolu{\c{c}}{\~a}o
(RapidEye) e vari{\'a}veis ambientais para uma {\'a}rea teste na
Amaz{\^o}nia equatoriana. A primeira abordagem corresponde a uma
regress{\~a}o por m{\'{\i}}nimos quadrados ordin{\'a}ria
(RMQO) e a segunda uma regress{\~a}o geograficamente ponderada
(RGP). Os resultados destas t{\'e}cnicas foram comparados
estatisticamente, colocando {\`a} RGP sobre a RMQO. Assim, 75% da
BAS foi explicada pela combina{\c{c}}{\~a}o de dados de
sensoriamento remoto e vari{\'a}veis ambientais atrav{\'e}s da
RGP. Os pr{\'o}ximos passos, ser{\~a}o a aplica{\c{c}}{\~a}o
de uma t{\'e}cnica h{\'{\i}}brida, que combina a RGP com a
Krigagem, com o intuito de espacializar a BAS para toda a
{\'a}rea de estudo. Espera-se que o m{\'e}todo h{\'{\i}}brido
RGPK minimize os erros de predi{\c{c}}{\~a}o depois de adicionar
a componente estoc{\'a}stica (res{\'{\i}}duos interpolados)
{\`a} RGP. ABSTRACT The Amazon is the largest area of tropical
rainforest on the Planet, where large amounts of carbon are stored
in their biomass. Biomass estimates in this region vary
significantly depending on the applied approach and the data set
used for modeling it. So, in this paper, two types of approaches
were applied to estimate aboveground biomass (AGB) using field
observation of biomass, high-resolution remote sensing data
(RapidEye) and environmental variables in a test area from
Ecuadorian Amazon. The first approach corresponds to a common
global regression (OLQ) and the second a geographically weighted
regression (GWR). The results of these techniques were
statistically compared, where the GWR improved the model fitting.
Thus, 75% of the AGB was explained by the combination of remote
sensing data and environmental variables through GWR. The next
procedures, will be the application of a hybrid technique that
combines the GWR with Kriging, aiming the spatialization of AGB in
the study area. Thus, it is expected that the hybrid method GWRK
minimizes prediction errors after adding the stochastic component
(interpolated residues) to the GWR.",
conference-location = "Curitiba",
conference-year = "14-16 out. 2014",
issn = "2178-8634",
label = "lattes: 7834780583735756 2
Ram{\'{\i}}rezAndeFormSant:2014:ReGePo",
language = "pt",
targetfile = "Fatima, Ramirez - 2014.pdf",
url = "http://www.11sengef.com.br/arquivos/documentos/anaisonline/SENGEF2014.pdf",
urlaccessdate = "16 jun. 2024"
}