@Article{RissoRiRuAdShFoEp:2012:ÍnVeMo,
               author = "Risso, Joel and Rizzi, Rodrigo and Rudorff, Bernardo Friedrich 
                         Theodor and Adami, Marcos and Shimabukuro, Yosio Edemir and 
                         Formaggio, Antonio Roberto and Epiphanio, Rui Dalla Valle",
          affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and 
                         Universidade Federal de Pelotas, Caixa Postal 354, CEP 96001-970 
                         Cap{\~a}o do Le{\~a}o, RS, Brazil and {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 
                         Noble Brasil S.A., Avenida das Na{\c{c}}oes Unidas, no 8.501, CEP 
                         05425-070 S{\~a}o Paulo, SP, Brazil",
                title = "{\'{\I}}ndices de vegeta{\c{c}}{\~a}o Modis aplicados na 
                         discrimina{\c{c}}{\~a}o de {\'a}reas de soja / Modis vegetation 
                         indices applied to soybean area discrimination",
              journal = "Pesquisa Agropecu{\'a}ria Brasileira",
                 year = "2012",
               volume = "47",
               number = "9",
                pages = "1317--1326",
                month = "Set.",
             keywords = "Crop area estimates, Modis data, Multi-temporal image 
                         classification, Remote sensing, Satellite images, Glycine max.",
             abstract = "Resumo O objetivo deste trabalho foi avaliar o desempenho do 
                         {\'{\i}}ndice de vegeta{\c{c}}{\~a}o real{\c{c}}ado (EVI) e 
                         do {\'{\i}}ndice de vegeta{\c{c}}{\~a}o da diferen{\c{c}}a 
                         normalizada (NDVI) ambos do sensor moderate resolution imaging 
                         spectroradiometer (Modis) , para discriminar {\'a}reas de soja 
                         das {\'a}reas de cana-de-a{\c{c}}{\'u}car, pastagem, cerrado e 
                         floresta, no Estado do Mato Grosso. Foram utilizadas imagens 
                         adquiridas em dois per{\'{\i}}odos: durante a entressafra e por 
                         ocasi{\~a}o do pleno desenvolvimento da cultura da soja. Para 
                         cada classe analisada, foram selecionadas 31 amostras de mapas de 
                         refer{\^e}ncia e avaliadas as diferen{\c{c}}as nos valores de 
                         cada {\'{\i}}ndice de vegeta{\c{c}}{\~a}o, para a classe soja, 
                         foram avaliadas frente {\`a}s demais classes, por meio do teste 
                         de Tukey-Kramer. Em seguida, foram avaliadas as diferen{\c{c}}as 
                         entre os {\'{\i}}ndices de vegeta{\c{c}}{\~a}o, por meio do 
                         teste de Wilcoxon pareado. O NDVI apresentou melhor desempenho na 
                         discrimina{\c{c}}{\~a}o das {\'a}reas de soja na entressafra, 
                         particularmente com uso das imagens do dia do ano (DA) 161 a 273, 
                         enquanto o EVI apresentou melhor desempenho no per{\'{\i}}odo de 
                         pleno desenvolvimento da cultura, especificamente com uso das 
                         imagens de DA 353 a 33. Portanto, o melhor resultado para 
                         classifica{\c{c}}{\~a}o da soja, no Estado do Mato Grosso, via 
                         s{\'e}ries temporais do sensor Modis, pode ser obtida por meio do 
                         uso combinado do NDVI na entresssafra e do EVI no pleno 
                         desenvolvimento da soja. Abstract The objective of this work was 
                         to evaluate the performance of the enhanced vegetation index (EVI) 
                         and the normalized difference vegetation index (NDVI) both from 
                         the moderate resolution imaging spectroradiometer (Modis) sensor 
                         to discriminate soybean cultivated areas from sugarcane, pasture, 
                         cerrado, and forest ones in the state of Mato Grosso, Brazil. 
                         Images acquired during two periods were used: off-season and 
                         maximum soybean crop development. For each analyzed class, 31 
                         samples were selected from reference maps, and the differences in 
                         the values of each soybean vegetation index were evaluated against 
                         the other classes using the Tukey-Kramer test. Afterwards, the 
                         differences between the vegetation indices were assessed using the 
                         Wilcoxon paired test. NDVI performed best in discriminating 
                         soybean areas during the off-season period, particularly when 
                         using images acquired from day of year (DOY) 161 to 273, whereas 
                         EVI performed best during maximum crop development, particularly 
                         when using images from DOY 353 to 33. Therefore, best 
                         classification results for soybean in the state of Mato Grosso can 
                         be achieved by coupling Modis NDVI images acquired during 
                         off-season period and EVI images acquired during the maximum crop 
                         development period.",
                  doi = "10.1590/S0100-204X2012000900017",
                  url = "http://dx.doi.org/10.1590/S0100-204X2012000900017",
                 issn = "0100-204X",
                label = "lattes: 1913003589198061 5 
                         RissoRiRuAdShFoEp:2012:{\'{\I}}nVeMo",
             language = "pt",
           targetfile = "17risso.pdf",
        urlaccessdate = "30 abr. 2024"
}