@InProceedings{DutraShTeArDuTr:2019:MaDeDe,
               author = "Dutra, Andeise Cerqueira and Shimabukuro, Yosio Edemir and Terra, 
                         Marceli de Oliveira and Arai, Egidio and Duarte, Valdete and 
                         Tramontina, Juliana",
          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 {Instituto Nacional de Pesquisas Espaciais 
                         (INPE)} and {Instituto Nacional de Pesquisas Espaciais (INPE)}",
                title = "Mapeamento do desmatamento e degrada{\c{c}}{\~a}o florestal por 
                         queimada no Estado do Mato Grosso utilizando imagens CBERS-4",
            booktitle = "Anais...",
                 year = "2019",
               editor = "Gherardi, Douglas Francisco Marcolino and Sanches, Ieda DelArco 
                         and Arag{\~a}o, Luiz Eduardo Oliveira e Cruz de",
                pages = "1512--1515",
         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 = "Modelo linear de mistura espectral, sensor PAN, amostras in situ, 
                         queimadas agr{\'{\i}}colas, algod{\~a}o, Linear spectral mixing 
                         model, PAN sensor, in situ samples, agricultural burn, cotton.",
             abstract = "As taxas de mudan{\c{c}}a da cobertura florestal ocasionadas por 
                         processos de desmatamento e degrada{\c{c}}{\~a}o tem sido 
                         amplamente evidenciadas. Neste sentido, a miss{\~a}o CBERS (China 
                         Brazil Earth Resources Satellite) tem colaborado para maximizar os 
                         esfor{\c{c}}os de monitoramento da superf{\'{\i}}cie terreste. 
                         Este trabalho tem como objetivo utilizar um m{\'e}todo de 
                         classifica{\c{c}}{\~a}o autom{\'a}tica por abordagem 
                         multi-temporal de imagens do sensor WFI a bordo do sat{\'e}lite 
                         CBERS-4, para mapear a extens{\~a}o de {\'a}reas afetadas pelo 
                         fogo e desmatamento no estado do Mato Grosso. Do total de 
                         {\'a}rea desmatada mapeada no per{\'{\i}}odo chuvoso, 41% 
                         estavam destinadas {\`a} agropecu{\'a}ria. A 
                         classifica{\c{c}}{\~a}o referente ao per{\'{\i}}odo de 
                         estiagem indicou que, do total de cicatrizes de queimada, 
                         aproximadamente 80% foram detectadas em {\'a}reas desmatadas e 
                         20% em floresta. A acur{\'a}cia global foi 0,90, apresentando os 
                         maiores erros associados {\`a} classe queimada e hidrografia, 
                         devido {\`a} maior semelhan{\c{c}}a na reflect{\^a}ncia 
                         espectral destes alvos e a resolu{\c{c}}{\~a}o espacial do 
                         sensor utilizado. ABSTRACT: Rates of forest cover change caused by 
                         deforestation and degradation processes have been amply 
                         demonstrated. In this sense, the CBERS (China Brazil Earth 
                         Resources Satellite) mission has collaborated to maximize the 
                         efforts to monitor Earths surface. This work aims to use a 
                         multi-temporal approach of automatic classification of WFI sensor 
                         images on board the CBERS-4 satellite, to map the extent of 
                         affected areas by fire- and deforestation in the state of Mato 
                         Grosso, Brazil. We demonstrate that 41% of the total deforested 
                         areas were destined to agriculture in the rainy season. The 
                         classification referring to the dry season indicated that 80% of 
                         burned areas were detected in non-forested areas and 20% in forest 
                         areas. The overall accuracy was 0.90, presenting largest errors 
                         associated to burned and hydrography classes, due to the greater 
                         similarity in the spectral reflectance of these targets and the 
                         spatial resolution of the sensor used.",
  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/3U67AJ8",
                  url = "http://urlib.net/ibi/8JMKD3MGP6W34M/3U67AJ8",
           targetfile = "97708.pdf",
                 type = "Mudan{\c{c}}a de uso e cobertura da Terra",
        urlaccessdate = "27 abr. 2024"
}