@InProceedings{RizziSosiHipó:2019:MaSeÁr,
author = "Rizzi, Rodrigo and Sosinski J{\'u}nior, Enio Egon and
Hip{\'o}lito, Aline Warnke",
affiliation = "{Universidade Federal de Pelotas (UFPel)} and {Empresa Brasileira
de Pesquisa Agropecu{\'a}ria (EMBRAPA)} and {Universidade Federal
de Pelotas (UFPel)}",
title = "Mapeamento semiautom{\'a}tico de {\'a}reas agr{\'{\i}}colas a
partir de imagens NDVI Landsat e MODIS",
booktitle = "Anais...",
year = "2019",
editor = "Gherardi, Douglas Francisco Marcolino and Sanches, Ieda DelArco
and Arag{\~a}o, Luiz Eduardo Oliveira e Cruz de",
pages = "136--139",
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, agricultura, mapeamento, espectro-temporal,
Crop Enhancement Index, Remote sensing, agriculture, mapping,
spectro-temporal, Crop Enhancement Index.",
abstract = "Este trabalho apresenta um m{\'e}todo semiautom{\'a}tico do
mapeamento de {\'a}reas agr{\'{\i}}colas a partir de imagens de
NDVI (Normalized Difference Vegetation Index) do Landsat e MODIS.
Utilizaram-se cinco imagens adquiridas ao longo da safra de
ver{\~a}o de 2015/16 para o munic{\'{\i}}pio de Tapes-RS,
aplicadas a uma adapta{\c{c}}{\~a}o da metodologia Crop
Enhancement Index de modo a mapear as {\'a}reas
agr{\'{\i}}colas. As imagens MODIS foram reamostradas para um
tamanho de pixel de 30m por um algoritmo de convolu{\c{c}}{\~a}o
c{\'u}bica. Os pixels foram classificados tanto a partir dos seus
valores m{\'a}ximos e m{\'{\i}}nimos de NDVI quanto pela sua
amplitude de varia{\c{c}}{\~a}o ao longo da safra. Os resultados
apontaram um acerto espacial de 79,24 e 76,87% quando da
utiliza{\c{c}}{\~a}o das imagens Landsat e MODIS,
respectivamente, quando confrontados frente um mapa de
refer{\^e}ncia gerado a partir de um criterioso mapeamento visual
multitemporal de imagens amparado por dados de campo. ABSTRACT:
This paper presents a semiautomatic mapping approach of cropped
areas through the Normalized Difference Vegetation Index (NDVI)
from OLI/Landsat and MODIS images. We applied an adaptation of the
Crop Enhancement Index (CEI) methodology to five images of 2015/16
crop year for Tapes municipality, Brazil, in order to map cropped
areas. MODIS images were resampled to a pixel size of 30m through
a cubic convolution algorithm. Pixels were classified based on
their maximum and minimum NDVI values as well as their variation
amplitude during the crop year. Results showed a spatial agreement
of 79.24 and 76.87% for Landsat and MODIS mapping, respectively,
when compared with a reference map retrieved from a carefully
multitemporal visual mapping of remotely sensed images aided by
field data.",
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/3U9MEMS",
url = "http://urlib.net/ibi/8JMKD3MGP6W34M/3U9MEMS",
targetfile = "97832.pdf",
type = "Produ{\c{c}}{\~a}o e previs{\~a}o agr{\'{\i}}cola",
urlaccessdate = "08 maio 2024"
}