@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"
}