@Article{RudorffRizRudSugVie:2007:SuReEs,
               author = "Rudorff, Conrado de Moraes and Rizzi, Rodrigo and Rudorff, 
                         Bernardo Friedrich Theodor and Sugawara, Luciana Miura and Vieira, 
                         Carlos Ant{\^o}nio Oliveira",
          affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {} and 
                         {Instituto Nacional de Pesquisas Espaciais (INPE)} and {} and 
                         {Universidade Federal de Vi{\c{c}}osa}",
                title = "Superf{\'{\i}}cies de resposta espectro-temporal de imagens do 
                         sensor MODIS para classifica{\c{c}}{\~a}o de {\'a}rea de soja 
                         no Estado do Rio Grande do Sul",
              journal = "Ci{\^e}ncia Rural",
                 year = "2007",
               volume = "37",
               number = "1",
                pages = "118--125",
                month = "jan.-fev.",
             keywords = "sensoriamento remoto agr{\'{\i}}cola, estimativa de {\'a}rea de 
                         culturas agr{\'{\i}}colas, imagem de sat{\'e}lite, agricultural 
                         remote sensing, crop area estimation, satellite image.",
             abstract = "Este trabalho objetivou avaliar o potencial e as 
                         limita{\c{c}}{\~o}es das imagens MODIS para 
                         classifica{\c{c}}{\~a}o e estimativa de {\'a}rea de soja por 
                         meio do m{\'e}todo de superf{\'{\i}}cie de resposta 
                         espectro-temporal (Spectral-Temporal Response Surface - STRS). Um 
                         mapa tem{\'a}tico das {\'a}reas com soja, oriundo da 
                         classifica{\c{c}}{\~a}o de imagens Landsat do Estado do Rio 
                         Grande do Sul, foi utilizado como refer{\^e}ncia para auxiliar na 
                         orienta{\c{c}}{\~a}o da amostragem dos pixels de treinamento e 
                         para a compara{\c{c}}{\~a}o dos resultados. Seis imagens 
                         compostas do sensor MODIS foram utilizadas para a 
                         classifica{\c{c}}{\~a}o supervisionada da {\'a}rea de soja por 
                         meio do algoritmo de m{\'a}xima verossimilhan{\c{c}}a (MAXVER) 
                         adaptado ao m{\'e}todo STRS. Os resultados foram avaliados pelo 
                         coeficiente Kappa para a totalidade da {\'a}rea em estudo e 
                         tamb{\'e}m para uma regi{\~a}o de latif{\'u}ndios e outra de 
                         minif{\'u}ndios. O m{\'e}todo STRS subestimou em 6,6% a 
                         {\'a}rea de soja para toda a regi{\~a}o estudada, sendo que a 
                         estat{\'{\i}}stica Kappa foi de 0,503. Para as regi{\~o}es de 
                         latif{\'u}ndios e minif{\'u}ndios, a {\'a}rea de soja foi 
                         superestimada em 8% (Kappa=0,424) e subestimada em 43,4% 
                         (Kappa=0,358), respectivamente. As imagens MODIS, por meio do 
                         m{\'e}todo STRS, demonstraram ter potencial para classificar a 
                         {\'a}rea de soja, principalmente em regi{\~o}es de 
                         latif{\'u}ndios. Em regi{\~o}es de minif{\'u}ndios, a correta 
                         identifica{\c{c}}{\~a}o e classifica{\c{c}}{\~a}o das 
                         {\'a}reas de soja mostrou-se pouco eficiente em raz{\~a}o da 
                         baixa resolu{\c{c}}{\~a}o espacial das imagens MODIS. ABSTRACT: 
                         This paper was aimed at evaluating the potential and the 
                         limitations of MODIS images for soybean classification and area 
                         estimation through a Spectral-Temporal Response Surface (STRS) 
                         method. A soybean thematic map from Rio Grande do Sul State, 
                         Brazil, derived from Landsat images was used as reference data to 
                         assist both sample training and results comparison. Six 16-day 
                         composite MODIS images were classified through a supervised 
                         maximum likelihood algorithm (MAXVER) adapted to the STRS method. 
                         The results were evaluated using the Kappa coefficient for the 
                         entire study area and for one region dominated by large farms and 
                         another by small ones. The STRS method underestimated the soybean 
                         area by 6.6%, for the entire study area, with a Kappa coefficient 
                         of 0.503. For regions with large and small farms the soybean area 
                         was overestimated by 8% (Kappa=0.424) and underestimated by 43.4% 
                         (Kappa=0.358), respectively. Eventually, MODIS images, through the 
                         STRS method, demonstrated good potential to classify and estimate 
                         soybean area, mainly in regions with large farms. For regions with 
                         small farms the correct identification and classification of 
                         soybean areas showed to be less efficient due to the low spatial 
                         resolution of MODIS images.",
                  doi = "10.1590/S0103-84782007000100019",
                  url = "http://dx.doi.org/10.1590/S0103-84782007000100019",
                 issn = "0103-8478",
             language = "pt",
           targetfile = "a19v37n1.pdf",
                  url = "http://dx.doi.org/10.1590/S0103-84782007000100019",
        urlaccessdate = "08 maio 2024"
}