@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"
}