@MastersThesis{Veras:2013:AvErAl,
               author = "Veras, Luiz Gustavo Diniz de Oliveira",
                title = "Avalia{\c{c}}{\~a}o de erros de aloca{\c{c}}{\~a}o de modelos 
                         de mudan{\c{c}}as de uso e cobertura da terra na Amaz{\^o}nia",
               school = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                 year = "2013",
              address = "S{\~a}o Jos{\'e} dos Campos",
                month = "2013-23-05",
             keywords = "modelos de uso e cobertura da terra (LUCC), m{\'e}tricas de 
                         qualidade, erros de aloca{\c{c}}{\~a}o, Land Use Cover Change 
                         (LUCC), Goodness-of-fit, top-down, alocation error.",
             abstract = "Este trabalho apresenta uma metodologia de estimativa de erros de 
                         aloca{\c{c}}{\~a}o de modelos de uso e cobertura da terra. Esse 
                         m{\'e}todo foca no submodelo de aloca{\c{c}}{\~a}o dos modelos 
                         LUCC (Land Use Cover and Change) top-down, agregando as 
                         diferen{\c{c}}as entre as c{\'e}lulas de espa{\c{c}}os 
                         celulares para calcular os erros. Nessa metodologia, mapas anuais 
                         s{\~a}o agregados com o objetivo de expressar o erro de um modelo 
                         para o incremento de um intervalo de tempo. As principais 
                         metodologias de medidas de erros espaciais, tamb{\'e}m conhecidas 
                         como \textit{goodness-of-fit}, consideram somente um instante de 
                         tempo em suas compara{\c{c}}{\~o}es, quase sempre n{\~a}o 
                         verificando essas mudan{\c{c}}as em diferentes momentos, que 
                         podem estar sobre diferentes restri{\c{c}}{\~o}es e 
                         condi{\c{c}}{\~o}es. Com a maior disponibilidade de dados 
                         temporais por {\'o}rg{\~a}os e institui{\c{c}}{\~o}es de 
                         pesquisas espaciais, fica vi{\'a}vel a aplica{\c{c}}{\~a}o 
                         dessas metodologias a diversos instantes de tempo de 
                         simula{\c{c}}{\~a}o e o c{\'a}lculo dos erros correspondentes 
                         ao intervalo de tempo desses instantes. A metodologia para a 
                         estimativa do erro de aloca{\c{c}}{\~a}o foi implementada no 
                         \textit{framework} de modelagem espacial chamado TerraME, que 
                         fornece fun{\c{c}}{\~o}es de leitura e manipula{\c{c}}{\~a}o 
                         de banco de dados espaciais. Como exemplo de 
                         aplica{\c{c}}{\~a}o, tr{\^e}s diferentes modelos que simulam o 
                         desmatamento na Amaz{\^o}nia Legal s{\~a}o verificados, 
                         utilizando os dados do programa PRODES como fonte de 
                         refer{\^e}ncia para as compara{\c{c}}{\~o}es. Os dados 
                         utilizados s{\~a}o representados como espa{\c{c}}o celular, com 
                         c{\'e}lulas de resolu{\c{c}}{\~a}o 25 x 25km\$^{2}\$. Mapas 
                         anuais s{\~a}o apresentados na resolu{\c{c}}{\~a}o temporal de 
                         um ano para o intervalo de 2003 a 2011. Este trabalho busca 
                         refletir a import{\^a}ncia das m{\'e}tricas de qualidade no 
                         desenvolvimento e eleva{\c{c}}{\~a}o da qualidade de modelos 
                         LUCC. ABSTRACT: This work introduces a new methodology to measure 
                         allocation errors of land use cover and change models, evaluating 
                         allocation changes of estimates, to examine how models results fit 
                         to real changes in space and time. The measures of spatial error 
                         are known as goodness-of-fitness metrics. Furthermore, the 
                         methodologies from literature work with just one moment of time, 
                         and do not include changes between steps of simulations, where 
                         this changes can be on different conditions and constraints. 
                         Nowadays, a large amount of data is available by public spatial 
                         institutions allowing computation of models error at different 
                         time steps. The tests with the new metric were implemented with 
                         TerraME framework, a dynamic spatial engine to manipulate and 
                         store spatial data. Three models of Legal Amazon deforestation 
                         were used to test the new metric, using PRODES system data as 
                         reference to compute errors. The methodology is applied to 
                         different time steps and total increment from time period 
                         considered. The time extent considered is 2003 to 2011. The data 
                         is represented by cellular spaces with 25 x 25Km\$^{2}\$ 
                         resolution. This work aims to reinforce the importance of 
                         goodness-of-fit in spatial models quality and modeling.",
          affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)}",
            committee = "Monteiro, Ant{\^o}nio Miguel Vieira (presidente) and C{\^a}mara, 
                         Gilberto (orientador) and Vinhas, L{\'u}bias and Quintanilha, 
                         Jos{\'e} Alberto",
           copyholder = "SID/SCD",
         englishtitle = "Allocation error estimative of Amazon land use and land cover 
                         change models",
             language = "pt",
                pages = "125",
                  ibi = "8JMKD3MGP7W/3E6BKKS",
                  url = "http://urlib.net/ibi/8JMKD3MGP7W/3E6BKKS",
           targetfile = "publicacao.pdf",
        urlaccessdate = "12 maio 2024"
}