@Article{NevesBendKortFons:2016:CaStNo,
               author = "Neves, Alana Kasahara and Bendini, Hugo do Nascimento and Korting, 
                         Thales Sehn and Fonseca, Leila Maria Garcia",
          affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto 
                         Nacional de Pesquisas Espaciais (INPE)} and {Instituto Nacional de 
                         Pesquisas Espaciais (INPE)} and {Instituto Nacional de Pesquisas 
                         Espaciais (INPE)}",
                title = "Combining time series features and data mining to detect land 
                         cover patterns: a case study in northern Mato Grosso State, 
                         Brazil",
              journal = "Revista Brasileira de Cartografia",
                 year = "2016",
               volume = "68",
               number = "6",
                pages = "1133--1142",
             keywords = "Time Series, Data Mining, Land Cover, MODIS, S{\'e}ries 
                         Temporais, Minera{\c{c}}{\~a}o de Dados, Cobertura da Terra, 
                         MODIS.",
             abstract = "One product of the MODIS sensor (Moderate Resolution Imaging 
                         Spectroradiometer) is the EVI2 (Two Band Enhanced Vegetation 
                         Index). It generates images of around 23 observations each year, 
                         that combined can be interpreted as time series. This work 
                         presents the results of using two types of features obtained from 
                         EVI2 time series: basic and polar features. Such features were 
                         employed in automatic classifi cation for land cover mapping, and 
                         we compared the infl uence of using single pixel versus 
                         object-based observations. The features were used to generate 
                         classifi cation models using the Random Forest algorithm. Classes 
                         of interest included Agricultural Area, Pasture and Forest. 
                         Results achieved accuracies up to 91,70% for the northern region 
                         of Mato Grosso state, Brazil. RESUMO: Um dos produtos do sensor 
                         MODIS (Moderate Resolution Imaging Spectroradiometer) {\'e} o 
                         EVI2 (Two Band Enhanced Vegetation Index). O sensor {\'e} capaz 
                         de gerar cerca de 23 imagens da mesma regi{\~a}o por ano, que 
                         combinadas podem ser interpretadas como uma s{\'e}rie temporal. 
                         Esse trabalho apresenta os resultados do uso de dois tipos de 
                         atributos obtidos de s{\'e}ries temporais de EVI2: atributos 
                         b{\'a}sicos e polares. Tais atributos foram empregados na 
                         classifi ca{\c{c}}{\~a}o autom{\'a}tica para o mapeamento de 
                         cobertura da terra, e comparou-se a infl u{\^e}ncia da 
                         utiliza{\c{c}}{\~a}o de pixels versus observa{\c{c}}{\~o}es 
                         baseadas em objetos. Os atributos foram utilizados para gerar 
                         modelos de classifi ca{\c{c}}{\~a}o usando o algoritmo Random 
                         Forest. As classes de interesse inclu{\'{\i}}ram Agricultura 
                         Anual, Pastagem e Floresta. Os resultados atingiram taxas de 
                         acerto de at{\'e} 91,70% para a regi{\~a}o norte do Mato Grosso, 
                         Brasil.",
                 issn = "0560-4613 and 1808-0936",
             language = "en",
           targetfile = "neves2016combining-1.pdf",
        urlaccessdate = "21 maio 2024"
}