@Article{DuftPico:2018:UsImSe,
               author = "Duft, Daniel Gaberllini and Picoli, Michelle Cristina 
                         Ara{\'u}jo",
          affiliation = "{Laborat{\'o}rio Nacional de Ci{\^e}ncia e Tecnologia do 
                         Bioetanol} and {Instituto Nacional de Pesquisas Espaciais 
                         (INPE)}",
                title = "Uso de imagens do sensor Modis para identifica{\c{c}}{\~a}o da 
                         seca na cana-de-a{\c{c}}{\'u}car atrav{\'e}s de 
                         {\'{\i}}ndices espectrais",
              journal = "Scientia Agraria",
                 year = "2018",
               volume = "19",
               number = "1",
                pages = "52--63",
                month = "jan.-mar.",
             keywords = "Imagem de sat{\'e}lite. SPI. An{\'a}lise espacial, Satellite 
                         images. SPI. Spatial analysis.",
             abstract = "A cana-de-a{\c{c}}{\'u}car {\'e} uma cultura de grande 
                         import{\^a}ncia econ{\^o}mica para o mundo, principalmente para 
                         o Brasil, onde representa 15% do PIB agr{\'{\i}}cola. Com as 
                         mudan{\c{c}}as clim{\'a}ticas globais, alguns fen{\^o}menos 
                         extremos tendem a acontecer com mais frequ{\^e}ncia, entre eles, 
                         a seca que tem castigado v{\'a}rias culturas agr{\'{\i}}colas. 
                         Apesar de ser uma planta resistente a seca, a ocorr{\^e}ncia 
                         causa d{\'e}ficits de produtividade na 
                         cana-de-a{\c{c}}{\'u}car, causando enormes preju{\'{\i}}zos 
                         aos produtores e um desequil{\'{\i}}brio no mercado de 
                         a{\c{c}}{\'u}car e combust{\'{\i}}veis. Para monitorar eventos 
                         de seca diversos {\'{\i}}ndices e m{\'e}todos, baseados em 
                         dados clim{\'a}ticos ou em imagens espectrais, foram criados, 
                         por{\'e}m nenhum deles {\'e} espec{\'{\i}}fico para a cultura 
                         da cana-de-a{\c{c}}{\'u}car. O trabalho testou alguns 
                         {\'{\i}}ndices espectrais do sensor MODIS capazes de monitorar 
                         de eventos de seca para a cana-de-a{\c{c}}{\'u}car. Esta 
                         avalia{\c{c}}{\~a}o foi realizada em duas etapas: uma temporal e 
                         uma espacial. Os {\'{\i}}ndices espectrais foram comparados com 
                         o SPI calculado para 1 e 3 meses. Foi observado que os 
                         {\'{\i}}ndices espectrais que melhor monitoram eventos de seca 
                         na cana de a{\c{c}}{\'u}car s{\~a}o o GVMI, NDWI e SRWI. 
                         {\'{\I}}ndices espectrais que n{\~a}o tiveram 
                         correla{\c{c}}{\~a}o com eventos de seca foram: o MSI e NDI7. 
                         ABSTRACT: Sugarcane has great economic importance to the world, 
                         especially to Brazil, where it represents 15% of agricultural GDP. 
                         The global climate change makes some extreme phenomena tend to 
                         happen more often, among them, the drought that has punished 
                         several agricultural crops. Despite being a drought resistant 
                         plant, the occurrence causes productivity deficits in sugarcane, 
                         causing huge losses to producers and an imbalance in the sugar and 
                         fuels market. To monitor drought events, several indices and 
                         methods, based on climatic data or spectral images, were created, 
                         but none of them are specific to the sugarcane crop. The paper 
                         tested some indexes of MODIS sensor, able to monitor drought 
                         events in sugarcane. This evaluation was carried out in two 
                         stages: time and space. The spectral indices were compared with 
                         the SPI calculated for 1 and 3 months. It has been observed that 
                         the best spectral indexes to sugarcane are GVMI, NDWI and SRWI. 
                         Spectral indexes that did not correlate with drought events: MSI 
                         and NDI7.",
                 issn = "1519-1125",
             language = "pt",
           targetfile = "duft_uso.pdf",
        urlaccessdate = "23 abr. 2024"
}