@InProceedings{GarciaAbraSetzLibo:2018:VaPrÁr,
author = "Garcia, Beatriz Nunes and Abrantes, Julia and Setzer, Alberto
Waingort and Libonati, Renata",
affiliation = "{Universidade Federal do Rio de Janeiro (UFRJ)} and {Universidade
Federal do Rio de Janeiro (UFRJ)} and {Instituto Nacional de
Pesquisas Espaciais (INPE)} and {Universidade Federal do Rio de
Janeiro (UFRJ)}",
title = "Valida{\c{c}}{\~a}o do produto {\'a}rea queimada mensal 1Km
(MODIS)",
year = "2018",
organization = "Semin{\'a}rio de Inicia{\c{c}}{\~a}o Cient{\'{\i}}fica e
Inicia{\c{c}}{\~a}o em Desenvolvimento Tecnol{\'o}gico e
Inova{\c{c}}{\~a}o (SICINPE)",
note = "{Bolsa PIBIC/INPE/CNPq}",
abstract = "Durante os {\'u}ltimos anos, tem-se observado um grande
esfor{\c{c}}o no desenvolvimento de produtos que mapeiam as
{\'a}reas queimadas em escala global. Entretanto grandes
discrep{\^a}ncias persistem nos produtos globais tanto na
quantifica{\c{c}}{\~a}o da extens{\~a}o da {\'a}rea queimada
quanto na sua localiza{\c{c}}{\~a}o espacial e temporal. As
limita{\c{c}}{\~o}es dos algoritmos atuais que geram estimativas
de {\'a}reas queimadas sugerem a necessidade do processo
cont{\'{\i}}nuo de valida{\c{c}}{\~a}o para conhecer o grau de
confiabilidade (precis{\~a}o) e oferecer informa{\c{c}}{\~o}es
para melhorias. Este trabalho com in{\'{\i}}cio em agosto de
2017 tem como objetivo dar continuidade ao projeto de
Inicia{\c{c}}{\~a}o Cient{\'{\i}}fica de 2016 para a
valida{\c{c}}{\~a}o dos produtos de {\'a}rea queimada
provenientes do sensor MODIS. Os dados de refer{\^e}ncia para a
valida{\c{c}}{\~a}o s{\~a}o cicatrizes de {\'a}rea queimada
geradas pelo Grupo de Monitoramento de Queimadas do INPE, obtidas
a partir de imagens dos sensores a bordo dos sat{\'e}lites
Landsat 5 e 8, nomeadamente Thematic Mapper (TM) e Operational
Land Imager (OLI), com m{\'a}ximo de 10% de cobertura de nuvens.
Baseiam-se na aplica{\c{c}}{\~a}o de um algoritmo
semi-autom{\'a}tico e na mudan{\c{c}}a multitemporal entre
imagens. Os resultados da avalia{\c{c}}{\~a}o local dependem
n{\~a}o s{\'o} do algoritmo classificador, mas tamb{\'e}m dos
dados utilizados como refer{\^e}ncia. Por isso, {\'e}
fundamental que os dados de refer{\^e}ncia sejam confi{\'a}veis
e englobem o mesmo per{\'{\i}}odo de estudo, utilizando como
refer{\^e}ncia cicatrizes de {\'a}reas queimadas derivadas de
dados de m{\'e}dia resolu{\c{c}}{\~a}o do sat{\'e}lite LANDSAT
TM, no Cerrado brasileiro. No trabalho atual, foram calculados os
erros de omiss{\~a}o (OE) e de comiss{\~a}o (CE) para as
cole{\c{c}}{\~o}es 5 e 6 do produto MDC64 para mais de 20 cenas
dessa regi{\~a}o. Os erros de omiss{\~a}o raramente
alcan{\c{c}}aram valores classificados como bons, tendo os
melhores resultados a nova cole{\c{c}}{\~a}o 6. Observou-se que
a maioria das cenas com valores elevados de CE tamb{\'e}m
apresentou valores elevados de OE, principalmente em regi{\~o}es
de agricultura, devido {\`a} presen{\c{c}}a de {\'a}rea
queimada de pequena dimens{\~a}o e muito fragmentadas.",
conference-location = "S{\~a}o Jos{\'e} dos Campos, SP",
conference-year = "30-31 jul.",
language = "pt",
targetfile = "Garcia_validacao.pdf",
urlaccessdate = "27 abr. 2024"
}