@Article{ReisDiAcMeBaFe:2020:MoSpDi,
               author = "Reis, Aliny Aparecida dos and Diniz, Juliana Maria Ferreira de 
                         Souza and Acerbi J{\'u}nior, Fausto Weimar and Mello, Jos{\'e} 
                         M{\'a}rcio de and Batista, Anderson Pedro Bernardina and Ferraz 
                         Filho, Antonio Carlos",
          affiliation = "{Universidade Federal de Lavras (UFLA)} and {Instituto Nacional de 
                         Pesquisas Espaciais (INPE)} and {Universidade Federal de Lavras 
                         (UFLA)} and {Universidade Federal de Lavras (UFLA)} and {Instituto 
                         Federal do Amap{\'a} (IFAP)} and {Universidade Federal do 
                         Piau{\'{\i}} (UFPI)}",
                title = "Modeling the spatial distribution of wood volume in a Cerrado 
                         Stricto Sensu remnant in Minas Gerais state, Brazil",
              journal = "Scientia Forestalis",
                 year = "2020",
               volume = "48",
               number = "125",
                pages = "e2844",
             keywords = "Geostatistical models, Landsat 5 TM imagery, Multiple linear 
                         regression, Regression kriging, Brazilian Savanna, Modelos 
                         geoestat{\'{\i}}sticos, Imagens Landsat 5 TM, Regress{\~a}o 
                         linear m{\'u}ltipla, Krigagem com regress{\~a}o, Cerrado.",
             abstract = "The Brazilian Savanna, the second largest biome in the country, 
                         has scarce information about its wood volume production. Since our 
                         aim was to contribute to the better wood volume characterization 
                         in Brazilian Savanna vegetation, we conducted a case study in a 
                         Cerrado Sensu Stricto remnant in Minas Gerais state, Brazil, using 
                         different approaches and datasets to model the spatial 
                         distribution of wood volume, including forest inventory data, 
                         remotely-sensed imagery, and geostatistical models. Wood volume 
                         data were obtained from a forest inventory carried out in the 
                         field. Spectral data were collected from a Landsat 5 TM satellite 
                         image, composed of spectral bands and vegetation indices. Ordinary 
                         kriging, multiple linear regression analysis, and regression 
                         kriging methods were used for wood volume estimation. Ordinary 
                         kriging resulted in estimates closer to each other in non-sampled 
                         areas (less variability) than the other methods for not 
                         considering information from these areas in the interpolation 
                         process. As multiple linear regression and regression kriging take 
                         into account the spectral data from remotely-sensed images, these 
                         methods provide higher discrimination potential for wood volume 
                         estimate mapping when vegetation presents high spatial 
                         heterogeneity, as in the Cerrado Sensu Stricto. Integration 
                         between field data, remotely-sensed imagery and geostatistical 
                         models provides a potential approach to spatially estimate wood 
                         volume in native vegetation. RESUMO: O Cerrado, segundo maior 
                         bioma brasileiro, possui escassas informa{\c{c}}{\~o}es sobre a 
                         sua produ{\c{c}}{\~a}o volum{\'e}trica. Assim, visando 
                         contribuir com a caracteriza{\c{c}}{\~a}o volum{\'e}trica do 
                         Cerrado, esse estudo foi realizado em um fragmento de Cerrado 
                         Sensu Stricto localizado em Minas Gerais, Brasil, usando 
                         diferentes abordagens e fontes de dados na modelagem da 
                         distribui{\c{c}}{\~a}o espacial do volume de madeira, incluindo 
                         dados do invent{\'a}rio florestal, imagens de sensoriamento 
                         remoto, e modelos geoestat{\'{\i}}sticos. Os dados 
                         volum{\'e}tricos foram obtidos a partir do invent{\'a}rio 
                         florestal. Os dados espectrais foram coletados em uma imagem 
                         Landsat 5 TM, e compostos por informa{\c{c}}{\~o}es de bandas 
                         espectrais e {\'{\i}}ndices de vegeta{\c{c}}{\~a}o. Foram 
                         utilizados os m{\'e}todos de krigagem ordin{\'a}ria, 
                         regress{\~a}o linear m{\'u}ltipla e krigagem com regress{\~a}o 
                         para a estimativa volum{\'e}trica. A krigagem ordin{\'a}ria 
                         resultou em estimativas mais pr{\'o}ximas umas das outras em 
                         {\'a}reas n{\~a}o amostradas (menor variabilidade) do que os 
                         outros m{\'e}todos por n{\~a}o considerar 
                         informa{\c{c}}{\~o}es dessas {\'a}reas no processo de 
                         interpola{\c{c}}{\~a}o. Por outro lado, a regress{\~a}o linear 
                         m{\'u}ltipla e a krigagem com regress{\~a}o consideram dados 
                         espectrais das imagens de sensoriamento remoto que proporcionam 
                         maior potencial de discrimina{\c{c}}{\~a}o durante o mapeamento 
                         volum{\'e}trico em casos onde a vegeta{\c{c}}{\~a}o apresenta 
                         alta variabilidade espacial, como o Cerrado Sensu Stricto. A 
                         integra{\c{c}}{\~a}o de dados de campo, imagens de sensoriamento 
                         remoto e modelos geoestat{\'{\i}}sticos fornecem uma abordagem 
                         potencial para a estimativa volum{\'e}trica em fragmentos de 
                         vegeta{\c{c}}{\~a}o nativa.",
                  doi = "10.18671/scifor.v48n125.15",
                  url = "http://dx.doi.org/10.18671/scifor.v48n125.15",
                 issn = "2318-1222",
             language = "en",
           targetfile = "reis_modeling.pdf",
        urlaccessdate = "28 abr. 2024"
}