@Article{ShimabukuroDutrArai:2020:CoTeAl,
               author = "Shimabukuro, Yosio Edemir and Dutra, Andeise Cerqueira and Arai, 
                         Eg{\'{\i}}dio",
          affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto 
                         Nacional de Pesquisas Espaciais (INPE)} and {Instituto Nacional de 
                         Pesquisas Espaciais (INPE)}",
                title = "Modelo Linear de Mistura Espectral: Conceitos Te{\'o}ricos, 
                         Algoritmos e Aplica{\c{c}}{\~o}es em Estudos na Amaz{\^o}nia 
                         Legal",
              journal = "Revista Brasileira de Cartografia",
                 year = "2020",
               volume = "72",
               number = "Esp.",
                pages = "1140--1169",
             keywords = "M{\'{\i}}nimos Quadrados com Restri{\c{c}}{\~a}o. 
                         Desmatamento. Corte Seletivo. Queimada. Uso e Cobertura da Terra, 
                         Constrained Least Squares. Deforestation. Selective Logging. 
                         Burning. Land Use and Land Cover.",
             abstract = "Este trabalho apresenta uma revis{\~a}o sobre o Modelo Linear de 
                         Mistura Espectral e suas aplica{\c{c}}{\~o}es na Amaz{\^o}nia 
                         Legal. Os estudos sobre mistura espectral iniciaram na d{\'e}cada 
                         de 1970, motivada pelo problema na estimativa de {\'a}reas obtida 
                         por interpreta{\c{c}}{\~a}o autom{\'a}tica. O pixel era 
                         classificado ou n{\~a}o baseado na m{\'a}xima probabilidade 
                         desse pixel pertencer a determinada classe, superestimando ou 
                         subestimando esta classe de acordo com a decis{\~a}o tomada. 
                         Surgiu ent{\~a}o o interesse no estudo da mistura espectral 
                         dentro do pixel. A resposta de cada pixel pode ser considerada 
                         como uma combina{\c{c}}{\~a}o linear das respostas espectrais de 
                         cada componente que est{\'a} na mistura desse pixel. Dessa forma, 
                         conhecendo-se as respostas espectrais dos componentes, podemos 
                         obter as propor{\c{c}}{\~o}es desses componentes (imagens 
                         fra{\c{c}}{\~a}o). Neste trabalho s{\~a}o apresentados os 
                         conceitos te{\'o}ricos que motivaram o desenvolvimento desse 
                         modelo, e s{\~a}o descritos os algoritmos (M{\'{\i}}nimos 
                         Quadrados com Restri{\c{c}}{\~a}o, M{\'{\i}}nimos Quadrados 
                         Ponderados, Principais Componentes) desenvolvidos na d{\'e}cada 
                         de 1980. Com a disponibilidade desses algoritmos em softwares de 
                         processamento de imagens digitais na d{\'e}cada de 1990, aumentou 
                         o n{\'u}mero de trabalhos que fazem uso dessa t{\'e}cnica no 
                         Brasil e no mundo. As imagens fra{\c{c}}{\~a}o foram utilizadas 
                         para automatizar o Projeto PRODES (Monitoramento do Desmatamento 
                         da Floresta Amaz{\^o}nica Brasileira por Sat{\'e}lite) que foi o 
                         primeiro projeto operacional sistem{\'a}tico de Sensoriamento 
                         Remoto orbital. A seguir {\'e} apresentada a 
                         utiliza{\c{c}}{\~a}o das imagens fra{\c{c}}{\~a}o em estudos 
                         realizados na Amaz{\^o}nia brasileira. Al{\'e}m disso, {\'e} 
                         apresentada uma perspectiva de uso das imagens fra{\c{c}}{\~a}o 
                         em estudos globais. Em conclus{\~a}o, o Modelo Linear de Mistura 
                         Espectral tem contribu{\'{\i}}do para o desenvolvimento de 
                         v{\'a}rias pesquisas e aplica{\c{c}}{\~o}es de Sensoriamento 
                         Remoto devido as suas caracter{\'{\i}}sticas de 
                         redu{\c{c}}{\~a}o de dados e por real{\c{c}}ar os alvos de 
                         interesse nas imagens. ABSTRACT: : This paper presents a review of 
                         the Linear Spectral Mixing Model and its applications in the Legal 
                         Amazon. Studies on spectral mixture began in the 1970s, motivated 
                         by the problem of area estimation obtained by automatic 
                         interpretation. The pixel was classified or not based on the 
                         maximum probability of this pixel to belong to a given class, then 
                         overestimating or underestimating this class according to the 
                         decision made. Thus, interest in the study of the spectral mixture 
                         within the pixel arose. The response of each pixel can be 
                         considered as a linear combination of the spectral responses of 
                         each component that is within the pixel. Thus, knowing the 
                         spectral responses of the components, we can obtain the 
                         proportions of these components (fraction images). This paper 
                         presents the theoretical concepts that motivated the development 
                         of this model, and the algorithms (Constrained Least Squares, 
                         Weighted Least Squares, Principal Components) developed in the 
                         1980s are described. With the availability of these algorithms in 
                         the digital image processing softwares in the 1990s, the number of 
                         studies using this technique increased in Brazil and worldwide. 
                         The fraction images were used to automate the PRODES Project 
                         (Monitoring deforestation of the Brazilian Amazon Forest by 
                         Satellite) which was the first systematic operational project of 
                         orbital Remote Sensing. Following the use of fraction images in 
                         studies conducted in the Brazilian Amazon are presented. In 
                         addition, a perspective of use of fraction images for global 
                         studies is presented. In conclusion, the Linear Spectral Mixture 
                         Model has contributed to the development of several research and 
                         applications of Remote Sensing due to its data reduction 
                         characteristics and by highlighting the targets of interest in the 
                         images.",
                  doi = "10.14393/rbcv72nespecial50anos-56559",
                  url = "http://dx.doi.org/10.14393/rbcv72nespecial50anos-56559",
                 issn = "0560-4613 and 1808-0936",
             language = "pt",
           targetfile = "shimabukuro_modelo.pdf",
        urlaccessdate = "18 abr. 2024"
}