Mapping deciduous forests by using time series of filtered MODIS NDVI and neural networks

Oliveira, Thomaz Chaves de Andrade; Carvalho, Luis Marcelo Tavares de; Oliveira, Luciano Teixeira de; Martinhago, Adriana Zanella; Acerbi Júnior, Fausto Weimar; Lima, Mariana Peres de

Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/14002

metadata.revistascielo.dc.title:	Mapping deciduous forests by using time series of filtered MODIS NDVI and neural networks
metadata.revistascielo.dc.title.alternative:	Mapamento de florestas decícuas através de redes neurais artificiais e séries temporais de NDVI MODIS
metadata.revistascielo.dc.creator:	Oliveira, Thomaz Chaves de Andrade Carvalho, Luis Marcelo Tavares de Oliveira, Luciano Teixeira de Martinhago, Adriana Zanella Acerbi Júnior, Fausto Weimar Lima, Mariana Peres de
metadata.revistascielo.dc.subject:	Remote sensing Signal processing Time series Wavelets analysis Fourier Sensoriamento remoto Processamento de sinais Séries temporais Análise wavelet
metadata.revistascielo.dc.publisher:	Universidade Federal de Lavras (UFLA), Departamento de Ciências Florestais (DCF)
metadata.revistascielo.dc.date:	29-Oct-2015
metadata.revistascielo.dc.identifier.citation:	OLIVEIRA, T. C. de A. et al. Mapping deciduous forests by using time series of filtered MODIS NDVI and neural networks. CERNE, Lavras, v. 16, n. 2, p. 123-130, abr./jun. 2010.
metadata.revistascielo.dc.description.resumo:	Imagens multitemporais são de pronominal uso no Sensoriamento Remoto, para o monitoramento e classificação davegetação. As decorrentes assinaturas temporais da vegetação possuem muitos desafios na sua utilização em razão da elevadarelação sinal/ruído. Este estudo investigou dois métodos para gerar assinaturas temporais suavizadas de vegetação do índice devegetação de diferença normalizada (NDVI), sendo estas originadas do sensor MODIS. As técnicas de filtragem utilizadas foram oalgoritmo baseado em Fourier HANTS e algoritmo Wavelet Temporal que utiliza análise Wavelet. O estudo foi conduzido em 4diferentes conjuntos de dados, correspondente a áreas separadas geograficamente no estado de Minas Gerais. Para realizar acomparação entre as séries temporais filtradas pelos diferentes algoritmos, as séries filtradas foram utilizadas como entradas dedados para classificação da vegetação em diferentes fitofisionomias. A Classificação foi feita por meio das redes neurais artificiais. Oresultado dessa classificação mostrou similaridade entre os métodos de filtragem de séries temporais NDVI comparados neste trabalho.
metadata.revistascielo.dc.description.abstract:	Multi-temporal images are now of standard use in remote sensing of vegetation during monitoring and classification.Temporal vegetation signatures (i. e., vegetation indices as functions of time) generated, poses many challenges, primarily due tosignal to noise-related issues. This study investigates which methods generate the most appropriate smoothed curves of vegetationsignatures on MODIS NDVI time series. The filtering techniques compared were the HANTS algorithm which is based on Fourieranalyses and Wavelet temporal algorithm which uses the wavelet analysis to generate the smoothed curves. The study was conductedin four different regions of the Minas Gerais State. The smoothed data were used as input data vectors for vegetation classificationby means of artificial neural networks for comparison purpose. A comparison of the results was ultimately discussed in this workshowing encouraging results and similarity between the two filtering techniques used.
metadata.revistascielo.dc.identifier:	http://www.cerne.ufla.br/site/index.php/CERNE/article/view/673
metadata.revistascielo.dc.language:	eng
Appears in Collections:	CERNE

Files in This Item:

There are no files associated with this item.

Show full item record Recommend this item