Mapping deciduous forests by using time series of filtered modis nfvi and neural networks

Página do item simplificado
dc.creatorOliveira, Thomaz C. de A.
dc.creatorCarvalho, Luis Marcelo Tavares de
dc.creatorOliveira, Luciano T. de
dc.creatorMartinhago, Adriana Z.
dc.creatorJúnior, Fausto W. A.
dc.creatorLima, Mariana P. de
dc.date.accessioned2013-08-07T13:51:59Z
dc.date.available2013-08-07T13:51:59Z
dc.date.issued2010
dc.description.abstractMulti-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 to signal to noise-related issues. This study investigates which methods generate the most appropriate smoothed curves of vegetation signatures on MODIS NDVI time series. The filtering techniques compared were the HANTS algorithm which is based on Fourier analyses and Wavelet temporal algorithm which uses the wavelet analysis to generate the smoothed curves. The study was conducted in four different regions of the Minas Gerais State. The smoothed data were used as input data vectors for vegetation classification by means of artificial neural networks for comparison purpose. A comparison of the results was ultimately discussed in this work showing encouraging results and similarity between the two filtering techniques used.pt_BR
dc.description.resumoImagens multitemporais são de pronominal uso no Sensoriamento Remoto, para o monitoramento e classificação da vegetação. As decorrentes assinaturas temporais da vegetação possuem muitos desafios na sua utilização em razão da elevada relação sinal/ruído. Este estudo investigou dois métodos para gerar assinaturas temporais suavizadas de vegetação do índice de vegetação de diferença normalizada (NDVI), sendo estas originadas do sensor MODIS. As técnicas de filtragem utilizadas foram o algoritmo baseado em Fourier HANTS e algoritmo Wavelet Temporal que utiliza análise Wavelet. O estudo foi conduzido em 4 diferentes conjuntos de dados, correspondente a áreas separadas geograficamente no estado de Minas Gerais. Para realizar a comparação entre as séries temporais filtradas pelos diferentes algoritmos, as séries filtradas foram utilizadas como entradas de dados para classificação da vegetação em diferentes fitofisionomias. A Classificação foi feita por meio das redes neurais artificiais. O resultado dessa classificação mostrou similaridade entre os métodos de filtragem de séries temporais NDVI comparados neste trabalho.pt_BR
dc.identifier.citationOLIVEIRA, T. C. de A. et al. Mapping deciduous forests by using time series of filtered MODIS NDVI and neural networks. Cerne, Lavras, MG, v. 16, n. 2, p. 123-130, abr./jun. 2010.pt_BR
dc.identifier.urihttps://repositorio.ufla.br/handle/1/874
dc.languageenpt_BR
dc.publisherUniversidade Federal de Lavraspt_BR
dc.rightsacesso abertopt_BR
dc.sourceCernept_BR
dc.subjectRemote sensingpt_BR
dc.subjectSignal processingpt_BR
dc.subjectTime seriespt_BR
dc.subjectWavelets analysispt_BR
dc.subjectFourierpt_BR
dc.subjectSensoriamento remotopt_BR
dc.subjectProcessamento de sinaispt_BR
dc.subjectAnálise waveletspt_BR
dc.titleMapping deciduous forests by using time series of filtered modis nfvi and neural networkspt_BR
dc.title.alternativeMapeamento de florestas decíduas através de redes neurais artificiais e séries temporais de ndvi modispt_BR
dc.typeArtigopt_BR

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
ARTIGO_Mapping deciduous forests by using time series of filtered MODIS NDVI and neural networks
Tamanho:
2.56 MB
Formato:
Adobe Portable Document Format
Baixar

Licença do pacote

Agora exibindo 1 - 1 de 1
Imagem de Miniatura
Nome:
license.txt
Tamanho:
953 B
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

DCF - Artigos publicados em periódicos