Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/257507
Type: TESE
Degree Level: Doutorado
Title: Identificação de áreas, discriminação e estimativa de produção de culturas de verão por meio de produtos MODIS = Identification of areas, discrimination and estimated production of summer crops by MODIS products
Title Alternative: Identification of areas, discrimination and estimated production of summer crops by MODIS products
Author: Arraes, Christiano Luna, 1975-
Advisor: Lamparelli, Rubens Augusto Camargo, 1955-
Abstract: Resumo: Técnicas de sensoriamento remoto são úteis na determinação de áreas cultivadas, principalmente das commodities soja [Glycine max (L.) Merr.] e milho (Zea mays L.). Considerando que a Temperatura de Superfície Terrestre (TST) e o índice vegetativo Normalized Difference Vegetation Index (NDVI) podem auxiliar nas estimativas da produção destas culturas, o presente trabalho objetivou correlacionar os valores dessas variáveis e a produção das culturas de verão para uma série histórica de 11 anos, em microrregiões do Estado do Paraná. As máscaras de cultura de verão foram avaliadas por índice Kappa e exatidão global, encontrando valor médio superior a 0,68 e 84%, respectivamente. Ao avaliar a metodologia de geração de máscaras de cultura de verão utilizando equações polinomiais de segunda ordem com ajustes de R2 superior a 0,75, se obtêm Kappa igual a 0,86 e exatidão global de 93%, sendo ligeiramente superior aos resultados encontrados quando se utiliza a técnica de máximo-mínimo NDVI. Ao tentar diferenciar a soja do milho utilizando imagens orbitais os resultados mostram que em áreas com declividade acentuada não é possível separá-las, pois nestas áreas a ocorrência de confusão espectral dar-se de forma mais intensa, no entanto, em áreas planas foi possível distingui-las. As correlações lineares de Pearson entre os valores de TST e NDVI foram em média, superior a -0,58 na série temporal de 11 safras agrícolas. Os melhores coeficientes de determinação da regressão múltipla entre produção, NDVI e TST retornaram um valor médio de 64%, sendo um indicativo do potencial da TST e do NDVI em auxiliar as estimativas agrícolas. No entanto, a baixa resolução espacial das imagens de TST se torna um empecilho no monitoramento de pequenas áreas agrícolas, principalmente quando essas estão acometidas de nuvens

Abstract: Remote sensing techniques are useful in determining cultivated areas, mainly commodity crops as soybean [Glycine max (L.) Merr.] and corn (Zea mays L.). Considering that the Land Surface Temperature (LST) and the Normalized Difference Vegetation Index (NDVI) variables can estimate production of these crops, this study aimed to correlate the values of these variables and the production of summer crops for a historical series of 11 years at the State of Paraná, Brazil. Shades of summer crop were evaluated by Kappa coefficient and overall accuracy average value exceeding 0.68 and 84%, respectively. In evaluating the method of generating masks of summer crops using second order polynomial equations with adjustments R2 greater than 0.75, the Kappa coefficient was equal to 0.86 Kappa and overall accuracy of 93%, being slightly higher than the results obtained when using the maximum-minimum NDVI technique. When trying apart soy to corn using orbital images, the results showed that in areas with steep slopes is not possible to separate them, because in these areas the occurrence of spectral confusion occurs more intensely. However in flat areas it was possible to distinguish them. The Pearson linear correlation between LST and NDVI values returned an average value greater than -0.58 in the time series of 11 agricultural crops. The better determination coefficients of multiple regressions between production, NDVI and LST returned an average value around 64%, being an indicator of the potential of LST and NDVI in assisting agricultural estimates. However, the low spatial resolution images of the LST become an obstacle in monitoring small agricultural areas, especially when these are affected by clouds
Subject: Sensoriamento remoto
Soja
Milho
Processamento de imagens
Language: Multilíngua
Editor: [s.n.]
Date Issue: 2014
Appears in Collections:FEAGRI - Tese e Dissertação

Files in This Item:
File SizeFormat 
Arraes_ChristianoLuna_D.pdf5.44 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.