| Revista: | Ciencia rural |
| Base de datos: | PERIÓDICA |
| Número de sistema: | 000278314 |
| ISSN: | 0103-8478 |
| Autores: | Rudorff, Conrado de Moraes1 Rizzi, Rodrigo Rudorff, Bernardo Friedrich Theodor Sugawara, Luciana Miura Vieira, Carlos Antonio Oliveira2 |
| Instituciones: | 1Instituto Nacional de Pesquisas Espaciais, Divisao de Sensoriamento Remoto, Sao Jose dos Campos, Sao Paulo. Brasil 2Universidade Federal de Vicosa, Departamento de Engenharia Civil, Vicosa, Minas Gerais. Brasil |
| Año: | 2007 |
| Periodo: | Ene-Feb |
| Volumen: | 37 |
| Número: | 1 |
| Paginación: | 118-125 |
| País: | Brasil |
| Idioma: | Portugués |
| Tipo de documento: | Nota breve o noticia |
| Enfoque: | Analítico, crítico |
| Resumen en inglés | This paper was aimed at evaluating the potential and the limitations of MODIS images for soybean classification and area estimation through a Spectral-Temporal Response Surface (STRS) method. A soybean thematic map from Rio Grande do Sul State, Brazil, derived from Landsat images was used as reference data to assist both sample training and results comparison. Six 16-day composite MODIS images were classified through a supervised maximum likelihood algorithm (MAXVER) adapted to the STRS method. The results were evaluated using the Kappa coefficient for the entire study area and for one region dominated by large farms and another by small ones. The STRS method underestimated the soybean area by 6.6%, for the entire study area, with a Kappa coefficient of 0.503. For regions with large and small farms the soybean area was overestimated by 8% (Kappa=0.424) and underestimated by 43.4% (Kappa=0.358), respectively. Eventually, MODIS images, through the STRS method, demonstrated good potential to classify and estimate soybean area, mainly in regions with large farms. For regions with small farms the correct identification and classification of soybean areas showed to be less efficient due to the low spatial resolution of MODIS images |
| Resumen en portugués | Este trabalho objetivou avaliar o potencial e as limitações das imagens MODIS para classificação e estimativa de área de soja por meio do método de superfície de resposta espectro-temporal (Spectral-Temporal Response Surface - STRS). Um mapa temático das áreas com soja, oriundo da classificação de imagens Landsat do Estado do Rio Grande do Sul, foi utilizado como referência para auxiliar na orientação da amostragem dos pixels de treinamento e para a comparação dos resultados. Seis imagens compostas do sensor MODIS foram utilizadas para a classificação supervisionada da área de soja por meio do algoritmo de máxima verossimilhança (MAXVER) adaptado ao método STRS. Os resultados foram avaliados pelo coeficiente Kappa para a totalidade da área em estudo e também para uma região de latifúndios e outra de minifúndios. O método STRS subestimou em 6,6% a área de soja para toda a região estudada, sendo que a estatística Kappa foi de 0,503. Para as regiões de latifúndios e minifúndios, a área de soja foi superestimada em 8% (Kappa=0,424) e subestimada em 43,4% (Kappa=0,358), respectivamente. As imagens MODIS, por meio do método STRS, demonstraram ter potencial para classificar a área de soja, principalmente em regiões de latifúndios. Em regiões de minifúndios, a correta identificação e classificação das áreas de soja mostrou-se pouco eficiente em razão da baixa resolução espacial das imagens MODIS |
| Disciplinas: | Agrociencias, Ingeniería, Geografía |
| Palabras clave: | Suelos, Ingeniería ambiental, Geografía económica y regional, Percepción remota, Sistemas de Información Geográfica (SIG), Soya, Rio Grande do Sul, Brasil |
| Keyword: | Agricultural sciences, Engineering, Geography, Soils, Environmental engineering, Economic and regional geography, Remote sensing, Geographic Information Systems (GIS), Soybean, Rio Grande do Sul, Brazil |
| Texto completo: | Texto completo (Ver HTML) |
