Mapamento de florestas decícuas através de redes neurais artificiais e séries temporais de NDVI MODIS
AUTOR(ES)
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
FONTE
CERNE
DATA DE PUBLICAÇÃO
2010-06
RESUMO
Imagens 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.
ASSUNTO(S)
sensoriamento remoto processamento de sinais análise wavelets fourier
Documentos Relacionados
- Aplicação de Redes Neurais Artificiais (RNAs) no Preenchimento de Falhas de Séries Temporais Meteorológicas
- ARTIFICIAL NEURAL NETWORKS IN TIME SERIES FORECASTING
- APLICAÇÃO DE REDES NEURAIS ARTIFICIAIS NO TRATAMENTO DE DADOS AGROMETEOROLÓGICOS VISANDO A CORREÇÃO DE SÉRIES TEMPORAIS
- Analise e previsões de vasões utilizando modelos de series temporais, redes neurais e redes neurais nebulosas
- Otimização de sistemas atraves de redes neurais artificiais
