Fechar
Metadados

Área de identificação
Tipo de ReferênciaJournal Article
Sitemtc-m21c.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W34R/3SA3KK2
Repositóriosid.inpe.br/mtc-m21c/2018/11.27.10.12   (acesso restrito)
Última Atualização2018:11.27.10.12.05 simone
Metadadossid.inpe.br/mtc-m21c/2018/11.27.10.12.05
Última Atualização dos Metadados2019:01.14.17.06.39 administrator
DOI10.1016/j.isprsjprs.2018.08.007
ISSN0924-2716
Chave de CitaçãoPicoliCSSCMCEABAA:2018:BiEaOb
TítuloBig earth observation time series analysis for monitoring Brazilian agriculture
Ano2018
MêsNov.
Data de Acesso17 abr. 2021
Tipo de Trabalhojournal article
Número de Arquivos1
Tamanho3483 KiB
Área de contextualização
Autor 1 Picoli, Michelle Cristina Araújo
 2 Camara, Gilberto
 3 Sanches, Ieda Del'Arco
 4 Simões, Rolf Ezequiel de Oliveira
 5 Carvalho, Alexandre
 6 Maciel, Adeline Marinho
 7 Coutinho, Alexandre
 8 Esquerdo, Julio
 9 Antunes, João
10 Begotti, Rodrigo Anzolin
11 Arvor, Damien
12 Almeida, Cláudio Aparecido de
Identificador de Curriculo 1
 2 8JMKD3MGP5W/3C9JHB8
Grupo 1 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
 2 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
 3 DIDSR-CGOBT-INPE-MCTIC-GOV-BR
 4 CAP-COMP-SESPG-INPE-MCTIC-GOV-BR
 5
 6 SER-SRE-SESPG-INPE-MCTIC-GOV-BR
 7
 8
 9
10 SER-SRE-SESPG-INPE-MCTIC-GOV-BR
11
12 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
Afiliação 1 Instituto Nacional de Pesquisas Espaciais (INPE)
 2 Instituto Nacional de Pesquisas Espaciais (INPE)
 3 Instituto Nacional de Pesquisas Espaciais (INPE)
 4 Instituto Nacional de Pesquisas Espaciais (INPE)
 5 Instituto de Pesquisa Economica Aplicada (IPEA)
 6 Instituto Nacional de Pesquisas Espaciais (INPE)
 7 Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA)
 8 Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA)
 9 Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA)
10 Instituto Nacional de Pesquisas Espaciais (INPE)
11 Universite de Rennes
12 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor 1 michelle.picoli@inpe.br
 2 gilberto.camara@inpe.br
 3 ieda.sanches@inpe.br
 4 rolf.simoes@inpe.br
 5 alexandre.ywata@ipea.gov.br
 6 adeline.maciel@inpe.br
 7 alex.coutinho@embrapa.br
 8 julio.esquerdo@embrapa.br
 9 joao.antunes@embrapa.br
10 rodrigo.begotti@inpe.br
11
12 claudio.almeida@inpe.br
RevistaISPRS Journal of Photogrammetry and Remote Sensing
Volume145
NúmeroB
Páginas328-339
Tipo SecundárioPRE PI
Nota SecundáriaA1_GEOCIÊNCIAS A2_INTERDISCIPLINAR A2_CIÊNCIAS_AMBIENTAIS B1_ENGENHARIAS_IV B1_BIODIVERSIDADE C_CIÊNCIAS_AGRÁRIAS_I
Histórico2018-11-27 10:12:05 :: simone -> administrator ::
2018-11-27 10:12:05 :: administrator -> simone :: 2018
2018-11-27 10:13:49 :: simone -> administrator :: 2018
2019-01-04 16:57:14 :: administrator -> simone :: 2018
2019-01-07 10:56:29 :: simone -> administrator :: 2018
2019-01-14 17:06:39 :: administrator -> simone :: 2018
Área de conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteudoExternal Contribution
Tipo de Versãopublisher
Palavras-ChaveBig earth observation data, Land use science, Satellite image time series, Crop expansion, Brazilian Amazonia biome, Brazilian Cerrado biome, Tropical deforestation.
ResumoThis paper presents innovative methods for using satellite image time series to produce land use and land cover classification over large areas in Brazil from 2001 to 2016. We used Moderate Resolution Imaging Spectroradiometer (MODIS) time series data to classify natural and human-transformed land areas in the state of Mato Grosso, Brazil's agricultural frontier. Our hypothesis is that building high-dimensional spaces using all values of the time series, coupled with advanced statistical learning methods, is a robust and efficient approach for land cover classification of large data sets. We used the full depth of satellite image time series to create large dimensional spaces for statistical classification. The data consist of MODIS MOD13Q1 time series with 23 samples per year per pixel, and 4 bands (Normalized Difference Vegetation Index (NDVI), Enhanced Vegetation Index (EVI), near-infrared (nir) and mid-infrared (mir)). By taking a series of labelled time series, we fed a 92 dimensional attribute space into a support vector machine model. Using a 5-fold cross validation, we obtained an overall accuracy of 94% for discriminating among nine land cover classes: forest, cerrado, pasture, soybean fallow, fallow-cotton, soybean-cotton, soybean-corn, soybean-millet, and soybean-sunflower. Producer and user accuracies for all classes were close to or better than 90%. The results highlight important trends in agricultural intensification in Mato Grosso. Double crop systems are now the most common production system in the state, sparing land from agricultural production. Pasture expansion and intensification has been less studied than crop expansion, although it has a stronger impact on deforestation and greenhouse gas (GHG) emissions. Our results point to a significant increase in the stocking rate in Mato Grosso and to the possible abandonment of pasture areas opened in the state's frontier. The detailed land cover maps contribute to an assessment of the interplay between production and protection in the Brazilian Amazon and Cerrado biomes.
AreaSRE
Arranjo 1INPE > Produção > DIDPI > Big earth observation...
Arranjo 2INPE > Produção > DIDSR > Big earth observation...
Arranjo 3INPE > Produção > CAP > Big earth observation...
Arranjo 4INPE > Produção > SER > Big earth observation...
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 27/11/2018 08:12 1.0 KiB 
Área de condições de acesso e uso
Idiomaen
Arquivo Alvopicoli_big.pdf
Grupo de Usuáriossimone
Grupo de Leitoresadministrator
simone
Visibilidadeshown
Política de Arquivamentodenypublisher denyfinaldraft24
Permissão de Leituradeny from all and allow from 150.163
Permissão de Atualizaçãonão transferida
Área de fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/3EQCCU5
8JMKD3MGPCW/3ER446E
8JMKD3MGPCW/3F2PHGS
8JMKD3MGPCW/3F3NU5S
DivulgaçãoWEBSCI; PORTALCAPES; COMPENDEX; SCOPUS.
Acervo Hospedeirourlib.net/www/2017/11.22.19.04
Área de notas
Campos Vaziosalternatejournal archivist callnumber copyholder copyright creatorhistory descriptionlevel e-mailaddress format isbn label lineage mark mirrorrepository nextedition notes orcid parameterlist parentrepositories previousedition previouslowerunit progress project rightsholder secondarydate secondarykey session shorttitle sponsor subject tertiarymark tertiarytype url
Área de controle da descrição
e-Mail (login)simone
atualizar 

Fechar