The assessment of vegetation seasonal dynamics using multitemporal NDVI and EVI images derived from MODIS
O objetivo deste trabalho foi caracterizar a dinâmica sazonal do cerrado, floresta estacional semidecidual e decidual no norte do estado de Minas Gerais, Brasil. Séries multitemporais dos índices de vegetação NDVI (índice de vegetação da diferença normalizada) e EVI (índice de vegetação melhorado) d...
| Autores: | , , , |
|---|---|
| Tipo de recurso: | artículo |
| Estado: | Versión publicada |
| Fecha de publicación: | 2008 |
| País: | Brasil |
| Institución: | Universidade Federal de Lavras (UFLA) |
| Repositorio: | Repositório Institucional da UFLA |
| Idioma: | inglés |
| OAI Identifier: | oai:repositorio.ufla.br:1/12019 |
| Acceso en línea: | https://repositorio.ufla.br/handle/1/12019 |
| Access Level: | acceso abierto |
| Palabra clave: | Remote sensing Time series Vegetation indies Sensoriamento remoto Série multitemporal Índices de vegetação |
| Sumario: | O objetivo deste trabalho foi caracterizar a dinâmica sazonal do cerrado, floresta estacional semidecidual e decidual no norte do estado de Minas Gerais, Brasil. Séries multitemporais dos índices de vegetação NDVI (índice de vegetação da diferença normalizada) e EVI (índice de vegetação melhorado) derivados do sensor MODIS, foram comparadas analisando o perfil temporal e os resultados de classificação das imagens. Os resultados mostraram que: (1) Os índices de vegetação estudados refletiram o padrão sazonal das fisionomias, diferenciando os períodos chuvosos e os períodos de seca; (2) a fisionomia floresta estacional decidual apresentou menores valores dos índices e maior variação; (3) as fisionomias cerrado e floresta estacional semidecidual apresentaram alto valores dos índices e baixa variação; (4) de acordo com os resultados das classificações o melhor índice para o mapeamento das fisionomias na área de estudo foi o NDVI, porém ambos podem ser usados para avaliar a dinâmica sazonal da vegetação; e (5) estudos precisam ser realizados explorando algoritmos de extração de feições para melhorar a acuracidade do mapeamento das fisionomias cerrado, floresta decídua e semidecidua na área de estudo. |
|---|