| 1. Identificação | ||||
| Tipo de Referência | Artigo em Revista Científica (Journal Article) | |||
| Site | mtc-m21c.sid.inpe.br | |||
| Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S | |||
| Identificador | 8JMKD3MGP3W34R/42KF4AE | |||
| Repositório | sid.inpe.br/mtc-m21c/2020/06.05.14.44 (acesso restrito) | |||
| Última Atualização | 2020:06.05.14.44.22 (UTC) simone | |||
| Repositório de Metadados | sid.inpe.br/mtc-m21c/2020/06.05.14.44.22 | |||
| Última Atualização dos Metadados | 2022:01.04.01.35.11 (UTC) administrator | |||
| DOI | 10.3390/land9050139 | |||
| ISSN | 2073-445X | |||
| Chave de Citação | CassolArSaDuHoSh:2020:MaFrIm | |||
| Título | Maximum fraction images derived from year-based Project for On-Board Autonomy-Vegetation (PROBA-V) data for the rapid assessment of land use and land cover areas in Mato Grosso State, Brazil  | |||
| Ano | 2020 | |||
| Data de Acesso | 02 maio 2024 | |||
| Tipo de Trabalho | journal article | |||
| Tipo Secundário | PRE PI | |||
| Número de Arquivos | 1 | |||
| Tamanho | 17642 KiB | |||
| 2. Contextualização | ||||
| Autor | 1 Cassol, Henrique Luis Godinho 2 Arai, Egídio 3 Sano, Edson Eyji 4 Dutra, Andeise Cerqueira 5 Hoffmann, Tânia Beatriz 6 Shimabukuro, Yosio Edemir | |||
| Identificador de Curriculo | 1 2 8JMKD3MGP5W/3C9JGUP 3 4 5 6 8JMKD3MGP5W/3C9JJCQ | |||
| ORCID | 1 2 3 4 0000-0002-4454-7732 | |||
| Grupo | 1 SER-SRE-SESPG-INPE-MCTIC-GOV-BR 2 DIDSR-CGOBT-INPE-MCTIC-GOV-BR 3 4 SESID-GBDIR-INPE-MCTIC-GOV-BR 5 SER-SRE-SESPG-INPE-MCTIC-GOV-BR 6 DIDSR-CGOBT-INPE-MCTIC-GOV-BR | |||
| Afiliação | 1 Instituto Nacional de Pesquisas Espaciais (INPE) 2 Instituto Nacional de Pesquisas Espaciais (INPE) 3 Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA) 4 Instituto Nacional de Pesquisas Espaciais (INPE) 5 Instituto Nacional de Pesquisas Espaciais (INPE) 6 Instituto Nacional de Pesquisas Espaciais (INPE) | |||
| Endereço de e-Mail do Autor | 1 henrique.cassol@inpe.br 2 egidio.arai@inpe.br 3 edson.sano@embrapa.br 4 andeise.dutra@inpe.br 5 tania.hoffmann@inpe.br 6 yosio.shimabukuro@inpe.br | |||
| Revista | Land | |||
| Volume | 9 | |||
| Páginas | e139 | |||
| Histórico (UTC) | 2020-06-05 14:44:47 :: simone -> administrator :: 2020 2020-06-07 08:43:43 :: administrator -> simone :: 2020 2020-06-23 22:41:08 :: simone -> administrator :: 2020 2022-01-04 01:35:11 :: administrator -> simone :: 2020 | |||
| 3. Conteúdo e estrutura | ||||
| É a matriz ou uma cópia? | é a matriz | |||
| Estágio do Conteúdo | concluido | |||
| Transferível | 1 | |||
| Tipo do Conteúdo | External Contribution | |||
| Tipo de Versão | publisher | |||
| Palavras-Chave | spectral unmixing machine learning fraction images cloud computing | |||
| Resumo | This paper presents a new approach for rapidly assessing the extent of land use and land cover (LULC) areas in Mato Grosso state, Brazil. The novel idea is the use of an annual time series of fraction images derived from the linear spectral mixing model (LSMM) instead of original bands. The LSMM was applied to the Project for On-Board Autonomy-Vegetation (PROBA-V) 100-m data composites from 2015 (~73 scenes/year, cloud-free images, in theory), generating vegetation, soil, and shade fraction images. These fraction images highlight the LULC components inside the pixels. The other new idea is to reduce these time series to only six single bands representing the maximum and standard deviation values of these fraction images in an annual composite, reducing the volume of data to classify the main LULC classes. The whole image classification process was conducted in the Google Earth Engine platform using the pixel-based random forest algorithm. A set of 622 samples of each LULC class was collected by visual inspection of PROBA-V and Landsat-8 Operational Land Imager (OLI) images and divided into training and validation datasets. The performance of the method was evaluated by the overall accuracy and confusion matrix. The overall accuracy was 92.4%, with the lowest misclassification found for cropland and forestland (<9% error). The same validation data set showed 88% agreement with the LULC map made available by the Landsat-based MapBiomas project. This proposed method has the potential to be used operationally to accurately map the main LULC areas and to rapidly use the PROBA-V dataset at regional or national levels. | |||
| Área | SRE | |||
| Arranjo 1 | urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > Maximum fraction images... | |||
| Arranjo 2 | urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > SER > Maximum fraction images... | |||
| Arranjo 3 | urlib.net > BDMCI > Fonds > Produção anterior à 2021 > SESID > Maximum fraction images... | |||
| Conteúdo da Pasta doc | acessar | |||
| Conteúdo da Pasta source | não têm arquivos | |||
| Conteúdo da Pasta agreement |
| |||
| 4. Condições de acesso e uso | ||||
| Idioma | en | |||
| Arquivo Alvo | land-09-00139.pdf | |||
| Grupo de Usuários | simone | |||
| Grupo de Leitores | administrator simone | |||
| Visibilidade | shown | |||
| Permissão de Leitura | deny from all and allow from 150.163 | |||
| Permissão de Atualização | não transferida | |||
| 5. Fontes relacionadas | ||||
| Unidades Imediatamente Superiores | 8JMKD3MGPCW/3ER446E 8JMKD3MGPCW/3F3NU5S 8JMKD3MGPCW/449THCP | |||
| Lista de Itens Citando | sid.inpe.br/bibdigital/2013/10.18.22.34 4 sid.inpe.br/mtc-m21/2012/07.13.14.45.03 3 sid.inpe.br/mtc-m21/2012/07.13.15.02.10 2 | |||
| Divulgação | WEBSCI; PORTALCAPES. | |||
| Acervo Hospedeiro | urlib.net/www/2017/11.22.19.04 | |||
| 6. Notas | ||||
| Campos Vazios | alternatejournal archivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel e-mailaddress format isbn label lineage mark mirrorrepository month nextedition notes number parameterlist parentrepositories previousedition previouslowerunit progress project rightsholder schedulinginformation secondarydate secondarykey secondarymark session shorttitle sponsor subject tertiarymark tertiarytype url | |||
| 7. Controle da descrição | ||||
| e-Mail (login) | simone | |||
| atualizar | ||||