<?xml version="1.0" encoding="ISO-8859-1"?>
<metadatalist>
	<metadata ReferenceType="Thesis">
		<site>mtc-m21b.sid.inpe.br 804</site>
		<holdercode>{isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S}</holdercode>
		<identifier>8JMKD3MGP5W34M/3G3872B</identifier>
		<repository>sid.inpe.br/mtc-m21b/2014/03.30.15.33</repository>
		<lastupdate>2020:09.25.22.26.32 sid.inpe.br/mtc-m21b/2013/09.26.14.25.20 sergio</lastupdate>
		<metadatarepository>sid.inpe.br/mtc-m21b/2014/03.30.15.33.50</metadatarepository>
		<metadatalastupdate>2020:09.25.22.31.03 sid.inpe.br/mtc-m21b/2013/09.26.14.25.20 sergio {D 2014}</metadatalastupdate>
		<secondarykey>INPE-17333-TDI/2143</secondarykey>
		<citationkey>Oliveira:2014:AnEsTe</citationkey>
		<title>Janela de regressão: uma análise espacial e temporal para estimar valores de NDVI classificados com baixa qualidade em séries temporais MODIS</title>
		<alternatetitle>Window Regression: a spatial-temporal analysis to estimate pixels classified as low-quality in MODIS NDVI time series</alternatetitle>
		<course>SER-SRE-SPG-INPE-MCTI-GOV-BR</course>
		<year>2014</year>
		<date>2014-03-31</date>
		<thesistype>Tese (Doutorado em Sensoriamento Remoto)</thesistype>
		<secondarytype>TDI</secondarytype>
		<numberoffiles>1</numberoffiles>
		<size>16732 KiB</size>
		<author>Oliveira, Júlio César de,</author>
		<group>SER-SRE-SPG-INPE-MCTI-GOV-BR</group>
		<committee>Rennó, Camilo Daleles (presidente),</committee>
		<committee>Epiphanio, José Carlos Neves (orientador),</committee>
		<committee>Namikawa, Laércio Massaru,</committee>
		<committee>Freitas, Ramon Morais de,</committee>
		<committee>Gleriani, José Marinaldo,</committee>
		<e-mailaddress>oliveirajc@ufv.br</e-mailaddress>
		<university>Instituto Nacional de Pesquisas Espaciais (INPE)</university>
		<city>São José dos Campos</city>
		<transferableflag>1</transferableflag>
		<keywords>qualidade do dado, janela espaço tempora, Redução de ruídos, MODIS, série temporal, data quality, spatial-temporal window, noise reduction, MODIS, time series.</keywords>
		<abstract>Imagens MODIS são amplamente utilizadas para análise de vários fenômenos terrestres, como a fenologia da vegetação, mudanças no uso e cobertura do solo e monitoramento do desmatamento. Em geral, os produtos MODIS destinados às análises multitemporais são compostos por mosaicos dos melhores pixels adquiridos ao longo de certo período de tempo (tipicamente duas semanas). Entretanto, a análise das séries temporais é prejudicada pela presença de pixels com baixa qualidade ao longo da composição de dados. Na presente pesquisa é apresentada uma metodologia para redução de ruídos em séries temporais que considera a qualidade da informação disponibilizada para um ponto de interesse, bem como a relação no espaço e no tempo para os vizinhos. Esta metodologia, chamada de Janela de Regressão (JR), estima o valor do ponto de interesse baseado em análises de regressão de dados selecionados por meio de uma janela espaço-temporal. A partir do produto MOD13Q1 foram selecionadas três áreas testes com o objetivo de representar a diversidade de uso e cobertura do solo presente no município de Ipuã/SP. Em cada área teste foi avaliado o desempenho do método proposto, e de mais outras técnicas de filtragem (4253H twice, Mean Value Iteration e SavitzkyGolay), na redução de ruídos simulados ao longo do tempo e do espaço. A simulação de ruídos consistiu em introduzir níveis de ruídos com base em quatro tipos de amostragem de dados (tempo; tempo e espaço; grupo de pixels ou cluster; e sequência de datas) sobre o conjunto de imagens de cada área teste. A medida de dispersão Mean Absolute Percentage Error (MAPE) e o índice Akaike Information Criterion (AIC) indicaram que o método JR apresentou um desempenho superior às demais técnicas avaliadas nas estimativas de novos valores de NDVI. As técnicas de filtragem Janela de Regressão e SavitzkyGolay forneceram os melhores ajustes na redução dos ruídos de baixa intensidade (ruídos de 10\%) para todos os tipos de amostragem. Para os ruídos simulados com os níveis de 30\% e 50\% a técnica de filtragem JR apresentou desempenho superior à obtida pelas demais técnicas analisadas. As discrepâncias entre o dado original e filtrado obtidas pela JR foram consistentes independentemente do nível de ruído simulado, pois esta técnica não utiliza a informação de baixa qualidade (ou com ruído) nos procedimentos para a estimativa de novos valores. Porém, observou-se uma queda de desempenho na estimativa de novos valores em áreas com maior diversidade de uso e cobertura do solo, o que indica a necessidade de cautela no emprego da metodologia proposta em áreas heterogêneas. Os filtros que necessitam da definição de limiares ou janela de análises podem ter desempenhos distintos em função do comportamento da série temporal a ser analisada ou do nível de acerto do usuário em definir tais parâmetros. Os resultados obtidos nesta pesquisa indicam bom potencial da metodologia para reduzir o ruído em séries temporais NDVI/MODIS; no entanto, mais investigações são necessárias para a redução de ruído por meio de análise espaço-temporal. ABSTRACT: MODIS data is largely used in multitemporal analysis of various Earth related phenomena, such as vegetation phenology, land use/land cover change, deforestation monitoring and time series analysis. In general, the MODIS products used to undertake multitemporal analysis are composite mosaics of the best pixels over a certain period of time (typically two weeks). However, it is common the presence of bad pixels in the composition which affect the time series analysis. We present a filtering methodology that takes the pixel position (location in space) and time (location in the temporal data series) to define a new value for the bad pixel. This methodology, called Window Regression (WR), estimates the value of the point of interest based on regression analysis of the data selected by a spatial-temporal window. From the product MOD13Q1 intensities of noise were simulated over time and space, and both the method presented and other techniques (4253H twice, Mean Value Iteration (MVI) and SavitzkyGolay (SG)) were evaluated using the Mean Absolute Percentage Error (MAPE) and Akaike Information Criterion (AIC). The simulated noises in time series were scaled into three intensities. The Window Regression and SavitzkyGolay filtering techniques provided the best fits for the noise reduction at low intensity (10\% noise), according to the MAPE and AIC values. For the 30\% and 50\% noise simulations, the WR presented the best performance when compared to the other techniques. It is obvious that the noise intensity in the vegetation indices affects the results obtained by the 4253H twice, MVI and SG filtering techniques. On the other hand, it does not occur in the WR filtering technique, since the NDVI value of the pixel, along with the pixels considered as of low quality, are not used in the procedure for estimating the new value of the pixel of interest. The proposed method uses spatial-temporal analysis to estimate new NDVI value for a given pixel, and the analysis between neighboring pixels will be applied with caution in heterogeneous areas, or in more fragmented landscapes. The results obtained in this research indicate good potential of the method to reduce noise in MODIS NDVI time series data; however, more investigations are needed for noise reduction of NDVI time series from spatial-temporal analysis.</abstract>
		<area>SRE</area>
		<language>pt</language>
		<targetfile>publicacao.pdf</targetfile>
		<usergroup>administrator</usergroup>
		<usergroup>oliveirajc@ufv.br</usergroup>
		<usergroup>tereza@sid.inpe.br</usergroup>
		<usergroup>yolanda.souza@mcti.gov.br</usergroup>
		<visibility>shown</visibility>
		<copyright>urlib.net/www/2012/11.12.15.10</copyright>
		<rightsholder>originalauthor yes</rightsholder>
		<readpermission>allow from all</readpermission>
		<documentstage>not transferred</documentstage>
		<mirrorrepository>sid.inpe.br/mtc-m21b/2013/09.26.14.25.22</mirrorrepository>
		<nexthigherunit>8JMKD3MGPCW/3F3NU5S</nexthigherunit>
		<citingitemlist>sid.inpe.br/bibdigital/2013/10.18.22.34 1</citingitemlist>
		<hostcollection>sid.inpe.br/mtc-m21b/2013/09.26.14.25.20</hostcollection>
		<username>sergio</username>
		<agreement>{TERMO DE DEPOSITO ASSINADO JULIO CESAR DE OLIVEIRA DOUTORADO-1.pdf} autorizacao.pdf .htaccess .htaccess2</agreement>
		<lasthostcollection>sid.inpe.br/mtc-m21b/2013/09.26.14.25.20</lasthostcollection>
		<supervisor>Epiphanio, José Carlos Neves,</supervisor>
		<url>http://mtc-m21b.sid.inpe.br/rep-/sid.inpe.br/mtc-m21b/2014/03.30.15.33</url>
	</metadata>
</metadatalist>