Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Environmental Engineering | - |
Autor(es): dc.contributor | Sorocaba Engineering Faculty | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | De Castro, Amazonino Lemos | - |
Autor(es): dc.creator | Duarte, Miqueias Lima | - |
Autor(es): dc.creator | Ewbank, Henrique | - |
Autor(es): dc.creator | Lourenço, Roberto Wagner | - |
Data de aceite: dc.date.accessioned | 2025-08-21T20:18:16Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T20:18:16Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2023-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1117/1.JRS.18.014516 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/306377 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/306377 | - |
Descrição: dc.description | This study was based on analysis of Sentinel-1 (SAR) data to estimate the normalized difference vegetation index (NDVI) and the normalized difference water index (NDWI) during the period 2019 to 2020 in a region with a range of different land uses. The methodology adopted involved the construction of four regression models: linear regression (LR), support vector machine (SVM), random forest (RF), and artificial neural network (ANN). These models aimed to determine vegetation indices based on Sentinel-1 backscattering data, which were used as independent variables. As dependent variables, the NDVI and NDWI obtained via Sentinel-2 data were used. The implementation of the models included the application of cross-validation with an analysis of performance metrics to identify the most effective model. The results revealed that, based on the post-hoc test, the SVM model presented the best performance in the estimation of NDVI and NDWI, with mean R2 values of 0.74 and 0.70, respectively. It is relevant to note that the backscattering coefficient of the vertical-vertical (VV) and vertical-horizontal (VH) polarizations emerged as the variable with the greatest contribution to the models. This finding reinforces the importance of these parameters in the accuracy of estimates. Ultimately, this approach is promising for the creation of time series of NDVI and NDWI in regions that are frequently affected by cloud cover, thus representing a valuable complement to optical sensor data. This integration is particularly valuable for monitoring agricultural crops. | - |
Descrição: dc.description | Federal University of Amazonas (UFAM) Environmental Engineering | - |
Descrição: dc.description | Facens University Sorocaba Engineering Faculty | - |
Descrição: dc.description | São Paulo State University (UNESP) Science and Technology Institute Geoprocessing and Environmental Mathematical Modeling Laboratory | - |
Descrição: dc.description | São Paulo State University (UNESP) Science and Technology Institute Geoprocessing and Environmental Mathematical Modeling Laboratory | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Journal of Applied Remote Sensing | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | regression | - |
Palavras-chave: dc.subject | remote sensing | - |
Palavras-chave: dc.subject | synthetic aperture radar | - |
Palavras-chave: dc.subject | vegetation index | - |
Palavras-chave: dc.subject | water index | - |
Título: dc.title | Use of synthetic aperture radar data for the determination of normalized difference vegetation index and normalized difference water index | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: