THERMAL EMISSION AND REFLECTION RADIOMETER)
4.6.3. Mapeamento MTMF
A técnica MTMF representa um refino no mapeamento de um determinado alvo estudado, salientando-se que a correta seleção de endmembers representativos da classe amostrada é crucial para o sucesso do mapeamento. Com esta técnica, rigorosamente, somente serão classificados componentes puros para a classe amostrada, que, no caso deste estudo, são as fitofisionomias. Áreas onde existe uma mistura espectral com outros materiais não serão mapeadas.
Tendo em vista a operação do algoritmo MTMF na escala de sub-pixel, a identificação dos tipos de cobertura vegetal torna-se mais precisa. Para a análise e comparação desta técnica foram amostradas áreas para as fitofisionomias de Floresta de Igapó, Floresta de Várzea e de Campinarana.
A identificação das assinaturas genuínas para as fitofisionomias Floresta de Igapó, Floresta de Várzea e Campinarana, bem como a separação destas dos falsos positivos presentes nos endmembers utilizados na classificação SAM, teve por base a análise dos dados MF Score e Infeasibility (improbabilidades). Ou seja, foram selecionados os pixels com os valores mais baixos, simultaneamente, para estas duas variáveis. Os respectivos diagramas de dispersão, bem como os resultados obtidos para as três fitofisionomias (sobrepostos às imagens geradas pela técnica SAM e pelo NDVI) podem ser observados na Figura 4.6.
Os componentes puros classificados pela técnica MTMF para as três classes amostradas foram sobrepostos, em cor vermelha, nas imagens derivadas do mapeamento SAM e também sobre o índice de vegetação NDVI (Figura 4.7).
O mapeamento a partir da técnica MTMF foi aplicado localmente, mas gerou resultados diferentes da técnica SAM nas duas áreas selecionadas, mostrando uma concentração mais homogênea. Porém, de forma genérica, as áreas de ocorrência de cada fitofisionomia mapeada pelo MTMF são semelhantes àquelas mapeadas pelo SAM. A maior diferença no mapeamento compreende a quantidade de pontos mapeados, mais restritos no caso do resultado obtido pelo MTMF, o que sugere uma “aparente” maior precisão deste método, em função da possibilidade de descarte de falsos-positivos.
Comparando-se a totalidade dos pixels mapeados pelo MTMF com o índice NDVI, as fitofisionomias de Campinarana, Floresta de Várzea e Floresta de Igapó apresentaram, respectivamente, NDVIs médios, de 0,79, 0,73 e 0,72.
Figura 4.7. Nesta figura é possível analisar duas áreas (A e B) selecionadas diretamente
na imagem ASTER (RGB 231) e imagem obtida pela classificação SAM. Para estas áreas, por meio da aplicação da técnica MTMF, os pixels identificados corretamente foram mapeados (em vermelho) para as fitofisionomias de Campinarana (C), Floresta de Várzea (D) e Floresta de Igapó (E). Assim, através do escatergrama gerado pelo MTMF, os membros extremos individuais foram relacionados com a classificação obtida pelo método SAM e com os dados obtidos pelo índice NDVI.
Os maiores valores de NDVI observados na fitofisionomia de Campinarana são explicados pelo fato desta cobertura vegetal encontrar-se em uma área de transição, onde existe uma diversidade maior de espécies de médio e pequeno porte contribuindo fotossinteticamente para a elevação dos valores de NDVI.
Entre as fitofisionomias de Várzea e Igapó a diferença associada ao intervalo médio do índice NDVI foi 0,04. Porém, comparando-se o valor médio do NDVI da fitofisionomia de Campinarana com os da Floresta de Igapó e Várzea, verificou-se uma diferença de 0,1, podendo-se assim considerar que a contribuição da lâmina d’água associada a cobertura vegetal tem grande influência.
4.7. CONCLUSÕES
Neste estudo, buscou-se avaliar o potencial das imagens ASTER, bem como de técnicas de classificação espectral de dados, para o mapeamento e caracterização de fitofisionomias encontradas geossistemas de Floresta Tropical.
A partir da técnica Spectral Angle Mapper (SAM), foi possível a discriminação das seis fitofisionomias predominantes na Reserva de Desenvolvimento Sustentável de Amanã: Floresta de Terra Firme, Floresta de Terras Baixas, Floresta Aberta com Palmeiras, Campinarana, Floresta de Igapó e Floresta de Várzea.
A comparação da classificação SAM com mapeamentos anteriores, bem como com a imagem ASTER transformada em índice de vegetação (NDVI), corroboraram os resultados obtidos. Especificamente para as fitofisionomias de Floresta de Várzea, Floresta de Igapó e Campinarana, estes resultados também foram confrontados com uma seleção mais rigorosa de pixels puros, obtidos através da técnica Mixture Tuned Matched Filtering. A coincidência quanto à localização das classes mapeadas pela técnica SAM e estes pixels, relacionados a assinaturas mais genuínas, também confirmam os resultados da classificação, ao mesmo tempo que servem para um refinamento e possível scaling up das informações obtidas. Foi ainda possível a associação e detecção dos padrões espectrais da cobertura vegetal, mostrando a sua estreita relação com o índice NDVI.
Os resultados aqui obtidos comprovam o potencial de imagens na fronteira multiespectral / hiperspectral, como é o caso das imagens ASTER, bem como de técnicas de classificação espectral, para o mapeamento sistemático, em múltiplas escalas, de tipologias florestais em ambientes tropicais.
O estabelecimento de áreas adequadas e prioritárias para o manejo e preservação, utilizando técnicas avançadas e tecnologias inovadoras de Sensoriamento Remoto, representam ganhos significativos tanto na escala de mapeamento quanto na precisão na diferenciação da cobertura vegetal associada a estes geossistemas.
4.8. REFERÊNCIAS BIBLIOGRÁFICAS
Abrams M. (2000). The Advanced Spacebone Thermal Emission and Reflection Radiometer (ASTER); Data products for the high special resolution imager on NASA’s EOS-AMI platform. International Journal of Remote sensing, 21 (5); 847-861.
Abrams, M.; Hook, S. (2002). Aster User Handbook: Advanced Spaceborne Thermal Emission and Reflection Radiometer. USA: NASA/Jet Propulsion Laboratory California Institute of Technology, V2, 135p.
ACORN, 2002. ACORN 4.0 tutorial. (2002). EUA, AGI-Colorado, 109p.
Almeida T.I.R. & Souza Filho C.R. (2000). Feature-oriented band-ratios coupled with principal components applied to tropical vegetation mapping: results using hyperspectral dat in central Brazil. In: 14th International Conference on Geologic Remote Sensing Las Vegas, v. 1, p.288-288.
Anderson, A. B. (1981). White sand vegetation of Brazilian Amazonia. Biotropica 13:199-210. Asner, G. P.; Wessman, C. A. (1997). Scaling PAR absorption from the leaf to landscape level in
spatially heterogeneous ecosystems. Ecological Modelling, v. 103, p. 81-97.
Assunção, G.V.; Formaggio, A.R. (1989). O Sensoriamento Remoto na Agricultura: Conceitos Básicos, Metodologia e Aplicações. INPE: São José dos Campos, 217p. Ayres, J. M.; Lima-Ayres, D. M.; Bodmer, R.; polshek, P. M. (1992). Projeto Mamirauá.
Proposal for the preparation of a management plan for the Estação Ecológica do Lago Mamirauá, Amazonas, Brazil. Manuscrito não-publicado.
Ayres, J. M. (1993). As matas de várzea do Mamirauá: Médio Rio Solimões. Sociedade Civil Mamirauá. v.1, 123p. Brasília, DF.
Baret, F.; Jacquemoud, S.; Guyot, G.; Leprieur, C. (1992). Modelled analysis of the biophysical nature of spectral shifts and comparison with information content of broad bands. Remote Sensing of Environment, v.41, n.2/3, p.133–142.
Bauer, M.E.; Vanderbilt, V.C.; Robinson, B.F.; Daughtry, S.T. (1980). Spectral properties of agricultural crops and soils measured from space, aerial, field and laboratory sensors. In:
Congress of International Soc. Photogram., 14, Hamburg, West Germany, July, 1980. Proceedings, Hamburg: p.56-73.
Bernardes, M. S. (1987). Fotossíntese no dossel das plantas cultivadas. In: Castro, P.R.C.; Ferreira, S.O.; Yamada, T. Ecofisiologia da produção agrícola. Piracicaba: Potafos. 249p.
Blackburn, G.A. (1998a.) Spectral indices for estimating photosynthetic pigment concentrations: a test using senescent tree leaves. International Journal of Remote Sensing, v.19, n.4, p. 657-675.
Boochs, F.; Kupfer, G. Duckter, K.; Kühbauch, W. (1990). Shape of red edge as vitality indicator for plants. International Journal of Remote Sensing, v.11, n.2, p.1741-1753.
Boardman, J. W. (1998). Leveraging the High Dimensionality of AVIRIS Data for Improved Sub- Pixel Target Unmixing and Rejection of False Positives: Mixture Tuned Matched Filtering. AVIRIS Proceedings JPL Publication 1998. v. 97, Part 21. Disponível em: ftp://popo.jpl.nasa.gov/pub/docs/workshops/98_docs/8.pdf.
Boardman, J.W. & Kruse, F. A. (1994). Automated analysis: A geologic example using AVIRIS data, north Grapevine Mountains, Nevada: In; Tenth Thematic Conference on Geologic Remore Sensing, Envomomental Research Institute of Michigan, Ann Arbor, Proceedings, MI, I-407-I-418.
Boardman, J. W., Kruse, F. A., & Green, R. O. (1995). Mapping target signatures via partial unmixing of AVIRIS data. In: Summaries, Fifth JPL Airborne Earth Science Workshop, JPL Publication 95-1, 1, 23-26.
Brown, I.F.; Nepstad, D.C.; Pires, I., Luz, l.; Alechandre, A. (1992a.) Carbon storage and land- use in extractive reserves, Acre, Brazil. Environmental Conservation 19(4): 307-315. Brown, I.F., Irvine, D., MacDonald, T.; Gonzales N.; Bastidas I. (1992b). Applications of
geochemistry and training programs for indigenous landuse planning in the Ecuadorian Amazon. Interciência 17(5):284-292.
Buschmann, C.; Nagel, E. (1993). In vivo spectroscopy and internal optics of leaves as basis for remote sensing of vegetation. International Journal of Remote Sensing, v.14, n.1, p.711- 722.
Campbell, J. B. (1996). Introduction to remote sensing. Second edition. New York: The Guilford Press, USA, 622 p.
Campbell, J. B. (1996). Introduction to remote sensing. New York: The Guilford Press, 622 p. Carvalho, V.C., Linhares, C.A., Lombardi, R. J. R., et al. (2001). Estado da arte nas aplicações
linhas de pesquisa. In: Simpósio Brasileiro de Sensoriamento Remoto, 10., 2001, Foz do Iguaçu. Anais. Foz do Iguaçu: INPE, CD-ROM.
Carvalho, A. P. F.; Bustamante, M.M.C.; Guimarães, R.F.; Carvalho Júnior, O.A. (2003). Classificação de padrões de vegetação na região de transição entre o Cerrado e a Floresta Amazônica, Anais XI SBSR, Belo Horizonte, Brasil, INPE, p. 2679 - 2687.
Chen, J. Y.; Reed, I. S. (1987). A detection algorithm for optical targets in clutter. IEEE Trans. on Aerosp. Electron. Syst., v. AES-23, n. 1.
Crósta, A.P. (1997). Síntese sobre o método de correção atmosférica de Green et al. (1993). São José dos Campos, 10 de fevereiro, Comunicação pessoal.
Curran, P. J.; Kupiec, J. A. (1996). Imaging spectrometry: a new tool for ecology. In: Danson, F.M.; Plummer, S. E. (ed.) Advances in Environmental Remote Sensing. 1ed. Baffins Lane, England: Wiley, Cap. 5, p.71-88.
Danson, F. M.; Plummer, S. E. 1996. ed. Advances in environmental remote sensing. 1ed. Baffins Lane, England: Wiley, Cap. 4, p.53-70.
Danson, F. M. 1998. Teaching the physical principles of vegetation canopy reflectance using SAIL model. Photogrammetric Engineering & Remote Sensing. v. 64, n. 8, p.809-812. Dawson, T.P.; Curran, P.J.; North, P.R.J.; Plummer, S.E. 1999. The propagation of foliar
biochemical absorption features in forest canopy reflectance: a theoretical analysis. Remote Sensing of Environment, v.67, n.2, p. 147-159.
Ducart, D. F.; Crósta, A. P.; Souza Filho, C. R. (2005). Mapeamento de alteração hidrotermal no distrito de Los Menucos, Argentina, por meio de imagens multiespectrais ASTER. In: Simp. Bras. de Sens. Rem., Goiânia, INPE/SELASR. 12, 4057-4064.
Curran, P.J., Dungan, J.L.; Macler, B.A.; Plummer, S.E. 1991. The effect of a red leaf pigment on the relationship between red edge and chlorophyll concentration. Remote Sensing of Environment, v.35, n.1, p.69–76.
Earth Remote Sensing Data Analysis Center (ERSDAC). (2003). The crostalk correction software user’s guide, 21 p.
Elvidge, C. D. (1990). Visible and near infrared reflectance characteristics of dry plant materials. International Journal of Remote Sensing, v.11, n.2, p.1775-1795.
Foody, G. M. (2002). Status of land cover classification accuracy assessment. Remote Sensing of Environment, v. 80, p. 185-201.
Formaggio, A. R.; Epiphanio, J. C. N.; Valeriano, M. M. (1995). Comportamento espectral (450- 2500nm) e mineralogia de argila de alguns solos tropicais brasileiro. In: Simpósio Latinoamericano de Percepción Remota, 7, (INPE 6284-PRE/2372).
Galvão, L. S.; Almeida-Filho, R., & Ícaro, V. (2005). Spectral discrimination of hidrotermally altered materials using ASTER short-wave infrared bands: Evaluation in a tropical savannah environment. International Journal of Applied Earth Observation and Geoinformation. 7, 107-114.
Gao, X.; Huete, A. R.; Ni, W.; Miura, T. (2000). Optical-biophysical relationships of vegetation spectra without background contamination. Remote Sensing of Environment. v. 74, p. 609-620.
Gastellu-Etchegorry, J. P.; Guillevic, P.; Zagolski, F.; Demarez, V.; Trichon, V.; Deering, D.; Leroy, M. (1999). Modeling BRF and radiation regime of boreal and tropical forests: I. BRF. Remote Sensing of Environment, v. 68, p 281-316.
Gates, D.M.; Keegan, H.J.; Schaleter, J.C.; Weinder, V.R. (1965). Spectral properties of plants. Apllied Optics, v.4, n.1, p.11-20.
Goetz, A. F. H.; Vane, G.; Solomon, J. E.; Rock, B. N. (1985). Imaging spectrometry for Earth remote sensing. Science, v.228, n.2, p.1147-1153.
Green, R. O. (1990). Airborne Visible/Infrared Imaging Spectrometer – AVIRIS. In: Airborne Visible/Infrared Imaging Spectrometer (AVIRIS) Workshop, 2., Pasadena, 1990. Proceedings. Pasadena: JPL Publication (NASA), 280p.
Hall, F. G.; Huemmirich, K. F.; Goward, S. N. (1986). Use of narrow-band spectra to estimate the fraction of absorbed phtosynthetically active radiation. Remote Sensing of Environment, v.32, n.1, p.47–54, 1990.
Harsanyi, J. C.; Chang, C. I. (1994). Hyperspectral image classification and dimensionality reduction: An orthogonal subspace projection approach: IEEE Transactions on Geoscience and Remote Sensing, v. 32, p. 779-785.
Henderson, P. A.; Walker, I. (1986). On the leaf litter community of the Amazonian blakwater stream Tarumazinho. Journal of Tropical Ecology, 2:1-16.
Imspec (2001). ACORNTM user’s guide. Analytical Imaging and Geophysics. Boulder, CO, USA. 64 pp.
Iwasaki, A., & Tonooka, H.. (2005). Validation of a crosstalk correction algoritm for ASTER/SIWR. IEEE transactions on Geoscience and Remote Sensing, 43(12): 2747- 2751.
Junk, W.J. (1996). Amazonian floodplains: a limnological perspective.In: Verb. Internat. Verein. Limnol. 26: 149-157.
Kruse, F.A.; Lefkoff, A.B.; Boardman, J.W.; Heidebrecht, K.B.; Shapiro, A.T.; Barloo, P.J.; Goetz, A.F.H. (1993). The Spectral Image Processing System (SIPS) – Interactive visualization and analysis of imaging spectrometer data. Remote Sensing of Environment, v.44, n.2, p.145- 163.
Kruse, F.A., (2002). Combined SWIR and LWIR Mineral Mapping Using MASTER/ASTER. In: Proceedings, IGARSS 2002, Toronto, Canada, Also in Hardcopy, IEEE Operations Center, Pscataway, NJ. IV: 2267-2269 (CD-ROM).
Kubitzki, K. (1989). Amazonian lowland and Guyana highland: historical and ecological aspects of their floristic development. Revista Colomb. Cienc. 17(65):271-276.
Lacruz, M. S. P.; Santos, J. R. (1997). Uso de la percepción remota como subsídio para inventários forestales en la amazonia brasilera. Revista Selper, v. 13, p. 24-28.
Lee, T., and Y. J. Kaufman. (1986). The effect of surface non-Lambertianity on remote sensing of ground reflectance and vegetation index, IEEE J. Geosci. Remote Sens., GE-24. 699- 708.
Lima, M. G.; Gascon, C. (1999). The conservation value of linear forest remnants in central Amazonia. Biological Conservation, 91:241-247.
Lisboa, P.L.B.; S.S. Almeida, A.S.L. Silva. 1997. Caxiuanã. Belém, Museu Paraense Emilio Goeldi, 163-204 pp.
Maia, L. M. de A. W. J. (2001). Frutos da Amazonia: fonte de alimento para peixes. Manaus: Programa de Desenvolvimento Empresarial e Tecnologico. 143p.
Mausel, P.; WU, Y.; Li, Y.; et al. (1993). Spectral Identification of Successional Stages Following Deforestation in the Amazon. Geocarto International 4: 61-71.
Moran, E. F.; Brondizio, E.; Mausel, P.; et al. (1994). Integrating Amazonian Vegetation, Land- use, and Satellite Data: Attention to differential patterns and rates of secondary succession can inform future policies. BioScience 44 (5): 329-338.
Moraes, E. C. (1996). Radiometria óptica espectral – comportamento espectral. VII Simpósio Brasileiro de Sensoriamento Remoto, 8., `996. INPE: São José dos Campos, CD ROM (Tutorial).
Moreira, M. A. (2001). Fundamentos do Sensoriamento Remoto e metodologia de aplicação. São José dos Campos-SP: Instituto Nacional de Pesquisas Espaciais-INPE, 1ª Edição, 250p.
Moreira, M.A. (1997). Déficit hídrico na cultura do trigo e o impacto na resposta espectral e em parâmetros agronômicos. Piracicaba-SP. 142p. Tese (Doutorado) – Escola Superior de Agricultura Luiz de Queiroz – Universidade de São Paulo.
Moura, M.L. (2002). Minimização dos efeitos da fumaça sobre o cálculo do NDVI. São José dos Campos-SP. 122p. (INPE-8976-TDI/810). Dissertação (Mestrado em Sensoriamento Remoto) – Instituto Nacional de Pesquisas Espaciais.
Mustard, J.F.; Sunshine, J.M. (1999). Spectral analysis for Earth Science. Remote Sensing for the Earth Sciences. Nova Iorque: John Wiley & Sons, p.251-306.
NASA. (1987). HIRIS, High-Resolution Imaging Spectrometer: science opportunities for the 1990s. Earth Observing System, Instrument panel report. Washigton: National Aeronautics and Space Administration, 74p.
Novo, E. M. L. de M. (1992). Sensoriamento Remoto: Princípios e aplicações. 2a. ed. Edgard Blucher. São Paulo: 308p.
Novo, E. M. L. M.; Ferreira, L. G.; Barbosa, C.; Carvalho, C.; Sano, E. E.; Shimabukuro, Y.; Huete, A.; Potter, C.; Roberts, D. A.; Hess, L. L.; Melack, J. J.; Yoshioka, H.; Klooster, S.; Kumar, V.; Myneni, R.; Ratana, P.; Didan, K.; Miura, T. (2005). Técnicas avançadas de Sensoriamento Remoto aplicadas ao estudo de mudanças climáticas e ao funcionamento dos ecossistemas amazônicos, Acta Amazônica, Vol. 35(2): 259 – 272
Nunes, G. M.; Souza Filho, C. R.; Ferreira, L. G. (2007). Caracterização de fisionomias vegetais em área de floresta tropical através de análises espectrais em dados e produtos do sensor ASTER, In: Simp. Bras. de Sens. Rem., Florianópolis, INPE. 13: 6497-6504.
Peterson, D.L.; Aber, J.D.; Matson, P.A.; Card, D.H.; Swanberg, N.A.; Wessman, C.A. (1988). Remote sensing of forest canopy leaf biochemical contents. Remote Sensing of Environment, v.24, n.1, p.85-108.
Powell, R. L.; Matzke, N.; Souza Jr., C.; Clark, M.; Numata, I.; Hess, L. L.; Roberts, D. A. (2004). Sources of error in accuracy assessment of thematic land-cover maps in the Brazilian Amazon. Remote Sensing of Environment, v. 90, p. 221-234.
Ponzoni, F. J.; Disperati, A. A. (1995). Comportamento Espectral da Vegetação. INPE: São José dos Campos, 23p.
Prance, G. T. (1996). Islands in Amazonia. Phil. Trans. of the Royal Society of London B Biol. Sci. 351(1341):823-833.
Prance, G. T. e D. Daly. (1989). Brazilian Amazon. p.523-533. In: D. G. Campbell e H. D. Hammond (eds.) Floristic inventory of tropical countries. New York Botanical Garden. Bronx, NY.
Ribeiro, J. E. L. da S.; Hopkins, M. J. G.; Vicentini, A.; Sothers, C. A.; Costa, M. A. da S.; Brito, J. M. de; Souza, M. A. D. de; Martins, L. H. P.; Lohmann, L. G.; Assunção, P. A. C. L.;
Pereira, E. da; Silva, C. F. da; Mesquita, M. R.; Procópio, L. C. (1999). Flora da Reserva Ducke: Guia de identificação das plantas vasculares de uma floresta de terra-firme n Amazônia Central. Midas Printing Ltda. 816 p. il.
Roberts, D.A., Smith, M.O.; Adams, J.B. (1993). Green vegetation, nonphotosynthetic vegetation and soils in AVIRIS data. Remote Sensing of Environment, v.44, n.2/3, p.255-270, May/June.
Rouse, J. W.; Haas, R. H.; Schell, J. A.; Deering, D. W.; Harlan, J. C. (1974). Monitoring the vernel advancement of retrogradation of natural vegetation. 1ed. Pasadena: JPL Publication (NASA/GSFC), 151p.
Rubin, T. D. (1991). Spectral alteration mapping with Imaging Spectrometers. In: Eighth Thematic Conference on Geologic Remote Sensing, Denver, Colorado, p. 13-25.
Salisbury, J.W.; Milton, N.M.; Walsh, P.A. (1987). Significance of non-isotropic scattering from vegetation for geobotanical remote sensing. International Journal of Remote Sensing, v.8, n.7, p.997-1009.
Sellers, P. J.; Berry, J. A.; Collatz, G. J.; Field, C.; Hall, F. G. (1992). Canopy reflectance, photosynthesis and transpiration. III. Re-analysis using improved leaf models and a new canopy integration scheme. Remote Sensing of Environment, v. 42, p. 187-216.
Sioli, H. (1950). Das Wasser in Amazonasgebiet. Forsch. Fortschr. 26: 274-280.
Sioli, H.(1968). Hydrochemistry and geology in the Brazilian Amazon region. – Amazoniana 1 (3): 267-277.
Smith, J. H.; Stehman, S. V.; Wickham, J. D.; Yang, L. (2003). Effects of landscape characteristics on land-cover class accuracy. Remote Sensing of Environment, v. 84, p. 342-349.
Sommer, J.A.P., Saldanha, D.L., Lima, E.F., Sommer, C.A., Alvarenga, R.S., (2005). Contribuição de imagens ASTER no mapeamento de litotipos do Platô da Ramada-RS. Simpósio Brasileiro de Sensoriamento Remoto, XII Anais, INPE. Goiânia, p. 1911-1913. Souza Filho, C.R., Tapia Calle C.H., Crosta A.P., Xavier R.P. (2003). Infrared Spectroscopy and
ASTER imagery Analysis of Hydrothermal alteration Zones at the Quellaveco Porphyry- Copper deposit, Southern Peru. In: Proceedings of American Society for Photogrametry and Remote Sensing (ASPRS) 2003 Annual Conference, 1-12 (CD-ROM).
Souza Filho, C. R. (2003). Aster à vista. Infogeo, V. 29, p. 62-64.
Tucker, C.J.; Garratt, M.W. Leaf optical system modeled as a stochastic process. Applied Optics, v.16, no.3, p.635-42, 1977.
Van der Meer, F., Van Dijk, P., Van der Werf, H., Yang, H., (2002). Remote Sensing and Petroleum Seepage: a review and case study. Terra Nova, 14 (1), 1-17.
Vane, G. (1987). Imaging spectroscopy II. In: Annual International Technical Symposium Society of Photo-Optical Instrumentation Engineers (SPIE), 31., Bellingham, Proceedings. Bellingham: Academic Press, 1987, 232p.
Vane, G. (1988). Airbone Visible/Infrared Imaging Spectrometer (AVIRIS) Performance Evaluation. In: Airbone Visible/Infrared Imaging Spectrometer (AVIRIS) Performance Evaluation Workshop, 1., Pasadena, 1988. Proceedings. Pasadena: JPL Publication (NASA), 235p.
Vane, G.; Goetz, A.F.H. (1985). Airborne Imaging Spectrometer (AIS) Data Analysis. In: Airborne Imaging Spectrometer (AIS) Data Analysis Workshop, 1., Pasadena, 1985. Proceedings. Pasadena: JPL Publication (NASA), 173p.
Vane, G.; Goetz, A.F.H. (1986). Airborne Imaging Spectrometer (AIS) Data Analysis II. In: Airborne Imaging Spectrometer (AIS) Data Analysis Workshop, 2., Pasadena, 1986. Proceedings. Pasadena: JPL Publication (NASA), 212p.
Vicente, L. E.; Souza Filho, C. R., & Perez Filho, A. (2005). Mapeamento de formações arenosas em fragmentos de Cerrado utilizando dados e produtos do sensor ASTER. In: Simp. Bras. de Sens. Rem., Goiânia, INPE/SELASR. 12: 3419-3426.
Vicente, L. E.; Souza Filho, C. R., & Perez Filho, A. (2007). O uso do infravermelho de ondas curtas (SWIR) no mapeamento de fitofisionomias em ambiente tropical por meio de classificação hiperespectral de dados do sensor ASTER In: Simp. Bras. de Sens. Rem., Florianópolis, INPE. 13: p. 1915-1922.
Vicentini, A. (2004). A vegetação ao longo de um gradiente edáfico no Parque Nacional do Jaú. In S. H. Borges; S. Iwanaga; C. C. Durigan; M. R., Pinheiro (eds.) Janelas para a biodiversidade no Parque Nacional do Jaú: uma estratégia para o estudo da biodiversidade na Amazônia. Fundação Vitória Amazônica (FVA), WWF, IBAMA, Manaus, pp. 117-143.
Watzlawick, L. F.; Kirchner, F. F.; Sanquetta, C. R.; Schumacher, M. V. (2002). As Florestas e o Carbono. Curitiba, p. 215-235.
Willstäter, R.; Stoll, A. (1987). Untersuchungen über die assimilation der kohlensäure. Springer, Berlin, 1918. 440p. Tradução parcial por Herman Kux.
Worbes, M.; Klinge, H.; Revilla, J.D.; Martius, C. (1992). On the dynamics, floristic subdivision and geographical distribution of várzea forests in Central Amazonia. Journal of Vegetation
CAPÍTULO 5
DISCRIMINAÇÃO DE FITOFISIONOMIAS DE FLORESTA DE VÁRZEA A PARTIR DA