Dinâmica espaço temporal das queimadas na Amazônia Legal nos anos de 2003 e 2004.

2005

Dinâmica espaço temporal do carbono aprisionado na fitomassa dos agroecossistemas do Nordeste do Estado de São Paulo.

2007

Análise exploratória e dinâmica espaço temporal dos sistemas de produção em Machadinho d' Oeste (RO), entre 1986 e 2005.

2007

Diagnóstico do espaço turístico e das propostas de gestão no município de Cachoeiras de Macacu.

2009

Fusão espectral de imagens de satélite no espaço de cores.

Espaço de cores RGB (red, green, blue). Espaço de cores IHS (intensity, hue, saturation). Espaço de cores LHS (lightness, hue, saturation). Métodos de interpolação. Estudo de caso.

Sistema Diagnose Virtual: módulo produtor: manual do usuário

O sistema Diagnose Virtual é um ambiente virtual na WEB para diagnóstico de doenças de plantas e enfermidades de animais que se utiliza de mecanismos de inferência (investigação) aplicados sobre o conhecimento de especialistas previamente categorizado. Este documento tem por objetivo orientar o usuário do sistema Diagnose Virtual no procedimento para sua utilização visando obter resultados corretos com menor esforço. O sistema é também dotado de ajuda online, na qual cada funcionalidade do sistema é descrita de forma sucinta mostrada desde que o ponteiro do mouse fique parado por um instante em cima da funcionalidade. Outra forma de ajuda pode ser obtida a cada tela, clicando o símbolo de interrogação no canto inferior direito. O documento aborda o módulo do usuário/produtor, no qual são exploradas as características de um problema (um caso) de uma determinada cultura até obter-se o diagnóstico. Como resultados são fornecidas as possíveis desordens com seus respectivos graus de certeza.

Sistema Diagnose Virtual: módulo especialista: manual do usuário.

O sistema Diagnose Virtual é um ambiente virtual na WEB para diagnóstico de doenças de plantas e enfermidades de animais, que utiliza mecanismos de inferência baseados em conhecimentos de especialistas para simular o processo de diagnóstico. Este documento tem por objetivo orientar o usuário do sistema Diagnose Virtual no procedimento para sua utilização, visando obter resultados corretos com menor esforço.

Monitoramento espaço-temporal da cana-de-açúcar a partir de índices espectrais de vegetação.

Para culturas agrícolas que abrangem grandes áreas, como é o caso da cana-de-açúcar no Brasil, técnicas de geoprocessamento aplicadas a imagens orbitais de alta resolução temporal apresentam grande potencial de mapear e monitorar os ciclos fenológicos/agronômicos das lavouras. Para essa finalidade, destaca-se o uso de séries temporais de índices espectrais de vegetação (IV) como NDVI (Normalized Difference Vegetation Index) e EVI (Enhanced Vegetation Index) calculados a partir das imagens orbitais de reflectância. Este documento apresenta resultados de uma pesquisa que avaliou a utilização de um método de suavização de perfis temporais de IV e a posterior derivação de parâmetros do ciclo fenológico/agrícola de talhões de cana-de-açúcar, com o objetivo de monitorar e mapear áreas ocupadas por cana-de-açúcar e de distinguir áreas de cana-planta e cana-soca. Foram utilizadas séries temporais de NDVI e EVI do sensor MODIS (Moderate Resolution Imaging Spectroradiometer) a bordo do satélite Terra referentes a uma região do Nordeste do Estado de São Paulo, densamente ocupada por cana-de-açúcar. Os resultados obtidos mostraram grande utilidade das séries temporais de IV do MODIS para monitorar o ciclo agronômico/fenológico de talhões de cana-de-açúcar. Foi possível acompanhar o desenvolvimento da cana-de-açúcar e identificar a ocorrência de cana-planta ou cana-soca para um determinado talhão. O cultivo de uma cultura de ciclo mais curto, ao fazer a reforma do talhão de cana-de-açúcar, também foi identificado nos perfis temporais. A metodologia desenvolvida para classificação de áreas de cana-de-açúcar obteve erro de comissão relativamente pequeno (<10%), mas ao custo de erro de emissão mais elevado (>40%). A classificação realizada para distinção entre áreas de cana-planta e cana-soca também apresentou resultados interessantes, com erro de emissão em torno de 4% e erro de comissão >30%.

Monitoramento espaço-temporal da cana-de-açúcar a partir de índices espectrais de vegetação.

Para culturas agrícolas que abrangem grandes áreas, como é o caso da cana-de-açúcar no Brasil, técnicas de geoprocessamento aplicadas a imagens orbitais de alta resolução temporal apresentam grande potencial de mapear e monitorar os ciclos fenológicos/agronômicos das lavouras. Para essa finalidade, destaca-se o uso de séries temporais de índices espectrais de vegetação (IV) como NDVI (Normalized Difference Vegetation Index) e EVI (Enhanced Vegetation Index) calculados a partir das imagens orbitais de reflectância. Este documento apresenta resultados de uma pesquisa que avaliou a utilização de um método de suavização de perfis temporais de IV e a posterior derivação de parâmetros do ciclo fenológico/agrícola de talhões de cana-de-açúcar, com o objetivo de monitorar e mapear áreas ocupadas por cana-de-açúcar e de distinguir áreas de cana-planta e cana-soca. Foram utilizadas séries temporais de NDVI e EVI do sensor MODIS (Moderate Resolution Imaging Spectroradiometer) a bordo do satélite Terra referentes a uma região do Nordeste do Estado de São Paulo, densamente ocupada por cana-de-açúcar. Os resultados obtidos mostraram grande utilidade das séries temporais de IV do MODIS para monitorar o ciclo agronômico/fenológico de talhões de cana-de-açúcar. Foi possível acompanhar o desenvolvimento da cana-de-açúcar e identificar a ocorrência de cana-planta ou cana-soca para um determinado talhão. O cultivo de uma cultura de ciclo mais curto, ao fazer a reforma do talhão de cana-de-açúcar, também foi identificado nos perfis temporais. A metodologia desenvolvida para classificação de áreas de cana-de-açúcar obteve erro de comissão relativamente pequeno (<10%), mas ao custo de erro de omissão mais elevado (>40%). A classificação realizada para distinção entre áreas de cana-planta e cana-soca também apresentou resultados interessantes, com erro de omissão em torno de 4% e erro de comissão >30%.