@MASTERSTHESIS{ 2024:9539189,
 	title = {Métodos de ajuste para fusão espaço-temporal de imagens de satélite},
 	year = {2024},
 	url = "https://tede.unioeste.br/handle/tede/7500",
 	abstract = "´O sensoriamento remoto possibilita a obtenção de dados sobre vastas áreas geográficas,
 sendo essencial para a caracterização do uso e cobertura da terra. Entretanto, a
 disponibilidade de dados de alta resolução é frequentemente limitada por fatores como
 condições atmosféricas adversas. A fusão espaço-temporal surge como uma solução prática,
 combinando as vantagens de diferentes sensores para produzir dados de alta resolução
 espacial e temporal. Desde o desenvolvimento do Spatial and Temporal Adaptive Reflectance
 Fusion Model (STARFM) em 2006, diversos métodos de fusão foram propostos, variando
 desde técnicas de compilação de pares de valores até o uso de aprendizado profundo para
 estabelecer relações entre sensores. Apesar de eficientes, essas técnicas são onerosas em
 termos de processamento e exigem conhecimento técnico avançado. Além disso, enfrentam
 desafios na construção de padrões precisos e na detecção de mudanças abruptas na
 cobertura da terra, como queimadas e inundações. Como uma alternativa viável para o
 processamento de dados de sensoriamento remoto, oferecendo recursos de computação de
 alto desempenho em uma plataforma acessível e prática, temos o Google Earth Engine (GEE),
 o qual facilita a disseminação dos resultados para outros pesquisadores, promovendo a
 colaboração científica. Os resultados obtidos mostram que a fusão espaço-temporal com o
 modelo de Mínimos Quadrados de grau 4 no sistema OLI/MODIS apresentou os melhores
 desempenhos, mesmo não sendo a com o maior valor do coeficiente de determinação (r²),
 porém obteve a melhor exatidão global. A análise estatística confirmou que esse modelo
 possui desempenho estocasticamente igual a modelos de maior grau, mas com menor
 complexidade, o que sugere ser a escolha mais eficiente. Já o sistema MSI/MODIS, mesmo
 com a fusão usando o modelo Talwar de grau 1, não demonstrou ganhos significativos em
 relação ao MSI sem fusão, provavelmente em função da menor compatibilidade entre
 resoluções espectrais dos sensores envolvidos, limitando os benefícios esperados. A fusão
 espaço-temporal se mostrou promissora para o sistema OLI/MODIS. Entretanto, estudos
 futuros são necessários para otimizar a metodologia de fusão para o sensor MSI,
 considerando ajustes que melhor explorem as potencialidades dos sensores envolvidos ou a
 utilização de outro sensor no lugar do MODIS. Conclui-se que, embora desafios persistam, a
 fusão espaço-temporal baseada em técnicas de regressão representa uma abordagem
 promissora e inovadora para melhorar a resolução e a aplicabilidade dos dados de
 sensoriamento remoto, com amplas possibilidades de aplicação em diversas áreas do
 conhecimento.",
 	publisher = {Universidade Estadual do Oeste do Paraná},
 	scholl = {Programa de Pós-Graduação em Engenharia Agrícola},
 	note = {Centro de Ciências Exatas e Tecnológicas}
}