The objectives of this work were to characterize seasonal dynamics of cerrado, deciduous and semideciduous forests in the north of Minas Gerais, Brazil. Time series of NDVI (Normalized Difference Vegetation Index) and EVI (Enhanced Vegetation Index) derived from MODIS sensor, were compared by analyzing temporal profiles and image classification results. The results showed that: (1) there is an agreement between vegetation indexes and the monthly precipitation pattern; (2) deciduous forest showed the lowest values and the highest variation; (3) cerrado and the semideciduous forest presented higher values and lower variation; (4) based on the classification accuracies the best vegetation index for mapping the vegetation classes in the study area was the NDVI, however both indexes might be used to assess the vegetation seasonal dynamic; and (5) further research need to be carried out exploring the use of feature extractions algorithms to improve classification accuracy of cerrado, semideciduous and deciduos forests in Minas Gerais, Brazil.
O objetivo deste trabalho foi caracterizar a dinâmica sazonal do cerrado, floresta estacional semidecidual e decidual no norte do estado de Minas Gerais, Brasil. Séries multitemporais dos índices de vegetação NDVI (índice de vegetação da diferença normalizada) e EVI (índice de vegetação melhorado) derivados do sensor MODIS, foram comparadas analisando o perfil temporal e os resultados de classificação das imagens. Os resultados mostraram que: (1) Os índices de vegetação estudados refletiram o padrão sazonal das fisionomias, diferenciando os períodos chuvosos e os períodos de seca; (2) a fisionomia floresta estacional decidual apresentou menores valores dos índices e maior variação; (3) as fisionomias cerrado e floresta estacional semidecidual apresentaram alto valores dos índices e baixa variação; (4) de acordo com os resultados das classificações o melhor índice para o mapeamento das fisionomias na área de estudo foi o NDVI, porém ambos podem ser usados para avaliar a dinâmica sazonal da vegetação; e (5) estudos precisam ser realizados explorando algoritmos de extração de feições para melhorar a acuracidade do mapeamento das fisionomias cerrado, floresta decídua e semidecidua na área de estudo.
