Exportação concluída — 

Modelo de regressão GOLL-T aplicado a dados de vegetação

Detalhes bibliográficos
Ano de defesa: 2025
Autor(a) principal: SANTOS, Paula Tárcimam Gomes
Orientador(a): NASCIMENTO, Abraão
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Pernambuco
Programa de Pós-Graduação: Programa de Pos Graduacao em Estatistica
Departamento: Não Informado pela instituição
País: Brasil
Palavras-chave em Português:
Distribuições de probabilidade
GOLL-T
Índices de vegetação
Modelos de regressão
Sensoriamento remoto
Link de acesso: https://repositorio.ufpe.br/handle/123456789/66362
Resumo: A análise de índices de vegetação é fundamental para a produção agrária e a qualidade do meio ambiente. Dentre os índices possíveis de serem analisados, o NDVI (Normalized Difference Vegetation Index ) e o EVI (Enhanced Vegetation Index ) têm recebido muita atenção por sua relação fácil com os diferentes tipos de vegetação. Contudo, a análise desses índices requer o trabalho com distribuições tanto flexíveis como de suporte limitado. Para esse fim, esta dissertação propõe uma nova distribuição, denominada GOLL-T, construída a partir da família Geométrica Log-Logística Ímpar e reparametrizada em termos da média com suporte no intervalo (0,2). A motivação para o desenvolvimento dessa distribuição está na necessidade de modelar o índice de vegetação NDVI modificado a partir do EVI, utilizado no monitoramento da vegetação via sensoriamento remoto. Com base nessa distribuição, é proposto um modelo de regressão que incorpora propriedades analíticas relevantes, como momentos, entropia de Shannon, funções escore e matriz de informação de Fisher em forma matricial. Um estudo de simulação Monte Carlo avalia a performance dos estimadores de máxima verossimilhança em diferentes cenários, evidenciando boa performance conforme o aumento do tamanho amostral. A aplicação do modelo a dados reais obtidos via plataforma SATVeg mostra que a abordagem proposta é capaz de capturar relações não lineares entre variáveis ambientais de maneira mais eficaz do que modelos lineares tradicionais.
id UFPE_69a5704bfe5a072b2086c2516fb9fdce
oai_identifier_str oai:repositorio.ufpe.br:123456789/66362
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str
spelling SANTOS, Paula Tárcimam Gomeshttp://lattes.cnpq.br/6790001160720461http://lattes.cnpq.br/9853084384672692http://lattes.cnpq.br/4617170601890026NASCIMENTO, AbraãoFERREIRA, Jodavid2025-10-03T14:12:55Z2025-10-03T14:12:55Z2025-05-29SANTOS, Paula Tárcimam Gomes. Modelo de regressão GOLL-T aplicado a dados de vegetação. 2025. Dissertação (Mestrado em Estatística) – Universidade Federal de Pernambuco, Recife, 2025.https://repositorio.ufpe.br/handle/123456789/66362A análise de índices de vegetação é fundamental para a produção agrária e a qualidade do meio ambiente. Dentre os índices possíveis de serem analisados, o NDVI (Normalized Difference Vegetation Index ) e o EVI (Enhanced Vegetation Index ) têm recebido muita atenção por sua relação fácil com os diferentes tipos de vegetação. Contudo, a análise desses índices requer o trabalho com distribuições tanto flexíveis como de suporte limitado. Para esse fim, esta dissertação propõe uma nova distribuição, denominada GOLL-T, construída a partir da família Geométrica Log-Logística Ímpar e reparametrizada em termos da média com suporte no intervalo (0,2). A motivação para o desenvolvimento dessa distribuição está na necessidade de modelar o índice de vegetação NDVI modificado a partir do EVI, utilizado no monitoramento da vegetação via sensoriamento remoto. Com base nessa distribuição, é proposto um modelo de regressão que incorpora propriedades analíticas relevantes, como momentos, entropia de Shannon, funções escore e matriz de informação de Fisher em forma matricial. Um estudo de simulação Monte Carlo avalia a performance dos estimadores de máxima verossimilhança em diferentes cenários, evidenciando boa performance conforme o aumento do tamanho amostral. A aplicação do modelo a dados reais obtidos via plataforma SATVeg mostra que a abordagem proposta é capaz de capturar relações não lineares entre variáveis ambientais de maneira mais eficaz do que modelos lineares tradicionais.The analysis of vegetation indices is essential for agricultural production and environmental quality. Among the indices that can be examined, the NDVI (Normalized Difference Vegetation Index) and EVI (Enhanced Vegetation Index) have attracted considerable attention due to their straightforward relationship with different types of vegetation. However, analyzing these indices requires working with distributions that are both flexible and defined on a limited support. To address this, the present dissertation proposes a new distribution, called GOLL-T, constructed from the Odd Log-Logistic Geometric family and reparameterized in terms of the mean, with support on the interval (0,2). The motivation behind developing this distribution lies in the need to model the modified NDVI, derived from EVI, used in vegetation monitoring through remote sensing. Based on this distribution, a regression model is proposed that incorporates relevant analytical properties such as moments, Shannon entropy, score functions, and the Fisher information matrix in matrix form. A Monte Carlo simulation study assesses the performance of maximum likelihood estimators under different scenarios, showing good performance as the sample size increases. The application of the model to real data obtained from the SATVeg platform demonstrates that the proposed approach can capture nonlinear relationships between environmental variables more effectively than traditional linear models.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em EstatisticaUFPEBrasilhttps://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessDistribuições de probabilidadeGOLL-TÍndices de vegetaçãoModelos de regressãoSensoriamento remotoModelo de regressão GOLL-T aplicado a dados de vegetaçãoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesismestradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPELICENSElicense.txtlicense.txttext/plain; charset=utf-82362https://repositorio.ufpe.br/bitstream/123456789/66362/2/license.txt5e89a1613ddc8510c6576f4b23a78973MD52ORIGINALDISSERTAÇÃO Paula Tárcimam Gomes Santos.pdfDISSERTAÇÃO Paula Tárcimam Gomes Santos.pdfapplication/pdf1253838https://repositorio.ufpe.br/bitstream/123456789/66362/1/DISSERTA%c3%87%c3%83O%20Paula%20T%c3%a1rcimam%20Gomes%20Santos.pdf1812e741b34e75e8ff46bf4b39bcb67aMD51TEXTDISSERTAÇÃO Paula Tárcimam Gomes Santos.pdf.txtDISSERTAÇÃO Paula Tárcimam Gomes Santos.pdf.txtExtracted texttext/plain100030https://repositorio.ufpe.br/bitstream/123456789/66362/3/DISSERTA%c3%87%c3%83O%20Paula%20T%c3%a1rcimam%20Gomes%20Santos.pdf.txt02e9b74f4d53da0102dd124529e88852MD53THUMBNAILDISSERTAÇÃO Paula Tárcimam Gomes Santos.pdf.jpgDISSERTAÇÃO Paula Tárcimam Gomes Santos.pdf.jpgGenerated Thumbnailimage/jpeg1216https://repositorio.ufpe.br/bitstream/123456789/66362/4/DISSERTA%c3%87%c3%83O%20Paula%20T%c3%a1rcimam%20Gomes%20Santos.pdf.jpg161e5254bcab084e3f259f41aa60e333MD54123456789/663622025-10-05 14:59:57.323oai:repositorio.ufpe.br:123456789/66362VGVybW8gZGUgRGVww7NzaXRvIExlZ2FsIGUgQXV0b3JpemHDp8OjbyBwYXJhIFB1YmxpY2l6YcOnw6NvIGRlIERvY3VtZW50b3Mgbm8gUmVwb3NpdMOzcmlvIERpZ2l0YWwgZGEgVUZQRQoKCkRlY2xhcm8gZXN0YXIgY2llbnRlIGRlIHF1ZSBlc3RlIFRlcm1vIGRlIERlcMOzc2l0byBMZWdhbCBlIEF1dG9yaXphw6fDo28gdGVtIG8gb2JqZXRpdm8gZGUgZGl2dWxnYcOnw6NvIGRvcyBkb2N1bWVudG9zIGRlcG9zaXRhZG9zIG5vIFJlcG9zaXTDs3JpbyBEaWdpdGFsIGRhIFVGUEUgZSBkZWNsYXJvIHF1ZToKCkkgLSBvcyBkYWRvcyBwcmVlbmNoaWRvcyBubyBmb3JtdWzDoXJpbyBkZSBkZXDDs3NpdG8gc8OjbyB2ZXJkYWRlaXJvcyBlIGF1dMOqbnRpY29zOwoKSUkgLSAgbyBjb250ZcO6ZG8gZGlzcG9uaWJpbGl6YWRvIMOpIGRlIHJlc3BvbnNhYmlsaWRhZGUgZGUgc3VhIGF1dG9yaWE7CgpJSUkgLSBvIGNvbnRlw7pkbyDDqSBvcmlnaW5hbCwgZSBzZSBvIHRyYWJhbGhvIGUvb3UgcGFsYXZyYXMgZGUgb3V0cmFzIHBlc3NvYXMgZm9yYW0gdXRpbGl6YWRvcywgZXN0YXMgZm9yYW0gZGV2aWRhbWVudGUgcmVjb25oZWNpZGFzOwoKSVYgLSBxdWFuZG8gdHJhdGFyLXNlIGRlIG9icmEgY29sZXRpdmEgKG1haXMgZGUgdW0gYXV0b3IpOiB0b2RvcyBvcyBhdXRvcmVzIGVzdMOjbyBjaWVudGVzIGRvIGRlcMOzc2l0byBlIGRlIGFjb3JkbyBjb20gZXN0ZSB0ZXJtbzsKClYgLSBxdWFuZG8gdHJhdGFyLXNlIGRlIFRyYWJhbGhvIGRlIENvbmNsdXPDo28gZGUgQ3Vyc28sIERpc3NlcnRhw6fDo28gb3UgVGVzZTogbyBhcnF1aXZvIGRlcG9zaXRhZG8gY29ycmVzcG9uZGUgw6AgdmVyc8OjbyBmaW5hbCBkbyB0cmFiYWxobzsKClZJIC0gcXVhbmRvIHRyYXRhci1zZSBkZSBUcmFiYWxobyBkZSBDb25jbHVzw6NvIGRlIEN1cnNvLCBEaXNzZXJ0YcOnw6NvIG91IFRlc2U6IGVzdG91IGNpZW50ZSBkZSBxdWUgYSBhbHRlcmHDp8OjbyBkYSBtb2RhbGlkYWRlIGRlIGFjZXNzbyBhbyBkb2N1bWVudG8gYXDDs3MgbyBkZXDDs3NpdG8gZSBhbnRlcyBkZSBmaW5kYXIgbyBwZXLDrW9kbyBkZSBlbWJhcmdvLCBxdWFuZG8gZm9yIGVzY29saGlkbyBhY2Vzc28gcmVzdHJpdG8sIHNlcsOhIHBlcm1pdGlkYSBtZWRpYW50ZSBzb2xpY2l0YcOnw6NvIGRvIChhKSBhdXRvciAoYSkgYW8gU2lzdGVtYSBJbnRlZ3JhZG8gZGUgQmlibGlvdGVjYXMgZGEgVUZQRSAoU0lCL1VGUEUpLgoKIApQYXJhIHRyYWJhbGhvcyBlbSBBY2Vzc28gQWJlcnRvOgoKTmEgcXVhbGlkYWRlIGRlIHRpdHVsYXIgZG9zIGRpcmVpdG9zIGF1dG9yYWlzIGRlIGF1dG9yIHF1ZSByZWNhZW0gc29icmUgZXN0ZSBkb2N1bWVudG8sIGZ1bmRhbWVudGFkbyBuYSBMZWkgZGUgRGlyZWl0byBBdXRvcmFsIG5vIDkuNjEwLCBkZSAxOSBkZSBmZXZlcmVpcm8gZGUgMTk5OCwgYXJ0LiAyOSwgaW5jaXNvIElJSSwgYXV0b3Jpem8gYSBVbml2ZXJzaWRhZGUgRmVkZXJhbCBkZSBQZXJuYW1idWNvIGEgZGlzcG9uaWJpbGl6YXIgZ3JhdHVpdGFtZW50ZSwgc2VtIHJlc3NhcmNpbWVudG8gZG9zIGRpcmVpdG9zIGF1dG9yYWlzLCBwYXJhIGZpbnMgZGUgbGVpdHVyYSwgaW1wcmVzc8OjbyBlL291IGRvd25sb2FkIChhcXVpc2nDp8OjbykgYXRyYXbDqXMgZG8gc2l0ZSBkbyBSZXBvc2l0w7NyaW8gRGlnaXRhbCBkYSBVRlBFIG5vIGVuZGVyZcOnbyBodHRwOi8vd3d3LnJlcG9zaXRvcmlvLnVmcGUuYnIsIGEgcGFydGlyIGRhIGRhdGEgZGUgZGVww7NzaXRvLgoKIApQYXJhIHRyYWJhbGhvcyBlbSBBY2Vzc28gUmVzdHJpdG86CgpOYSBxdWFsaWRhZGUgZGUgdGl0dWxhciBkb3MgZGlyZWl0b3MgYXV0b3JhaXMgZGUgYXV0b3IgcXVlIHJlY2FlbSBzb2JyZSBlc3RlIGRvY3VtZW50bywgZnVuZGFtZW50YWRvIG5hIExlaSBkZSBEaXJlaXRvIEF1dG9yYWwgbm8gOS42MTAgZGUgMTkgZGUgZmV2ZXJlaXJvIGRlIDE5OTgsIGFydC4gMjksIGluY2lzbyBJSUksIGF1dG9yaXpvIGEgVW5pdmVyc2lkYWRlIEZlZGVyYWwgZGUgUGVybmFtYnVjbyBhIGRpc3BvbmliaWxpemFyIGdyYXR1aXRhbWVudGUsIHNlbSByZXNzYXJjaW1lbnRvIGRvcyBkaXJlaXRvcyBhdXRvcmFpcywgcGFyYSBmaW5zIGRlIGxlaXR1cmEsIGltcHJlc3PDo28gZS9vdSBkb3dubG9hZCAoYXF1aXNpw6fDo28pIGF0cmF2w6lzIGRvIHNpdGUgZG8gUmVwb3NpdMOzcmlvIERpZ2l0YWwgZGEgVUZQRSBubyBlbmRlcmXDp28gaHR0cDovL3d3dy5yZXBvc2l0b3Jpby51ZnBlLmJyLCBxdWFuZG8gZmluZGFyIG8gcGVyw61vZG8gZGUgZW1iYXJnbyBjb25kaXplbnRlIGFvIHRpcG8gZGUgZG9jdW1lbnRvLCBjb25mb3JtZSBpbmRpY2FkbyBubyBjYW1wbyBEYXRhIGRlIEVtYmFyZ28uCg==Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212025-10-05T17:59:57Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.pt_BR.fl_str_mv Modelo de regressão GOLL-T aplicado a dados de vegetação
title Modelo de regressão GOLL-T aplicado a dados de vegetação
spellingShingle Modelo de regressão GOLL-T aplicado a dados de vegetação
SANTOS, Paula Tárcimam Gomes
Distribuições de probabilidade
GOLL-T
Índices de vegetação
Modelos de regressão
Sensoriamento remoto
title_short Modelo de regressão GOLL-T aplicado a dados de vegetação
title_full Modelo de regressão GOLL-T aplicado a dados de vegetação
title_fullStr Modelo de regressão GOLL-T aplicado a dados de vegetação
title_full_unstemmed Modelo de regressão GOLL-T aplicado a dados de vegetação
title_sort Modelo de regressão GOLL-T aplicado a dados de vegetação
author SANTOS, Paula Tárcimam Gomes
author_facet SANTOS, Paula Tárcimam Gomes
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/6790001160720461
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/9853084384672692
dc.contributor.advisor-coLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/4617170601890026
dc.contributor.author.fl_str_mv SANTOS, Paula Tárcimam Gomes
dc.contributor.advisor1.fl_str_mv NASCIMENTO, Abraão
dc.contributor.advisor-co1.fl_str_mv FERREIRA, Jodavid
contributor_str_mv NASCIMENTO, Abraão
FERREIRA, Jodavid
dc.subject.por.fl_str_mv Distribuições de probabilidade
GOLL-T
Índices de vegetação
Modelos de regressão
Sensoriamento remoto
topic Distribuições de probabilidade
GOLL-T
Índices de vegetação
Modelos de regressão
Sensoriamento remoto
description A análise de índices de vegetação é fundamental para a produção agrária e a qualidade do meio ambiente. Dentre os índices possíveis de serem analisados, o NDVI (Normalized Difference Vegetation Index ) e o EVI (Enhanced Vegetation Index ) têm recebido muita atenção por sua relação fácil com os diferentes tipos de vegetação. Contudo, a análise desses índices requer o trabalho com distribuições tanto flexíveis como de suporte limitado. Para esse fim, esta dissertação propõe uma nova distribuição, denominada GOLL-T, construída a partir da família Geométrica Log-Logística Ímpar e reparametrizada em termos da média com suporte no intervalo (0,2). A motivação para o desenvolvimento dessa distribuição está na necessidade de modelar o índice de vegetação NDVI modificado a partir do EVI, utilizado no monitoramento da vegetação via sensoriamento remoto. Com base nessa distribuição, é proposto um modelo de regressão que incorpora propriedades analíticas relevantes, como momentos, entropia de Shannon, funções escore e matriz de informação de Fisher em forma matricial. Um estudo de simulação Monte Carlo avalia a performance dos estimadores de máxima verossimilhança em diferentes cenários, evidenciando boa performance conforme o aumento do tamanho amostral. A aplicação do modelo a dados reais obtidos via plataforma SATVeg mostra que a abordagem proposta é capaz de capturar relações não lineares entre variáveis ambientais de maneira mais eficaz do que modelos lineares tradicionais.
publishDate 2025
dc.date.accessioned.fl_str_mv 2025-10-03T14:12:55Z
dc.date.available.fl_str_mv 2025-10-03T14:12:55Z
dc.date.issued.fl_str_mv 2025-05-29
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv SANTOS, Paula Tárcimam Gomes. Modelo de regressão GOLL-T aplicado a dados de vegetação. 2025. Dissertação (Mestrado em Estatística) – Universidade Federal de Pernambuco, Recife, 2025.
dc.identifier.uri.fl_str_mv https://repositorio.ufpe.br/handle/123456789/66362
identifier_str_mv SANTOS, Paula Tárcimam Gomes. Modelo de regressão GOLL-T aplicado a dados de vegetação. 2025. Dissertação (Mestrado em Estatística) – Universidade Federal de Pernambuco, Recife, 2025.
url https://repositorio.ufpe.br/handle/123456789/66362
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.publisher.program.fl_str_mv Programa de Pos Graduacao em Estatistica
dc.publisher.initials.fl_str_mv UFPE
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPE
instname:Universidade Federal de Pernambuco (UFPE)
instacron:UFPE
instname_str Universidade Federal de Pernambuco (UFPE)
instacron_str UFPE
institution UFPE
reponame_str Repositório Institucional da UFPE
collection Repositório Institucional da UFPE
bitstream.url.fl_str_mv https://repositorio.ufpe.br/bitstream/123456789/66362/2/license.txt
https://repositorio.ufpe.br/bitstream/123456789/66362/1/DISSERTA%c3%87%c3%83O%20Paula%20T%c3%a1rcimam%20Gomes%20Santos.pdf
https://repositorio.ufpe.br/bitstream/123456789/66362/3/DISSERTA%c3%87%c3%83O%20Paula%20T%c3%a1rcimam%20Gomes%20Santos.pdf.txt
https://repositorio.ufpe.br/bitstream/123456789/66362/4/DISSERTA%c3%87%c3%83O%20Paula%20T%c3%a1rcimam%20Gomes%20Santos.pdf.jpg
bitstream.checksum.fl_str_mv 5e89a1613ddc8510c6576f4b23a78973
1812e741b34e75e8ff46bf4b39bcb67a
02e9b74f4d53da0102dd124529e88852
161e5254bcab084e3f259f41aa60e333
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)
repository.mail.fl_str_mv attena@ufpe.br
_version_ 1862741684815659008

Registros relacionados