Os Ãndices de vegetação NDVI e EVI obtidos a partir de dados MODIS (25m e 50m, reflectância de superfÃcie) foram avaliados com relação à possibilidade de detectar e monitorar áreas de desmatamentos na Amazônia. Além disso, foi também proposto o Ãndice DNRG [Diferença Normalizada entre as bandas do Vermelho (Red) e do Verde (Green)], com o mesmo objetivo. Avaliou-se a qualidade radiométrica dos dados multidatas MODIS, com o objetivo de verificar a possibilidade de usar Ãndices de vegetação para gerar mapas de desmatamento. A acurácia interna das composições multidatas MODIS foi avaliada, tendo fornecido um valor de erro de localização menor que 1 pixel (< 25m) e, portanto, não são necessárias correções geométricas. A potencialidade dos produtos MODIS reflectância de superfÃcie foi avaliada na região da Terra do Meio (Estado do Pará, Brasil, entre as latitudes 06ï‚°00’S a 08ï‚°00’S e as longitudes 51ï‚°00’W a 54ï‚°00’W), utilizando-se o classificador supervisionado de mÃnima distância euclidiana. Exatidões globais superiores a 87% foram obtidas, demonstrando uma boa potencialidade dos produtos MODIS, quando utilizados em sistemas de detecção de desmatamentos em tempo quase real
Vegetation indices (NDVI and EVI) obtained from MODIS products (25m and 50m, surface reflectance) were evaluated in relation to the possibility of detecting and monitoring deforestation areas in Amazonia. A new vegetation index, the DNRG (Normalized Difference between Red and Green spectral bands), was proposed with the same objective. The radiometric quality of the multi-date MODIS products was evaluated to verify the possibility of using vegetation index to generate deforestation maps. The internal accuracy of multi-date composites were evaluated providing a value of positional error less than 1 pixel (< 25m) and, consequently geometric corrections were not necessary. The potential of surface reflectance MODIS products was evaluated in the region of Terra do Meio (Pará State, Brazil, between latitudes 0600’S to 0800’S and longitudes 5100’W to 5400’W), using the Euclidian minimum distance supervised algorithm of classification. Global accuracies above 87% were obtained demonstrating a good potential for using these products in systems for deforestation detection in near real time.