A remote sensing application to investigate urban endemics;Uma aplicação do sensoriamento remoto para a investigação de endemias urbanas

Cadernos de Saude Publica

Volumn 23, Issue 5, 2007, Pages 1015-1028

  Correia, Virginia Ragoni De Moraes ^a,b   Monteiro, Antônio Miguel Vieira ^a   Carvalho, Marilia Sá ^b   Werneck, Guilherme Loureiro ^c,d  

^a INSTITUTO NACIONAL DE PESQUISAS ESPACIAIS   (Brazil)

^b INSTITUTO OSWALDO CRUZ   (Brazil)

^c STATE UNIVERSITY OF RIO DE JANEIRO   (Brazil)

^d FEDERAL UNIVERSITY OF RIO DE JANEIRO   (Brazil)

Author keywords

Endemic diseases; Remote sensors; Visceral leishmaniasis

Indexed keywords

EID: 34248375726     PISSN: 0102311X     EISSN: 16784464     Source Type: Journal    
DOI: 10.1590/s0102-311x2007000500004     Document Type: Article

References (28)

1. Correia VRM, Carvalho MS, Sabroza PC, Vasconcelos CH. Remote sensing as a tool to survey endemic diseases in Brazil. Cad Saúde Pública 2004; 20:891-904.
2. Hay SI, Tucker CJ, Rogers DJ, Packer MJ. Remotely sensed surrogates of meteorological data for the study of the distribution and abundance of arthropod vectors of disease. Ann Trop Med Parasitol 1996; 90:1-19.
3. Werneck GL. Spatial approaches to study the epidemiology of visceral leishmaniasis in Teresina, Brazil [PhD Thesis]. Cambridge: Harvard University; 2000.
4. Werneck GL, Rodrigues LJ, Araújo LB, Santos MV, Moura LS, Lima SS, et al. The burden of Leishmania chagasi infection during an urban outbreak of visceral leishmaniasis in Brazil. Acta Trop 2002; 83:13-8.
5. Phinn S, Stanford M, Scarth P, Murray AT, Shyy PT. Monitoring the composition of urban environments based on the vegetation-impervious surface-soil (VIS) model by subpixel analysis techniques. Int J Remote Sens 2002; 23:4131-53.
6. nd Ed. New York: John Wiley & Sons; 1999.
7. Haralick RM, Shanmuga K, Dinstein I. Textural features for image classification. IEEE Trans Syst Man Cybern 1973; 6:610-21.
8. Tso B, Mather PM. Classification methods for remotely sensed data. London: Taylor & Francis; 2001.
9. Rede Integrada de Informações para a Saúde. Comitê temático interdisciplinar: dados espaciais em saúde - relatório. Brasília: Organização Pan-Americana da Saúde/Ministério da Saúde; 1999.
10. Instituto Brasileiro de Geografia e Estatística. Censo demográfico 2000: características da população e dos domicílios (resultado do universo). Rio de Janeiro: Instituto Brasileiro de Geografia e Estatística; 2001.
11. Carvalho M, Pina M, Santos S. Conceitos básicos de sistemas de informações geográficas e cartografia aplicados à saúde. Brasília: Organização Pan-Americana da Saúde/Ministério da Saúde; 2000.
12. Federov D, Fonseca LMG, Kenney C, Manjunath BS. Automatic registration and mosaicking system for remotely sensed imagery. In: Anais do XI Simpósio Brasileiro de Sensoriamento Remoto. Belo Horizonte: Instituto Nacional de Pesquisas Espaciais; 2003. p. 317-24.
13. Boggione GA, Fonseca LMG. Restoration of Landsat-7 images. http://www.dpi.inpe.br/~leila/ publications/Restoration_of_Landsat-7_Images. pdf (acessado em 02/Ago/2006).
14. Carper WJ, Lillesand TM, Kiefer RW. The use of intensity-hue-saturation transformation for merging spot phanchromatic and multiespectral image data. Photogrammetric Engineering and Remote Sensing 1990; 56:459-67.
15. Bins L, Erthal G, Fonseca LMG. Um método de classificaç ão não supervisionado por regiões. In: Anais do VI Simpósio Brasileiro de Computação Gráfica e Processamento de Imagens. Comunicações. Recife: Sociedade Brasileira de Computação/Universidade Federal de Pernambuco; 1993. p. 65-8.
16. Bins LS, Fonseca LMG, Erthal GJ, Ii FAM. Satellite imagery segmentation: a region growing approach. In: Anais do VIII Simpósio Brasileiro de Sensoriamento Remoto [CD-ROM]. São José dos Campos: Instituto Nacional de Pesquisas Espaciais; 2003.
17. Congalton RG, Green K. Assessing the accuracy of remotely sensed data: principles and practices. New York: Lewis Publishers; 1999.
18. Cohen J. Coefficient of agreement for nominal scale. Educ Psychol Meas 1960; 20:37-46.
19. Fleiss JL. Statistical methods for rates and proportions. New York: John Wiley & Sons; 1981.
20. Landis J, Koch GG. The measurements of observer agreement for categorical data. Biometrics 1977; 33:159-79.
21. Szklo M, Nieto EJ. Epidemiology beyond the basics. Gaithersburg: Aspen Publication; 2000.
22. Zha Y, Gao J, Ni S. Use of normalized difference build-up index in automatically mapping urban areas from TM imagery. Int J Remote Sens 2003; 24:583-94.
23. Câmara G, Souza RCM, Freitas UM, Garrido J. SPRING: integrating remote sensing and GIS by object-oriented data modelling. Comput Graph 1996; 20:395-403.
24. Cordeiro JP, Amaral S, Freitas UM, Câmara G. Álgebra de geo-campos e suas aplicações. In: Anais do VIII Simpósio Brasileiro de Sensoriamento Remoto [CD-ROM]. São José dos Campos: Instituto Nacional de Pesquisas Espaciais; 2003.
25. Andrianasolo H, Nakhapakorn K, Fages D, Gonzales J, Barbazan P. A methodology in detailed environment mapping for viral disease survey. http:// www.gisdevelopment.net/aars/acrs/1999/ts13/ ts13037.asp (acessado em 02/Ago/2006).
26. Guindon B, Zhang Y, Dillabaug C. Landsat urban mapping based on a combined spectral-spatial methodology. Remote Sensing of Environment 2004; 92:218-32.
27. Ministério da Saúde. Manual de vigilância e controle da leishmaniose visceral. http://portal. saude.gov.br/portal/arquivos/pdf/ manual_leish_ visceral2006.pdf (acessado em 02/Ago/2006).
28. Costa CHN, Pereira HF, Araújo MV. Epidemia de leishmaniose visceral no Estado do Piauí, Brasil, 1980-1986. Rev Saúde Pública 1990; 24:361-72.