Resultado da Pesquisa
A expressão de busca foi <related:sid.inpe.br/marte2/2015/06.15.16.50.05-0:en:title:2:classifier forests random based:using polarimetric c band data discriminate wetland vegetation lower parana river floodplain assesment supervised object based random forests classifier:>.
6 referências similares encontradas (inclusive a original) buscando em 22 dentre 22 Arquivos.
Data e hora local de busca: 16/05/2024 18:11.
1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Sitemarte2.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP6W34M/3JM4JGE
Repositóriosid.inpe.br/marte2/2015/06.15.16.50
Última Atualização2015:06.15.16.50.04 (UTC) banon
Repositório de Metadadossid.inpe.br/marte2/2015/06.15.16.50.05
Última Atualização dos Metadados2021:02.24.03.36.35 (UTC) administrator
ISBN978-85-17-0076-8
Rótulo1524
Chave de CitaçãoMorandeiraFurt:2015:AsSuOb
TítuloUsing polarimetric C-Band data to discriminate wetland vegetation in the Lower Paraná River floodplain: assesment of a supervised object-based Random Forests classifier
FormatoInternet
Ano2015
Data de Acesso16 maio 2024
Tipo SecundárioPRE CN
Número de Arquivos1
Tamanho1560 KiB
2. Contextualização
Autor1 Morandeira, Natalia Soledad
2 Furtado, Luiz Felipe de Almeida
Grupo1
2 YYY-OBT-INPE-MCTI-GOV-BR
Afiliação1
2 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 nmorandeira@unsam.edu.ar
EditorGherardi, Douglas Francisco Marcolino
Aragão, Luiz Eduardo Oliveira e Cruz de
Endereço de e-Mailwanderf@dsr.inpe.br
Nome do EventoSimpósio Brasileiro de Sensoriamento Remoto, 17 (SBSR)
Localização do EventoJoão Pessoa
Data25-29 abr. 2015
Editora (Publisher)Instituto Nacional de Pesquisas Espaciais (INPE)
Cidade da EditoraSão José dos Campos
Páginas6958-6965
Título do LivroAnais
OrganizaçãoInstituto Nacional de Pesquisas Espaciais (INPE)
Histórico (UTC)2015-06-15 16:50:05 :: banon -> administrator ::
2021-02-24 03:36:35 :: administrator -> simone :: 2015
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
ResumoThe Lower Paraná River floodplain wetlands are dominated by herbaceous communities. Dominant macrophyte species have been classified in Plant Functional Types, summarizing their main structural and functional features and their expected responses to the environment. In a previous work, a polarimetric RADARSAT-2 C-Band scene was classified with an unsupervised per-pixel approach on the coherence matrix (a progressive Wishart H/Alpha classifier), but a relatively low global accuracy (58.2%) and Kappa index (50.4%) were obtained. In this work, we assessed a supervised object-based Random Forests classifier on the same scene. Based in previous works in other areas, we expected a higher accuracy for the Random Forests classifier than for the Wishart one. However, we obtained a even lower global accuracy (55.2%) and Kappa index (40.6%). Also, most of the areas were assigned to Plant Functional Type A (corresponding to bulrush marshes). We compared the classifiers and discuss possible reasons for the lower accuracy of the object based classifier. Our results suggest that most of the errors can be caused by the high simmilarities between the Plant Functional Type classes and between short grasses and Bare Soil. Other possible explanation of the low accuracy of the Random Forests classifier is that it does not follow the statistical distribution of the polarimetric data.
ÁreaSRE
TipoSensoriamento remoto de microondas
Arranjo 1urlib.net > BDMCI > Fonds > SBSR > SBSR 17 > Using polarimetric C-Band...
Arranjo 2urlib.net > DIDSR > SBSR 17 > Using polarimetric C-Band...
Arranjo 3urlib.net > Livros e livros editados > SBSR 17 > Using polarimetric C-Band...
Arranjo 4urlib.net > Produção anterior à 2021 > YYY-PCI-CGOBT > Using polarimetric C-Band...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreementnão têm arquivos
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP6W34M/3JM4JGE
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP6W34M/3JM4JGE
Idiomaen
Arquivo Alvop1524.pdf
Grupo de Usuáriosbanon
Visibilidadeshown
5. Fontes relacionadas
Repositório Espelhourlib.net/www/2011/03.29.20.55
Unidades Imediatamente Superiores8JMKD3MGP6W34M/3JJLLP2
8JMKD3MGPCW/448AS3H
Lista de Itens Citandosid.inpe.br/marte2/2015/05.31.21.54 16
sid.inpe.br/bibdigital/2021/02.24.03.34 1
Acervo Hospedeirodpi.inpe.br/marte2/2013/05.17.15.03.06
6. Notas
Campos Vaziosarchivingpolicy archivist callnumber contenttype copyholder copyright creatorhistory descriptionlevel dissemination documentstage doi edition issn keywords lineage mark nextedition notes numberofvolumes orcid parameterlist parentrepositories previousedition previouslowerunit progress project readergroup readpermission resumeid rightsholder schedulinginformation secondarydate secondarykey secondarymark serieseditor session shorttitle sponsor subject tertiarymark tertiarytype url versiontype volume
7. Controle da descrição
e-Mail (login)simone
atualizar 

1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Sitesibgrapi.sid.inpe.br
Identificador8JMKD3MGPEW34M/47LCAP2
Repositóriosid.inpe.br/sibgrapi/2022/09.19.12.18
Última Atualização2022:09.26.19.59.06 (UTC) ffaria@unifesp.br
Repositório de Metadadossid.inpe.br/sibgrapi/2022/09.19.12.18.32
Última Atualização dos Metadados2023:05.23.04.20.42 (UTC) administrator
DOI10.1109/SIBGRAPI55357.2022.9991798
Chave de CitaçãoPimentaDallFazeFari:2022:NeClDe
TítuloNeuroevolution-based Classifiers for Deforestation Detection in Tropical Forests
Título CurtoNeuroevolution-based Classifiers for Deforestation Detection
FormatoOn-line
Ano2022
Data de Acesso16 maio 2024
Número de Arquivos1
Tamanho4302 KiB
2. Contextualização
Autor1 Pimenta, Guilherme B. A.
2 Dallaqua, Fernanda B. J. R.
3 Fazenda, Álvaro
4 Faria, Fabio A.
Afiliação1 Universidade Federal de São Paulo
2 Visiona Tecnologia Espacial S.A.
3 Universidade Federal de São Paulo
4 Universidade Federal de São Paulo
Endereço de e-Mailffaria@unifesp.br
Nome do EventoConference on Graphics, Patterns and Images, 35 (SIBGRAPI)
Localização do EventoNatal, RN
Data24-27 Oct. 2022
Título do LivroProceedings
Tipo TerciárioFull Paper
Histórico (UTC)2022-09-26 19:59:06 :: ffaria@unifesp.br -> administrator :: 2022
2023-05-23 04:20:42 :: administrator -> :: 2022
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Palavras-Chavedeforestation
neuroevolution
tropical forest
image classification
ResumoTropical forests represent the home of many species on the planet for flora and fauna, retaining billions of tons of carbon footprint, promoting clouds and rain formation, implying a crucial role in the global ecosystem, besides representing the home to countless indigenous peoples. Unfortunately, millions of hectares of tropical forests are lost every year due to deforestation or degradation. To mitigate that fact, monitoring and deforestation detection programs are in use, in addition to public policies for the prevention and punishment of criminals. These monitoring/detection programs generally use remote sensing images, image processing techniques, machine learning methods, and expert photointerpretation to analyze, identify and quantify possible changes in forest cover. Several projects have proposed different computational approaches, tools, and models to efficiently identify recent deforestation areas, improving deforestation monitoring programs in tropical forests. In this sense, this paper proposes the use of pattern classifiers based on neuroevolution technique (NEAT) in tropical forest deforestation detection tasks. Furthermore, a novel framework called e-NEAT has been created and achieved classification results above $90\%$ for balanced accuracy measure in the target application using an extremely reduced and limited training set for learning the classification models. These results represent a relative gain of 6.2% over the best baseline ensemble method compared in this paper.
Arranjourlib.net > SDLA > Fonds > SIBGRAPI 2022 > Neuroevolution-based Classifiers for Deforestation Detection
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 19/09/2022 09:18 1.6 KiB 
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGPEW34M/47LCAP2
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGPEW34M/47LCAP2
Idiomaen
Arquivo Alvo2021123456_SIBGRAPI2022_GPimenta-2.pdf
Grupo de Usuáriosffaria@unifesp.br
Visibilidadeshown
5. Fontes relacionadas
Repositório Espelhosid.inpe.br/banon/2001/03.30.15.38.24
Unidades Imediatamente Superiores8JMKD3MGPEW34M/495MHJ8
Lista de Itens Citandosid.inpe.br/sibgrapi/2023/05.19.12.10 8
Acervo Hospedeirosid.inpe.br/banon/2001/03.30.15.38
6. Notas
Campos Vaziosarchivingpolicy archivist area callnumber contenttype copyholder copyright creatorhistory descriptionlevel dissemination documentstage edition editor electronicmailaddress group holdercode isbn issn label lineage mark nextedition notes numberofvolumes orcid organization pages parameterlist parentrepositories previousedition previouslowerunit progress project publisher publisheraddress readergroup readpermission resumeid rightsholder schedulinginformation secondarydate secondarykey secondarymark secondarytype serieseditor session sponsor subject tertiarymark type url versiontype volume

1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Sitemtc-m21b.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador83LX3pFwXQZ3qyBY/PKn22
Repositóriodpi.inpe.br/ismm@80/2007/04.13.23.19
Última Atualização2011:10.08.20.54.18 (UTC) administrator
Repositório de Metadadosdpi.inpe.br/ismm@80/2007/04.13.23.19.34
Última Atualização dos Metadados2021:09.16.02.59.19 (UTC) administrator
ISBN978-85-17-00035-5
Chave de CitaçãoPapaFalMirSuzMas:2007:DeRoPa
TítuloDesign of robust pattern classifiers based on optimum-path forests
FormatoOn-line
Ano2007
Data de Acesso16 maio 2024
Tipo SecundárioCI
Número de Arquivos33
Tamanho2289 KiB
2. Contextualização
Autor1 Papa, João Paulo
2 Falcão, Alexandre X.
3 Miranda, Paulo A. V.
4 Suzuki, Celso T. N.
5 Mascarenhas, Nelson D. A.
Afiliação1 LIV-IC-UNICAMP
2 LIV-IC-UNICAMP
3 LIV-IC-UNICAMP
4 LIV-IC-UNICAMP
5 Dept. of Computing, UFSCar
Endereço de e-Mail do Autor1 jpaulo@ic.unicamp.br
2 afalcao@ic.unicamp.br
3 pavmbr@yahoo.com.br
4 celso.suzuki@gmail.com
5 nelson@dc.ufscar.br
EditorBanon, Gerald Jean Francis
Barrera, Junior
Braga-Neto, Ulisses de Mendonça
Hirata, Nina Sumiko Tomita
Endereço de e-Mailafalcao@ic.unicamp.br
Nome do EventoInternational Symposium on Mathematical Morphology, 8 (ISMM).
Localização do EventoRio de Janeiro
DataOctober 10-13, 2007
Editora (Publisher)Instituto Nacional de Pesquisas Espaciais (INPE)
Cidade da EditoraSão José dos Campos
Volume1
Páginas337-348
Título do LivroProceedings
Tipo TerciárioFull Paper
OrganizaçãoUniversidade de São Paulo (USP)
AvançoCamera-ready paper submission
Histórico (UTC)2007-04-13 23:19:34 :: afalcao@ic.unicamp.br -> ismm2007 ::
2007-06-06 21:43:13 :: ismm2007 -> afalcao@ic.unicamp.br ::
2007-07-20 23:39:23 :: afalcao@ic.unicamp.br -> administrator ::
2007-07-23 12:53:11 :: administrator -> afalcao@ic.unicamp.br ::
2007-07-26 12:25:55 :: afalcao@ic.unicamp.br -> ismm2007 ::
2007-07-30 22:28:48 :: ismm2007 -> administrator ::
2007-07-30 22:30:28 :: administrator -> ismm2007 ::
2007-08-02 22:26:39 :: ismm2007 -> administrator ::
2007-09-26 13:00:21 :: administrator -> afalcao@ic.unicamp.br ::
2007-10-08 13:25:19 :: afalcao@ic.unicamp.br -> administrator ::
2007-10-10 16:33:51 :: administrator -> afalcao@ic.unicamp.br ::
2007-10-14 17:38:17 :: afalcao@ic.unicamp.br -> administrator ::
2008-01-07 15:35:40 :: administrator -> ismm2007 ::
2011-01-08 18:06:05 :: ismm2007 -> administrator :: 2007
2011-10-07 21:32:13 :: administrator -> banon :: 2007
2011-10-08 20:54:18 :: banon -> administrator :: 2007
2021-09-16 02:59:19 :: administrator -> :: 2007
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Palavras-Chavesupervised classifiers
image foresting transform
image analysis
pattern recognition
ResumoWe present a supervised pattern classifier based on optimum path forest. The samples in a training set are nodes of a complete graph, whose arcs are weighted by the distances between sample feature vectors. The training builds a classifier from key samples (prototypes) of all classes, where each prototype defines an optimum path tree whose nodes are its strongest connected samples. The optimum paths are also considered to label unseen test samples with the classes of their strongest connected prototypes. We show how to find prototypes with none classification errors in the training set and propose a learning algorithm to improve accuracy over an evaluation set. The method is robust to outliers, handles non-separable classes, and can outperform support vector machines.
ÁreaSRE
TipoWatershed segmentation
Conteúdo da Pasta docacessar
Conteúdo da Pasta source
ISMM2007fullpaper/eforms.sty 06/01/2011 13:51 20.0 KiB 
ISMM2007fullpaper/epdftex.def 06/01/2011 13:51 2.6 KiB 
ISMM2007fullpaper/fullpaper.tex 08/01/2011 16:21 2.2 KiB 
ISMM2007fullpaper/insdljs.sty 06/01/2011 13:51 18.2 KiB 
opf-ismm07.pdf 13/04/2007 20:19 345.5 KiB 
Conteúdo da Pasta agreement
consent.pdf 08/10/2011 17:54 110.5 KiB 
4. Condições de acesso e uso
URL dos dadoshttp://mtc-m21b.sid.inpe.br/ibi/83LX3pFwXQZ3qyBY/PKn22
URL dos dados zipadoshttp://mtc-m21b.sid.inpe.br/zip/83LX3pFwXQZ3qyBY/PKn22
Idiomaen
Arquivo AlvoISMM2007fullpaper/fullpaper.tex
Grupo de Usuáriosafalcao@ic.unicamp.br
administrator
banon
Visibilidadeshown
Licença de Direitos Autoraisdpi.inpe.br/ismm/2011/10.03.12.33
5. Fontes relacionadas
Repositórios Filhosdpi.inpe.br/ismm@80/2007/04.19.12.09
dpi.inpe.br/ismm@80/2007/04.16.15.38
Repositório Espelhodpi.inpe.br/hermes2@80/2006/05.03.12.35
Lista de Itens Citando
Acervo Hospedeirodpi.inpe.br/hermes2@80/2006/05.03.12.24
sid.inpe.br/mtc-m21b/2013/09.26.14.25.20
6. Notas
Nota1
Campos Vaziosarchivingpolicy archivist callnumber contenttype copyholder creatorhistory descriptionlevel dissemination documentstage doi edition group issn label lineage nextedition nexthigherunit notes numberofvolumes orcid parameterlist parentrepositories previousedition previouslowerunit project readergroup readpermission resumeid rightsholder schedulinginformation secondarydate secondarykey secondarymark serieseditor shorttitle sponsor tertiarymark url versiontype

1. Identificação
Tipo de ReferênciaSlides (Audiovisual Material)
Sitemtc-m21b.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador83LX3pFwXQZ3qyBY/RL3kk
Repositóriodpi.inpe.br/ismm@80/2007/10.14.17.43
Última Atualização2007:10.14.17.43.32 (UTC) administrator
Repositório de Metadadosdpi.inpe.br/ismm@80/2007/10.14.17.43.33
Última Atualização dos Metadados2021:09.16.02.55.17 (UTC) administrator
Chave de CitaçãoPapaFalMirSuzMas:2007:DeRoPa
TítuloDesign of robust pattern classifiers based on optimum-path forests
Título CurtoSlides
FormatoPrinted, On-line.
Ano2007
Data de Acesso16 maio 2024
Tipo SecundárioCI
Número de Arquivos1
Tamanho528 KiB
2. Contextualização
Autor1 Papa, João Paulo
2 Falcão, Alexandre X.
3 Miranda, Paulo A. V.
4 Suzuki, Celso T. N.
5 Mascarenhas, Nelson D. A.
Endereço de e-Mailafalcao@ic.unicamp.br
Nome do EventoInternational Symposium on Mathematical Morphology, 8 (ISMM).
Localização do EventoRio de Janeiro
DataOct. 2007
Editora (Publisher)Instituto Nacional de Pesquisas Espaciais (INPE)
Cidade da EditoraSão José dos Campos
Tipo TerciárioFull Paper
AvançoCamera-ready paper submission
Histórico (UTC)2021-09-16 02:55:17 :: administrator -> afalcao@ic.unicamp.br :: 2007
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Palavras-Chavesupervised classifiers
image foresting transform
image analysis
pattern recognition
ResumoWe present a supervised pattern classifier based on optimum path forest. The samples in a training set are nodes of a complete graph, whose arcs are weighted by the distances between sample feature vectors. The training builds a classifier from key samples (prototypes) of all classes, where each prototype defines an optimum path tree whose nodes are its strongest connected samples. The optimum paths are also considered to label unseen test samples with the classes of their strongest connected prototypes. We show how to find prototypes with none classification errors in the training set and propose a learning algorithm to improve accuracy over an evaluation set. The method is robust to outliers, handles non-separable classes, and can outperform support vector machines.
ÁreaSRE
AssuntoMorphological pattern recognition
Sessãoincluding
TipoWatershed segmentation
ArranjoDesign of robust... > Slides
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreementnão têm arquivos
4. Condições de acesso e uso
URL dos dadoshttp://mtc-m21b.sid.inpe.br/ibi/83LX3pFwXQZ3qyBY/RL3kk
URL dos dados zipadoshttp://mtc-m21b.sid.inpe.br/zip/83LX3pFwXQZ3qyBY/RL3kk
Idiomaen
Arquivo Alvopapa_opf.pdf
Grupo de Usuáriosafalcao@ic.unicamp.br
administrator
Visibilidadeshown
5. Fontes relacionadas
Repositório Espelhoiconet.com.br/banon/2007/01.10.09.37
Unidades Imediatamente Superiores83LX3pFwXQZ3qyBY/PKn22
Acervo Hospedeirodpi.inpe.br/hermes2@80/2006/05.03.12.24
sid.inpe.br/mtc-m21b/2013/09.26.14.25.20
6. Notas
Nota1
Campos Vaziosaffiliation archivingpolicy archivist booktitle callnumber contenttype copyholder copyright creatorhistory descriptionlevel dissemination documentstage doi electronicmailaddress group isbn issn label lineage nextedition notes numberofslides orcid parameterlist parentrepositories previousedition previouslowerunit project readergroup readpermission resumeid rightsholder schedulinginformation secondarydate secondarykey secondarymark sponsor tertiarymark url versiontype volume
7. Controle da descrição
e-Mail (login)afalcao@ic.unicamp.br
atualizar 

1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Siteplutao.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W/43NH6UE
Repositóriosid.inpe.br/plutao/2020/12.07.14.53
Última Atualização2020:12.08.17.07.55 (UTC) lattes
Repositório de Metadadossid.inpe.br/plutao/2020/12.07.14.53.01
Última Atualização dos Metadados2022:04.09.17.55.49 (UTC) administrator
DOI10.1109/lagirs48042.2020.9165671
ISBN9781728143507
Rótulolattes: 5123287769635741 5 RodriguesBenSoaKörFon:2020:ReSeIm
Chave de CitaçãoRodriguesBenSoaKörFon:2020:ReSeIm
TítuloRemote sensing image time series metrics for distinction between pasture and croplands using the random forest classifier
FormatoDVD
Ano2020
Data de Acesso16 maio 2024
Tipo SecundárioPRE CI
Número de Arquivos1
Tamanho613 KiB
2. Contextualização
Autor1 Rodrigues, Marcos Antônio de Almeida
2 Bendini, Hugo do Nascimento
3 Soares, Anderson Reis
4 Körting, Thales Sehn
5 Fonseca, Leila Maria Garcia
Identificador de Curriculo1
2
3
4
5 8JMKD3MGP5W/3C9JHLD
Grupo1 SER-SRE-SESPG-INPE-MCTIC-GOV-BR
2 DIR-DIR-INPE-MCTIC-GOV-BR
3 DIR-DIR-INPE-MCTIC-GOV-BR
4 DIDSR-CGOBT-INPE-MCTIC-GOV-BR
5 DIDSR-CGOBT-INPE-MCTIC-GOV-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
3 Instituto Nacional de Pesquisas Espaciais (INPE)
4 Instituto Nacional de Pesquisas Espaciais (INPE)
5 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 marcos.almeida@inpe.br
2 hugo.bendini@inpe.br
3 anderson.soares@inpe.br
4 thales.korting@inpe.br
5 leila.fonseca@inpe.br
Nome do EventoIEEE Latin American GRSS &amp; ISPRS Remote Sensing Conference (LAGIRS)
Localização do EventoSantiago, Chile
Data22-26 mar.
Páginas149-154
Título do LivroProceedings
Tipo TerciárioPaper
Histórico (UTC)2020-12-08 17:07:55 :: lattes -> administrator :: 2020
2022-04-09 17:55:49 :: administrator -> simone :: 2020
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Palavras-Chaverandom forest
pasture
image time series
ResumoPasture and croplands play an important role in Brazils economic and political scenarios, once its PIB (Raw Internal Product) is mainly based on what is exported from the rural production, such as meat and soybean, and government, with its regulations, is partresponsible for the establishment and maintaining of the conditions so that the trades can go well. In addition, these two types of land use correspond together to aprox. one third of the country extension. Moreover, frequently lands occupation is subject of discussion concerning its potential use for the reason of conflicts including Brazilian traditional communities, landless people and big farmers. Considering it, mapping pasture and croplands accurately is crucial for the country administration, in both economic and political spheres. Certainly, remote sensing is the very manner to tackle this issue, although this may not be an easy task due to the spectral similarity between these patterns. This work, hence, aims to distinct pasture from croplands in an experimental subset area of Brazilian Cerrado biome, using remote sensing metric images derived from one-year time series of the Landsat 8 products. In order to achieve this goal, we utilized six bands of the OLI sensor and calculated seven metrics, attaining a compiled dataset with 42 layers. We performed an object-based supervised classification with the Random Forest algorithm, considering both spectral and geometrical attributes. Results showed global accuracy of 80%, with Kappa index of 0.6, and the potential time series have in separating targets spectrally similar.
ÁreaSRE
Arranjo 1urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > Remote sensing image...
Arranjo 2urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > SER > Remote sensing image...
Arranjo 3urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIR > Remote sensing image...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreementnão têm arquivos
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP3W/43NH6UE
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP3W/43NH6UE
Idiomaen
Arquivo Alvorodrigues_remote.pdf
Grupo de Leitoresadministrator
lattes
Visibilidadeshown
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/3ER446E
8JMKD3MGPCW/3F3NU5S
8JMKD3MGPCW/449PGL8
Lista de Itens Citandosid.inpe.br/bibdigital/2021/03.05.04.22 1
Acervo Hospedeirodpi.inpe.br/plutao@80/2008/08.19.15.01
6. Notas
Campos Vaziosarchivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel dissemination e-mailaddress edition editor issn lineage mark mirrorrepository nextedition notes numberofvolumes orcid organization parameterlist parentrepositories previousedition previouslowerunit progress project publisher publisheraddress readpermission rightsholder schedulinginformation secondarydate secondarykey secondarymark serieseditor session shorttitle sponsor subject tertiarymark type url usergroup versiontype volume
7. Controle da descrição
e-Mail (login)simone
atualizar 

1. Identificação
Tipo de ReferênciaArtigo em Revista Científica (Journal Article)
Siteplutao.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W/43NH2FG
Repositóriosid.inpe.br/plutao/2020/12.07.13.58.35
Última Atualização2020:12.08.12.01.26 (UTC) lattes
Repositório de Metadadossid.inpe.br/plutao/2020/12.07.13.58.36
Última Atualização dos Metadados2022:01.04.01.31.18 (UTC) administrator
DOI10.14393/rbcv72n4-54037
ISSN0560-4613
1808-0936
Rótulolattes: 9425692453156168 1 UeharaCoQuKöDuRe:2020:CoAmAr
Chave de CitaçãoUeharaCoQuKöDuDa:2020:CoAmAr
TítuloLandslide scars detection using remote sensing and pattern recognition techniques: comparison among artificial neural networks, gaussian maximum likelihood, random forest, and support vector machine classifiers
Ano2020
Data de Acesso16 maio 2024
Tipo de Trabalhojournal article
Tipo SecundárioPRE PN
Número de Arquivos1
Tamanho1460 KiB
2. Contextualização
Autor1 Uehara, Tatiana Dias Tardelli
2 Corrêa, Sabrina Paes Leme Passos
3 Quevedo, Renata Pacheco
4 Körting, Thales Sehn
5 Dutra, Luciano Vieira
6 Daleles Rennó, Camilo
Identificador de Curriculo1
2
3
4
5 8JMKD3MGP5W/3C9JHMA
6 8JMKD3MGP5W/3C9JGN2
ORCID1 0000-0003-1861-8848
2 0000-0002-9956-4134
3 0000-0002-7528-9166
4 0000-0002-0876-0501
5 0000-0002-7757-039X
6 0000-0001-9920-4473
Grupo1 SER-SRE-SESPG-INPE-MCTIC-GOV-BR
2 SER-SRE-SESPG-INPE-MCTIC-GOV-BR
3 SER-SRE-SESPG-INPE-MCTIC-GOV-BR
4 DIDSR-CGOBT-INPE-MCTIC-GOV-BR
5 DIDSR-CGOBT-INPE-MCTIC-GOV-BR
6 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
3 Instituto Nacional de Pesquisas Espaciais (INPE)
4 Instituto Nacional de Pesquisas Espaciais (INPE)
5 Instituto Nacional de Pesquisas Espaciais (INPE)
6 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 tatiana.uehara@inpe.br
2 sabrina.correa@inpe.br
3 renata.quevedo@inpe.br
4 thales.korting@inpe.br
5 luciano.dutra@inpe.br
6 camilo.renno@inpe.br
RevistaRevista Brasileira de Cartografia
Volume72
Número4
Páginas665-680
Nota SecundáriaA2_INTERDISCIPLINAR A2_GEOGRAFIA A2_ARQUITETURA_E_URBANISMO B1_PLANEJAMENTO_URBANO_E_REGIONAL_/_DEMOGRAFIA B1_CIÊNCIAS_AMBIENTAIS B2_GEOCIÊNCIAS B3_ENGENHARIAS_I B4_ENGENHARIAS_III B4_CIÊNCIAS_SOCIAIS_APLICADAS_I B5_ENGENHARIAS_IV B5_ENGENHARIAS_II B5_CIÊNCIAS_AGRÁRIAS_I B5_BIODIVERSIDADE C_ZOOTECNIA_/_RECURSOS_PESQUEIROS C_MATEMÁTICA_/_PROBABILIDADE_E_ESTATÍSTICA C_CIÊNCIAS_BIOLÓGICAS_I C_ASTRONOMIA_/_FÍSICA
Histórico (UTC)2020-12-07 15:24:43 :: lattes -> administrator :: 2020
2020-12-08 11:55:04 :: administrator -> lattes :: 2020
2020-12-08 12:01:26 :: lattes -> administrator :: 2020
2020-12-10 11:33:41 :: administrator -> lattes :: 2020
2020-12-14 14:37:00 :: lattes -> administrator :: 2020
2022-01-04 01:31:18 :: administrator -> simone :: 2020
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Tipo de Versãopublisher
Palavras-Chavemass movement
hazard
supervised classification
pattern recognition
Movimentos de Massa
Perigo
ResumoLandslide inventory is an essential tool to support disaster risk mitigation. The inventory is usually obtained via conventional methods, as visual interpretation of remote sensing images, or semi-automaticmethods,through pattern recognition.In this study, four classification algorithms are compared to detect landslidesscars: Artificial Neural Network (ANN), Maximum Likelihood (ML), Random Forest (RF) and Support Vector Machine (SVM). From Sentinel-2A imageryandSRTMsDigital Elevation Model(DEM), vegetation indices and slope featureswere extracted and selected for two areas at the Rolante River Catchment, in Brazil.The classification products showed that the ML and the RF presented superior resultswithOA values above 92% for both study areas. These best accuracys results were identified in classifications using all attributes as input, so without previous feature selection.
ÁreaSRE
Arranjo 1urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > Landslide scars detection...
Arranjo 2urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > Landslide scars detection...
Arranjo 3urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > SER > Landslide scars detection...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreementnão têm arquivos
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP3W/43NH2FG
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP3W/43NH2FG
Idiomafr
Arquivo Alvouehara_landslide.pdf
Grupo de Leitoresadministrator
lattes
Visibilidadeshown
Política de Arquivamentoallowpublisher allowfinaldraft
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/3EQCCU5
8JMKD3MGPCW/3ER446E
8JMKD3MGPCW/3F3NU5S
Lista de Itens Citandosid.inpe.br/bibdigital/2013/10.18.22.34 2
sid.inpe.br/bibdigital/2013/09.13.21.11 1
URL (dados não confiáveis)http://www.seer.ufu.br/index.php/revistabrasileiracartografia/article/view/54037/30208
DivulgaçãoPORTALCAPES
Acervo Hospedeirodpi.inpe.br/plutao@80/2008/08.19.15.01
6. Notas
Campos Vaziosalternatejournal archivist callnumber copyholder copyright creatorhistory descriptionlevel e-mailaddress format isbn lineage mark mirrorrepository month nextedition notes parameterlist parentrepositories previousedition previouslowerunit progress project readpermission rightsholder schedulinginformation secondarydate secondarykey session shorttitle sponsor subject tertiarymark tertiarytype usergroup
7. Controle da descrição
e-Mail (login)simone
atualizar