Resultado da Pesquisa
A expressão de busca foi <related:sid.inpe.br/mtc-m16d/2019/11.27.13.29.22-0:pt:title:2:using deforestation classifications learning:land cover classifications clear cut deforestation using deep learning:>.
4 referências similares encontradas (inclusive a original) buscando em 22 dentre 22 Arquivos.
Data e hora local de busca: 16/05/2024 18:58.
1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Sitemtc-m16d.sid.inpe.br
Identificador8JMKD3MGPDW34R/3UFDE4P
Repositóriosid.inpe.br/mtc-m16d/2019/11.27.13.29
Última Atualização2019:11.27.13.29.22 (UTC) simone
Repositório de Metadadossid.inpe.br/mtc-m16d/2019/11.27.13.29.22
Última Atualização dos Metadados2023:01.30.13.08.40 (UTC) administrator
ISSN2179-4847
Chave de CitaçãoSanchezPASSCBC:2019:LaCoCl
TítuloLand cover classifications of clear-cut deforestation using deep learning
FormatoOn-line.
Ano2019
Data de Acesso16 maio 2024
Tipo SecundárioPRE CN
Número de Arquivos1
Tamanho511 KiB
2. Contextualização
Autor1 Sanchez, Alber
2 Picoli, Michelle
3 Andrade, Pedro Ribeiro de
4 Simões, Rolf
5 Santos, Lorena
6 Chaves, Michel
7 Begotti, Rodrigo
8 Camara, Gilberto
Grupo1 COCST-COCST-INPE-MCTIC-GOV-BR
2 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
3 COCST-COCST-INPE-MCTIC-GOV-BR
4 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
5 LABAC-COCTE-INPE-MCTIC-GOV-BR
6 DIDSR-CGOBT-INPE-MCTIC-GOV-BR
7
8 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)
7
8 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 alber.ipia@inpe.br
2 michelle.picoli@inpe.br
3 pedro.andrade@inpe.br
4 rolf.simoes@inpe.br
5 lorena.santos@inpe.br
6 michel.chaves@inpe.br
7 rodrigo.begotti@inpe.br
8 gilberto.camara@inpe.br
EditorLisboa Filho, Jugurta
Monteiro, Antonio Miguel Vieira
Endereço de e-Maildaniela.seki@inpe.br
Nome do EventoSimpósio Brasileiro de Geoinformática, 20 (GEOINFO)
Localização do EventoSão José dos Campos
Data11 -13 nov. 2019
Editora (Publisher)Instituto Nacional de Pesquisas Espaciais (INPE)
Cidade da EditoraSão José dos Campos
Título do LivroAnais do 20º Simpósio Brasileiro de Geoinformática
Tipo Terciáriofull paper
OrganizaçãoInstituto Nacional de Pesquisas Espaciais (INPE)
Histórico (UTC)2019-11-27 13:29:22 :: daniela.seki@inpe.br -> administrator ::
2020-01-09 14:17:05 :: administrator -> simone :: 2019
2020-01-09 15:00:41 :: simone -> administrator :: 2019
2020-05-19 15:00:30 :: administrator -> simone :: 2019
2020-05-19 18:30:42 :: simone -> administrator :: 2019
2023-01-30 13:08:40 :: administrator -> simone :: 2019
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Palavras-Chavegeoinformatica
ResumoUsing Deep Learning Neural Networks, we made supervised classifications of a small region of the Brazilian Amazon in order to map clearcut deforestation. We organized Landsat 8 Surface Reflectance images into time series and we classify the images using the bands ad a Linear Mixture Model. We obtained similar accuracies using both data sets when compared to the data reported by the Brazilian Amazon Deforestation Monitoring Program (PRODES). These results suggest the possibilities of using automatic supervised techniques to extend the coverage of forest monitoring programs to those excluded areas by lack of human resources.
ÁreaSER
Arranjo 1urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > Land cover classifications...
Arranjo 2urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > Land cover classifications...
Arranjo 3urlib.net > BDMCI > Fonds > Produção anterior à 2021 > LABAC > Land cover classifications...
Arranjo 4urlib.net > BDMCI > Fonds > Produção anterior à 2021 > COCST > Land cover classifications...
Arranjo 5urlib.net > BDMCI > Fonds > GEOINFO > XX GEOINFO > Land cover classifications...
Arranjo 6urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > XX GEOINFO > Land cover classifications...
Arranjo 7urlib.net > BDMCI > Fonds > GEOINFO > Coleção GEOINFO > Land cover classifications...
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/8JMKD3MGPDW34R/3UFDE4P
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGPDW34R/3UFDE4P
Idiomapt
Arquivo Alvo48-56.pdf
Grupo de Usuáriosdaniela.seki@inpe.br
Visibilidadeshown
Licença de Direitos Autoraisurlib.net/www/2012/11.12.15.19
Detentor dos Direitosoriginalauthor yes
Permissão de Leituraallow from all
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Repositório Espelhourlib.net/www/2011/03.29.20.55
Unidades Imediatamente Superiores8JMKD3MGPCW/3EQCCU5
8JMKD3MGPCW/3ER446E
8JMKD3MGPCW/3ESGTTP
8JMKD3MGPCW/3F3T29H
8JMKD3MGPDW34P/42T2R5B
8JMKD3MGPDW34P/48F29JE
Lista de Itens Citandosid.inpe.br/mtc-m16c/2020/07.22.00.51 6
sid.inpe.br/mtc-m16c/2023/01.30.13.05 4
sid.inpe.br/bibdigital/2013/09.22.23.14 2
Acervo Hospedeirosid.inpe.br/mtc-m19@80/2009/08.21.17.02
6. Notas
Campos Vaziosarchivingpolicy archivist callnumber contenttype copyholder creatorhistory descriptionlevel dissemination doi edition holdercode isbn label lineage mark nextedition notes numberofvolumes orcid pages parameterlist parentrepositories previousedition previouslowerunit progress project readergroup resumeid schedulinginformation secondarydate secondarykey secondarymark serieseditor session shorttitle sponsor subject tertiarymark type url versiontype volume
7. Controle da descrição
e-Mail (login)simone
atualizar 

1. Identificação
Tipo de ReferênciaTese ou Dissertação (Thesis)
Sitemtc-m21d.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W34T/4578TM2
Repositóriosid.inpe.br/mtc-m21d/2021/08.02.15.09
Última Atualização2021:11.22.16.33.31 (UTC) simone
Repositório de Metadadossid.inpe.br/mtc-m21d/2021/08.02.15.09.13
Última Atualização dos Metadados2022:04.03.22.29.59 (UTC) administrator
Chave SecundáriaINPE-18498-TDI/3145
Chave de CitaçãoMatosak:2021:MeMaDe
TítuloMethod for mapping deforestation in Cerrado based on deep learning using Landsat and Sentinel image time series
Título AlternativoMétodo para o mapeamento de desmatamento no Cerrado baseado em deep learning usando séries temporais de imagens Landsat e Sentinel
CursoSER-SRE-DIPGR-INPE-MCTI-GOV-BR
Ano2021
Data2021-07-29
Data de Acesso16 maio 2024
Tipo da TeseDissertação (Mestrado em Sensoriamento Remoto)
Tipo SecundárioTDI
Número de Páginas81
Número de Arquivos1
Tamanho28298 KiB
2. Contextualização
AutorMatosak, Bruno Menini
BancaKörting, Thales Sehn (presidente)
Fonseca, Leila Maria Garcia (orientadora)
Adami, Marcos (orientador)
Sant'Anna, Sidnei João Siqueira
Feitosa, Raul Queiroz
Endereço de e-Mailbrunomenini10@gmail.com
UniversidadeInstituto Nacional de Pesquisas Espaciais (INPE)
CidadeSão José dos Campos
Histórico (UTC)2021-08-02 15:09:13 :: bruno.matosak@inpe.br -> pubtc@inpe.br ::
2021-08-03 15:46:28 :: pubtc@inpe.br -> bruno.matosak@inpe.br ::
2021-10-08 19:46:25 :: bruno.matosak@inpe.br -> pubtc@inpe.br ::
2021-12-13 15:55:37 :: pubtc@inpe.br -> simone ::
2021-12-13 16:01:21 :: simone :: -> 2021
2021-12-13 16:01:22 :: simone -> administrator :: 2021
2022-04-03 22:29:59 :: administrator -> :: 2021
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Palavras-Chavedeforestation
time series
change detection
LSTM
U-Net
desmatamento
séries temporais
detecção de mudanças
ResumoCerrado is the second largest biome in Brazil, covering about 2 million km2. It is considered a global biodiversity hotspot and it is essential for Brazils water security. This biome has experienced land use and land cover changes at high rates in the last three decades so that 50.51% of its natural vegetation has been already removed. Thus, it is crucial to provide technologies capable to control and monitor the Cerrado vegetation suppression in order to undertake the environmental conservation policies. Therefore, this work aims to develop a methodology to detect deforestation in Cerrado, combining two deep learning architectures, LSTM and U-Net, and using Landsat and Sentinel image time series. In the proposed method, the LSTM evaluates the time series in relation to the time axis to create a deforestation probability map, which is spatially analyzed by the U-Net algorithm alongside the terrain slope to finally produce deforestation maps. To evaluate the potential of the proposed methodology two study areas were defined, one in Bahia and other in Mato Grosso. Besides, three strategies for training samples selection and also two time series based on Landsat and Sentinel imagery were considered. The resultant maps were validated through a stratified random sampling approach, using Sentinel time series as reference. The results achieved high accuracy metrics, peaking at an overall accuracy and F1-Score of 99.81% ± 0.21 and 0.8795 ± 0.1180, respectively, for the Bahia study area and Sentinel time series. The validation tests showed that the proposed methodology can provide accurate Cerrado deforestation maps, and besides it has potential to be scalable to the entire Cerrado biome, after implementing some improvements. RESUMO: O Cerrado é o segundo maior bioma do Brasil, cobrindo uma área de aproximadamente 2 milhões km2. Ele é considerado um hotspot de biodiversidade global e é essencial para a segurança hídrica do Brasil. Este bioma vem apresentando altas taxas de mudanças de uso e cobertura do solo nas últimas três décadas, de forma que 50, 51% de toda a sua vegetação natural já foi removida. Deste modo, é crucial que tecnologias capazes de controlar e monitorar a supressão da vegetação natural do Cerrado sejam desenvolvidas, para que políticas de conservação ambiental sejam empreendidas. Portanto, este trabalho visa o desenvolvimento de uma metodologia para a detecção de desmatamento no Cerrado, combinando duas arquiteturas de deep learning, LSTM e U-Net, e usando séries temporais de imagens Landsat e Sentinel. Nos métodos propostos, a LSTM avalia as séries temporais no eixo do tempo para criar um mapa de probabilidade de desmatamento, o qual é analisado pela U-Net junto à declividade do terreno para finalmente produzir o mapa de desmatamento. Para avaliar o potencial da metodologia proposta, duas áreas de estudos foram definidas, uma na Bahia e outra no Mato Grosso. Ademais, três estratégias para a seleção de amostras de treinamento foram consideradas, além de séries temporais diferentes baseadas em imagens Landsat e Sentinel. Os mapas obtidos foram validados através de uma amostragem aleatória estratificada, usando séries temporais Sentinel como referência. Os resultados apresentaram altas métricas de precisão, alcançando os valores máximos para a precisão global e F1-Score de 99, 81% ± 0.21 e 0, 880 ± 0, 118, respectivamente, para a área de estudos da Bahia e usando séries temporais Sentinel. A validação dos resultados mostrou que a metodologia proposta pode ser usada para gerar mapas de desmatamento para o Cerrado com uma alta precisão, e que além disso tem o potencial de ser.
ÁreaSRE
Arranjo 1urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > SER > Method for mapping...
Arranjo 2urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCT > Method for mapping...
Conteúdo da Pasta docacessar
Conteúdo da Pasta source
originais/@4primeirasPaginas.pdf 22/11/2021 13:22 411.8 KiB 
originais/DEFESA FINAL DE DISSERTAÇÃO DE BRUNO MENINI MATOSAK - SER.pdf 09/08/2021 10:09 204.7 KiB 
originais/Dissertacao - Bruno M Matosak - Final.pdf 08/10/2021 18:38 27.2 MiB
Conteúdo da Pasta agreement
autorizacao.pdf 22/11/2021 13:33 196.0 KiB 
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP3W34T/4578TM2
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP3W34T/4578TM2
Idiomaen
Arquivo Alvopublicacao.pdf
Grupo de Usuáriosbruno.matosak@inpe.br
pubtc@inpe.br
simone
Visibilidadeshown
Licença de Direitos Autoraisurlib.net/www/2012/11.12.15.10
Permissão de Leituraallow from all
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Repositório Espelhourlib.net/www/2021/06.04.03.40.25
Unidades Imediatamente Superiores8JMKD3MGPCW/3F3NU5S
8JMKD3MGPCW/46KUATE
Acervo Hospedeirourlib.net/www/2021/06.04.03.40
6. Notas
Campos Vaziosacademicdepartment affiliation archivingpolicy archivist callnumber contenttype copyholder creatorhistory descriptionlevel dissemination doi electronicmailaddress format group isbn issn label lineage mark nextedition notes number orcid parameterlist parentrepositories previousedition previouslowerunit progress readergroup resumeid rightsholder schedulinginformation secondarydate secondarymark session shorttitle sponsor subject tertiarymark tertiarytype url versiontype

1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Sitemtc-m16d.sid.inpe.br
Identificador8JMKD3MGPDW34R/3UFDE98
Repositóriosid.inpe.br/mtc-m16d/2019/11.27.13.31
Última Atualização2019:11.27.13.31.56 (UTC) simone
Repositório de Metadadossid.inpe.br/mtc-m16d/2019/11.27.13.31.57
Última Atualização dos Metadados2023:01.30.13.08.41 (UTC) administrator
ISSN2179-4847
Chave de CitaçãoMartinsZagl:2019:ApCoNe
TítuloApplication of convolutional neural network to pixel-wise classification in deforestation detection using PRODES data
FormatoOn-line.
Ano2019
Data de Acesso16 maio 2024
Tipo SecundárioPRE CN
Número de Arquivos1
Tamanho778 KiB
2. Contextualização
Autor1 Martins, Felipe Ferraz
2 Zaglia, Matheus Cavassan
Grupo1
2 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
Afiliação1 Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 fferraz@ele.puc-rio.br
2 matheus.zaglia@inpe.br
EditorLisboa Filho, Jugurta
Monteiro, Antonio Miguel Vieira
Endereço de e-Maildaniela.seki@inpe.br
Nome do EventoSimpósio Brasileiro de Geoinformática, 20 (GEOINFO)
Localização do EventoSão José dos Campos
Data11 -13 nov. 2019
Editora (Publisher)Instituto Nacional de Pesquisas Espaciais (INPE)
Cidade da EditoraSão José dos Campos
Título do LivroAnais do 20º Simpósio Brasileiro de Geoinformática
Tipo Terciáriofull paper
OrganizaçãoInstituto Nacional de Pesquisas Espaciais (INPE)
Histórico (UTC)2019-11-27 13:31:57 :: daniela.seki@inpe.br -> administrator ::
2020-01-09 13:40:28 :: administrator -> simone :: 2019
2020-01-09 15:27:49 :: simone -> administrator :: 2019
2020-05-19 15:00:30 :: administrator -> simone :: 2019
2020-05-19 18:22:38 :: simone -> administrator :: 2019
2023-01-30 13:08:41 :: administrator -> simone :: 2019
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Palavras-Chavegeoinformatica
ResumoThe INPE PRODES project, which since the 1980s maps and quantifies deforestation in the Brazilian Legal Amazon, can be considered the main systematic monitoring project for tropical forests in the world. Over the time, the project has gone through several stages, and today its methodology is the visual interpretation of images by remote sensing experts. This paper aims to evaluate the use of neural networks to automate this process, improving accuracy and minimizing the time required for interpretation. Results will be compared to official PRODES data.
ÁreaSER
Arranjo 1urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > Application of convolutional...
Arranjo 2urlib.net > BDMCI > Fonds > GEOINFO > XX GEOINFO > Application of convolutional...
Arranjo 3urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > XX GEOINFO > Application of convolutional...
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/8JMKD3MGPDW34R/3UFDE98
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGPDW34R/3UFDE98
Idiomapt
Arquivo Alvo57-65.pdf
Grupo de Usuáriosdaniela.seki@inpe.br
Visibilidadeshown
Licença de Direitos Autoraisurlib.net/www/2012/11.12.15.19
Detentor dos Direitosoriginalauthor yes
Permissão de Leituraallow from all
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Repositório Espelhourlib.net/www/2011/03.29.20.55
Unidades Imediatamente Superiores8JMKD3MGPCW/3EQCCU5
8JMKD3MGPDW34P/42T2R5B
8JMKD3MGPDW34P/48F29JE
Lista de Itens Citandosid.inpe.br/mtc-m16c/2020/07.22.00.51 4
sid.inpe.br/bibdigital/2013/09.09.15.05 1
sid.inpe.br/mtc-m16c/2023/01.30.13.05 1
Acervo Hospedeirosid.inpe.br/mtc-m19@80/2009/08.21.17.02
6. Notas
Campos Vaziosarchivingpolicy archivist callnumber contenttype copyholder creatorhistory descriptionlevel dissemination doi edition holdercode isbn label lineage mark nextedition notes numberofvolumes orcid pages parameterlist parentrepositories previousedition previouslowerunit progress project readergroup resumeid schedulinginformation secondarydate secondarykey secondarymark serieseditor session shorttitle sponsor subject tertiarymark type url versiontype volume
7. Controle da descrição
e-Mail (login)simone
atualizar 

1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Sitemtc-m12.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador6qtX3pFwXQZ3r59YD6/GPBKu
Repositóriosid.inpe.br/iris@1912/2005/07.21.01.41   (acesso restrito)
Última Atualização2015:11.17.16.12.29 (UTC) marciana
Repositório de Metadadossid.inpe.br/iris@1912/2005/07.21.01.41.14
Última Atualização dos Metadados2018:06.05.00.40.30 (UTC) administrator
Chave SecundáriaINPE-8188-PRE/3986
ISBN0-7803-6359-0
Rótulo9032
Chave de CitaçãoShimabukuroDuarSantBati:2000:MaMoDe
TítuloMapping and monitoring deforestation areas in Amazon region using semi-automatic classification of Landsat Thematic Mappers Images
ProjetoPRODES
Ano2000
Data Secundária20010416
Data de Acesso16 maio 2024
Tipo SecundárioPRE CI
Número de Arquivos1
Tamanho343 KiB
2. Contextualização
Autor1 Shimabukuro, Yosio Edemir
2 Duarte, Valdete
3 Santos, João Roberto dos
4 Batista, Getúlio Teixeira
Grupo1 DSR-INPE-MCT-BR
2 DSR-INPE-MCT-BR
3 DSR-INPE-MCT-BR
4 DSR-INPE-MCT-BR
Nome do EventoInternational Geoscience and Remote Sensing Symposium, (IGARSS).
Localização do EventoHonolulu, Hawaii
Data24-28 July 2000
Volume5
Páginas1999-2001
Título do LivroProceedings
OrganizaçãoIEEE
Histórico (UTC)2010-05-31 14:34:23 :: administrator -> jefferson ::
2010-07-07 19:06:40 :: jefferson -> administrator :: 2000
2015-05-21 17:25:13 :: administrator -> marciana :: 2000
2015-11-17 16:12:29 :: marciana -> administrator :: 2000
2016-06-04 23:29:50 :: administrator -> marciana :: 2000
2016-10-13 18:44:03 :: marciana -> administrator :: 2000
2018-06-05 00:40:30 :: administrator -> marciana :: 2000
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-ChaveForestry
Image processing
Mapping
Monitoring
Satellite observatories
Deforestation
Remote sensing
ResumoThe INPE's operational project (PRODES)to estimate annual gross deforestation in Amazon region based on manual analysis of 229 TM images faces several problems during the interpretation process (variable scales of different scenes, closing polygons in the interpretation maps due to complexity of deforestation pattern). Thus, the availability of results in a digital format has been restricted. This paper proposes an approach to map and monitor deforested areas in the Amazon using digital analysis of TM/Landsat, This methodology will automate the PRODES manual interpretation tasks and will build a GIS database. This approach was developed and validated using TM image Path 231/067 (1997, 1998, and 1999)over Rondonia. The original TM bands were converted to vegetation, soil, and shade fraction images applying a linear mixing model. The selected fraction image was segmented using a region growing algorithm, classified using a per region clustering algorithm and the results were manually edited to generate the final map. Results showed 10,252 Km2 of deforestation up to 1997; increments in the deforested area for 1998 and 1999 were 695 and 388 km2, respectively. A total of 1,149 Km2 was burned in 1998 (only 16 in recent clear cut areas. The proposed metodology is feasible and very usuful for global studies using fine resolution satellite data such as Landsat TM.
ÁreaSRE
Arranjourlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > Mapping and monitoring...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreementnão têm arquivos
4. Condições de acesso e uso
Idiomaen
Grupo de Usuáriosadministrator
marciana
Grupo de Leitoresadministrator
marciana
Visibilidadeshown
Permissão de Leituradeny from all and allow from 150.163
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/3ER446E
Acervo Hospedeirosid.inpe.br/banon/2001/04.06.10.52
6. Notas
Campos Vaziosaffiliation archivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel dissemination doi e-mailaddress edition editor electronicmailaddress format issn lineage mark mirrorrepository nextedition notes numberofvolumes orcid parameterlist parentrepositories previousedition previouslowerunit progress publisher publisheraddress resumeid rightsholder schedulinginformation secondarymark serieseditor session shorttitle sponsor subject targetfile tertiarymark tertiarytype type url
7. Controle da descrição
e-Mail (login)marciana
atualizar