Resultado da Pesquisa
A expressão de busca foi <related:sid.inpe.br/mtc-m21b/2016/11.11.15.22.36-0:en:title:2:time land cover method:time weighted dynamic time warping method land use land cover mapping:>.
26 referências similares foram encontradas(inclusive a original) buscando em 22 dentre 22 Arquivos
(este total pode incluir algumas duplicatas - para ver a conta certa clique no botão Mostrar Todas).
As 10 mais recentes estão listadas abaixo.
Data e hora local de busca: 16/05/2024 12:19.

1. Identificação
Tipo de ReferênciaArtigo em Revista Científica (Journal Article)
Sitemtc-m21b.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W34P/3MPPUAS
Repositóriosid.inpe.br/mtc-m21b/2016/11.11.15.22   (acesso restrito)
Última Atualização2016:11.11.15.22.36 (UTC) simone
Repositório de Metadadossid.inpe.br/mtc-m21b/2016/11.11.15.22.36
Última Atualização dos Metadados2021:03.06.05.21.33 (UTC) administrator
DOI10.1109/JSTARS.2016.2517118
ISSN1939-1404
2151-1535
Chave de CitaçãoMausCâSoSaRaQu:2016:TiDyTi
TítuloA time-weighted dynamic time warping method for land-use and land-cover mapping
Ano2016
MêsAug.
Data de Acesso16 maio 2024
Tipo de Trabalhojournal article
Tipo SecundárioPRE PI
Número de Arquivos1
Tamanho3467 KiB
2. Contextualização
Autor1 Maus, Victor Wegner
2 Câmara, Gilberto
3 Souza, Ricardo Cartaxo Modesto de
4 Sanchez, Alber Hermersson Ipia
5 Ramos, Fernando Manuel
6 Queiroz, Gilberto Ribeiro de
Identificador de Curriculo1
2 8JMKD3MGP5W/3C9JHB8
3
4
5 8JMKD3MGP5W/3C9JH4A
6 8JMKD3MGP5W/3C9JHBC
Grupo1 CST-CST-SPG-INPE-MCTI-GOV-BR
2 DPI-OBT-INPE-MCTI-GOV-BR
3 DPI-OBT-INPE-MCTI-GOV-BR
4 CST-CST-INPE-MCTI-GOV-BR
5 LAC-CTE-INPE-MCTI-GOV-BR
6 DPI-OBT-INPE-MCTI-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 vwmaus1@gmail.com
2 gilberto.camara@inpe.br
3 cartaxo@dpi.inpe.br
4 alber.ipia@inpe.br
5 fernando.ramos@inpe.br
6 gilberto.queiroz@inpe.br
RevistaIEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing
Volume9
Número8
Páginas3729-3739
Histórico (UTC)2016-11-11 15:22:36 :: simone -> administrator ::
2016-11-11 15:22:37 :: administrator -> simone :: 2016
2016-11-11 15:23:34 :: simone -> administrator :: 2016
2016-11-12 07:39:22 :: administrator -> simone :: 2016
2016-12-22 16:39:32 :: simone -> administrator :: 2016
2021-03-06 05:21:33 :: administrator -> simone :: 2016
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-ChaveDynamic programming
image sequence analysis
monitoring
pattern classification
time series
ResumoThis paper presents a time-weighted version of the dynamic time warping (DTW) method for land-use and land-cover classification using remote sensing image time series. Methods based on DTW have achieved significant results in time-series data mining. The original DTW method works well for shape matching, but is not suited for remote sensing time-series classification. It disregards the temporal range when finding the best alignment between two time series. Since each land-cover class has a specific phenological cycle, a good time-series land-cover classifier needs to balance between shape matching and temporal alignment. To that end, we adjusted the original DTW method to include a temporal weight that accounts for seasonality of land-cover types. The resulting algorithm improves on previous methods for land-cover classification using DTW. In a case study in a tropical forest area, our proposed logistic time-weighted version achieves the best overall accuracy of 87.32%. The accuracy of a version with maximum time delay constraints is 84.66%. A time-warping method without time constraints has a 70.14% accuracy. To get good results with the proposed algorithm, the spatial and temporal resolutions of the data should capture the properties of the landscape. The pattern samples should also represent well the temporal variation of land cover.
ÁreaCST
Arranjo 1urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > A time-weighted dynamic...
Arranjo 2urlib.net > LABAC > A time-weighted dynamic...
Arranjo 3urlib.net > BDMCI > Fonds > Produção anterior à 2021 > COCST > A time-weighted dynamic...
Arranjo 4urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > CST > A time-weighted dynamic...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 11/11/2016 13:22 1.0 KiB 
4. Condições de acesso e uso
Idiomaen
Arquivo Alvomaus_a time.pdf
Grupo de Usuáriossimone
Grupo de Leitoresadministrator
simone
Visibilidadeshown
Política de Arquivamentodenypublisher allowfinaldraft
Permissão de Leituradeny from all and allow from 150.163
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Vinculação8JMKD3MGP3W34P/3LQA8K8
Repositório Espelhosid.inpe.br/mtc-m21b/2013/09.26.14.25.22
Unidades Imediatamente Superiores8JMKD3MGPCW/3EQCCU5
8JMKD3MGPCW/3ESGTTP
8JMKD3MGPCW/3F3T29H
8JMKD3MGPCW/449U4PL
Lista de Itens Citandosid.inpe.br/bibdigital/2013/09.09.15.05 8
sid.inpe.br/mtc-m21/2012/07.13.14.49.22 5
sid.inpe.br/bibdigital/2021/03.06.05.18 3
DivulgaçãoWEBSCI; IEEEXplore.
Acervo Hospedeirosid.inpe.br/mtc-m21b/2013/09.26.14.25.20
6. Notas
Campos Vaziosalternatejournal archivist callnumber copyholder copyright creatorhistory descriptionlevel e-mailaddress format isbn label lineage mark nextedition notes orcid parameterlist parentrepositories previousedition previouslowerunit progress project rightsholder schedulinginformation secondarydate secondarykey secondarymark session shorttitle sponsor subject tertiarytype url
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/48DF32P
Repositóriosid.inpe.br/mtc-m21d/2023/01.21.03.35
Última Atualização2023:04.28.12.38.51 (UTC) simone
Repositório de Metadadossid.inpe.br/mtc-m21d/2023/01.21.03.35.48
Última Atualização dos Metadados2023:05.01.20.44.09 (UTC) administrator
Chave SecundáriaINPE-18679-TDI/3303
Chave de CitaçãoCastroeSilva:2023:LaUsLa
TítuloLand use and land cover mapping and spatiotemporal segmentation based on image time series clustering
Título AlternativoMapeamento do uso e cobertura do solo com base em segmentação e agrupamento de séries temporais
CursoCAP-COMP-DIPGR-INPE-MCTI-GOV-BR
Ano2023
Data2023-01-30
Data de Acesso16 maio 2024
Tipo da TeseDissertação (Mestrado em Computação Aplicada)
Tipo SecundárioTDI
Número de Páginas64
Número de Arquivos2
Tamanho53150 KiB
2. Contextualização
AutorCastro e Silva, Baggio Luiz de
BancaKörting, Thales Sehn (presidente)
Gomes, Karine Reis Ferreira (orientadora)
Queiroz, Gilberto Ribeiro de (orientador)
Santos, Rafael Duarte Coelho dos
Neves, Alana Kasahara
Endereço de e-Mailbaggio_luiz@id.uff.br
UniversidadeInstituto Nacional de Pesquisas Espaciais (INPE)
CidadeSão José dos Campos
Histórico (UTC)2023-01-21 04:00:22 :: baggio.silva@inpe.br -> pubtc@inpe.br ::
2023-01-24 15:29:46 :: pubtc@inpe.br -> baggio.silva@inpe.br ::
2023-03-21 18:57:47 :: baggio.silva@inpe.br -> pubtc@inpe.br ::
2023-03-23 13:50:10 :: pubtc@inpe.br -> baggio.silva@inpe.br ::
2023-04-18 20:04:02 :: baggio.silva@inpe.br -> pubtc@inpe.br ::
2023-04-28 16:47:21 :: pubtc@inpe.br -> simone ::
2023-04-28 16:48:32 :: simone :: -> 2023
2023-04-28 16:49:39 :: simone -> administrator :: 2023
2023-05-01 20:44:09 :: administrator -> :: 2023
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Palavras-Chavesatellite image time series
LULC Classification
spatiotemporal segmentation
inland water bodies
clustering methods
séries temporais de imagem de satélite
classificação de uso e cobertura
segmentação espaço temporal
corpos d’água interiores
métodos de agrupamento
ResumoLand use and land cover mapping is fundamental in various applications such as environmental monitoring, public policy support, territorial management, and many others. The quality of this mapping directly affects its applications, reflecting the quality of the product and the methods used. Many images have been produced with different spatial, temporal, and spectral technologies through technological advances in remote sensing. In addition to producing these resources, open access policies favored the mapping and dissemination of various national and international land use and land cover products. One of the oldest and most widely used techniques in this mapping process is segmentation, which aims to find homogeneous regions in the image based on some attribute. However, this technique only considers information from a single image, which can be affected depending on the cloud cover. One such technique is spatiotemporal segmentation, which aims to find homogeneous regions in space and time. Therefore, this dissertation proposes a spatiotemporal segmentation method and a land use and land cover classification method using clustering methods with a "time-first, space-later" approach. These methods are based on unsupervised algorithms: Self-Organizing Map (SOM) and the Hierarchical Clustering Algorithm (HCA), where the input data are time series extracted from the satellite images to be mapped. Finally, a method for interpolating clouds in the time series of satellite images using Deep Learning was proposed since this is a crucial step in clustering methods that use distance as a similarity requirement. The three proposed approaches were examined, adhering to visual and quantitative assessment principles. In the spatiotemporal segmentation, the methodology was applied to a heterogeneous region southeast of Mato Grosso state. For land use and land cover classification, six distinct regions with varied characteristics of inland waters were selected, which served as a training base and were later applied in four other regions for mapping inland waters. Regarding cloud interpolation in time series, time series distributed throughout Brazil were chosen, using the Sentinel-2/MSI cloud mask (Scene Classification Layer - SCL) as the basis for reference interpolation. RESUMO: O mapeamento de uso e cobertura da terra tem papel fundamental em diversas aplicações como no monitoramento ambiental, no suporte à políticas públicas, na gestão territorial, entre outras. A qualidade desse mapeamento impacta diretamente nas suas aplicações, sendo este o reflexo da qualidade do produto e das metodologias utilizadas. Graças ao avanço tecnológico na área de sensoriamento remoto nos últimos anos, grandes volumes de imagens vêm sendo produzidos com diferentes resoluções espaciais, temporais e espectrais. Aliadas à produção destes recursos, as políticas de acesso aberto favoreceram o mapeamento e a disseminação de diferentes produtos de uso e cobertura da terra nacionais e internacionais. Uma das técnicas mais antigas e difundidas neste processo de mapeamento é a segmentação, que visa encontrar regiões homogêneas na imagem com base em algum atributo. Entretanto, esta técnica considera apenas informação de uma única imagem, que pode ser prejudicada dependendo da cobertura de nuvem. Uma variante desta técnica é a Segmentação espaçotemporal, que tem como objetivo não só encontrar regiões homogêneas no espaço mas também no tempo. Desta maneira, esta dissertação propõe um método segmentação espaçotemporal e um método de classificação de uso e cobertura da terra, baseados em métodos de clusterização utilizando uma abordagem time-first, space-later. Estes métodos têm como base os algoritmos não supervisionados: Self- Organizing Map (SOM) e o Hierarchical Clustering Algorithm (HCA), em que os dados de entrada são séries temporais extraídas das próprias imagens de satélite a serem mapeadas. Por fim foi proposto um método de interpolação de nuvens em séries temporais de imagens de satélite utilizando deep learning visto que esse é um passo crucial em metodologias de clustering que usam a distância como critério de similaridade. As três abordagens propostas foram examinadas, aderindo aos princípios de avaliação visual e quantitativa. Na segmentação espaçotemporal, aplicou-se a metodologia em uma região heterogênea localizada no sudeste do Estado de Mato Grosso. Para a classificação de uso e cobertura, selecionaram-se seis regiões distintas com características variadas de águas interiores, as quais serviram como base de treinamento e foram posteriormente aplicadas em quatro outras regiões para o mapeamento de águas interiores. No que concerne à interpolação de nuvens em séries temporais, foram escolhidas séries temporais distribuídas por todo o Brasil, utilizando-se a máscara de nuvem Sentinel-2/MSI (Scene Classification Layer - SCL) como base para interpolação de referência.
ÁreaCOMP
Arranjo 1urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > CAP > Land use and...
Arranjo 2urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGIP > Land use and...
Conteúdo da Pasta docacessar
Conteúdo da Pasta source
originais/@4primeirasPaginas.pdf 28/04/2023 09:19 173.4 KiB 
originais/Defesa.pdf 19/04/2023 14:41 123.3 KiB 
originais/DissertacaoBAGGIO_V3.pdf 19/04/2023 13:12 51.7 MiB
Conteúdo da Pasta agreement
autorizacao.pdf 28/04/2023 09:38 227.3 KiB 
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP3W34T/48DF32P
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP3W34T/48DF32P
Idiomaen
Arquivo Alvopublicacao.pdf
Grupo de Usuáriosbaggio.silva@inpe.br
pubtc@inpe.br
simone
Visibilidadeshown
Licença de Direitos Autoraisurlib.net/www/2012/11.12.15.10
Detentor dos Direitosoriginalauthor yes
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/3F2PHGS
8JMKD3MGPCW/46KUES5
Lista de Itens Citandosid.inpe.br/bibdigital/2013/10.12.22.16 2
sid.inpe.br/bibdigital/2022/04.03.23.11 1
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 schedulinginformation secondarydate secondarymark session shorttitle sponsor subject tertiarymark tertiarytype url versiontype

1. Identificação
Tipo de ReferênciaArtigo em Revista Científica (Journal Article)
Sitemtc-m21d.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W34T/47UQRAE
Repositóriosid.inpe.br/mtc-m21d/2022/11.10.13.50
Última Atualização2022:11.10.13.50.21 (UTC) simone
Repositório de Metadadossid.inpe.br/mtc-m21d/2022/11.10.13.50.21
Última Atualização dos Metadados2023:01.03.16.46.23 (UTC) administrator
DOI10.1117/1.JRS.16.034518
ISSN1931-3195
Chave de CitaçãoUeharaKörtSoarQuev:2022:TiMeAp
TítuloTime-series metrics applied to land use and land cover mapping with focus on landslide detection
Ano2022
MêsJuly
Data de Acesso16 maio 2024
Tipo de Trabalhojournal article
Tipo SecundárioPRE PI
Número de Arquivos1
Tamanho13668 KiB
2. Contextualização
Autor1 Uehara, Tatiana Dias Tardelli
2 Körting, Thales Sehn
3 Soares, Anderson dos Reis
4 Quevedo, Renata Pacheco
ORCID1 0000-0003-1861-8848
2 0000-0002-0876-0501
3 0000-0001-6513-2192
4 0000-0002-7528-9166
Grupo1 SER-SRE-DIPGR-INPE-MCTI-GOV-BR
2 DIOTG-CGCT-INPE-MCTI-GOV-BR
3
4 SER-SRE-DIPGR-INPE-MCTI-GOV-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
3 Cognizant Technology Solutions
4 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 tatiana.tardelli@gmail.com
2 contato.tsk@gmail.com
3
4 renatapquevedo@gmail.com
RevistaJournal of Applied Remote Sensing
Volume16
Número3
Páginase034518
Nota SecundáriaA2_GEOGRAFIA B1_GEOCIÊNCIAS B1_CIÊNCIAS_AGRÁRIAS_I B1_BIODIVERSIDADE B5_CIÊNCIAS_AMBIENTAIS
Histórico (UTC)2022-11-10 13:50:21 :: simone -> administrator ::
2022-11-10 13:50:22 :: administrator -> simone :: 2022
2022-11-10 13:50:48 :: simone -> administrator :: 2022
2023-01-03 16:46:23 :: administrator -> simone :: 2022
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 movements
image time series
landslide inventory
random forest
machine learning
remote sensing
ResumoLandslides are a recurring phenomenon in Brazil and have caused many socioeconomic losses and casualties. To monitor them, land use and land cover (LULC) and landslide inventory maps are essential to identifying high susceptibility areas. In this sense, the main aim of this study is to produce LULC classification focused on landslide detection via semi-automatic methods, using data mining techniques with remote sensing time-series imagery. For that, different indices, such as the normalized difference vegetation index, the normalized difference built-up index (NDBI), and the soil adjusted vegetation index were extracted from Sentinel-2 imagery. Basic, polar, and fractal metrics were extracted from the time series. From the Shuttle Radar Topography Mission digital elevation model, six geomorphometric features were extracted. Then, classification was performed with random forest with four different approaches: mono-temporal, bi-temporal, metrical, and all. In every approach, the NDBI index or metric derived from it presented the highest importance, and the slope was ranked among the six first predictors. The all approach showed the highest overall accuracy (OA) (88.96%), followed by metrical (87.90%), bi-temporal (82.59%), and mono-temporal (74.95%). Briefly, the metrical approach presented the most beneficial result, presenting high OA and low levels of commission and omission errors.
ÁreaSRE
Arranjo 1urlib.net > BDMCI > Fonds > SER > Time-series metrics applied...
Arranjo 2urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCT > Time-series metrics applied...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 10/11/2022 10:50 1.0 KiB 
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP3W34T/47UQRAE
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP3W34T/47UQRAE
Idiomaen
Arquivo Alvo034518_1.pdf
Grupo de Usuáriossimone
Grupo de Leitoresadministrator
simone
Visibilidadeshown
Política de Arquivamentoallowpublisher allowfinaldraft
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/3F3NU5S
8JMKD3MGPCW/46KUATE
Lista de Itens Citandosid.inpe.br/bibdigital/2013/10.18.22.34 5
sid.inpe.br/bibdigital/2022/04.03.22.23 2
DivulgaçãoWEBSCI; PORTALCAPES; COMPENDEX; SCOPUS.
Acervo Hospedeirourlib.net/www/2021/06.04.03.40
6. Notas
Campos Vaziosalternatejournal archivist callnumber copyholder copyright creatorhistory descriptionlevel e-mailaddress format isbn label lineage mark mirrorrepository nextedition notes parameterlist parentrepositories previousedition previouslowerunit progress project readpermission resumeid rightsholder schedulinginformation secondarydate secondarykey session shorttitle sponsor subject tertiarymark tertiarytype url
7. Controle da descrição
e-Mail (login)simone
atualizar 

1. Identificação
Tipo de ReferênciaTese ou Dissertação (Thesis)
Sitemtc-m21b.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W34P/3LQA8K8
Repositóriosid.inpe.br/mtc-m21b/2016/06.01.14.07
Última Atualização2018:05.08.19.32.03 (UTC) administrator
Repositório de Metadadossid.inpe.br/mtc-m21b/2016/06.01.14.07.48
Última Atualização dos Metadados2021:06.25.18.53.43 (UTC) administrator
Chave SecundáriaINPE-17707-TDI/2462
Chave de CitaçãoMaus:2016:LaUsLa
TítuloLand use and land cover monitoring using remote sensing image time series
Título AlternativoMonitoramento de mudanças de uso e cobertura da terra por análise de séries temporais de imagens de sensoriamento remoto
CursoCST-CST-SPG-INPE-MCTI-GOV-BR
Ano2016
Data2016-04-29
Data de Acesso16 maio 2024
Tipo da TeseTese (Doutorado em Ciência do Sistema Terrestre)
Tipo SecundárioTDI
Número de Páginas114
Número de Arquivos1
Tamanho70961 KiB
2. Contextualização
AutorMaus, Victor Wegner
GrupoCST-CST-SPG-INPE-MCTI-GOV-BR
BancaKampel, Silvana Amaral (presidente)
Câmara, Gilberto (orientador)
Ramos, Fernando Manoel (orientador)
Valeriano, Dalton de Morisson
Escada, Maria Isabel Sobral
Victoria, Daniel de Castro
Mello, Márcio Pupin de
Endereço de e-Mailvwmaus1@gmail.com
UniversidadeInstituto Nacional de Pesquisas Espaciais (INPE)
CidadeSão José dos Campos
Histórico (UTC)2016-06-01 14:11:20 :: vwmaus1@gmail.com -> administrator ::
2016-06-04 05:08:35 :: administrator -> yolanda.souza@mcti.gov.br ::
2016-06-08 14:09:48 :: yolanda.souza@mcti.gov.br -> vwmaus1@gmail.com ::
2016-06-21 03:14:41 :: vwmaus1@gmail.com -> yolanda.souza@mcti.gov.br ::
2016-08-09 18:03:49 :: yolanda.souza@mcti.gov.br -> marcelo.pazos@inpe.br ::
2016-08-16 12:04:40 :: marcelo.pazos@inpe.br :: -> 2016
2016-08-16 12:24:36 :: marcelo.pazos@inpe.br -> administrator :: 2016
2018-05-08 19:21:59 :: administrator -> pubtc@inpe.br :: 2016
2018-05-08 19:32:39 :: pubtc@inpe.br -> simone :: 2016
2018-05-08 19:33:07 :: simone -> administrator :: 2016
2021-06-25 18:53:43 :: administrator -> :: 2016
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Palavras-Chavetime series analysis
dynamic programming
data mining
crop identification
agricultural intensification
deforestation
forest degradation
análise de séries temporais
programação dinâmica
mineração de dados
identificação de culturas
intensificação da agricultura
desmatamento
degradação florestal
ResumoLand system change has a wide range of impacts on Earth system components. Tropical forests in particular have been identified as crucial ecosystems for climate regulation, global biodiversity, and hydrological cycling. The Brazilian Amazon has experienced a high rate of deforestation in the last decade and it is the main source of Brazils anthropogenic CO$_{2}$ emissions. The growing global population will further increase the demand for food and therefore increase the pressure on agricultural systems. High quality, fine resolution, and near-real time land use and land cover monitoring systems play a crucial role in generating information to advance our understanding of human impact on land cover. Earth Observation satellites are the only source that provides a continuous and consistent set of information about the Earth${'}$s land. The current large-scale classification systems such as MODIS Land Cover and GLC 2000 have limitations and their accuracy is not sufficient for land change modeling. Therefore, new techniques for improving land system products are urgently needed. The contribution of this thesis to Earth System Science is threefold. Firstly, the thesis presents a new method for analysis of remote-sensed image time series that improves spatio-temporal land cover data sets and has a substantial potential for contributing to land system change modeling. The developed Time- Weighted Dynamic Time Warping (TWDTW) method is a time-constraint variation of the well-known Dynamic Time Warping (DTW) method, which has in the extensive literature proved to be a robust time series data mining. Secondly, this thesis contributed to open and reproducible science by making the algorithms available for larger audience. TWDTW is implemented in an open source R package called dtwSat available in the Comprehensive R Archive Network (CRAN). Thirdly, this thesis presents an analysis of land cover changes in the Amazon, focusing on the Brazilian state of Mato Grosso that has gone through high rate of deforestation and cropland expansion in the last decade. This study identified and estimated the land cover change using MODIS image time series, contributing to better understand the land dynamics in the Brazilian Amazon. In the study area the pasture is the dominant land use after deforestation, whereas most of the single cropping area comes from pasture, and the cropping system is undergoing intensification from single to double cropping. Moreover, the regenerative secondary forest comes mainly from pasture. The study showed the potential of the TWDTW method for large-scale remote sensing data analysis, which could be extended to other Brazilian biomes to help understand land change in the whole Brazilian territory. RESUMO: Mudanças na superfície da terra têm uma ampla gama de impactos sobre o sistema terrestre. Florestas tropicais, em particular, são ecossistemas cruciais para regulação climática, manutenção da biodiversidade, a ciclo hidrológico. Na última década a Amazônia brasileira tem experimentado uma alta taxa de desmatamento, sendo a principal fonte de emissões antropogênicas de CO$_{2}$ no Brasil. O crescimento da população mundial vai aumentar ainda mais a demanda por alimentos e, portanto, aumentar a pressão sobre agrícultura e pecuária. Dados com alta qualidade, melhor resolução espacial e temporal, e o desenvolvimento de sistemas de monitoramento desempenham um papel crucial na geração de informações para avançar nossa compreensão sobre os impactos humanos na cobertura da terra. Os satélites de observação da Terra são a única fonte que fornece um conjunto contínuo e consistente de informações sobre nosso planeta. Sistemas de classificação em grande escala, como MODIS Land Cover e GLC 2000 têm limitações e sua acurácia não é suficiente para a modelagem de mudanças de use da terra. Portanto, são necessárias novas técnicas para melhoramento dos dados de use e cobertura da terra. Esta tese traz três contribuições para a Ciência do Sistema Terrestre. Primeiramente, esta tese apresenta um novo método para análise de séries temporais de imagens satélite que melhora a classificação de cobertura da terra. O método tem grande potencial para contribuir para a modelagem de mudanças do sistema terrestre. O método desenvolvido, Time-Weigted Dynamic Time Warping (TWDTW), é uma adaptação ponderada por tempo do método clássico Dynamic Time Warping (DTW), que tem em uma extensa literatura provando ser um método robusto para mineração de dados em séries temporais. Em segundo lugar, esta tese contribuiu para a ciência aberta e reprodutível, tornando algoritmos disponíveis para o público. TWDTW está implementado em um pacote R de código aberto chamado dtwSat disponível no Comprehensive R Archive Network (CRAN). Em terceiro lugar, esta tese apresenta uma análise as mudanças do uso e cobertura da terra na Amazônia, com foco no estado do Mato Grosso, que passou por alta taxa de desmatamento e expansão agrícola na última década. Este estudo identificou e estimou mudanças de cobertura da terra com séries temporais de imagens MODIS, contribuindo para melhor compreender a dinâmica de ocupação da terra na Amazônia brasileira. Na área de estudo, a pastagem é o uso dominante após o desmatamento, ao passo que a maior parte da área de cultivo com um ciclo anual provem da área de pasto, com o sistema de cultivo passando por intensificação, mudando de cultivo simples para cultivo duplo. Além disso, áreas de regeneração vêm, principalmente, de áreas de pastagem. O estudo mostrou o potencial do método de TWDTW para análise de dados de sensoriamento remoto em grande escala, que poderia ser estendido a outros biomas brasileiros para ajudar a entender as mudanças da terra em todo o território brasileiro.
ÁreaCST
Arranjourlib.net > BDMCI > Fonds > Produção pgr ATUAIS > CST > Land use and...
Conteúdo da Pasta docacessar
Conteúdo da Pasta source
originais/@4primeirasPaginas.pdf 05/07/2016 14:43 186.9 KiB 
originais/Avaliação final pag 2 aluno Victor wagner Maus.pdf 29/06/2016 10:48 36.9 KiB 
originais/main_final.pdf 28/06/2016 15:09 69.3 MiB
Conteúdo da Pasta agreement
A time weighted dynamic time.pdf 08/05/2018 16:31 88.0 KiB 
autorizacao.pdf 09/08/2016 15:02 610.9 KiB 
dtwSat_ Time-Weighted Dynamic Time Warping for Satellite Image Time Series Analysis in R.pdf 08/05/2018 16:31 148.0 KiB 
dtwSat_ Time-Weighted Dynamic Time Warping for Satellite Image Time Series Analysis in R_License.pdf 08/05/2018 16:32 64.0 KiB 
4. Condições de acesso e uso
URL dos dadoshttp://mtc-m21b.sid.inpe.br/ibi/8JMKD3MGP3W34P/3LQA8K8
URL dos dados zipadoshttp://mtc-m21b.sid.inpe.br/zip/8JMKD3MGP3W34P/3LQA8K8
Idiomaen
Arquivo Alvopublicacao.pdf
Grupo de Usuáriosadministrator
marcelo.pazos@inpe.br
simone
vwmaus1@gmail.com
yolanda.souza@mcti.gov.br
Grupo de Leitoresadministrator
marcelo.pazos@inpe.br
vwmaus1@gmail.com
yolanda.souza@mcti.gov.br
Visibilidadeshown
Licença de Direitos Autoraisurlib.net/www/2012/11.12.15.10
Detentor da CópiaSID/SCD
Permissão de Leituraallow from all
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Repositório Espelhosid.inpe.br/mtc-m21b/2013/09.26.14.25.22
Unidades Imediatamente Superiores8JMKD3MGPCW/449U4PL
Lista de Itens Citandosid.inpe.br/bibdigital/2021/03.06.05.18 1
Acervo Hospedeirosid.inpe.br/mtc-m21b/2013/09.26.14.25.20
6. Notas
Campos Vaziosacademicdepartment affiliation archivingpolicy archivist callnumber contenttype creatorhistory descriptionlevel dissemination doi electronicmailaddress format isbn issn label lineage mark nextedition notes number orcid parameterlist parentrepositories previousedition previouslowerunit progress resumeid rightsholder schedulinginformation secondarydate secondarymark session shorttitle sponsor subject tertiarymark tertiarytype url versiontype

1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Sitemtc-m21c.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W34R/49NEEFL
Repositóriosid.inpe.br/mtc-m21c/2023/08.30.10.51
Última Atualização2023:08.30.10.51.44 (UTC) simone
Repositório de Metadadossid.inpe.br/mtc-m21c/2023/08.30.10.51.44
Última Atualização dos Metadados2023:09.14.01.13.45 (UTC) administrator
Chave SecundáriaINPE--PRE/
Chave de CitaçãoSimões:2019:LaUsLa
TítuloLand use and land cover classification of satellite image time series using machine learning
Ano2019
Data de Acesso16 maio 2024
Tipo SecundárioPRE CN
Número de Arquivos1
Tamanho101 KiB
2. Contextualização
AutorSimões, Rolf Ezequiel de Oliveira
GrupoCAP-COMP-SESPG-INPE-MCTIC-GOV-BR
AfiliaçãoInstituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autorrolfsimoes@gmail.com
EditorSantos, R. D. C.
Queiroz, G. R.
Nome do EventoWorkshop de Computação Aplicada, 19 (WORCAP)
Localização do EventoSão José dos Campos, SP
Data17-19 set. 2019
Título do LivroAnais
Tipo TerciárioPoster
Histórico (UTC)2023-08-30 10:51:44 :: simone -> administrator ::
2023-09-14 01:13:45 :: administrator -> simone :: 2019
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Tipo de Versãopublisher
ResumoThe human activities are impacting the global environment and the Earth surface. Research on new technologies to assess and monitor this impact is a necessary task to improve our knowledge on Earth system dynamics. One way to understand the environmental changes is to look to land cover and land use changes. In the past few decades, the Earth surface imaging done by orbital sensors is the most consistent way to do this task globally and periodically. Nowadays, the planet is continuously monitored and a several imagery databases are open to the public community. This massive volume of spatio-temporal suggested the concept of big Earth Observation data that, associated with the recent innovations on information technologies and connectivity, increased the attention to the Earth Observation data cubes (EODC) (Strobl, 2017; Giuliani et al., 2019). More than a way to organize multidimensional data, an EODC can be viewed as a package of solutions intended to facilitate its consumption by researchers. Recently, some private and governmental initiatives by research groups and institutions worldwide are producing and delivering EODC. INPE, the National Institute for Space Research in Brazil, is working on a challenging project, organize and deliver the Brazilian Data Cube (BDC) (INPE, 2019). Here, we present a work in progress model of the BDC catalog database using the Unified Modeling Language (UML) to clarifies some concepts and propose its Entity-Relationship model. The BDC catalog database is a central component of the data cube technology. It enables the search and retrieval of its data elements and facilitates the interoperability between services and client softwares.
ÁreaCOMP
Arranjo 1urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > CAP > Land use and...
Arranjo 2urlib.net > BDMCI > Fonds > WORCAP > XIX WORCAP > Land use and...
Arranjo 3urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGIP > XIX WORCAP > Land use and...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 30/08/2023 07:51 1.0 KiB 
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP3W34R/49NEEFL
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP3W34R/49NEEFL
Idiomaen
Arquivo AlvoSimoes_land.pdf
Grupo de Usuáriossimone
Visibilidadeshown
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Repositório Espelhourlib.net/www/2017/11.22.19.04.03
Unidades Imediatamente Superiores8JMKD3MGPCW/3F2PHGS
8JMKD3MGPDW34P/49QQGM8
Lista de Itens Citandosid.inpe.br/mtc-m16c/2023/09.14.01.13 3
sid.inpe.br/bibdigital/2013/10.12.22.16 1
Acervo Hospedeirourlib.net/www/2017/11.22.19.04
6. Notas
Campos Vaziosarchivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel dissemination doi e-mailaddress edition format isbn issn keywords label lineage mark nextedition notes numberofvolumes orcid organization pages parameterlist parentrepositories previousedition previouslowerunit progress project publisher publisheraddress readergroup readpermission resumeid rightsholder schedulinginformation secondarydate secondarymark serieseditor session shorttitle sponsor subject tertiarymark type url volume
7. Controle da descrição
e-Mail (login)simone
atualizar 

1. Identificação
Tipo de ReferênciaTese ou Dissertação (Thesis)
Sitemtc-m21c.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W34R/44KLMUS
Repositóriosid.inpe.br/mtc-m21c/2021/05.05.01.16
Última Atualização2021:09.28.17.39.53 (UTC) simone
Repositório de Metadadossid.inpe.br/mtc-m21c/2021/05.05.01.16.36
Última Atualização dos Metadados2022:04.03.23.15.44 (UTC) administrator
Chave SecundáriaINPE-18471-TDI/3119
Chave de CitaçãoSimões:2021:LaUsLa
TítuloLand use and land cover classification of satellite image time series using machine learning
Título AlternativoClassificação de uso e cobertura da terra a partir de séries temporais de imagens de satélite usando métodos de aprendizado de máquina
CursoCAP-COMP-DIPGR-INPE-MCTI-GOV-BR
Ano2021
Data2021-05-12
Data de Acesso16 maio 2024
Tipo da TeseTese (Doutorado em Computação Aplicada)
Tipo SecundárioTDI
Número de Páginas65
Número de Arquivos1
Tamanho2413 KiB
2. Contextualização
AutorSimões, Rolf Ezequiel de Oliveira
BancaSantos, Rafael Duarte Coelho dos (presidente)
Camara Neto, Gilberto (orientador)
Queiroz, Gilberto Ribeiro de (orientador)
Almeida, Claudio Aparecido
Arvor, Damien
Lorena, Ana Carolina
Endereço de e-Mailrolf.simoes@inpe.br
UniversidadeInstituto Nacional de Pesquisas Espaciais (INPE)
CidadeSão José dos Campos
Histórico (UTC)2021-05-05 01:17:26 :: rolf.simoes@inpe.br -> pubtc@inpe.br ::
2021-05-06 19:18:10 :: pubtc@inpe.br -> rolf.simoes@inpe.br ::
2021-07-20 22:34:09 :: rolf.simoes@inpe.br -> pubtc@inpe.br ::
2021-07-21 17:11:29 :: pubtc@inpe.br -> rolf.simoes@inpe.br ::
2021-07-27 15:17:51 :: rolf.simoes@inpe.br -> pubtc@inpe.br ::
2021-12-03 18:34:58 :: pubtc@inpe.br -> simone ::
2021-12-03 18:42:06 :: simone :: -> 2021
2021-12-03 18:42:07 :: simone -> administrator :: 2021
2022-04-03 23:15:44 :: administrator -> :: 2021
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Palavras-Chavebig Earth observation data
satellite image time series
machine learning
land use and land cover maps
cloud computing
big data
observação da Terra
séries temporais de imagens de satélites
aprendizado de máquina
mapas de uso e cobertura da terra
computação em nuvem
ResumoHuman activities are impacting the global environment and changing the landscape of the Earth at an unprecedented pace. One way to understand and quantify the impacts of these transformations is to measure land cover and land use changes. Earth observation by orbital sensors has became the most consistent way to do this task as it reaches all globe in a periodic manner. The planet is continuously monitored and large image databases are open to the public community. Cloud computing is becoming the main choice for storage, distribution, and processing of satellite imagery. To use these data sets to understand how our planet is changing, researchers are developing software for big Earth observation data analytics. The massive volume of spatiotemporal digital assets has brought about a major computational challenge: how to design and build technologies that allow the Earth observation community to analyse big data sets? This thesis addresses this problem by proposing an open source R package called sits. The package works with satellite image time series and machine learning methods to produce land use and land cover classification in a time-first, space-later approach. Our hypothesis is that using all observed spectral values of the time series coupled with advanced statistical learning methods is a robust approach for land classification. Two case studies show that this approach produces results of high accuracy. The first was conducted in Mato Grosso State, Brazil, for years 2001-2017. The second was conducted in Cerrado biome for the year 2018. These study areas comprise some of the worlds most dynamic agricultural frontiers. To show how to access collections of satellite images, we also present the rstac R package. This package allows sits to connect to different imagery repositories on the cloud. RESUMO: As atividades humanas estão impactando o meio ambiente global e mudando a paisagem da Terra a um ritmo sem precedentes. Uma maneira de entender e quantificar os impactos destes transformações é olhar para a cobertura e as mudanças de uso do solo. Nas últimas décadas, imagens de satélite sensores orbitais tornaram-se a maneira mais consistente de faze-lo. Atualmente, o planeta é continuamente monitorado e várias bases de dados de imagens estão abertas à comunidade científica. Para armazenar, distribuição e processar essas imagens, a principal escolha é o uso de computação em nuvem. Esse enorme volume de dados trouxe um desafio computacional: como projetar e construir tecnologias que permitam à comunidade de observação da Terra analisar grandes conjuntos de dados? Esta tese contribui para resolver esse desafio científico ao propor um pacote R de código aberto chamado sits . O software usa séries temporais de imagens de satélite e métodos de aprendizagem de máquinas para produzir a classificação de uso e cobertura da Terra em uma abordagem time-first, space-later. Nossa hipótese é a de que usar séries temporais juntamente com métodos avançados de aprendizagem de máquina é uma abordagem robusta para a classificação do uso e cobertura da terra. Mostramos no trabalho que esta abordagem produz mapas de uso e cobertura da Terra com boa precisão através de dois estudos de caso. O primeiro foi realizado no estado do Mato Grosso, Brasil, para o período 2001-2017. O segundo no bioma brasileiro do Cerrado para o ano de 2018. Nessas áreas de estudo estão localizas algumas das fronteiras agrícolas mais dinâmicas do mundo. Além disso, apresentamos o pacote rstac desenvolvido e integrado no sits que nos permitiu conectar a diferentes repositórios de imagens na nuvem.
ÁreaCOMP
Arranjo 1urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > CAP > Land use and...
Arranjo 2urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGIP > Land use and...
Conteúdo da Pasta docacessar
Conteúdo da Pasta source
originais/@4primeirasPaginas.pdf 28/09/2021 14:20 412.4 KiB 
originais/DEFESA FINAL DE TESE DE ROLF EZEQUIEL DE OLIVEIRA SIMÕES - CAP.pdf 28/07/2021 11:34 60.8 KiB 
originais/Thesis_Rolf_Simoes_INPE_v4.pdf 03/08/2021 15:17 2.0 MiB
Conteúdo da Pasta agreement
autorizacao.pdf 28/09/2021 14:39 323.9 KiB 
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP3W34R/44KLMUS
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP3W34R/44KLMUS
Idiomaen
Arquivo Alvopublicacao.pdf
Grupo de Usuáriospubtc@inpe.br
rolf.simoes@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/2017/11.22.19.04.03
Unidades Imediatamente Superiores8JMKD3MGPCW/3F2PHGS
8JMKD3MGPCW/46KUES5
Lista de Itens Citandosid.inpe.br/bibdigital/2013/10.12.22.16 2
sid.inpe.br/bibdigital/2022/04.03.23.11 1
Acervo Hospedeirourlib.net/www/2017/11.22.19.04
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 ReferênciaTese ou Dissertação (Thesis)
Sitemtc-m21d.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W34T/44TPHRS
Repositóriosid.inpe.br/mtc-m21d/2021/06.23.21.49
Última Atualização2021:10.05.13.14.29 (UTC) simone
Repositório de Metadadossid.inpe.br/mtc-m21d/2021/06.23.21.49.08
Última Atualização dos Metadados2022:04.03.22.29.58 (UTC) administrator
Chave SecundáriaINPE-18484-TDI/3132
Chave de CitaçãoUehara:2021:SeMeLa
TítuloSemi-automatic methods for land use and land cover mapping using time series with focus on landslide scars detection
Título AlternativoMétodos de mapeamento semi-automático do uso e cobertura do solo por séries temporais com foco na detecção de cicatrizes de deslizamentos
CursoSER-SRE-DIPGR-INPE-MCTI-GOV-BR
Ano2021
Data2021-06-11
Data de Acesso16 maio 2024
Tipo da TeseDissertação (Mestrado em Sensoriamento Remoto)
Tipo SecundárioTDI
Número de Páginas90
Número de Arquivos1
Tamanho71064 KiB
2. Contextualização
AutorUehara, Tatiana Dias Tardelli
BancaRennó, Camilo Daleles (presidente)
Körting, Thales Sehn (orientador)
Namikawa, Laércio Massaru
Kawakubo, Fernando Shinji
Soares, Anderson Reis
Endereço de e-Mailtatiana.inpe@gmail.com
UniversidadeInstituto Nacional de Pesquisas Espaciais (INPE)
CidadeSão José dos Campos
Histórico (UTC)2021-06-23 21:49:08 :: tatiana.uehara@inpe.br -> pubtc@inpe.br ::
2021-06-29 11:23:50 :: pubtc@inpe.br -> tatiana.uehara@inpe.br ::
2021-08-20 00:56:24 :: tatiana.uehara@inpe.br -> pubtc@inpe.br ::
2021-08-20 13:02:17 :: pubtc@inpe.br -> tatiana.uehara@inpe.br ::
2021-08-20 21:05:31 :: tatiana.uehara@inpe.br -> pubtc@inpe.br ::
2021-08-23 17:21:22 :: pubtc@inpe.br -> tatiana.uehara@inpe.br ::
2021-08-24 18:21:14 :: tatiana.uehara@inpe.br -> pubtc@inpe.br ::
2021-10-26 14:44:24 :: pubtc@inpe.br -> simone ::
2021-10-26 14:44:53 :: simone :: -> 2021
2021-10-26 14:44:53 :: simone -> administrator :: 2021
2022-04-03 22:29:58 :: administrator -> :: 2021
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Palavras-Chavemass movements
image time series
time series metrics
Random Forest
Machine Learning.
movimentos de massa
séries temporais de imagens
métricas de séries temporais
ResumoLandslides happen with recurrence in Brazil and have been the reason for many socioeconomic losses and casualties, for instance the consequences of the so called Mega-disaster at Nova Friburgo in 2011. To prevent them, Land Use and Land Cover (LULC) and landslide inventory maps are essential to identify areas of high susceptibility. Most inventories are made using visual interpretation methods. However this approach is time and resource consuming. In this context, the aim of this study is to use data mining techniques with remote sensing time series imagery to produce a LULC classification and detect landslide scars via semi-automatic methods. The study area covers the whole extension of the Rolante River hydrographic basin, located at Rio Grande do Sul state, Brazil. In January 5th, 2017, more than 300 landslides occurred due to an extreme precipitation event. Sentinel-2 from 2015 to 2020 was used, which resulted in 122 dates, with a temporal resolution of approximately 13 days. A variety of attributes were generated, being them spectral indices, as the Normalized Difference Vegetation Index (NDVI), the Normalized Difference Built- up Index (NDBI), and the Soil Adjusted Vegetation Index (SAVI). Basic, polar and fractal metrics were extracted from the time series. From the Digital Elevation Model (DEM) provided by SRTM, six geomorphometric features were extracted (Slope, Aspect, Plan curvature, Profile curvature, General Curvature and the TopographicWetness Index). After that, classification was performed by the Random Forest (RF) algorithm. Four different input approaches were analysed: Mono-temporal, Bi-temporal, Metrical and All. Each approach consists of a different dataset input, in which the first approach takes into consideration only 10 attributes and the last one, 436 attributes. Considering the attributes importance ranking, the NDBI index or metric derived from that index presented the highest position for every approach, over NDVI and SAVI. Among the geomorphometric attributes, Slope was ranked among the 6 first attributes for all of them. Comparing the approaches performances through the overall accuracy analysis, All approach showed the highest value (88.96%), followed by Metrical (87.90%), Bi-temporal (82.59%), and Mono-temporal (74.95%). The approaches that presented the highest error rates for landslide class were Mono-temporal (7.69%) for omission and Bi-temporal (14.67%) for commission error. Furthermore, from the interpretation of all of the accuracy results, with the understanding that the goal was to provide both LULC and landslide inventory products, the Metrical approach presented the most beneficial result, presenting high overall accuracy values and low levels of commission and omission errors. RESUMO: Os deslizamentos de terra acontecem com frequência no Brasil e têm sido a causa de muitas perdas socioeconômicas e fatalidades, a exemplo das consequências do chamado Mega-desastre em Nova Friburgo em 2011. Para evitá-los, os mapas de Uso e Cobertura do Solo (LULC) e os inventários de deslizamentos são essenciais para identificar áreas com alta suscetibilidade. A maioria dos inventários é feita usando métodos de interpretação visual, no entanto, essa abordagem consome demasiado tempo e recursos. Neste contexto, o objetivo deste estudo é utilizar técnicas de mineração de dados com imagens de séries temporais de sensoriamento remoto para produzir uma classificação LULC e detectar cicatrizes de deslizamentos por meio de métodos semiautomáticos. A área de estudo cobre toda a extensão da bacia hidrográfica do Rio Rolante, localizada no estado do Rio Grande do Sul, Brasil. Em 5 de janeiro de 2017, mais de 300 deslizamentos de terra ocorreram devido a um evento de precipitação extrema. Foram utilizadas imagens do Sentinel-2 de 2015 a 2020, que resultaram em 122 datas, com resolução temporal de aproximadamente 13 dias. Diversos atributos foram gerados, sendo eles índices espectrais, como o Índice de Vegetação por Diferença Normalizada (NDVI), o Índice de Construção da Diferença Normalizada (NDBI) e o Índice de Vegetação Ajustado do Solo (SAVI). Métricas básicas, polares e fractais foram extraídas das séries temporais. Do Modelo Digital de Elevação (DEM) fornecido pela SRTM, seis atributos geomorfométricos foram extraídos (declividade, aspecto, curvatura do horizontal, curvatura vertical, curvatura geral e índice de umidade topográfico). Em seguida, a classificação foi realizada pelo algoritmo Random Forest (RF). Quatro abordagens diferentes de dados de entrada foram analisadas: Mono-temporal, Bi-temporal, Metrical e All. Cada abordagem consiste em uma entrada de conjunto de dados diferente, em que a primeira abordagem leva em consideração apenas 10 atributos e a última, 436 atributos. Considerando o ranking de importância dos atributos, o índice NDBI ou métrica do derivada desse índice apresentou o primeiro lugar para todas as abordagens, acima do NDVI e do SAVI. Dentre os atributos geomorfométricos, a declividade foi classificada entre os 6 primeiros atributos para todos os casos. Comparando o desempenho das abordagens por meio da análise da acurácia global, a abordagem All apresentou o maior valor (88,96%), seguidas por Metrical (87,90%), Bi-temporal (82,59%) e Mono-temporal (74,95%). As abordagens que apresentaram as maiores taxas de erro para a classe de deslizamento foram Mono-temporal (7,69%) para omissão e Bi-temporal (14,67%) para erro de comissão. Além disso, a partir da interpretação de todos os resultados de acurácia, e compreendendo-se que o objetivo era fornecer tanto o mapa de LULC quanto o produto de inventário de deslizamento, a abordagem Metrical apresentou o resultado mais benéfico, mostrando altos valores de acurácia global e níveis baixos de erros de comissão e omissão.
ÁreaSRE
Arranjo 1urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > SER > Semi-automatic methods for...
Arranjo 2urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCT > Semi-automatic methods for...
Conteúdo da Pasta docacessar
Conteúdo da Pasta source
originais/@4primeirasPaginas.pdf 05/10/2021 10:02 412.9 KiB 
originais/Defesa final de Dissertação Tatiana Dias Tardelli Uehara - SER.pdf 17/06/2021 12:22 187.4 KiB 
originais/Tatiana_INPE_MSc_Thesis_r3.pdf 25/08/2021 15:11 69.2 MiB
Conteúdo da Pasta agreement
autorizacao.pdf 05/10/2021 10:14 102.2 KiB 
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP3W34T/44TPHRS
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP3W34T/44TPHRS
Idiomaen
Arquivo Alvopublicacao.pdf
Grupo de Usuáriospubtc@inpe.br
simone
tatiana.uehara@inpe.br
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
Lista de Itens Citandosid.inpe.br/bibdigital@80/2006/04.07.15.50.13 1
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/3UFDG6B
Repositóriosid.inpe.br/mtc-m16d/2019/11.27.13.54
Última Atualização2019:11.27.13.54.10 (UTC) simone
Repositório de Metadadossid.inpe.br/mtc-m16d/2019/11.27.13.54.11
Última Atualização dos Metadados2023:01.30.13.08.46 (UTC) administrator
ISSN2179-4847
Chave de CitaçãoOliveiraCarBueRodMar:2019:ExPaGe
TítuloExploiting parallelism to generate meta-features for land use and land cover classification with remote sensing time series
FormatoOn-line.
Ano2019
Data de Acesso16 maio 2024
Tipo SecundárioPRE CN
Número de Arquivos1
Tamanho210 KiB
2. Contextualização
Autor1 Oliveira, Sávio S. T. de
2 Cardoso, Marcelo de C.
3 Bueno, Elivelton
4 Rodrigues, Vagner J. S.
5 Martins, Wellington S.
Afiliação1 Universidade Federal de Goiás (UFG)
2 Universidade Federal de Goiás (UFG)
3 Universidade Federal de Goiás (UFG)
4 Universidade Federal de Goiás (UFG)
5 Universidade Federal de Goiás (UFG)
Endereço de e-Mail do Autor1 savio.teles@gogeo.io
2 marcelo.cardoso@gogeo.io
3 elivelton.bueno@gogeo.io
4 vagner@gogeo.io
5 wellington@inf.ufg.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 13:54:11 :: daniela.seki@inpe.br -> administrator ::
2020-05-19 15:00:30 :: administrator -> simone :: 2019
2020-05-19 18:26:45 :: simone -> administrator :: 2019
2023-01-30 13:08:46 :: administrator -> simone :: 2019
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Palavras-Chavegeoinformatica
ResumoThe automatic classification of remote sensing time series has become essential to identify the rapid and frequent changes that the earths surface has been undergoing. This work investigates the accuracy of land use and land cover classification with remote sensing time series when distance based metafeatures are added to existing features of some classifiers. The distance based meta-features presented are generated by comparing all time series of the region being studied to every time series patterns previously calculated for that region. This is a very costly operation that was made viable through the use of parallel processing. Although expensive, this operation is advantageous because the meta-features generated can be later used as input to any classifier. The experimental work conducted showed promising results when using the distance based meta-feature strategy. The proposed strategy was able to increase from 78% to 93,8% the classification accuracy of the KNN algorithm, and from 92,3% to 93,8% the accuracy of a state-of-art SVM-based algorithm proposed recently. These results indicate that distance-based meta-features allow revealing unknown data characteristics, potentially increasing classification accuracy.
ÁreaSER
Arranjourlib.net > BDMCI > Fonds > GEOINFO > Coleção GEOINFO > Exploiting parallelism to...
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/3UFDG6B
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGPDW34R/3UFDG6B
Idiomapt
Arquivo Alvo135-146.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 Superiores8JMKD3MGPDW34P/42T2R5B
8JMKD3MGPDW34P/48F29JE
Lista de Itens Citandosid.inpe.br/mtc-m16c/2023/01.30.13.05 2
sid.inpe.br/mtc-m16c/2020/07.22.00.51 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 group 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 Revista Científica (Journal Article)
Sitemtc-m21c.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W34R/436TFA5
Repositóriosid.inpe.br/mtc-m21c/2020/09.02.13.17   (acesso restrito)
Última Atualização2020:09.02.13.17.01 (UTC) administrator
Repositório de Metadadossid.inpe.br/mtc-m21c/2020/09.02.13.17.01
Última Atualização dos Metadados2022:01.04.01.35.20 (UTC) administrator
DOI10.1109/JSTARS.2020.2994893
ISSN1939-1404
2151-1535
Chave de CitaçãoShimabukuroArDuDuCaSaHo:2020:DiLaUs
TítuloDiscriminating land use and land cover classes in Brazil based on the annual PROBA-V 100 m time series
Ano2020
Data de Acesso16 maio 2024
Tipo de Trabalhojournal article
Tipo SecundárioPRE PI
Número de Arquivos1
Tamanho4018 KiB
2. Contextualização
Autor1 Shimabukuro, Yosio Edemir
2 Arai, Egídio
3 Duarte, Valdete
4 Dutra, Andeise Cerqueira
5 Cassol, Henrique Luis Godinho
6 Sano, Edson Eyji
7 Hoffmann, Tânia Beatriz
Identificador de Curriculo1 8JMKD3MGP5W/3C9JJCQ
2 8JMKD3MGP5W/3C9JGUP
3 8JMKD3MGP5W/3C9JJAU
ORCID1 0000-0002-1469-8433
2
3
4 0000-0002-4454-7732
5 0000-0001-6728-4712
6 0000-0001-5760-556X
7 0000-0002-8246-5666
Grupo1 DIDSR-CGOBT-INPE-MCTIC-GOV-BR
2 DIDSR-CGOBT-INPE-MCTIC-GOV-BR
3 DIDSR-CGOBT-INPE-MCTIC-GOV-BR
4 SER-SRE-SESPG-INPE-MCTIC-GOV-BR
5 SER-SRE-SESPG-INPE-MCTIC-GOV-BR
6
7 SER-SRE-SESPG-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 Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA)
7 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 yosio@dsr.inpe.br
2 egidio@dsr.inpe.br
3 valdete.duarte@inpe.br
4 andeise.dutra@inpe.br
5 henrique@dsr.inpe.br
6 edson.sano@embrapa.br
7 tania.hoffmann@inpe.br
RevistaIEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing
Volume13
Páginas3409-3420
Histórico (UTC)2020-09-02 13:17:01 :: simone -> administrator ::
2022-01-04 01:35:20 :: 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-Chave—Fraction images
image processing
linear spectral mixing model (LSMM)
random forest (RF)
ResumoBrazil, with more than 8 million km2, presents six different biomes, ranging from natural grasslands (Pampa biome) to tropical rainfall forests (Amazônia biome), with different land-use types (mostly pasturelands and croplands) and pressures (mainly in the Cerrado biome). The objective of this article is to present a new method to discriminate the most representative land use and land cover (LULC) classes of Brazil, based on the PROBA-V images. The images were converted into vegetation, soil, and shade fraction images by applying the linear spectral mixing model. Then, the pixel-based, highest proportion, annual mosaics of the fraction images, and their corresponding standard deviation images were derived and classified using the random forest algorithm. The following LULC classes were considered: forestlands, shrublands, grasslands, croplands, pasturelands, water bodies, and others. An agreement analysis was conducted with two available LULC maps derived from the Landsat satellite, the MapBiomas, and the Finer Resolution Observation and Monitoring-Global Land Cover (FROM-GLC) projects. Forestlands (412 million ha) and pasturelands (242 million ha) were the two most representative LULC classes; and croplands accounted for 30 million ha. The results presented an overall agreement of 69% and 58% with the MapBiomas and FROM-GLC projects, respectively. The proposed method is a good alternative to support operational projects of LULC map production that are important for planning biodiversity conservation or environmentally sustainable land occupation.
ÁreaSRE
Arranjo 1urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > Discriminating land use...
Arranjo 2urlib.net > Fonds > Produção pgr ATUAIS > SER > Discriminating land use...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 02/09/2020 10:17 1.0 KiB 
4. Condições de acesso e uso
Idiomaen
Arquivo Alvoshimabukuro_discriminating.pdf
Grupo de Usuáriossimone
Visibilidadeshown
Política de Arquivamentodenypublisher allowfinaldraft
Permissão de Leituradeny from all and allow from 150.163
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/3ER446E
8JMKD3MGPCW/3F3NU5S
DivulgaçãoWEBSCI; IEEEXplore.
Acervo Hospedeirourlib.net/www/2017/11.22.19.04
6. Notas
Campos Vaziosalternatejournal archivist callnumber copyholder copyright creatorhistory descriptionlevel e-mailaddress format isbn label lineage mark mirrorrepository month nextedition notes number parameterlist parentrepositories previousedition previouslowerunit progress project readergroup rightsholder schedulinginformation secondarydate secondarykey secondarymark session shorttitle sponsor subject tertiarymark tertiarytype url
7. Controle da descrição
e-Mail (login)simone
atualizar 

1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Sitemtc-m16c.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP8W/3AKPC85
Repositóriosid.inpe.br/mtc-m18/2011/10.18.01.44
Última Atualização2011:10.18.01.44.49 (UTC) administrator
Repositório de Metadadossid.inpe.br/mtc-m18/2011/10.18.01.44.49
Última Atualização dos Metadados2020:11.26.13.55.16 (UTC) administrator
Chave de CitaçãoFreitasSRAASSR:2011:OnViTo
TítuloAn On-line Visualization Tool Using MODIS and TRMM Time-series for Land Use and Land Cover Studies at South America
FormatoOn-line.
Ano2011
Data de Acesso16 maio 2024
Tipo SecundárioPRE CN
Número de Arquivos1
Tamanho379 KiB
2. Contextualização
Autor1 Freitas, Ramon Morais De
2 Shimabukuro, Yosio Edemir
3 Rosa, Reinaldo Roberto
4 Adami, Marcos
5 Arai, Egidio
6 Sato, Fernando Yuzo
7 Souza, Arley Ferreira De
8 Rudorff, Bernardo F. T.
Identificador de Curriculo1
2 8JMKD3MGP5W/3C9JJCQ
3 8JMKD3MGP5W/3C9JJ5D
4
5 8JMKD3MGP5W/3C9JGUP
Grupo1 DSR-OBT-INPE-MCT-BR
2 DSR-OBT-INPE-MCT-BR
3 LAC-CTE-INPE-MCT-BR
4 DSR-OBT-INPE-MCT-BR
5 DSR-OBT-INPE-MCT-BR
6
7
8 DSR-OBT-INPE-MCT-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
7
8 Instituto Nacional de Pesquisas Espaciais (INPE)
EditorCastro, Ana Paula Abrantes de
Drummond, Isabela Neves
Sandri, Sandra Aparecida
Endereço de e-Mailworcap2011.comissaoprograma@gmail.com
Nome do EventoWorkshop dos Cursos de Computação Aplicada do INPE, 11 (WORCAP).
Localização do EventoSão José dos Campos
Data8-10 nov. 2011
Editora (Publisher)Instituto Nacional de Pesquisas Espaciais (INPE)
Cidade da EditoraSão José dos Campos
Título do LivroAnais
OrganizaçãoInstituto Nacional de Pesquisas Espaciais (INPE)
Histórico (UTC)2011-12-02 11:56:33 :: worcap2011.comissaoprograma@gmail.com -> secretaria.cpa@dir.inpe.br :: 2011
2011-12-06 16:13:54 :: secretaria.cpa@dir.inpe.br -> administrator :: 2011
2012-07-14 19:35:29 :: administrator -> secretaria.cpa@dir.inpe.br :: 2011
2012-08-10 02:36:14 :: secretaria.cpa@dir.inpe.br -> amarisio5@gmail.com :: 2011
2012-08-10 22:04:52 :: amarisio5@gmail.com -> banon :: 2011
2012-08-10 22:39:07 :: banon -> administrator :: 2011
2020-11-26 13:55:16 :: administrator -> amarisio5@gmail.com :: 2011
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Palavras-ChaveMODIS
remote sensing
time-series visualization
virtual globe
ResumoThis work presents the development of a tool for visualization of time-series derived from remote sensing sensors. This work introduces the new concept of Virtual Laboratory of Remote Sensing Time Series to support Land Use and Land Cover - LULC Changes studies over large spatial temporal datasets. The MODIS (Moderate Resolution Imaging Spectroradiometer) and TRMM (Tropical Rainforest Measuring Mission) time-series are used to support applications on the environmental monitoring as deforestation detection. The Virtual Laboratory of Remote Sensing Time Series is composed by a dataset with more than 500 million EVI2 (Enhanced Vegetation Index 2) profiles for the entire South America continent based on a 11 years history of daily MODIS data acquisition. The original EVI2 time series was filtered using the Daubechies (Db8) orthogonal Discrete Wavelets Transform. The filtering procedure smoothes high frequencies that are associated with clouds cover and sensor noises. The EVI2 time series were integrated into the virtual globe using Google Maps and Google Visualization Application Programming Interface functionalities. For each call of a geographic coordinate from the virtual globe the EVI2 profiles are instantaneously recovered for visualization. The tool demonstrated to be useful for rapid LULC change analysis to environmental monitoring, at the pixel level, over large regions.
ÁreaCOMP
Arranjo 1urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > An On-line Visualization...
Arranjo 2urlib.net > BDMCI > Fonds > Produção anterior à 2021 > LABAC > An On-line Visualization...
Arranjo 3urlib.net > BDMCI > Fonds > WORCAP > An On-line Visualization...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 17/10/2011 23:44 0.7 KiB 
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP8W/3AKPC85
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP8W/3AKPC85
Idiomaen
Arquivo Alvoworcap2011_submission_18.pdf
Grupo de Usuáriosadministrator
banon
secretaria.cpa@dir.inpe.br
worcap2011.comissaoprograma@gmail.com
Visibilidadeshown
5. Fontes relacionadas
Repositório Espelhoiconet.com.br/banon/2005/09.28.12.40
Unidades Imediatamente Superiores8JMKD3MGPCW/3ER446E
8JMKD3MGPCW/3ESGTTP
8JMKD3MGP8W/38ELNHL
Lista de Itens Citandosid.inpe.br/mtc-m21/2012/07.13.14.58.50 1
sid.inpe.br/mtc-m21/2012/07.13.14.45.03 1
Acervo Hospedeirosid.inpe.br/mtc-m18@80/2008/03.17.15.17
6. Notas
Campos Vaziosarchivingpolicy archivist callnumber contenttype copyholder copyright creatorhistory descriptionlevel dissemination documentstage doi edition electronicmailaddress isbn issn label lineage mark nextedition notes numberofvolumes orcid pages parameterlist parentrepositories previousedition previouslowerunit progress project readergroup readpermission rightsholder schedulinginformation secondarydate secondarykey secondarymark serieseditor session shorttitle sponsor subject tertiarymark tertiarytype type url versiontype volume
7. Controle da descrição
e-Mail (login)amarisio5@gmail.com
atualizar