Resultado da Pesquisa
A expressão de busca foi <related:sid.inpe.br/mtc-m21b/2016/12.19.12.27.28-0:en:title:2:time series streaming sensing:big data streaming remote sensing time series analytics using mapreduce:>.
19 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 02:09.

1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Sitemtc-m21b.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W34P/3N2U8K2
Repositóriosid.inpe.br/mtc-m21b/2016/12.19.12.27
Última Atualização2017:02.24.15.38.42 (UTC) administrator
Repositório de Metadadossid.inpe.br/mtc-m21b/2016/12.19.12.27.28
Última Atualização dos Metadados2023:03.01.23.37.43 (UTC) administrator
Chave SecundáriaINPE--PRE/
Chave de CitaçãoAssisRGVLSMC:2016:BiDaSt
TítuloBig data streaming for remote sensing time series analytics using MapReduce
Ano2016
Data de Acesso16 maio 2024
Tipo SecundárioPRE CN
Número de Arquivos1
Tamanho2584 KiB
2. Contextualização
Autor1 Assis, Luiz Fernando Ferreira Gomes
2 Ribeiro, Gilberto
3 Gomes, Karine Reis Ferreira
4 Vinhas, Lúbia
5 Llapa, Eduardo
6 Sanchez, Alber
7 Maus, Victor Wegner
8 Câmara, Gilberto
Identificador de Curriculo1
2
3
4 8JMKD3MGP5W/3C9JHM4
5
6
7
8 8JMKD3MGP5W/3C9JHB8
Grupo1 DPI-OBT-INPE-MCTI-GOV-BR
2 DPI-OBT-INPE-MCTI-GOV-BR
3 DPI-OBT-INPE-MCTI-GOV-BR
4 DPI-OBT-INPE-MCTI-GOV-BR
5 DPI-OBT-INPE-MCTI-GOV-BR
6 DPI-OBT-INPE-MCTI-GOV-BR
7 CST-CST-INPE-MCTI-GOV-BR
8 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)
7 Instituto Nacional de Pesquisas Espaciais (INPE)
8 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 luizffga@dpi.inpe.br
2 gribeiro@dpi.inpbe
3 karine@dpi.inpe.br
4 lubia@dpi.inpe.br
5 edullapa@dpi.inpe.br
6 alber.ipia@dpi.inpe.br
7 victor.maus@inpe.br
8 gilberto@dpi.inpe.br
Nome do EventoBrazilian Symposium on GeoInformatics, 17 (GEOINFO)
Localização do EventoCampos do Jordão, SP
Data27-30 nov. 2016
Título do LivroAnais
Histórico (UTC)2016-12-19 12:27:52 :: simone -> administrator :: 2016
2017-02-20 15:56:31 :: administrator -> simone :: 2016
2017-02-24 15:38:42 :: simone -> administrator :: 2016
2018-06-04 02:41:40 :: administrator -> simone :: 2016
2020-05-20 13:36:26 :: simone -> administrator :: 2016
2023-03-01 23:37:43 :: administrator -> simone :: 2016
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
ResumoGovernmental agencies provide a large and open set of satellite imagery which can be used to track changes in geographic features over time. The current available analysis methods are complex and they are very demanding in terms of computing capabilities. Hence, scientist cannot reproduce analytic results because of lack of computing infrastructure. Therefore, we propose a combination of streaming and map-reduce for time series analysis of time series data. We tested our proposal by applying the classification algorithm BFAST to MODIS imagery. Then, we evaluated account computing performance and requirements quality attributes. Our results revealed that the combination between Hadoop and R can handle complex analysis of remote sensing time series.
ÁreaSRE
Arranjo 1urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > Big data streaming...
Arranjo 2urlib.net > BDMCI > Fonds > Produção anterior à 2021 > COCST > Big data streaming...
Arranjo 3urlib.net > BDMCI > Fonds > GEOINFO > XVII GEOINFO > Big data streaming...
Arranjo 4urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > XVII GEOINFO > Big data streaming...
Arranjo 5urlib.net > BDMCI > Fonds > GEOINFO > Coleção GEOINFO > Big data streaming...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 19/12/2016 10:27 1.0 KiB 
4. Condições de acesso e uso
URL dos dadoshttp://mtc-m21b.sid.inpe.br/ibi/8JMKD3MGP3W34P/3N2U8K2
URL dos dados zipadoshttp://mtc-m21b.sid.inpe.br/zip/8JMKD3MGP3W34P/3N2U8K2
Idiomaen
Arquivo Alvo229-239assis-1.pdf
Grupo de Usuáriossimone
Grupo de Leitoresadministrator
simone
Visibilidadeshown
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Repositório Espelhourlib.net/www/2011/03.29.20.55
Unidades Imediatamente Superiores8JMKD3MGPCW/3EQCCU5
8JMKD3MGPCW/3F3T29H
8JMKD3MGPDW34P/42T2PKB
8JMKD3MGPDW34P/48F29JE
Lista de Itens Citandosid.inpe.br/mtc-m16c/2020/07.22.00.33 1
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-m21b/2013/09.26.14.25.20
6. Notas
Campos Vaziosarchivingpolicy archivist callnumber contenttype copyholder copyright creatorhistory descriptionlevel dissemination doi e-mailaddress edition editor format isbn issn keywords label lineage mark nextedition notes numberofvolumes orcid organization pages parameterlist parentrepositories previousedition previouslowerunit progress project publisher publisheraddress readpermission rightsholder schedulinginformation secondarydate secondarymark serieseditor session shorttitle sponsor subject tertiarymark tertiarytype type url versiontype 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/42PGNM8
Repositóriosid.inpe.br/mtc-m21c/2020/06.30.14.25
Última Atualização2021:04.29.14.43.45 (UTC) administrator
Repositório de Metadadossid.inpe.br/mtc-m21c/2020/06.30.14.25.45
Última Atualização dos Metadados2022:04.03.22.30.05 (UTC) administrator
Chave SecundáriaINPE-18359-TDI/3023
Chave de CitaçãoSánchezIpia:2021:DeDeUs
TítuloDetection of deforestation using remote sensing time series analysis
Título AlternativoDetecção de desmatamento usando análise de series de tempo de sensoriamento remoto na Amazônia brasileira
CursoCST-CST-DIPGR-INPE-MCTI-GOV-BR
Ano2021
Data2020-06-26
Data de Acesso16 maio 2024
Tipo da TeseTese (Doutorado em Ciência do Sistema Terrestre)
Tipo SecundárioTDI
Número de Páginas83
Número de Arquivos1
Tamanho28773 KiB
2. Contextualização
AutorSánchez Ipia, Alber Hamersson
GrupoCST-CST-DIPGR-INPE-MCTI-GOV-BR
BancaEscada, Maria Isabel Sobral (presidente)
Camara Neto, Gilberto (orientador)
Andrade Neto, Pedro Ribeiro de (orientador)
Carneiro, Tiago Garcia de Senna
Coutinho, Alexandre Camargo
Endereço de e-Mailalbhasan@gmail.com
UniversidadeInstituto Nacional de Pesquisas Espaciais (INPE)
CidadeSão José dos Campos
Histórico (UTC)2020-06-30 14:27:16 :: alber.ipia@inpe.br -> pubtc@inpe.br ::
2020-07-03 13:36:19 :: pubtc@inpe.br -> alber.ipia@inpe.br ::
2020-08-17 13:30:09 :: alber.ipia@inpe.br -> pubtc@inpe.br ::
2020-08-17 15:23:50 :: pubtc@inpe.br -> alber.ipia@inpe.br ::
2020-08-24 12:26:51 :: alber.ipia@inpe.br -> pubtc@inpe.br ::
2020-09-08 14:51:51 :: pubtc@inpe.br -> alber.ipia@inpe.br ::
2020-09-08 15:27:34 :: alber.ipia@inpe.br -> pubtc@inpe.br ::
2020-09-10 11:47:08 :: pubtc@inpe.br -> alber.ipia@inpe.br ::
2020-09-17 17:20:06 :: alber.ipia@inpe.br -> administrator ::
2021-01-15 00:48:20 :: administrator -> pubtc@inpe.br ::
2021-04-30 17:58:38 :: pubtc@inpe.br -> simone ::
2021-04-30 18:13:51 :: simone :: -> 2021
2021-05-04 14:41:15 :: simone -> administrator :: 2021
2022-04-03 22:30:05 :: administrator -> :: 2021
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Palavras-ChaveFloresta Amazônica
desmatamento
aprendizagem de máquina
sensoriamento remoto
Amazon forest
deforestation
machine learning
remote sensing
ResumoThe Amazon rainforest plays an important role in the global carbon and water cycles, having direct influence on Earths atmosphere and it suffers the consequences of the current climate crisis. Deforestation monitoring systems are a source of information on the forest condition for the scientific community, policy makers, and the general public. In this thesis, we identified three areas on which such systems could be improved: data processing, information extraction, and information distribution. Processing data of Earth observation satellites is subject to atmospheric noise. In particular, clouds obstruct the surveying of the Amazon rainforest. They introduce discontinuities on the the spatial and temporal patterns, which reduce the ability of analyst to extract information about features on the surface and reducing the reliability of the information obtained. Any information on Earths surface in our particular case, information on Land Use and Land Cover change increases its value through sharing, validation, and reuse in broader communities. Regarding data processing, we tested several cloud detection algorithms on Sentinel-2 imagery and we found that Fmask4 provides the best performance under frequent cloud coverage. With this knowledge, we proceed to extract deforestation information using time series of the Landsat 8 and Sentinel-2 satellites, applying machine learning techniques of Deep Learning and Random Forest, respectively. We obtained the best results by using time series of Sentinel-2 images processed with Random Forest. Finally, we demonstrated the best way to provide scientists with access to massive amounts or Earth observation data and processing tools is through collaborative analysis environments offered through Internet, such as Jupyter notebooks. RESUMO: carbono e água, tendo influência direta na atmosfera terrestre e sofrendo as consequências da atual crise climática. Daí a importância dos sistemas de monitoramento de desmatamento como fonte de informação sobre a condição da floresta para comunidade científica, formadores de políticas e o público em geral. Nós identificamos três áreas nas quais esses sistemas poderiam ser aprimorados: processamento de dados, extração e distribuição de informações. O processamento de dados dos satélites de observação da Terra está sujeito ao ruído atmosférico; as nuvens, em particular, dificultam o mapeamento da floresta Amazônica. As nuvens introduzem descontinuidades nos padrões espaciais e temporais, o que reduz a capacidade dos analistas de extrair informações sobre os elementos da superfície, e também reduz a confiabilidade das informações obtidas. Qualquer informação sobre superfície da Terra, em nosso caso particular, informações sobre mudança no uso e cobertura, incrementa seu valor por meio do compartilhamento, validação e reutilização em comunidades mais amplas. Em relação ao processamento dos dados, testamos vários algoritmos de detecção de nuvens e descobrimos que o Fmask4 oferece o melhor desempenho em imagens de satélite com frequente cobertura de nuvens. Com esse conhecimento, procedemos à extração de informações sobre desmatamento usando séries temporais dos satélites Landsat 8 e Sentinel-2, aplicando as técnicas de aprendizado de máquina Deep Learning e Random Forest. Obtivemos os melhores resultados usando séries temporais de imagens Sentinel-2 processadas com Random Forest. Finalmente, demonstramos que a melhor maneira de fornecer aos cientistas acesso a grandes quantidades de dados de observação da Terra é com ferramentas de processamento e através de ambientes de análise colaborativa oferecidos pela Internet, como os notebooks Jupyter.
ÁreaCST
Arranjo 1urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > CST > Detection of deforestation...
Arranjo 2urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCT > Detection of deforestation...
Conteúdo da Pasta docacessar
Conteúdo da Pasta source
originais/@4primeirasPaginas (1).pdf 26/04/2021 14:12 412.7 KiB 
originais/aprovacao.pdf 29/04/2021 10:57 52.2 KiB 
originais/thesis_alber_2020_v8.pdf 17/09/2020 17:14 27.7 MiB
Conteúdo da Pasta agreement
agreement.html 30/06/2020 11:25 1.7 KiB 
autorizacao.pdf 29/04/2021 11:43 81.3 KiB 
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP3W34R/42PGNM8
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP3W34R/42PGNM8
Idiomaen
Arquivo Alvopublicacao.pdf
Grupo de Usuáriosalber.ipia@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/2017/11.22.19.04.03
Unidades Imediatamente Superiores8JMKD3MGPCW/449U4PL
8JMKD3MGPCW/46KUATE
Lista de Itens Citando
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 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 Evento (Conference Proceedings)
Sitemarte2.sid.inpe.br
Identificador8JMKD3MGP6W34M/495CK9L
Repositóriosid.inpe.br/marte2/2023/05.17.11.18
Última Atualização2023:05.17.11.18.35 (UTC) administrator
Repositório de Metadadossid.inpe.br/marte2/2023/05.17.11.18.36
Última Atualização dos Metadados2024:01.10.18.58.17 (UTC) administrator
ISBN978-65-89159-04-9
Chave de CitaçãoDutraRennReisGamb:2023:GeMeSi
TítuloA generative method for simultaneous classification of remote sensing time series data using an ensemble of decision tree classifiers
FormatoInternet
Ano2023
Data de Acesso16 maio 2024
Tipo SecundárioPRE CN
Número de Arquivos2
Tamanho714 KiB
2. Contextualização
Autor1 Dutra, Luciano Vieira
2 Rennó, Camilo Daleles
3 Reis, Mariane Souza
4 Gamba, Paolo
Identificador de Curriculo1 8JMKD3MGP5W/3C9JHMA
2 8JMKD3MGP5W/3C9JGN2
Grupo1 DIOTG-CGCT-INPE-MCTI-GOV-BR
2 DIOTG-CGCT-INPE-MCTI-GOV-BR
3 DIOTG-CGCT-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 University of Pavia
Endereço de e-Mail do Autor1 luciano.dutra@inpe.br
2 camilo.renno@inpe.br
3 mariane.reis@inpe.br
4 paolo.gamba@unipv.it
EditorGherardi, Douglas Francisco Marcolino
Aragão, Luiz Eduardo Oliveira e Cruz de
Sanches, Ieda DelArco
Nome do EventoSimpósio Brasileiro de Sensoriamento Remoto, 20 (SBSR)
Localização do EventoFlorianópolis
Data02-05 abril 2023
Editora (Publisher)Instituto Nacional de Pesquisas Espaciais (INPE)
Cidade da EditoraSão José dos Campos
Páginase155459
Título do LivroAnais
Tipo Terciáriofull paper
OrganizaçãoInstituto Nacional de Pesquisas Espaciais (INPE)
Histórico (UTC)2023-05-17 11:19:13 :: simone -> administrator :: 2023
2024-01-10 18:58:17 :: administrator -> simone :: 2023
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Palavras-Chavemulti-temporal classification
Landsat
land cover trajectory
ResumoTime series of remote sensing data has become an essential input for land use and land cover (LULC) studies. The current availability of multi-temporal data sets, from different sources and types, demands new classification approaches to explore their full capacity. In this study, we propose a non-parametric version of the Compound Maximum a posteriori classifier, based on an ensemble of Decision Tree Classifiers. This classifier was designed to avoid the classification of inconsistent class sequences in time. It was tested in a study area located in Itaituba, Pará state, Brazil, by the classifications of five Landsat images. In our case study, more than 25% of time series would be classified as invalid transitions. The use of the proposed approach substitutes these results with the most probable consistent class trajectory. Improvements in individual accuracies, when compared to post-classification comparison, have also been observed.
ÁreaSRE
TipoAnálise de séries temporais de imagens de satélite
Arranjo 1urlib.net > BDMCI > Fonds > SBSR > SBSR 20 > A generative method...
Arranjo 2urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCT > SBSR 20 > A generative method...
Arranjo 3Projeto Memória 60... > Livros e livros editados > SBSR 20 > A generative method...
Arranjo 4urlib.net > BDMCI > Fonds > Produção a partir de 2021 > COGPI > PRODES - Construção de Novas Capacidades > A generative method...
Arranjo 5urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCT > A generative method...
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/495CK9L
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP6W34M/495CK9L
Idiomaen
Arquivo Alvo155459.pdf
Grupo de Usuáriossimone
Visibilidadeshown
Licença de Direitos Autoraisurlib.net/www/2012/11.12.15.19
Detentor dos Direitosoriginalauthor yes
5. Fontes relacionadas
Repositório Espelhourlib.net/www/2011/03.29.20.55
Unidades Imediatamente Superiores8JMKD3MGP6W34M/495J572
8JMKD3MGP6W34M/4AH5NEL
8JMKD3MGPCW/46KUATE
Lista de Itens Citandosid.inpe.br/marte2/2024/01.10.18.57 9
sid.inpe.br/marte2/2023/05.18.17.15 8
sid.inpe.br/mtc-m21/2012/07.13.14.42 2
Acervo Hospedeirodpi.inpe.br/marte2/2013/05.17.15.03.06
6. Notas
Campos Vaziosarchivingpolicy archivist callnumber contenttype copyholder creatorhistory descriptionlevel dissemination documentstage doi e-mailaddress edition holdercode issn label lineage mark nextedition notes numberofvolumes orcid parameterlist parentrepositories previousedition previouslowerunit progress project readergroup readpermission schedulinginformation secondarydate secondarykey secondarymark serieseditor session shorttitle sponsor subject tertiarymark url versiontype volume
7. Controle da descrição
e-Mail (login)simone
atualizar 

1. Identificação
Tipo de ReferênciaArtigo em Revista Científica (Journal Article)
Sitemtc-m21d.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W34T/48APA6B
Repositóriosid.inpe.br/mtc-m21d/2023/01.04.13.54   (acesso restrito)
Última Atualização2023:01.04.13.54.58 (UTC) simone
Repositório de Metadadossid.inpe.br/mtc-m21d/2023/01.04.13.54.58
Última Atualização dos Metadados2024:01.02.17.16.38 (UTC) administrator
DOI10.1016/j.ufug.2022.127817
ISSN1618-8667
Chave de CitaçãoAdornoKörtAmar:2023:CoTiDa
TítuloContribution of time-series data cubes to classify urban vegetation types by remote sensing
Ano2023
MêsJan.
Data de Acesso16 maio 2024
Tipo de Trabalhojournal article
Tipo SecundárioPRE PI
Número de Arquivos1
Tamanho11545 KiB
2. Contextualização
Autor1 Adorno, Bruno Vargas
2 Körting, Thales Sehn
3 Amaral, Silvana
Identificador de Curriculo1
2
3 8JMKD3MGP5W/3C9JJ8Q
Grupo1 SER-SRE-DIPGR-INPE-MCTI-GOV-BR
2 DIOTG-CGCT-INPE-MCTI-GOV-BR
3 DIOTG-CGCT-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)
Endereço de e-Mail do Autor1 brunoadornoflorestal@gmail.com
2 thales.korting@inpe.br
3 silvana.amaral@inpe.br
RevistaUrban Forestry and Urban Greening
Volume79
Páginase127817
Histórico (UTC)2023-01-04 13:55:10 :: simone -> administrator :: 2023
2024-01-02 17:16:38 :: administrator -> simone :: 2023
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-ChaveCBERS-4A WPM
Multisource image analysis
Object-based classification
Per-pixel classification
Sentinel-2 MSI
ResumoMapping urban vegetation types is important for urban planning and assessing environmental justice. Nowadays, despite data cubes projects are providing Analysis Ready Data to facilitate time-series analysis, we did not found studies employing these data for improving urban vegetation mapping. By relying solely on open data and software, this work proposes and evaluates the integration of time-series data cubes in a hybrid image classification method to map the intra-urban space, differentiating Tree cover and Herb-shrub. The urban area of Goiânia, Goiás, Brazil, is the study area. The hybrid method combined object-based classification of a pan-sharpened CBERS-4A WPM image (spatial resolution of 2 m) with the pixel-based classification of Sentinel-2 MSI time-series data cubes (10 m). Both approaches used the Random Forest algorithm. Objects from the CBERS-4A segmentation composed the spatial unit of analysis and the class assignment depended on the Sentinel-2 time-series urban land cover probabilities. Based on both Maps probabilities, Shannon entropy was calculated to attribute the final urban land cover to the objects. Urban land cover probabilities presented similar spatial distribution patterns for both classification approaches. Regarding the thematic maps, the Herb-shrub cover area was 35% higher in Sentinel-2 time-series classification than in GEOBIA classification, but Tree cover was 21% lower. In general, 75% of the study area was equally classified by the initial approaches. However, for 9% of the remaining area, the hybrid classification improved vegetation classes accuracies by 35%, contributing to the vegetation covers identification. Thus, this study contributes to methodological procedures for urban land cover study and demonstrates that hybrid maps based on open data are effective to reduce classification mistakes, allowing more accurate monitoring, planning, and designing of different urban vegetation types. Future research efforts should focus on scale compatibility between data of different spatial resolutions and expand the use of data cubes to integrate time-series information into the GEOBIA classification.
ÁreaSRE
Arranjo 1urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > SER > Contribution of time-series...
Arranjo 2urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCT > Contribution of time-series...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 04/01/2023 10:54 1.0 KiB 
4. Condições de acesso e uso
Idiomaen
Arquivo Alvo1-s2.0-S1618866722003600-main.pdf
Grupo de Usuáriossimone
Grupo de Leitoresadministrator
simone
Visibilidadeshown
Permissão de Leituradeny from all and allow from 150.163
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 4
sid.inpe.br/bibdigital/2022/04.03.22.23 3
sid.inpe.br/mtc-m21/2012/07.13.15.00.22 2
DivulgaçãoWEBSCI; PORTALCAPES; SCOPUS.
Acervo Hospedeirourlib.net/www/2021/06.04.03.40
6. Notas
Campos Vaziosalternatejournal archivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel e-mailaddress format isbn label lineage mark mirrorrepository nextedition notes number orcid parameterlist parentrepositories previousedition previouslowerunit progress project 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-m21c.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W34R/43B6FHE
Repositóriosid.inpe.br/mtc-m21c/2020/09.28.12.38
Última Atualização2020:12.21.12.15.23 (UTC) administrator
Repositório de Metadadossid.inpe.br/mtc-m21c/2020/09.28.12.38.14
Última Atualização dos Metadados2022:01.04.01.35.25 (UTC) administrator
Chave SecundáriaINPE--PRE/
Chave de CitaçãoRodriguesBenSoaKörFon:2020:AsDiPa
TítuloAssessing differentiation between pasture and croplands using remote sensing image time series metrics
Ano2020
Data de Acesso16 maio 2024
Tipo SecundárioPRE CI
Número de Arquivos1
Tamanho3813 KiB
2. Contextualização
Autor1 Rodrigues, Marcos
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 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
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
2 hugo.bendini@inpe.br
3 anderson.soares@inpe.br
4 thales.korting@inpe.br
5 leila.fonseca@inpe.br
Nome do EventoIEEE International Geoscience and Remote Sensing Symposium (IGARSS)
Localização do EventoVirtual Symposium
Data26 Sept. - 02 Oct.
Histórico (UTC)2020-09-28 12:38:14 :: simone -> administrator ::
2022-01-04 01:35:25 :: 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
ÁreaSRE
Arranjo 1urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > Assessing differentiation between...
Arranjo 2urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > SER > Assessing differentiation between...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 28/09/2020 09:38 1.0 KiB 
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP3W34R/43B6FHE
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP3W34R/43B6FHE
Idiomaen
Arquivo Alvorodrigues2020assessing.pdf
Grupo de Usuáriosself-uploading-INPE-MCTI-GOV-BR
simone
Visibilidadeshown
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/3ER446E
8JMKD3MGPCW/3F3NU5S
Lista de Itens Citandosid.inpe.br/bibdigital/2013/09.13.21.11 1
Acervo Hospedeirourlib.net/www/2017/11.22.19.04
6. Notas
Campos Vaziosabstract archivingpolicy archivist booktitle callnumber copyholder copyright creatorhistory descriptionlevel dissemination doi e-mailaddress edition editor format isbn issn keywords label lineage mark mirrorrepository nextedition notes numberofvolumes orcid organization pages parameterlist parentrepositories previousedition previouslowerunit progress project publisher publisheraddress readergroup readpermission rightsholder schedulinginformation secondarydate secondarymark serieseditor session shorttitle sponsor subject tertiarymark tertiarytype type url volume
7. Controle da descrição
e-Mail (login)simone
atualizar 

1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Sitemarte2.sid.inpe.br
Identificador8JMKD3MGP6W34M/3TUEM6H
Repositóriosid.inpe.br/marte2/2019/09.02.17.40
Última Atualização2019:09.02.17.40.23 (UTC) administrator
Repositório de Metadadossid.inpe.br/marte2/2019/09.02.17.40.23
Última Atualização dos Metadados2019:12.13.01.21.51 (UTC) administrator
ISBN978-85-17-00097-3
Chave de CitaçãoTaquaryPareSilvFerr:2019:NoApRe
TítuloA novel approach to recognizing patterns in remote sensing time-series using deep learning
FormatoInternet
Ano2019
Data de Acesso16 maio 2024
Tipo SecundárioPRE CN
Número de Arquivos1
Tamanho2030 KiB
2. Contextualização
Autor1 Taquary, Evandro
2 Parente, Leandro Leal
3 Silva, Ana Paula Matos e
4 Ferreira, Laerte Guimarães
Afiliação1 Universidade Federal de Goiás (UFG)
2 Universidade Federal de Goiás (UFG)
3 Universidade Federal de Goiás (UFG)
4 Universidade Federal de Goiás (UFG)
Endereço de e-Mail do Autor1 evandro.taquary@gmail.com
2 leal.parente@gmail.com
3 annapaulamatos1@gmail.com
4 laerte@ufg.br
EditorGherardi, Douglas Francisco Marcolino
Sanches, Ieda DelArco
Aragão, Luiz Eduardo Oliveira e Cruz de
Nome do EventoSimpósio Brasileiro de Sensoriamento Remoto, 19 (SBSR)
Localização do EventoSantos
Data14-17 abril 2019
Editora (Publisher)Instituto Nacional de Pesquisas Espaciais (INPE)
Cidade da EditoraSão José dos Campos
Páginas3365-3368
Título do LivroAnais
Tipo Terciáriofull paper
OrganizaçãoInstituto Nacional de Pesquisas Espaciais (INPE)
Histórico (UTC)2019-11-06 18:45:46 :: simone -> administrator :: 2019
2019-12-13 01:21:51 :: administrator -> simone :: 2019
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Palavras-Chavedeep learning
recurrent neural networks
high resolution imagery
planet images
pasturelands
ResumoOne of the most remarkable breakthroughs of Remote Sensing lies upon the devise of CubeSat standard. Such technology open up a myriad of possible applications that benefit from the higher spatio-temporal resolutions delivered by constellations of CubeSat compliant nanosatellites. Within this scenario, one has to investigate the new challenges and how to tackle them in order to harness this new kind of Remote Sensing Big Data. Among these challenges is the development of the means to extract useful information of pixels' observations throughout time in a fine-grained fashion. This work is a seminal study on using a special kind of deep learning approach, namely, deep Recurrent Neural Networks, for classifying long time-series of landcover's observations. The method was tested against the problem of identifying pastureland areas over high-res imagery from PlaneScope, a constellation of CubeSat nanosatellites. A discussion concerning limitations and capabilities of the proposed approach are also presented.
ÁreaSRE
TipoAnálise de séries temporais de imagens de satélite
Arranjo 1urlib.net > BDMCI > Fonds > SBSR > SBSR 19 > A novel approach...
Arranjo 2urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > SBSR 19 > A novel approach...
Arranjo 3Projeto Memória 60... > Livros e livros editados > SBSR 19 > A novel approach...
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/3TUEM6H
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP6W34M/3TUEM6H
Idiomapt
Arquivo Alvo97212.pdf
Grupo de Usuáriossimone
Visibilidadeshown
Licença de Direitos Autoraisurlib.net/www/2012/11.12.15.19
Detentor dos Direitosoriginalauthor yes
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Repositório Espelhourlib.net/www/2011/03.29.20.55
Unidades Imediatamente Superiores8JMKD3MGP6W34M/3UCAT7H
Lista de Itens Citandosid.inpe.br/marte2/2019/11.08.12.52 4
Acervo Hospedeirodpi.inpe.br/marte2/2013/05.17.15.03.06
6. Notas
Campos Vaziosarchivingpolicy archivist callnumber contenttype copyholder creatorhistory descriptionlevel dissemination doi e-mailaddress edition group holdercode issn label lineage mark nextedition notes numberofvolumes orcid parameterlist parentrepositories previousedition previouslowerunit progress project readergroup readpermission resumeid schedulinginformation secondarydate secondarykey secondarymark serieseditor session shorttitle sponsor subject tertiarymark url versiontype volume
7. Controle da descrição
e-Mail (login)simone
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 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)
Siteplutao.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
IdentificadorJ8LNKAN8RW/38MQP5U
Repositóriodpi.inpe.br/plutao/2010/12.02.13.02.32
Última Atualização2011:02.09.11.36.56 (UTC) marciana
Repositório de Metadadosdpi.inpe.br/plutao/2010/12.02.13.02.33
Última Atualização dos Metadados2018:06.05.00.12.26 (UTC) administrator
Chave SecundáriaINPE--PRE/
Rótulolattes: 8609036872819243 1 KortingFonsCâma:2010:DeTrDe
Chave de CitaçãoKortingFonsCâma:2010:DeTrDe
TítuloDecision Trees to Detect Changes in Remote Sensing Image Time Series
FormatoDVD
Ano2010
Data de Acesso16 maio 2024
Tipo SecundárioPRE CN
Número de Arquivos1
Tamanho178 KiB
2. Contextualização
Autor1 Korting, Thales Sehn
2 Fonseca, Leila Maria Garcia
3 Câmara, Gilberto
Grupo1
2 DPI-OBT-INPE-MCT-BR
3 CST-CST-INPE-MCT-BR
Afiliação1
2 Instituto Nacional de Pesquisas Espaciais (INPE)
3 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 tkorting@dpi.inpe.br
Endereço de e-Mailtkorting@dpi.inpe.br
Nome do EventoGeoChange - Research Symposium GIScience for Environmental Change.
Localização do EventoCampos do Jordão
Data2010
Título do LivroProceedings
Histórico (UTC)2010-12-06 14:15:25 :: lattes -> ricardo :: 2010
2010-12-07 11:40:38 :: ricardo -> administrator :: 2010
2010-12-08 15:16:03 :: administrator -> marciana :: 2010
2011-02-09 11:36:56 :: marciana -> administrator :: 2010
2018-06-05 00:12:26 :: administrator -> marciana :: 2010
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Palavras-ChaveRemote Sensing
Image Time Series
Decision Trees
ÁreaSRE
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/J8LNKAN8RW/38MQP5U
URL dos dados zipadoshttp://urlib.net/zip/J8LNKAN8RW/38MQP5U
Idiomaen
Arquivo Alvokorting2010decision.pdf
Grupo de Usuárioslattes
administrator
marciana
Visibilidadeshown
Permissão de Leituraallow from all
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/3EQCCU5
8JMKD3MGPCW/3F3T29H
URL (dados não confiáveis)http://www.dpi.inpe.br/~tkorting/
Acervo Hospedeirodpi.inpe.br/plutao@80/2008/08.19.15.01
6. Notas
Campos Vaziosabstract archivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel dissemination doi edition editor isbn issn lineage mark mirrorrepository nextedition notes numberofvolumes orcid organization pages parameterlist parentrepositories previousedition previouslowerunit progress project publisher publisheraddress readergroup resumeid rightsholder schedulinginformation secondarydate secondarymark serieseditor session shorttitle sponsor subject tertiarymark tertiarytype type versiontype volume
7. Controle da descrição
e-Mail (login)marciana
atualizar 

1. Identificação
Tipo de ReferênciaResumo em Evento (Conference Proceedings)
Sitemtc-m21c.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W34R/3RQS475
Repositóriosid.inpe.br/mtc-m21c/2018/09.13.13.44
Última Atualização2018:09.13.13.44.31 (UTC) simone
Repositório de Metadadossid.inpe.br/mtc-m21c/2018/09.13.13.44.32
Última Atualização dos Metadados2019:01.14.17.06.34 (UTC) administrator
Chave SecundáriaINPE--PRE/
Chave de CitaçãoSantosFerrCama:2018:UsSeMa
TítuloUsing self-organizing maps to assess land use and cover samples from remote sensing image time series
Ano2018
Data de Acesso16 maio 2024
Tipo SecundárioPRE CN
Número de Arquivos1
Tamanho972 KiB
2. Contextualização
Autor1 Santos, Lorena Alves dos
2 Ferreira, Karine Reis
3 Camara, Gilberto
Identificador de Curriculo1
2 8JMKD3MGP5W/3C9JHKN
3 8JMKD3MGP5W/3C9JHB8
Grupo1 CAP-COMP-SESPG-INPE-MCTIC-GOV-BR
2 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
3 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)
Endereço de e-Mail do Autor1 lorena.santos@inpe.br
2 karine.ferreira@inpe.br
3 gilberto.camara@inpe.br
Nome do EventoWorkshop de Computação Aplicada, 18 (WORCAP)
Localização do EventoSão José dos Campos, SP
Data21-23 ago.
Páginas16
Título do LivroResumos
Histórico (UTC)2018-09-13 13:45:01 :: simone -> administrator :: 2018
2019-01-14 17:06:34 :: administrator -> simone :: 2018
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Palavras-Chaveclustering
remote sensing time series
self-organizing maps
ÁreaCOMP
Arranjo 1urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > Using self-organizing maps...
Arranjo 2urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > CAP > Using self-organizing maps...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 13/09/2018 10:44 1.0 KiB 
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP3W34R/3RQS475
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP3W34R/3RQS475
Idiomaen
Arquivo Alvosantos_using.pdf
Grupo de Usuáriossimone
Grupo de Leitoresadministrator
simone
Visibilidadeshown
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/3EQCCU5
8JMKD3MGPCW/3F2PHGS
Lista de Itens Citandosid.inpe.br/mtc-m21/2012/07.13.14.53.08 4
sid.inpe.br/bibdigital/2013/09.09.15.05 1
Acervo Hospedeirourlib.net/www/2017/11.22.19.04
6. Notas
Campos Vaziosabstract archivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel dissemination doi e-mailaddress edition editor format isbn issn label lineage mark mirrorrepository nextedition notes numberofvolumes orcid organization parameterlist parentrepositories previousedition previouslowerunit progress project publisher publisheraddress readpermission rightsholder schedulinginformation secondarydate secondarymark serieseditor session shorttitle sponsor subject tertiarymark tertiarytype type url versiontype volume
7. Controle da descrição
e-Mail (login)simone
atualizar