Resultado da Pesquisa
A expressão de busca foi <related:sid.inpe.br/mtc-m21c/2019/12.13.17.03.04-0:en:title:2:data analysis cubes observation:self organizing maps earth observation data cubes analysis:>.
17 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 06:44.

1. Identificação
Tipo de ReferênciaArtigo em Revista Científica (Journal Article)
Sitemtc-m21c.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W34R/3UMECLL
Repositóriosid.inpe.br/mtc-m21c/2020/01.03.16.24   (acesso restrito)
Última Atualização2020:01.03.16.24.37 (UTC) simone
Repositório de Metadadossid.inpe.br/mtc-m21c/2020/01.03.16.24.37
Última Atualização dos Metadados2022:01.04.01.34.55 (UTC) administrator
DOI10.1007/978-3-030-19642-4_7
ISSN2194-5357
Chave de CitaçãoSantosFerrPicoCâma:2020:SeMaEa
TítuloSelf-organizing maps in Earth observation data cubes analysis
Ano2020
Data de Acesso16 maio 2024
Tipo de Trabalhoconference paper
Tipo SecundárioPRE PI
Número de Arquivos1
Tamanho1633 KiB
2. Contextualização
Autor1 Santos, Lorena Alves dos
2 Ferreira, Karine Reis
3 Picoli, Michelle Cristina Araújo
4 Câmara, Gilberto
Identificador de Curriculo1
2 8JMKD3MGP5W/3C9JHKN
3
4 8JMKD3MGP5W/3C9JHB8
Grupo1 CAP-COMP-SESPG-INPE-MCTIC-GOV-BR
2 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
3 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
4 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
3 Instituto Nacional de Pesquisas Espaciais (INPE)
4 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 lorena.santos@inpe.br
2 karine.ferreira@inpe.br
3 mipicoli@gmail.com
4 gilberto.camara@inpe.br
RevistaAdvances in Intelligent Systems and Computing
Volume976
Páginas70-79
Histórico (UTC)2020-01-03 16:25:32 :: simone :: 2019 -> 2020
2020-01-03 16:25:33 :: simone -> administrator :: 2020
2020-01-05 12:26:59 :: administrator -> simone :: 2020
2020-06-23 22:52:15 :: simone -> administrator :: 2020
2022-01-04 01:34:55 :: 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
ResumoEarth Observation (EO) Data Cubes infrastructures model analysis-ready data generated from remote sensing images as multidimensional cubes (space, time and properties), especially for satellite image time series analysis. These infrastructures take advantage of big data technologies and methods to store, process and analyze the big amount of Earth observation satellite images freely available nowadays. Recently, EO Data Cubes infrastructures and satellite image time series analysis have brought new opportunities and challenges for the Land Use and Cover Change (LUCC) monitoring over large areas. LUCC have caused a great impact on tropical ecosystems, increasing global greenhouse gases emissions and reducing the planets biodiversity. This paper presents the utility of Self-Organizing Maps (SOM) neural network method in the process to extract LUCC information from EO Data Cubes infrastructures, using image time series analysis. Most classification techniques to create LUCC maps from satellite image time series are based on supervised learning methods. In this context, SOM is used as a method to assess land use and cover samples and to evaluate which spectral bands and vegetation indexes are best suitable for the separability of land use and cover classes. A case study is described in this work and shows the potential of SOM in this application.
ÁreaSRE
Arranjo 1urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > Self-organizing maps in...
Arranjo 2urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > CAP > Self-organizing maps in...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 03/01/2020 13:24 1.0 KiB 
4. Condições de acesso e uso
Idiomaen
Arquivo Alvosantos_self.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/3EQCCU5
8JMKD3MGPCW/3F2PHGS
Lista de Itens Citandosid.inpe.br/bibdigital/2013/09.09.15.05 4
sid.inpe.br/mtc-m21/2012/07.13.14.53.08 1
sid.inpe.br/bibdigital/2013/10.12.22.16 1
DivulgaçãoWEBSCI; SCOPUS.
Acervo Hospedeirourlib.net/www/2017/11.22.19.04
6. Notas
Notas13th International Workshop on Self-Organizing Maps, WSOM+ 2019; Barcelona; Spain; 26-28 June 2019.
Campos Vaziosalternatejournal archivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel e-mailaddress format isbn keywords label lineage mark mirrorrepository month nextedition 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)
Siteplutao.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W/3TEP95J
Repositóriosid.inpe.br/plutao/2019/06.10.13.43.19
Última Atualização2019:06.13.13.26.03 (UTC) lattes
Repositório de Metadadossid.inpe.br/plutao/2019/06.10.13.43.20
Última Atualização dos Metadados2020:01.06.11.35.22 (UTC) administrator
DOI10.1007/978-3-030-19642-4_7
ISBN978-3-030-19642-4
Rótulolattes: 1866854311363027 1 SantosFerrCama:2019:SeMaEa
Chave de CitaçãoSantosFerrPicoCama:2019:SeMaEa
TítuloSelf-organizing maps in earth observation data cubes analysis
FormatoDVD
Ano2019
Data de Acesso16 maio 2024
Tipo SecundárioPRE CI
Número de Arquivos1
Tamanho1671 KiB
2. Contextualização
Autor1 Santos, Lorena Alves dos
2 Ferreira, Karine Reis
3 Picoli, Michelle Cristina Araújo
4 Camara, Gilberto
Identificador de Curriculo1
2 8JMKD3MGP5W/3C9JHKN
3
4 8JMKD3MGP5W/3C9JHB8
Grupo1 CAP-COMP-SESPG-INPE-MCTIC-GOV-BR
2 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
3 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
4 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
3 Instituto Nacional de Pesquisas Espaciais (INPE)
4 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 lorena.santos@inpe.br
2 karine.ferreira@inpe.br
3 michelle.picoli@inpe.br
4 gilberto.camara@inpe.br
Nome do EventoInternational Workshop on Self-Organizing Maps and Learning Vector Quantization, Clustering and Data Visualization, 13
Localização do EventoBarcelona, Spain
Data26-28 jun
Editora (Publisher)Springer
Título do LivroProceedings
Tipo TerciárioPaper
Histórico (UTC)2019-06-10 13:43:20 :: lattes -> administrator ::
2019-06-12 02:30:27 :: administrator -> lattes :: 2019
2019-06-13 13:26:05 :: lattes -> administrator :: 2019
2019-06-14 10:42:20 :: administrator -> lattes :: 2019
2019-06-18 17:21:25 :: lattes -> administrator :: 2019
2020-01-06 11:35:22 :: 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
Palavras-ChaveTime series
Self-organizing maps
ResumoEarth Observation (EO) Data Cubes infrastructures model analysis-ready data generated from remote sensing images as multidimensional cubes (space, time and properties), especially for satellite image time series analysis. These infrastructures take advantage of big data technologies and methods to store, process and analyze the big amount of Earth observation satellite images freely available nowadays. Recently, EO Data Cubes infrastructures and satellite image time series analysis have brought new opportunities and challenges for the Land Use and Cover Change (LUCC) monitoring over large areas. LUCC have caused a great impact on tropical ecosystems, increasing global greenhouse gases emissions and reducing the planets biodiversity. This paper presents the utility of Self-Organizing Maps (SOM) neural network method in the process to extract LUCC information from EO Data Cubes infrastructures, using image time series analysis. Most classification techniques to create LUCC maps from satellite image time series are based on supervised learning methods. In this context, SOM is used as a method to assess land use and cover samples and to evaluate which spectral bands and vegetation indexes are best suitable for the separability of land use and cover classes. A case study is described in this work and shows the potential of SOM in this application.
ÁreaCOMP
Arranjo 1urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > Self-organizing maps in...
Arranjo 2urlib.net > CAP > Self-organizing maps in...
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/3TEP95J
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP3W/3TEP95J
Idiomaen
Arquivo Alvo10.1007@978-3-030-19642-47.pdf
Grupo de Usuárioslattes
Grupo de Leitoresadministrator
lattes
Visibilidadeshown
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/3EQCCU5
8JMKD3MGPCW/3F2PHGS
Lista de Itens Citandosid.inpe.br/bibdigital/2013/10.12.22.16 2
sid.inpe.br/bibdigital/2013/09.09.15.05 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 pages parameterlist parentrepositories previousedition previouslowerunit progress project publisheraddress readpermission rightsholder schedulinginformation secondarydate secondarykey secondarymark serieseditor session shorttitle sponsor subject tertiarymark type url volume
7. Controle da descrição
e-Mail (login)simone
atualizar 

1. Identificação
Tipo de ReferênciaCapítulo de Livro (Book Section)
Sitemtc-m21c.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W34R/3UJ3B2B
Repositóriosid.inpe.br/mtc-m21c/2019/12.13.17.03   (acesso restrito)
Última Atualização2019:12.13.17.03.04 (UTC) simone
Repositório de Metadadossid.inpe.br/mtc-m21c/2019/12.13.17.03.04
Última Atualização dos Metadados2019:12.14.11.07.43 (UTC) administrator
Chave SecundáriaINPE--/
DOI10.1007/978-3-030-19642-4
ISBN978-3-030-19642-4
Chave de CitaçãoSantosFerrPicoCâma:2019:SeMaEa
TítuloSelf-organizing maps in earth observation data cubes analysis
Ano2019
Data de Acesso16 maio 2024
Tipo SecundárioPRE LI
Número de Arquivos1
Tamanho1633 KiB
2. Contextualização
Autor1 Santos, Lorena Alves
2 Ferreira, Karine Reis
3 Picoli, Michelle Cristina Araújo
4 Câmara, Gilberto
Identificador de Curriculo1
2 8JMKD3MGP5W/3C9JHKN
3
4 8JMKD3MGP5W/3C9JHB8
Grupo1 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
2 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
3 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
4 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
3 Instituto Nacional de Pesquisas Espaciais (INPE)
4 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 lorena.santos@inpe.br
2 karine.ferreira@inpe.br
3 michelle.picoli@inpe.br
4 gilberto.camara@inpe.br
EditorVellido, A.
Gibert, K.
Angulo, C.
Martín Guerrero, J. D.
Título do LivroAdvances in self-organizing maps, learning vector quantization, clustering and data visualization
Editora (Publisher)Springer
Páginas70-79
Histórico (UTC)2019-12-13 17:03:35 :: simone -> administrator :: 2019
2019-12-14 11:07:43 :: 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
Palavras-ChaveSelf-Organizing Maps · Earth Observation Data Cubes Analysis · Satellite image time series · Land Use and Cover Changes
ResumoEarth Observation (EO) Data Cubes infrastructures model analysis-ready data generated from remote sensing images as multidimensional cubes (space, time and properties), especially for satellite image time series analysis. These infrastructures take advantage of big data technologies and methods to store, process and analyze the big amount of Earth observation satellite images freely available nowadays. Recently, EO Data Cubes infrastructures and satellite image time series analysis have brought new opportunities and challenges for the Land Use and Cover Change (LUCC) monitoring over large areas. LUCC have caused a great impact on tropical ecosystems, increasing global greenhouse gases emissions and reducing the planets biodiversity. This paper presents the utility of Self-Organizing Maps (SOM) neural network method in the process to extract LUCC information from EO Data Cubes infrastructures, using image time series analysis. Most classification techniques to create LUCC maps from satellite image time series are based on supervised learning methods. In this context, SOM is used as a method to assess land use and cover samples and to evaluate which spectral bands and vegetation indexes are best suitable for the separability of land use and cover classes. A case study is described in this work and shows the potential of SOM in this application.
ÁreaSRE
Arranjourlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > Self-organizing maps in...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 13/12/2019 14:03 1.8 KiB 
4. Condições de acesso e uso
Idiomaen
Arquivo Alvosantos_self.pdf
Grupo de Usuáriossimone
Grupo de Leitoresadministrator
simone
Visibilidadeshown
Permissão de Leituradeny from all
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Repositório Espelhourlib.net/www/2017/11.22.19.04.03
Unidades Imediatamente Superiores8JMKD3MGPCW/3EQCCU5
Lista de Itens Citandosid.inpe.br/bibdigital/2013/09.09.15.05 3
DivulgaçãoBNDEPOSITOLEGAL
Acervo Hospedeirourlib.net/www/2017/11.22.19.04
6. Notas
Campos Vaziosarchivingpolicy archivist callnumber city copyholder copyright creatorhistory descriptionlevel e-mailaddress edition format issn label lineage mark nextedition notes numberofvolumes orcid parameterlist parentrepositories previousedition previouslowerunit progress project rightsholder schedulinginformation secondarydate secondarymark serieseditor seriestitle session shorttitle sponsor subject tertiarymark tertiarytype translator url volume
7. Controle da descrição
e-Mail (login)simone
atualizar 

1. Identificação
Tipo de ReferênciaResumo em Evento (Conference Proceedings)
Sitemtc-m16c.sid.inpe.br
Identificador8JMKD3MGPDW34P/47TMCT2
Repositóriosid.inpe.br/mtc-m16c/2022/11.03.15.18
Última Atualização2022:11.03.15.18.59 (UTC) administrator
Repositório de Metadadossid.inpe.br/mtc-m16c/2022/11.03.15.18.59
Última Atualização dos Metadados2023:01.03.16.50.06 (UTC) administrator
Chave de CitaçãoFerreira:2022:EaObDa
TítuloEarth Observation Data Cubes for Satellite Image Time Series Analysis
FormatoOn-line.
Ano2022
Data de Acesso16 maio 2024
Tipo SecundárioPRE CN
Número de Arquivos1
Tamanho93470 KiB
2. Contextualização
AutorFerreira, Karine Reis
GrupoDIOTG-CGCT-INPE-MCTI-GOV-BR
AfiliaçãoInstituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autorkarine.ferreira@inpe.br
EditorSantos, Rafael Duarte Coelho dos
Calheiros, Alan James Peixoto
Queiroz, Gilberto Ribeiro de
Shiguemori, Elcio Hideiti
Vijaykumar, Nandamudi Lankalapalli
Korting, Thales Sehn
Júnior, Valdivino Alexandre de Santiago
Nome do EventoWorkshop dos Cursos de Computação Aplicada do INPE, 22 (WORCAP)
Localização do EventoSão José dos Campos
Data12-16 set. 2022
Editora (Publisher)Instituto Nacional de Pesquisas Espaciais (INPE)
Cidade da EditoraSão José dos Campos
Título do LivroResumos
Tipo Terciáriopalestra
OrganizaçãoInstituto Nacional de Pesquisas Espaciais (INPE)
Histórico (UTC)2022-11-03 15:19:11 :: simone -> administrator :: 2022
2023-01-03 16:50:06 :: administrator -> simone :: 2022
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Palavras-ChaveData cube
time series
ResumoGrandes volumes de dados de observação da Terra estão disponíveis abertamente. Especialistas têm acesso a aquisições repetidas de uma mesma área e as séries temporais resultantes dessas sequências melhoram nossa compreensão dos padrões e processos ecológicos. Em vez de selecionar imagens individuais de datas específicas e compará-las, pesquisadores podem acompanhar mudanças continuamente analisando séries temporais de imagens. Para suportar análise de séries temporais de imagens, dados prontos para análise (ARD - Analysis Read Data) de imagens são modelados como cubos de dados multidimensionais. Atualmente, existem diferentes iniciativas para produzir cubos de dados de observação da Terra para regiões específicas, incluindo o Swiss Data Cube, Digital Earth África e o Brazil Data Cube. Esta palestra abordará temas de pesquisa em Computação Aplicada nas áreas de grandes volumes de cubos de dados de observação da Terra e análise de séries temporais de imagens, no contexto do projeto Brazil Data Cube.
ÁreaCOMP
Arranjo 1urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCT > Earth Observation Data...
Arranjo 2urlib.net > BDMCI > Fonds > WORCAP > XXII WORCAP > Earth Observation Data...
Arranjo 3urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGIP > XXII WORCAP > Earth Observation Data...
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/8JMKD3MGPDW34P/47TMCT2
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGPDW34P/47TMCT2
Idiomapt
Arquivo AlvoPalestra_EO Data Cubes for Satellite Image Time Series - Karine Reis_INPE.mp4
Grupo de Usuáriossimone
Grupo de Leitoresadministrator
simone
Visibilidadeshown
Licença de Direitos Autoraisurlib.net/www/2012/11.12.15.03
Permissão de Leituraallow from all
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/46KUATE
8JMKD3MGPDW34P/47TNA9P
Lista de Itens Citandosid.inpe.br/mtc-m16c/2022/11.03.20.14 3
Acervo Hospedeirosid.inpe.br/mtc-m18@80/2008/03.17.15.17
6. Notas
Campos Vaziosarchivingpolicy archivist callnumber contenttype copyholder creatorhistory descriptionlevel dissemination documentstage doi e-mailaddress edition holdercode isbn issn label lineage mark mirrorrepository nextedition notes numberofvolumes orcid pages parameterlist parentrepositories previousedition previouslowerunit progress project resumeid rightsholder 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/42H2N7E
Repositóriosid.inpe.br/mtc-m21c/2020/05.21.12.02
Última Atualização2020:05.21.12.02.01 (UTC) simone
Repositório de Metadadossid.inpe.br/mtc-m21c/2020/05.21.12.02.01
Última Atualização dos Metadados2022:01.04.01.35.09 (UTC) administrator
DOI10.3390/RS12081253
ISSN2072-4292
Chave de CitaçãoGomesQueiFerr:2020:OvPlBi
TítuloAn overview of platforms for big earth observation data management and analysis
Ano2020
MêsApr.
Data de Acesso16 maio 2024
Tipo SecundárioPRE PI
Número de Arquivos1
Tamanho1451 KiB
2. Contextualização
Autor1 Gomes, Vitor C. F.
2 Queiroz, Gilberto Ribeiro
3 Ferreira, Karine Reis
Identificador de Curriculo1
2
3 8JMKD3MGP5W/3C9JHKN
ORCID1 0000-0003-3239-2160
2 0000-0001-7534-0219
3 0000-0003-2656-5504
Grupo1
2 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
3 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
Afiliação1 Instituto de Estudos Avançados (IEAv)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
3 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 vitor@ieav.cta.br
2 gilberto.queiroz@inpe.br
3 karine.ferreira@inpe.br
RevistaRemote Sensing
Volume12
Número8
Páginase1253
Nota SecundáriaB3_GEOGRAFIA B3_ENGENHARIAS_I B4_GEOCIÊNCIAS B4_CIÊNCIAS_AMBIENTAIS B5_CIÊNCIAS_AGRÁRIAS_I
Histórico (UTC)2020-05-21 12:02:01 :: simone -> administrator ::
2020-05-21 12:02:02 :: administrator -> simone :: 2020
2020-05-21 12:02:28 :: simone -> administrator :: 2020
2020-05-22 14:10:19 :: administrator -> simone :: 2020
2020-06-23 22:46:24 :: simone -> administrator :: 2020
2020-07-08 17:10:56 :: administrator -> simone :: 2020
2020-12-14 14:30:27 :: simone -> administrator :: 2020
2022-01-04 01:35:09 :: 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-Chavebig Earth observation data
Google Earth Engine
Sentinel Hub
Open Data Cube
SEPAL
JEODPP
pipsCloud
Resumo: In recent years, Earth observation (EO) satellites have generated big amounts of geospatial data that are freely available for society and researchers. This scenario brings challenges for traditional spatial data infrastructures (SDI) to properly store, process, disseminate and analyze these big data sets. To meet these demands, novel technologies have been proposed and developed, based on cloud computing and distributed systems, such as array database systems, MapReduce systems and web services to access and process big Earth observation data. Currently, these technologies have been integrated into cutting edge platforms in order to support a new generation of SDI for big Earth observation data. This paper presents an overview of seven platforms for big Earth observation data management and analysisGoogle Earth Engine (GEE), Sentinel Hub, Open Data Cube (ODC), System for Earth Observation Data Access, Processing and Analysis for Land Monitoring (SEPAL), openEO, JEODPP, and pipsCloud. We also provide a comparison of these platforms according to criteria that represent capabilities of the EO community interest.
ÁreaSRE
Arranjourlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > An overview of...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 21/05/2020 09:02 1.0 KiB 
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP3W34R/42H2N7E
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP3W34R/42H2N7E
Idiomaen
Arquivo Alvoremotesensing-12-01253.pdf
Grupo de Usuáriossimone
Grupo de Leitoresadministrator
simone
Visibilidadeshown
Política de Arquivamentoallowpublisher allowfinaldraft
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/3EQCCU5
Lista de Itens Citandosid.inpe.br/bibdigital/2013/09.09.15.05 3
sid.inpe.br/mtc-m21/2012/07.13.14.53.08 1
DivulgaçãoWEBSCI; PORTALCAPES; MGA; COMPENDEX; SCOPUS.
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 nextedition notes parameterlist parentrepositories previousedition previouslowerunit progress project readpermission rightsholder schedulinginformation secondarydate secondarykey session shorttitle sponsor subject tertiarymark tertiarytype typeofwork url
7. Controle da descrição
e-Mail (login)simone
atualizar 

1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Sitemtc-m21b.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W34P/3Q8KS7B
Repositóriosid.inpe.br/mtc-m21b/2017/12.21.16.09
Última Atualização2017:12.22.14.48.48 (UTC) administrator
Repositório de Metadadossid.inpe.br/mtc-m21b/2017/12.21.16.09.28
Última Atualização dos Metadados2018:06.04.02.28.07 (UTC) administrator
Chave SecundáriaINPE--PRE/
Chave de CitaçãoCâmaraVinhQueiFerr:2017:EsArBi
TítuloThe e-sensing architecture for big Earth observation data analysis
Ano2017
Data de Acesso16 maio 2024
Tipo SecundárioPRE CI
Número de Arquivos1
Tamanho720 KiB
2. Contextualização
Autor1 Câmara, Gilberto
2 Vinhas, Lubia
3 Queiroz, Gilberto Ribeiro de
4 Ferreira, Karine Reis
Identificador de Curriculo1 8JMKD3MGP5W/3C9JHB8
2 8JMKD3MGP5W/3C9JHM4
3 8JMKD3MGP5W/3C9JHBC
4 8JMKD3MGP5W/3C9JHKN
Grupo1 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
2 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
3 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
4 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
Afiliação1
2 Instituto Nacional de Pesquisas Espaciais (INPE)
3 Instituto Nacional de Pesquisas Espaciais (INPE)
4 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1
2 lubia.vinhas@inpe.br
3 gilberto.queiroz@inpe.br
4 karine.ferreira@inpe.br
Nome do EventoConference on Big Data from Space (BiDS 2017)
Localização do EventoToulouse, France
Data28-30 nov.
Histórico (UTC)2017-12-22 14:48:48 :: simone -> administrator :: 2017
2018-06-04 02:28:07 :: administrator -> simone :: 2017
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
Arranjourlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > The e-sensing architecture...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 21/12/2017 14:09 1.0 KiB 
4. Condições de acesso e uso
URL dos dadoshttp://mtc-m21b.sid.inpe.br/ibi/8JMKD3MGP3W34P/3Q8KS7B
URL dos dados zipadoshttp://mtc-m21b.sid.inpe.br/zip/8JMKD3MGP3W34P/3Q8KS7B
Idiomaen
Grupo de Usuáriossimone
Grupo de Leitoresadministrator
simone
Visibilidadeshown
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/3EQCCU5
Lista de Itens Citandosid.inpe.br/mtc-m21/2012/07.13.14.49.22 1
sid.inpe.br/bibdigital/2013/09.09.15.05 1
sid.inpe.br/mtc-m21/2012/07.13.14.53.44 1
Acervo Hospedeirosid.inpe.br/mtc-m21b/2013/09.26.14.25.20
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 nextedition notes numberofvolumes orcid organization pages parameterlist parentrepositories previousedition previouslowerunit progress project publisher publisheraddress rightsholder schedulinginformation secondarydate secondarymark serieseditor session shorttitle sponsor subject targetfile tertiarymark tertiarytype type url 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/4524AB2
Repositóriosid.inpe.br/mtc-m21d/2021/07.01.19.39
Última Atualização2021:07.01.19.39.49 (UTC) simone
Repositório de Metadadossid.inpe.br/mtc-m21d/2021/07.01.19.39.49
Última Atualização dos Metadados2022:04.03.22.27.25 (UTC) administrator
DOI10.3390/rs13132428
ISSN2072-4292
Chave de CitaçãoSimõesCQSASCF:2021:SaImTi
TítuloSatellite Image Time Series Analysis for Big Earth Observation Data
Ano2021
MêsJune
Data de Acesso16 maio 2024
Tipo de Trabalhojournal article
Tipo SecundárioPRE PI
Número de Arquivos1
Tamanho5013 KiB
2. Contextualização
Autor1 Simões, Rolf Ezequiel de Oliveira
2 Camara, Gilberto
3 Queiroz, Gilberto Ribeiro de
4 Souza, Felipe
5 Andrade, Pedro Ribeiro de
6 Santos, Lorena Alves dos
7 Carvalho, Alexandre
8 Ferreira, Karine Reis
Identificador de Curriculo1
2 8JMKD3MGP5W/3C9JHB8
3 8JMKD3MGP5W/3C9JHBC
4
5
6
7
8 8JMKD3MGP5W/3C9JHKN
Grupo1 DIOTG-CGCT-INPE-MCTI-GOV-BR
2 DIOTG-CGCT-INPE-MCTI-GOV-BR
3 DIOTG-CGCT-INPE-MCTI-GOV-BR
4 SER-SRE-DIPGR-INPE-MCTI-GOV-BR
5 DIIAV-CGCT-INPE-MCTI-GOV-BR
6 SER-SRE-DIPGR-INPE-MCTI-GOV-BR
7
8 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 Instituto Nacional de Pesquisas Espaciais (INPE)
5 Instituto Nacional de Pesquisas Espaciais (INPE)
6 Instituto Nacional de Pesquisas Espaciais (INPE)
7 Instituto de Pesquisas Economicas e Aplicadas (IPEA)
8 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 rolf.simoes@inpe.br
2 gilberto.camara@inpe.br
3 gilberto.queiroz@inpe.br
4 felipe.souza@inpe.br
5 pedro.andrade@inpe.br
6 lorena.santos@inpe.br
7 alexandre.ywata@ipea.gov.br
8 karine.ferreira@inpe.br
RevistaRemote Sensing
Volume13
Número13
Páginase2428
Nota SecundáriaB3_GEOGRAFIA B3_ENGENHARIAS_I B4_GEOCIÊNCIAS B4_CIÊNCIAS_AMBIENTAIS B5_CIÊNCIAS_AGRÁRIAS_I
Histórico (UTC)2021-07-01 19:39:49 :: simone -> administrator ::
2021-07-01 19:39:50 :: administrator -> simone :: 2021
2021-07-01 19:40:36 :: simone -> administrator :: 2021
2022-04-03 22:27:25 :: administrator -> simone :: 2021
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-Chavebig Earth observation data
data cubes
satellite image time series
machine learning and deep learning for remote sensing
R package
ResumoThe development of analytical software for big Earth observation data faces several challenges. Designers need to balance between conflicting factors. Solutions that are efficient for specific hardware architectures can not be used in other environments. Packages that work on generic hardware and open standards will not have the same performance as dedicated solutions. Software that assumes that its users are computer programmers are flexible but may be difficult to learn for a wide audience. This paper describes sits, an open-source R package for satellite image time series analysis using machine learning. To allow experts to use satellite imagery to the fullest extent, sits adopts a time-first, space-later approach. It supports the complete cycle of data analysis for land classification. Its API provides a simple but powerful set of functions. The software works in different cloud computing environments. Satellite image time series are input to machine learning classifiers, and the results are post-processed using spatial smoothing. Since machine learning methods need accurate training data, sits includes methods for quality assessment of training samples. The software also provides methods for validation and accuracy measurement. The package thus comprises a production environment for big EO data analysis. We show that this approach produces high accuracy for land use and land cover maps through a case study in the Cerrado biome, one of the worlds fast moving agricultural frontiers for the year 2018.
ÁreaSRE
Arranjo 1urlib.net > SER > Satellite Image Time...
Arranjo 2urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCT > Satellite Image Time...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 01/07/2021 16:39 1.0 KiB 
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP3W34T/4524AB2
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP3W34T/4524AB2
Idiomaen
Arquivo Alvoremotesensing-13-02428.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 3
sid.inpe.br/mtc-m21/2012/07.13.14.49.22 2
DivulgaçãoWEBSCI; PORTALCAPES; MGA; 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 orcid parameterlist parentrepositories previousedition previouslowerunit progress project readpermission 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-m21c.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W34R/44DTA5B
Repositóriosid.inpe.br/mtc-m21c/2021/03.30.15.24
Última Atualização2021:07.05.18.05.01 (UTC) simone
Repositório de Metadadossid.inpe.br/mtc-m21c/2021/03.30.15.24.12
Última Atualização dos Metadados2022:04.03.19.26.54 (UTC) administrator
Chave SecundáriaINPE-18440-TDI/3090
Chave de CitaçãoPereira:2021:DaCuAl
TítuloData cube algorithm for high sequentiality satellite telemetry data analysis
Título AlternativoAlgoritmo de cubo de dados para dados de telemetria de satélite com alta sequencialidade
CursoCSE-ETES-DIPGR-INPE-MCTI-GOV-BR
Ano2021
Data2021-03-25
Data de Acesso16 maio 2024
Tipo da TeseDissertação (Mestrado em Engenharia e Gerenciamento de Sistemas Espaciais)
Tipo SecundárioTDI
Número de Páginas84
Número de Arquivos1
Tamanho2388 KiB
2. Contextualização
AutorPereira, Yuri Matheus Dias
BancaSantos, Walter Abrahão dos (presidente)
Ferreira, Maurício Gonçalves Vieira (orientador)
Silva, Rodrigo Rocha (orientador)
Chagas Junior, Milton de Freitas
Lobo, José Eduardo Morello
Endereço de e-Mailyurimathe.yp@gmail.com
UniversidadeInstituto Nacional de Pesquisas Espaciais (INPE)
CidadeSão José dos Campos
Histórico (UTC)2021-03-30 15:26:52 :: yuri.pereira@inpe.br -> pubtc@inpe.br ::
2021-03-31 14:20:58 :: pubtc@inpe.br -> yuri.pereira@inpe.br ::
2021-05-24 08:41:31 :: yuri.pereira@inpe.br -> pubtc@inpe.br ::
2021-05-24 17:50:11 :: pubtc@inpe.br -> yuri.pereira@inpe.br ::
2021-05-24 23:08:58 :: yuri.pereira@inpe.br -> pubtc@inpe.br ::
2021-11-30 20:43:04 :: pubtc@inpe.br -> simone ::
2021-11-30 20:44:15 :: simone :: -> 2021
2021-11-30 20:44:16 :: simone -> administrator :: 2021
2022-04-03 19:26:54 :: administrator -> :: 2021
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Palavras-Chavedata cube
inverted index
satellite
telemetry
satellite operations
cubo de dados
índice invertido
satélite
telemetria
operação de satélites
ResumoSatellites are monitored by ground teams via telemetry packages, which report the current status of the equipment and allow them to assess the satellites ability to continue its mission. These telemetry packages compose a large and complex body of data, with satellites that are operated for several years generating large volumes of historical data that is still useful for operation activities and needs to be archived. The volume of historical telemetry data available to the National Institute for Space Research (INPE) is currently estimated to be at least 3 terabytes in total, with a tendency to grow in the coming years. With this volume, and considering that the data analysis on these data is not trivial, requiring expert engineering knowledge, it is necessary to implement systems to perform queries and analysis on them. In this work we identify the queries that are of interest to satellite operators, create a multidimensional model for the telemetry data using a data cube model, and then use the Frag-Cubing data cube computation algorithm as a basis for implementation. First an approach that uses pre-processing of the selected queries is implemented, where the dimensions related to the query are filtered out and low-dimensional cubes are created from them. This approach is compared to the high dimensionality approach that uses all available dimensions, and finds that, while queries are restricted to the filtered dimensions, it has a 15% advantage in query time and in the best cases consumes only 10% of the memory used by the high dimensionality approach. So if the queries have a low dimensionality, there is advantage in using a pre-processed cube from disk than running a query on a data cube already built with the high dimensionality approach. Then an approach based on modifying the Frag-Cubing inverted index algorithm is experimentally validated, which consists in using the high-sequentiality characteristic of some satellite telemetry to replace the lists of tuple identifiers (TID list) with lists of intervals.. This approach on high dimensional data, tested on the queries defined by the operators, uses on average 20% of the memory that traditional lists use, and is up to 3200% faster to answer queries on dimensions with high sequentiality, while being up to 400% slower to answer queries on dimensions with low sequentiality. RESUMO: Satélites são monitorados pelas equipes de solo via pacotes de telemetria, que informam o estado atual dos equipamentos e permitem avaliar a capacidade do satélite de continuar a sua missão. Esses pacotes de telemetria constituem um corpo de dados de elevado tamanho e complexidade, com satélites que são operados por vários anos geram dados históricos de grande volume, ainda úteis para as atividades de operação e que necessitam de ser arquivados. O volume de dados históricos de telemetria disponíveis ao Instituto Nacional de Pesquisas Espaciais (INPE) atualmente é estimado em ao menos 3 terabytes no total, com tendência a crescer nos próximos anos. Com este volume, e considerando que as análises de dados sobre esse arquivos não é trivial, necessitando de conhecimento especialista de engenharia, é necessário a implementação de sistemas para realizar consultas e análises sobre esses dados. Neste trabalho é feita a identificação das consultas que são de interesse dos operadores de satélite, é criada uma modelagem multidimensional para os dados de telemetria utilizando de cubo de dados e então o algoritmo de computação do cubo de dados Frag-Cubing é utilizado como base para implementação. Primeiramente uma abordagem de pré-processamento das consultas selecionados é implementada, onde as dimensões relacionadas a consulta são filtradas e cubos de baixa dimensionalidade são criados à partir delas. Essa abordagem é comparada com a abordagem de alta dimensionalidade com todas as dimensões disponíveis, e encontra que, conquanto que as consultas sejam restritas as dimensões filtradas, tem uma vantagem de 15% no tempo de consulta e nos melhores casos consumindo apenas 10% de memória utilizada pela abordagem de alta dimensionalidade. Assim, se as consultas tiverem uma dimensionalidade baixa, existe vantagem em utilizar um cubo preprocessado do zero do que executar uma consulta em uma cubo de dados construído com abordagem de alta dimensionalidade. Depois uma abordagem baseada na alteração do algoritmo de índice invertido do algoritmo Frag-Cubing é experimentalmente validade, que compõe em utilizar da característica de alta sequencialidade de algumas telemetrias de satélite para substituir as listas de identificadores de tuplas (TID list) por listas de intervalos. Essa abordagem sobre os dados de alta dimensionalidade, testada nas consultas definidas pelos operadores anteriormente, usa em média 20% da memória que a listas tradicional utiliza, e é até 32x mais rápida para responder consultas em dimensões com alta sequencialidade, porém sendo até 4x mais lenta para responder consultas com dimensões com baixa sequencialidade.
ÁreaETES
Arranjo 1urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > CSE > Data cube algorithm...
Arranjo 2urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCE > Data cube algorithm...
Conteúdo da Pasta docacessar
Conteúdo da Pasta source
originais/@4primeirasPaginas.pdf 05/07/2021 14:53 414.4 KiB 
originais/DEFESA FINAL DE DISSERTAÇÃO DE YURI MATHEUS DIAS PEREIRA - CSE.pdf 13/04/2021 14:43 185.7 KiB 
originais/Dissertacao_Yuri_Matheus_Dias_v3.1.pdf 25/05/2021 08:39 2.1 MiB
Conteúdo da Pasta agreement
autorizacao.pdf 05/07/2021 15:05 490.4 KiB 
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP3W34R/44DTA5B
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP3W34R/44DTA5B
Idiomaen
Arquivo Alvopublicacao.pdf
Grupo de Usuáriospubtc@inpe.br
simone
yuri.pereira@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/2017/11.22.19.04.03
Unidades Imediatamente Superiores8JMKD3MGPCW/3F35BSP
8JMKD3MGPCW/46KTFK8
Lista de Itens Citandosid.inpe.br/bibdigital/2013/10.14.22.20 2
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 ReferênciaArtigo em Evento (Conference Proceedings)
Siteplutao.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W/3MTN32E
Repositóriosid.inpe.br/plutao/2016/12.05.19.15.48
Última Atualização2017:01.17.14.27.13 (UTC) simone
Repositório de Metadadossid.inpe.br/plutao/2016/12.05.19.15.49
Última Atualização dos Metadados2021:01.03.02.54.48 (UTC) administrator
Rótulolattes: 8139481480030201 5 AlmeidaKoSaGuSuEk:2016:ExStEL
Chave de CitaçãoAlmeidaKoSaGuSuEk:2016:ExStEL
TítuloExploratory study of the ELK stack for meteorological observation system data analysis
FormatoDVD
Ano2016
Data de Acesso16 maio 2024
Tipo SecundárioPRE CI
Número de Arquivos1
Tamanho5289 KiB
2. Contextualização
Autor1 Almeida, Eugênio Sper de
2 Koga, Ivo Kenji
3 Santana, Márcio Antônio Aparecido
4 Guimarães, Patrícia Lúcia de Oliveira
5 Sugawara, Luciana Miura
6 Eklin, Tero
Identificador de Curriculo1 8JMKD3MGP5W/3C9JH2S
2
3 8JMKD3MGP5W/3C9JHPG
4 8JMKD3MGP5W/3C9JJ2Q
Grupo1 SSS-CPT-INPE-MCTI-GOV-BR
2 SSS-CPT-INPE-MCTI-GOV-BR
3 CPT-CPT-INPE-MCTI-GOV-BR
4 CPT-CPT-INPE-MCTI-GOV-BR
5 CPT-CPT-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)
Endereço de e-Mail do Autor1 eugenio.almeida@inpe.br
2 ivo.koga@inpe.br
3 marcio.santana@inpe.br
4 patricia.guimaraes@inpe.br
5 luciana.miura@inpe.br
Nome do EventoConference of Computational Interdisciplinary Science, 4 (CCIS 2016)
Localização do EventoSão José dos Campos, SP
Data7-10 nov.
Título do LivroProceedings
Tipo TerciárioPaper
Histórico (UTC)2016-12-05 19:15:49 :: lattes -> administrator ::
2016-12-06 09:11:53 :: administrator -> lattes :: 2016
2016-12-21 13:43:25 :: lattes -> administrator :: 2016
2017-01-09 13:56:35 :: administrator -> simone :: 2016
2017-01-17 14:27:13 :: simone -> administrator :: 2016
2021-01-03 02:54:48 :: administrator -> simone :: 2016
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
ÁreaMET
Arranjo 1urlib.net > BDMCI > Fonds > Produção anterior à 2021 > CGCPT > Exploratory study of...
Arranjo 2urlib.net > BDMCI > Fonds > Produção anterior à 2021 > SESSS > Exploratory study of...
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/3MTN32E
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP3W/3MTN32E
Idiomaen
Grupo de Usuárioslattes
Grupo de Leitoresadministrator
lattes
simone
Visibilidadeshown
Permissão de Leituraallow from all
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Repositório Espelhourlib.net/www/2011/03.29.20.55
Unidades Imediatamente Superiores8JMKD3MGPCW/3EUPEJL
8JMKD3MGPCW/43SRFME
Lista de Itens Citandosid.inpe.br/mtc-m21/2012/07.13.14.45.33 6
sid.inpe.br/mtc-m21/2012/07.13.14.54.50 2
sid.inpe.br/bibdigital/2021/01.03.02.53 1
Acervo Hospedeirodpi.inpe.br/plutao@80/2008/08.19.15.01
6. Notas
Campos Vaziosabstract archivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel dissemination doi e-mailaddress edition editor isbn issn keywords lineage mark nextedition notes numberofvolumes orcid organization pages parameterlist parentrepositories previousedition previouslowerunit progress project publisher publisheraddress rightsholder schedulinginformation secondarydate secondarykey secondarymark serieseditor session shorttitle sponsor subject targetfile 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-m21d.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W34T/49E72US
Repositóriosid.inpe.br/mtc-m21d/2023/07.10.13.16   (acesso restrito)
Última Atualização2023:07.10.13.16.33 (UTC) simone
Repositório de Metadadossid.inpe.br/mtc-m21d/2023/07.10.13.16.33
Última Atualização dos Metadados2024:01.02.17.16.44 (UTC) administrator
DOI10.1016/j.rsase.2023.101014
ISSN2352-9385
Chave de CitaçãoChavesSanc:2023:ImCrMa
TítuloImproving crop mapping in Brazil's Cerrado from a data cubes-derived Sentinel-2 temporal analysis
Ano2023
MêsNov.
Data de Acesso16 maio 2024
Tipo de Trabalhojournal article
Tipo SecundárioPRE PI
Número de Arquivos1
Tamanho11436 KiB
2. Contextualização
Autor1 Chaves, Michel Eustáquio Dantas
2 Sanches, Ieda Del'Arco
Grupo1 DIOTG-CGCT-INPE-MCTI-GOV-BR
2 DIOTG-CGCT-INPE-MCTI-GOV-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 michel.chaves@inpe.br
2 ieda.sanches@inpe.br
RevistaRemote Sensing Applications: Society and Environment
Volume32
Páginase101014
Histórico (UTC)2023-07-10 13:16:53 :: simone -> administrator :: 2023
2024-01-02 17:16:44 :: 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-ChaveAgri-environmental policies
Analysis-ready datasets
Cerrado biome
Crops
Time series
ResumoThe Sentinel-2/MultiSpectral Instrument (S2/MSI) expands the frequency of satellite observations, which is relevant to elaborate detailed and timely land use and land cover (LULC) classifications. However, storing, managing, and processing big data is costly and challenging, inducing a dimensionality reduction by modeling images as composite products. Contrastingly, it obliterates the temporal resolution improvement. As LULC changes are subtle over time, little is said about how much detail we lost by degrading temporal resolution. Data cube architectures enable storing, accessing, and modeling big data, mitigating losses. Brazil Data Cube (BDC) produces multidimensional data cube collections from different medium-resolution satellite data for Brazil, including S2/MSI. Here, we evaluated three BDC S2/MSI data cubes (two 16-day composites and one unblended, with the MSI original temporal resolution) to map a dynamic-and-representative region in the far-Western Bahia agricultural belt frontier, Cerrado biome, at crop type level. We incorporate spectral indices, ground samples, and crop calendars into a Random Forest-based temporal analysis. Overall accuracies (0.91 and 0.92 for composites, and 0.96 reached for the unblended) highlight the S2/MSI temporal resolution for improving mapping tasks. Given the impact of the cropland frontier expansion over Cerrado in Brazil's commodity production, detecting subtle landscape variations can improve agri-environmental policies.
ÁreaSRE
Arranjourlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCT > Improving crop mapping...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 10/07/2023 10:16 1.0 KiB 
4. Condições de acesso e uso
Idiomaen
Arquivo Alvo1-s2.0-S2352938523000964-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/46KUATE
Lista de Itens Citandosid.inpe.br/bibdigital/2022/04.03.22.23 4
DivulgaçãoPORTALCAPES; 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 resumeid rightsholder schedulinginformation secondarydate secondarykey secondarymark session shorttitle sponsor subject tertiarymark tertiarytype url
7. Controle da descrição
e-Mail (login)simone
atualizar