| 1. Identificação | |
| Tipo de Referência | Tese ou Dissertação (Thesis) |
| Site | mtc-m16d.sid.inpe.br |
| Código do Detentor | isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S |
| Identificador | 8JMKD3MGP7W/3ERM89S |
| Repositório | sid.inpe.br/mtc-m19/2013/09.17.18.58 |
| Última Atualização | 2013:10.11.15.03.26 (UTC) administrator |
| Repositório de Metadados | sid.inpe.br/mtc-m19/2013/09.17.18.58.16 |
| Última Atualização dos Metadados | 2020:04.29.12.37.28 (UTC) administrator |
| Chave Secundária | INPE-17268-TDI/2091 |
| Chave de Citação | Mello:2013:SpBaMe |
| Título | Spectral-temporal and Bayesian methods for agricultural remote sensing data analysis  |
| Título Alternativo | Métodos Espectro-temporal e Bayesiano para análise de dados em sensoriamento remoto agrícola |
| Curso | SER-SRE-SPG-INPE-MCTI-GOV-BR |
| Ano | 2013 |
| Data | 2013-08-19 |
| Data de Acesso | 16 maio 2024 |
| Tipo da Tese | Tese (Doutorado em Sensoriamento Remoto) |
| Tipo Secundário | TDI |
| Número de Páginas | 120 |
| Número de Arquivos | 1 |
| Tamanho | 2523 KiB |
|
| 2. Contextualização | |
| Autor | Mello, Marcio Pupin |
| Grupo | SER-SRE-SPG-INPE-MCTI-GOV-BR |
| Banca | Formaggio, Antonio Roberto (presidente)
Rudorff, Bernado Friedrich Theodor (orientador)
Santos, Rafael Duarte Coelho dos
Batista, Getúlio Teixeira
Vieira, Carlos Antônio Oliveira |
| Endereço de e-Mail | marciopupin@gmail.com |
| Universidade | Instituto Nacional de Pesquisas Espaciais (INPE) |
| Cidade | São José dos Campos |
| Histórico (UTC) | 2013-09-17 19:37:48 :: marciopupin@gmail.com -> yolanda ::
2013-10-09 17:44:42 :: yolanda -> lmanacero@yahoo.com ::
2013-10-11 15:04:16 :: lmanacero@yahoo.com -> tereza@sid.inpe.br ::
2013-10-11 17:55:13 :: tereza@sid.inpe.br :: -> 2013
2013-10-11 17:55:48 :: tereza@sid.inpe.br -> administrator :: 2013
2020-04-29 12:37:28 :: administrator -> simone :: 2013 |
|
| 3. Conteúdo e estrutura | |
| É a matriz ou uma cópia? | é a matriz |
| Estágio do Conteúdo | concluido |
| Transferível | 1 |
| Palavras-Chave | spectral-temporal response surface
sugarcane pre-harvest burning
Bayesian Network
plausible reasoning
soybean mapping
superfície de resposta espectro-temporal
queima da palha na pré-colheita da cana-de-açúcar
rede Bayesiana
lógica racional
mapeamento da soja |
| Resumo | Informações agrícolas confiáveis tem se tornado cada vez mais importantes para os tomadores de decisões. Especialmente quando são obtidas em tempo hábil, essas informações são altamente relevantes para o planejamento estratégico do país. Apesar de o sensoriamento remoto mostrar-se promissor para aplicações em mapeamento agrícola, com potencial de melhorar as estatísticas agrícolas oficiais, esse potencial não tem sido amplamente explorado. Existem poucos exemplos bem sucedidos do uso operacional do sensoriamento remoto para mapeamento sistemático de culturas agrícolas e, para garantir resultados precisos, eles são fortemente baseados em interpretação visual de imagens. De fato, apesar dos substanciais avanços em análise de dados de sensoriamento remoto, novas técnicas para automatizar a análise de dados em sensoriamento remoto com aplicações agrícolas são desejáveis, especialmente no propósito de manter a consistência e a precisão dos resultados. Neste contexto, existe uma demanda crescente pelo desenvolvimento e implementação de métodos automatizados de análise de dados de sensoriamento remoto com aplicações em agricultura. Assim, o principal objetivo desta tese é propor o desenvolvimento e a implementação de métodos para automatizar a análise de dados de sensoriamento remoto em aplicações agrícolas, com foco na consistência e precisão dos resultados. Este documento foi escrito como uma coleção de dois artigos, cada um com foco nos seguintes pontos: (i) análise multitemporal, multiespectral e multisensor, permitindo a descrição das variações espectrais de alvos agrícolas ao longo do tempo; e (ii) inteligência artificial na modelagem de fenômenos usando dados de sensoriamento remoto e informações complementares de maneira integrada. Dois estudos de caso referentes ao mapeamento da colheita da cana em São Paulo e ao mapeamento da soja no Mato Grosso foram usados para testar as metodologias batizadas de STARS e BayNeRD, respectivamente. Os resultados dos testes confirmaram que ambos os métodos propostos foram capazes de automatizar processos de análises de dados de sensoriamento remoto com aplicações agrícolas, com consistência e precisão. ABSTRACT: Reliable agricultural statistics has become increasingly important to decision makers. Especially when timely obtained, agricultural information is highly relevant to the strategic planning of the country. Although remote sensing shows to be of great potential for agricultural mapping applications, with the benefit of further improving official agricultural statistics, its potential has not been fully explored. There are very few successful examples of operational remote sensing application for systematic mapping of agricultural crops, and they are strongly supported by visual image interpretation to allow accurate results. Indeed, despite the substantial advances in remote sensing data analysis, techniques to automate remote sensing data analysis focusing on agricultural mapping applications are highly valuable but have to maintain consistency and accuracy. In this context, there continues to be a demand for development and implementation of computer aided methods to automate the processes of analyzing remote sensing datasets for agriculture applications. Thus, the main objective of this thesis is to propose implementation of computer aided methodologies to automate, maintaining consistency and accuracy, processes of remote sensing data analyses focused on agricultural thematic mapping applications. This thesis was written as a collection of two papers related to a core theme, each addressing the following main points: (i) multitemporal, multispectral and multisensor image analysis that allow the description of spectral changes of agricultural targets over time; and (ii) artificial intelligence in modeling phenomena using remote sensing and ancillary data. Study cases of sugarcane harvest in São Paulo and soybean mapping in Mato Grosso were used to test the proposed methods named STARS and BayNeRD, respectively. The two methods developed and tested confirm that remotely sensed (and ancillary) data analysis can be automated with computer aided methods to model a range of cropland phenomena for agriculture applications, maintaining consistency and accuracy. |
| Área | SRE |
| Arranjo | urlib.net > SER > Spectral-temporal and Bayesian... |
| Conteúdo da Pasta doc | acessar |
| Conteúdo da Pasta source | | Originais/20130905_Thesis(noMendeley)_FINAL.docx | 18/09/2013 09:09 | 17.3 MiB | | Originais/20130917_Thesis_FINAL.pdf | 18/09/2013 10:33 | 7.5 MiB | | Originais/@4primeirasPaginas.pdf | 03/10/2013 11:17 | 820.6 KiB | | Originais/aprovacao.pdf | 11/10/2013 11:31 | 1.3 MiB | | publicacao.pdf | 11/10/2013 11:49 | 2.5 MiB | |
| Conteúdo da Pasta agreement | |
|
| 4. Condições de acesso e uso | |
| URL dos dados | http://urlib.net/ibi/8JMKD3MGP7W/3ERM89S |
| URL dos dados zipados | http://urlib.net/zip/8JMKD3MGP7W/3ERM89S |
| Idioma | en |
| Arquivo Alvo | publicacao.pdf |
| Grupo de Usuários | administrator
lmanacero@yahoo.com
marciopupin@gmail.com
tereza@sid.inpe.br
yolanda.souza@mcti.gov.br |
| Grupo de Leitores | administrator
marciopupin@gmail.com
yolanda.souza@mcti.gov.br |
| Visibilidade | shown |
| Licença de Direitos Autorais | urlib.net/www/2012/11.12.15.10 |
| Detentor dos Direitos | originalauthor yes |
| Detentor da Cópia | SID/SCD |
| Permissão de Atualização | não transferida |
|
| 5. Fontes relacionadas | |
| Repositório Espelho | sid.inpe.br/mtc-m19@80/2009/08.21.17.02.53 |
| Unidades Imediatamente Superiores | 8JMKD3MGPCW/3F3NU5S |
| Divulgação | BNDEPOSITOLEGAL; BINAGRI. |
| Acervo Hospedeiro | sid.inpe.br/mtc-m19@80/2009/08.21.17.02 |
|
| 6. Notas | |
| Campos Vazios | academicdepartment affiliation archivingpolicy archivist callnumber contenttype creatorhistory descriptionlevel doi electronicmailaddress format isbn issn label lineage mark nextedition notes number orcid parameterlist parentrepositories previousedition previouslowerunit progress readpermission resumeid schedulinginformation secondarydate secondarymark session shorttitle sponsor subject tertiarymark tertiarytype url versiontype |
|
| 7. Controle da descrição | |
| e-Mail (login) | simone |
| atualizar | |
|
