@InProceedings{SilvaNetoSaSoMeFrSiDu:2023:AnPrDi,
author = "Silva Neto, Tomaz Alexandre da and Salgueiro, Ana Rita
Gon{\c{c}}alves Neves Lopes and Sousa, Joyce Shantala Fernandes
de Oliveira and Mendes, Luzia Suerlange Ara{\'u}jo dos Santos and
Freites, Eduardo Viana and Silva, Igor Rebou{\c{c}}as da and
Duarte, Cynthia Romariz",
affiliation = "{Universidade Federal do Cear{\'a} (UFC)} and {Universidade
Federal do Cear{\'a} (UFC)} and {Universidade Federal do
Cear{\'a} (UFC)} and {N{\'u}cleo de Tecnologia e Qualidade
Industrial do Cear{\'a} (NUTEC)} and {Universidade Federal do
Cear{\'a} (UFC)} and {Universidade Federal do Cear{\'a} (UFC)}
and {Universidade Federal do Cear{\'a} (UFC)}",
title = "An{\'a}lise preliminar da din{\^a}mica das {\'a}guas
superficiais na regi{\~a}o do Baixo Jaguaribe a partir de
s{\'e}ries temporais de radar Sentinel-1",
booktitle = "Anais...",
year = "2023",
editor = "Gherardi, Douglas Francisco Marcolino and Arag{\~a}o, Luiz
Eduardo Oliveira e Cruz de and Sanches, Ieda DelArco",
pages = "e155810",
organization = "Simp{\'o}sio Brasileiro de Sensoriamento Remoto, 20. (SBSR)",
publisher = "Instituto Nacional de Pesquisas Espaciais (INPE)",
address = "S{\~a}o Jos{\'e} dos Campos",
keywords = "{\'A}reas Inund{\'a}veis, Banda C, SNAP, Ru{\'{\i}}do Speckle,
Machine Learning, Wetlands, C-Band, SNAP, Speckle Noise, Machine
Learning.",
abstract = "O conhecimento da din{\^a}mica sazonal das {\'a}guas
superficiais de uma regi{\~a}o pode ser usado como
subs{\'{\i}}dio para um planejamento mais consciente. Esse
trabalho tem como objetivo desenvolver um m{\'e}todo de
identifica{\c{c}}{\~a}o de {\'a}guas superficiais na
regi{\~a}o da Sub-bacia Hidrogr{\'a}fica do Baixo Jaguaribe
utilizando s{\'e}ries temporais do sat{\'e}lite Sentinel-1. O
m{\'e}todo consiste em seis etapas: pr{\'e}-processamento das
imagens; constru{\c{c}}{\~a}o do cubo temporal;
aplica{\c{c}}{\~a}o da An{\'a}lise de Componentes de Densidade
e Probabilidade (ACDP); utiliza{\c{c}}{\~a}o da
transforma{\c{c}}{\~a}o Minimum Noise Fraction (MNF); uso da
t{\'e}cnica de aprendizado de m{\'a}quina Random Forest e
delimita{\c{c}}{\~a}o das {\'a}guas superficiais no
per{\'{\i}}odo seco e chuvoso. Observou-se que existe uma
diferen{\c{c}}a entre os per{\'{\i}}odos seco e chuvoso.
Aproximadamente 57,5% da {\'a}rea do rio fica exposta no
per{\'{\i}}odo seco. A metodologia utilizada mostrou-se bastante
eficiente na diferencia{\c{c}}{\~a}o dos corpos
h{\'{\i}}dricos em rela{\c{c}}{\~a}o a outros elementos que
possuem respostas semelhantes e na melhoria da rela{\c{c}}{\~a}o
sinal/ru{\'{\i}}do. ABSTRACT: The knowledge of the seasonal
dynamics of surface water in a region can be used as a subsidy for
a more conscious planning. This work aims to develop a method to
identify surface waters in the Baixo Jaguaribe sub-basin region
using time series from the Sentinel-1 satellite. The method
consists of six steps: pre-processing of the images; construction
of the temporal cube; application of Density and Probability
Component Analysis (DCA); use of the Minimum Noise Fraction (MNF)
transformation; use of the Random Forest machine learning
technique and delimitation of surface waters in the dry and rainy
periods. It was observed that there is a difference between the
dry and rainy periods. 57,5% of the river area is exposed in the
dry period. The methodology used proved to be very efficient in
differentiating the water bodies from other elements that have
similar responses and in improving the signal-to-noise ratio.",
conference-location = "Florian{\'o}polis",
conference-year = "02-05 abril 2023",
isbn = "978-65-89159-04-9",
language = "pt",
organisation = "Instituto Nacional de Pesquisas Espaciais (INPE)",
ibi = "8JMKD3MGP6W34M/495DKR5",
url = "http://urlib.net/ibi/8JMKD3MGP6W34M/495DKR5",
targetfile = "155810.pdf",
type = "An{\'a}lise de s{\'e}ries temporais de imagens de
sat{\'e}lite",
urlaccessdate = "2024, May 05"
}