Resultado da Pesquisa

A expressão de busca foi <{ref journal or {ref conference and not {conferencen WORCAP 20 or conferencen WETE 11 or conferencen SBSR 19 or conferencen GEOINFO 21 or conferencen spgcst 9 or conferencen EPGMET 19}} or ref book} and y 2020 and not secondaryt NTC and not secondaryt PUD and not secondaryt MAN and not secondaryt TAE and lab lattes and firstg *CGOBT-INPE-MCTIC-GOV-BR>.
14 referências foram encontradas buscando em 19 dentre 20 Arquivos.
As 10 mais recentes estão listadas abaixo.
Eventualmente nem todas as referências esperadas puderam ser exibidas porque o acesso a pelo menos um Arquivo falhou.
Data e hora local de busca: 15/08/2026 22:59.

1. Identificação
Tipo de Referência	Livro ou Monografia (Book)
Código do Detentor	isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Site	plutao.sid.inpe.br (namespace prefix: upn:33M4QT8)
Identificador	8JMKD3MGP3W/42M72MH
Repositório	sid.inpe.br/plutao/2020/06.16.01.55
Repositório de Metadados	sid.inpe.br/plutao/2020/06.16.01.55.25
Última Atualização dos Metadados	2026:04.01.23.44.24 (UTC) administrator
ISBN	9781789238341
Rótulo	lattes: 1913003589198061 5 SuratmanLaOlBrShSa:2020:FoDeAr
Chave de Citação	SuratmanLaOlBrShSa:2020:FoDeAr
Título	Forest degradation around the world
Ano	2020
Data de Acesso	15 ago. 2026
Tipo Secundário	LI
Número de Páginas	100

2. Contextualização
Autor	1 Suratman, Mohd Nazip 2 Latif, Zulkiflee Abd 3 Oliveira, Gabriel de 4 Brunsell, Nathaniel A. 5 Shimabukuro, Yosio Edemir 6 Santos, Carlos Antonio Costa Dos
Identificador de Curriculo	1 2 3 4 5 8JMKD3MGP5W/3C9JJCQ
Grupo	1 2 3 4 5 DIDSR-CGOBT-INPE-MCTIC-GOV-BR
Afiliação	1 Universiti Teknologi MARA 2 Universiti Teknologi MARA 3 University of Kansas 4 University of Kansas 5 Instituto Nacional de Pesquisas Espaciais (INPE) 6 Universidade Federal de Campina Grande (UFCG)
Endereço de e-Mail do Autor	1 2 3 4 5 yosio.shimabukuro@inpe.br
Editora (Publisher)	InTech
Cidade	London, EC3R 6AF, UK
Volume	1
Acervo Hospedeiro	dpi.inpe.br/plutao@80/2008/08.19.15.01 upn:33M4QT8
Histórico (UTC)	2020-06-17 13:10:14 :: lattes -> administrator :: 2020 2020-07-08 17:12:26 :: administrator -> simone :: 2020 2020-12-08 13:18:36 :: simone -> administrator :: 2020 2026-04-01 23:44:24 :: administrator -> simone :: 2020

3. Conteúdo e estrutura
É a matriz ou uma cópia?	é a matriz
Estágio do Conteúdo	concluido
Transferível	1
Tipo do Conteúdo	External Contribution
Palavras-Chave	Forest degradation
Resumo	The growth in the human population has forced mankind to convert forested land into other land uses such as agricultural land, residential, urban, road construction and mining activities. The degradation of forest due to anthropogenic activities is significantly reducing forests in the world. These practices result in significant impacts on the forest structure, species composition and ecology, which will consequently reduce forest productivity and ecosystem functions. Due to deforestation, half of the earth's vegetation surface has reduced to one-third, resulting in large degraded areas. The significant reduction of the forest areas requires appropriate planning for sustainable management of the forests. This book reviews the extent and consequences of deforestation around the world. It highlights case studies of the causes of deforestation in Malaysia, Korea, India, Bangladesh, Columbia, Brazil and Mali. It is hoped that the book will provide insights on the importance of effective forest planning and management for the sustainable development of forest resources.
Área	SRE
Arranjo 1	urlib.net > BDMCI > Fonds > Arquivos pessoais > Yosio Edemir Shimabukuro:... > Forest degradation around...
Arranjo 2	urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > Forest degradation around...
Arranjo 3	Projeto Memória 60... > Livros e livros editados > Forest degradation around...
Conteúdo da Pasta doc	não têm arquivos
Conteúdo da Pasta source	não têm arquivos
Conteúdo da Pasta agreement	não têm arquivos

4. Condições de acesso e uso
Idioma	en
Grupo de Usuários	lattes
Grupo de Leitores	administrator lattes simone
Visibilidade	shown
Permissão de Atualização	não transferida

5. Fontes relacionadas
Unidades Imediatamente Superiores	8JMKD2USNRW34T/4FDQ64S 8JMKD3MGPCW/3ER446E 8JMKD3MGPGW/45823FH

6. Notas
Campos Vazios	archivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel dissemination doi e-mailaddress edition editor format issn lineage mark mirrorrepository nextedition notes numberoffiles numberofvolumes orcid parameterlist parentrepositories previousedition previouslowerunit progress project readpermission rightsholder schedulinginformation secondarydate secondarykey secondarymark serieseditor seriestitle session shorttitle size sponsor subject targetfile tertiarymark tertiarytype translator url versiontype

7. Controle da descrição
e-Mail (login)	simone
atualizar

1. Identificação
Tipo de Referência	Capítulo de Livro (Book Section)
Código do Detentor	isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Site	plutao.sid.inpe.br (namespace prefix: upn:33M4QT8)
Identificador	8JMKD3MGP3W/43NHF7L
Repositório	sid.inpe.br/plutao/2020/12.07.16.33 (acesso restrito)
Última Atualização	2020:12.08.16.21.55 (UTC) lattes
Repositório de Metadados	sid.inpe.br/plutao/2020/12.07.16.33.55
Última Atualização dos Metadados	2026:04.01.23.44.18 (UTC) administrator
DOI	10.22533/at.ed.0062026103
ISBN	9786557065006
Rótulo	lattes: 1913003589198061 1 ShimabukuroDuArSaMoDu:2020:MADEDE
Chave de Citação	ShimabukuroDuArSaMoDu:2020:MaDeDe
Título	Mapeamento do desmatamento e degradação florestal no estado do mato grosso, amazônia brasileira, utilizando imagens fração derivadas das imagens oli do landsat-8
Ano	2020
Data de Acesso	15 ago. 2026
Tipo Secundário	PRE LN
Número de Arquivos	1
Tamanho	7866 KiB

2. Contextualização
Autor	1 Shimabukuro, Yosio Edemir 2 Dutra, Andeise Cerqueira 3 Arai, Egídio 4 Santos, Erone Ghizoni dos Santos 5 Moura, Yhasmin Mendes de 6 Duarte, Valdete
Identificador de Curriculo	1 8JMKD3MGP5W/3C9JJCQ 2 3 8JMKD3MGP5W/3C9JGUP 4 5 6 8JMKD3MGP5W/3C9JJAU
Grupo	1 DIDSR-CGOBT-INPE-MCTIC-GOV-BR 2 SER-SRE-SESPG-INPE-MCTIC-GOV-BR 3 DIDSR-CGOBT-INPE-MCTIC-GOV-BR 4 5 6 DIDSR-CGOBT-INPE-MCTIC-GOV-BR
Afiliação	1 Instituto Nacional de Pesquisas Espaciais (INPE) 2 Instituto Nacional de Pesquisas Espaciais (INPE) 3 Instituto Nacional de Pesquisas Espaciais (INPE) 4 Universidade de Helsinque 5 Royal Society Newton International Fellow 6 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor	1 yosio.shimabukuro@inpe.br 2 andeise.dutra@inpe.br 3 egidio@dsr.inpe.br 4 5 6 valdete.duarte@inpe.br
Editor	Felsemburgh, C. A.
Título do Livro	A produção do conhecimento na engenharia florestal
Editora (Publisher)	Atena
Páginas	24-38
Acervo Hospedeiro	dpi.inpe.br/plutao@80/2008/08.19.15.01 upn:33M4QT8
Histórico (UTC)	2020-12-07 16:33:55 :: lattes -> administrator :: 2020-12-08 05:50:25 :: administrator -> lattes :: 2020 2020-12-08 16:21:56 :: lattes -> administrator :: 2020 2026-04-01 23:44:18 :: administrator -> simone :: 2020

3. Conteúdo e estrutura
É a matriz ou uma cópia?	é a matriz
Estágio do Conteúdo	concluido
Transferível	1
Tipo do Conteúdo	External Contribution
Palavras-Chave	Imagens Fração Degradação Florestal Áreas Queimadas Corte Seletivo Região Amazônica Fraction Images Forest Degradation Burned Areas Selective Logging Amazon Region
Resumo	Desmatamento é a substituição da floresta por outra cobertura da terra enquanto que a degradação é uma modificação da cobertura florestal a longo prazo. Na Amazônia brasileira a degradação florestal é causada principalmente pelas atividades de exploração seletiva da madeira e queimadas descontroladas, e a sua contribuição para o cálculo da emissão de carbono continua a ser um desafio. A discriminação entre áreas afetadas por corte seletivo e fogo é importante para o programa do REDD+ (Redução de Emissões por Desmatamento e Degradação Florestal) da UNFCCC (Convençãoquadro das Nações Unidas sobre Mudanças Climáticas). Neste contexto, este trabalho apresenta um procedimento semi-automatizado para mapeamento do desmatamento e da degradação florestal na Amazônia brasileira utilizando imagens fração derivadas do Modelo Linear de Mistura Espectral (MLME). Imagens do sensor OLI (Operational Land Imager) a bordo do satélite Landsat-8 referentes ao ano de 2015 e cobrindo o estado do Mato Grosso na Amazônia brasileira foram utilizadas no método proposto. Primeiramente, a abordagem consiste em mapear áreas de desmatamento e as áreas de florestas degradadas pelo fogo utilizando segmentação das imagens fração. Em seguida, as áreas degradadas por exploração seletiva da madeira são mapeadas usando um classificador baseado em pixel. Os resultados mostraram que 1.685,75km2 , 7.830,66km2 e 6.959,93km2 foram as áreas classificadas como desmatadas, degradadas por corte seletivo e degradadas pelo fogo, respectivamente, no Mato Grosso em 2015. Conclui-se que a resolução espacial das imagens desempenha um papel importante para o mapeamento de áreas de corte seletivo da madeira, já que o tamanho dos pátios e carreadores utilizados para o arraste das árvores cortadas são menores do que a resolução espacial das imagens OLI. ABSTRACT: Deforestation is the replacement of the forest by another land cover while degradation is a long-term modification of forest cover. In the Brazilian Amazon, forest degradation is mainly caused by the activities of selective logging and uncontrolled fire, and its contribution to the calculation of carbon emissions remains a challenge. Discrimination between areas affected by selective logging and burning is important for the UNFCCC REDD+ (Reduction of Emissions from Deforestation and Forest Degradation) program. This work presents a semi-automated procedure for mapping deforestation and forest degradation in the Brazilian Amazon using fraction images derived from the Linear Spectral Mixture Model (LSMM). Landsat-8 OLI (Operational Land Imager) images, onboard Landsat-8 satellite, acquired in 2015 covering the state of Mato Grosso in the Brazilian Amazon were used in the proposed method. First, the approach mapped areas of deforestation and areas degraded by fires using segmentation of the fraction images. Then, the areas degraded by selective logging were mapped using a pixel-based classifier. The results showed that 1,685.75km2 , 7,830.66km2 and 6,959.93km2 were classified as deforested areas, areas degraded by selective logging and areas degraded by fire, respectively, in Mato Grosso in 2015. It is concluded that the spatial resolution plays an important role for mapping areas of selective logging, since the size of the stocking plots and exploration roads used for dragging the logged trees are smaller than the spatial resolution of the OLI images.
Área	SRE
Arranjo 1	urlib.net > BDMCI > Fonds > Arquivos pessoais > Yosio Edemir Shimabukuro:... > Mapeamento do desmatamento...
Arranjo 2	urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > Mapeamento do desmatamento...
Arranjo 3	urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > SER > Mapeamento do desmatamento...
Conteúdo da Pasta doc	acessar
Conteúdo da Pasta source	não têm arquivos
Conteúdo da Pasta agreement	não têm arquivos

4. Condições de acesso e uso
Idioma	pt
Arquivo Alvo	shimabukuro_mapeamento.pdf
Grupo de Usuários	lattes
Visibilidade	shown
Permissão de Leitura	deny from all and allow from 150.163

5. Fontes relacionadas
Unidades Imediatamente Superiores	8JMKD2USNRW34T/4FDQ64S 8JMKD3MGPCW/3ER446E 8JMKD3MGPCW/3F3NU5S
Lista de Itens Citando
URL (dados não confiáveis)	https://www.atenaeditora.com.br/post-ebook/3600

6. Notas
Campos Vazios	archivingpolicy archivist callnumber city copyholder copyright creatorhistory descriptionlevel dissemination documentstage e-mailaddress edition format issn lineage mark mirrorrepository nextedition notes numberofvolumes orcid parameterlist parentrepositories previousedition previouslowerunit progress project readergroup rightsholder schedulinginformation secondarydate secondarykey secondarymark serieseditor seriestitle session shorttitle sponsor subject tertiarymark tertiarytype translator versiontype volume

7. Controle da descrição
e-Mail (login)	simone
atualizar

1. Identificação
Tipo de Referência	Capítulo de Livro (Book Section)
Código do Detentor	isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Site	plutao.sid.inpe.br (namespace prefix: upn:33M4QT8)
Identificador	8JMKD3MGP3W/42M72NN
Repositório	sid.inpe.br/plutao/2020/06.16.01.55.32 (acesso restrito)
Última Atualização	2020:06.18.11.29.09 (UTC) lattes
Repositório de Metadados	sid.inpe.br/plutao/2020/06.16.01.55.33
Última Atualização dos Metadados	2026:04.01.23.44.18 (UTC) administrator
DOI	10.5772/intechopen.90648
ISBN	9781789238341
Rótulo	lattes: 1913003589198061 3 OliveiraBrunShimSant:2020:SuDeEc
Chave de Citação	OliveiraBrunShimSant:2020:SuDeEc
Título	Prologue: sustainable development, economic growth and the fate of tropical forests
Ano	2020
Data de Acesso	15 ago. 2026
Tipo Secundário	PRE LI
Número de Arquivos	1
Tamanho	79 KiB

2. Contextualização
Autor	1 Oliveira, Gabriel 2 Brunsell, Nathaniel A. 3 Shimabukuro, Yosio Edemir 4 Santos, Carlos Antonio Costa Dos
Identificador de Curriculo	1 2 3 8JMKD3MGP5W/3C9JJCQ
Grupo	1 2 3 DIDSR-CGOBT-INPE-MCTIC-GOV-BR
Afiliação	1 University of Kansas 2 University of Kansas 3 Instituto Nacional de Pesquisas Espaciais (INPE) 4 Universidade Federal de Campina Grande (UFCG)
Endereço de e-Mail do Autor	1 gabrieloliveira@ku.edu 2 3 yosio.shimabukuro@inpe.br
Editor	Suratman, Mohd Nazip Latif, Zulkiflee Abd Oliveira, Gabriel de Brunsell, Nathaniel Shimabukuro, Yosio Santos, Carlos Antônio Costa
Título do Livro	Forest degradation around the world
Editora (Publisher)	InTech
Cidade	London
Volume	1
Páginas	1-3
Acervo Hospedeiro	dpi.inpe.br/plutao@80/2008/08.19.15.01 upn:33M4QT8
Histórico (UTC)	2020-06-16 01:55:33 :: lattes -> administrator :: 2020-06-16 13:13:01 :: administrator -> lattes :: 2020 2020-06-18 11:29:10 :: lattes -> administrator :: 2020 2026-04-01 23:44:18 :: administrator -> simone :: 2020

3. Conteúdo e estrutura
É a matriz ou uma cópia?	é a matriz
Estágio do Conteúdo	concluido
Transferível	1
Tipo do Conteúdo	External Contribution
Tipo de Versão	publisher
Palavras-Chave	sustainable development tropical forests
Área	SRE
Arranjo 1	urlib.net > BDMCI > Fonds > Arquivos pessoais > Yosio Edemir Shimabukuro:... > Prologue: sustainable development,...
Arranjo 2	urlib.net > Fonds > Produção anterior à 2021 > DIDSR > Prologue: sustainable development,...
Conteúdo da Pasta doc	acessar
Conteúdo da Pasta source	não têm arquivos
Conteúdo da Pasta agreement	não têm arquivos

4. Condições de acesso e uso
Idioma	en
Arquivo Alvo	Oliveira_prologue.pdf
Grupo de Usuários	lattes
Visibilidade	shown
Permissão de Leitura	deny from all and allow from 150.163
Permissão de Atualização	não transferida

5. Fontes relacionadas
Unidades Imediatamente Superiores	8JMKD2USNRW34T/4FDQ64S 8JMKD3MGPCW/3ER446E
Lista de Itens Citando

6. Notas
Campos Vazios	abstract archivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel dissemination e-mailaddress edition format issn lineage mark mirrorrepository nextedition notes numberofvolumes orcid parameterlist parentrepositories previousedition previouslowerunit progress project readergroup rightsholder schedulinginformation secondarydate secondarykey secondarymark serieseditor seriestitle session shorttitle sponsor subject tertiarymark tertiarytype translator url

7. Controle da descrição
e-Mail (login)	simone
atualizar

1. Identificação
Tipo de Referência	Capítulo de Livro (Book Section)
Código do Detentor	isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Site	plutao.sid.inpe.br (namespace prefix: upn:33M4QT8)
Identificador	8JMKD3MGP3W/43NHETC
Repositório	sid.inpe.br/plutao/2020/12.07.16.29.43
Repositório de Metadados	sid.inpe.br/plutao/2020/12.07.16.29.44
Última Atualização dos Metadados	2022:01.04.01.31.26 (UTC) administrator
ISBN	978658655805X
Rótulo	lattes: 0654596992211296 1 MonteiroAnaz:2020:CRSAPL
Chave de Citação	MonteiroAnaz:2020:CrSaPl
Título	´O longo amanhecer´: as crises sanitária e do planejamento a partir da covid-19 na metropóle do vale do paraíba e litoral norte
Ano	2020
Data de Acesso	15 ago. 2026
Tipo Secundário	PRE LN

2. Contextualização
Autor	1 Monteiro, Antônio Miguel Vieira 2 Anazawa, Tathiane Mayumi
Identificador de Curriculo	1 8JMKD3MGP5W/3C9JGJN
Grupo	1 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
Afiliação	1 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor	1 miguel.monteiro@inpe.br
Editor	Valencio, M. Maran, C.
Título do Livro	COVID 19: Crises entremeadas ao contexto de pandemia (antecedentes, cenários e recomendações).
Editora (Publisher)	UFSCar/CPOI
Cidade	São Carlos
Páginas	no prelo
Acervo Hospedeiro	dpi.inpe.br/plutao@80/2008/08.19.15.01 upn:33M4QT8
Histórico (UTC)	2020-12-08 21:19:23 :: lattes -> administrator :: 2020 2020-12-10 10:52:18 :: administrator -> lattes :: 2020 2020-12-14 14:27:09 :: lattes -> administrator :: 2020 2022-01-04 01:31:26 :: administrator -> simone :: 2020

3. Conteúdo e estrutura
É a matriz ou uma cópia?	é a matriz
Estágio do Conteúdo	concluido
Transferível	1
Tipo do Conteúdo	External Contribution
Palavras-Chave	crise sanitária COVID-19 Vale do Paraíba
Área	SRE
Arranjo	urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > ´O longo amanhecer´:...
Conteúdo da Pasta doc	não têm arquivos
Conteúdo da Pasta source	não têm arquivos
Conteúdo da Pasta agreement	não têm arquivos

4. Condições de acesso e uso
Idioma	pt
Grupo de Usuários	lattes
Visibilidade	shown
Permissão de Leitura	deny from all and allow from 150.163

5. Fontes relacionadas
Unidades Imediatamente Superiores	8JMKD3MGPCW/3EQCCU5

6. Notas
Campos Vazios	abstract archivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel dissemination documentstage doi e-mailaddress edition format issn lineage mark mirrorrepository nextedition notes numberoffiles numberofvolumes orcid parameterlist parentrepositories previousedition previouslowerunit progress project readergroup rightsholder schedulinginformation secondarydate secondarykey secondarymark serieseditor seriestitle session shorttitle size sponsor subject targetfile tertiarymark tertiarytype translator url versiontype volume

7. Controle da descrição
e-Mail (login)	simone
atualizar

1. Identificação
Tipo de Referência	Artigo em Revista Científica (Journal Article)
Código do Detentor	isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Site	plutao.sid.inpe.br (namespace prefix: upn:33M4QT8)
Identificador	8JMKD3MGP3W/43NH7U5
Repositório	sid.inpe.br/plutao/2020/12.07.15.05
Repositório de Metadados	sid.inpe.br/plutao/2020/12.07.15.05.26
Última Atualização dos Metadados	2022:01.04.01.31.24 (UTC) administrator
ISSN	0100-4298
Rótulo	lattes: 2456184661855977 3 BolfeJSCLVIGFR:2020:APDEBR
Chave de Citação	BolfeJSCLVIGFR:2020:ApDeBr
Título	Agricultura digital: aplicações e desafios no brasil
Ano	2020
Data de Acesso	15 ago. 2026
Tipo Secundário	PRE PN

2. Contextualização
Autor	1 Bolfe, Edson Luis 2 Jorge, Lúcio André de Castro 3 Sanches, Ieda Del'Arco 4 Costa, Cinthia Cabral da 5 Luchiari Junior, Ariovaldo 6 Victoria, Daniel C 7 Inamasu, Ricardo 8 Grego, Célia Regina 9 Ferreira, Victor 10 Ramirez, A
Grupo	1 2 3 DIDSR-CGOBT-INPE-MCTIC-GOV-BR
Afiliação	1 2 3 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor	1 2 3 ieda.sanches@inpe.br
Revista	Agroanalysis
Volume	40
Número	9
Páginas	28-30
Nota Secundária	B4_INTERDISCIPLINAR B4_ENGENHARIAS_III B5_ZOOTECNIA_/_RECURSOS_PESQUEIROS B5_ENGENHARIAS_I B5_CIÊNCIAS_AGRÁRIAS_I B5_CIÊNCIA_POLÍTICA_E_RELAÇÕES_INTERNACIONAIS B5_ADMINISTRAÇÃO,_CIÊNCIAS_CONTÁBEIS_E_TURISMO C_SOCIOLOGIA C_CIÊNCIA_DE_ALIMENTOS
Acervo Hospedeiro	dpi.inpe.br/plutao@80/2008/08.19.15.01 upn:33M4QT8
Histórico (UTC)	2020-12-09 15:01:11 :: lattes -> administrator :: 2020 2022-01-04 01:31:24 :: administrator -> simone :: 2020

3. Conteúdo e estrutura
É a matriz ou uma cópia?	é a matriz
Estágio do Conteúdo	concluido
Transferível	1
Tipo do Conteúdo	External Contribution
Área	SRE
Arranjo	urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > Agricultura digital: aplicações...
Conteúdo da Pasta doc	não têm arquivos
Conteúdo da Pasta source	não têm arquivos
Conteúdo da Pasta agreement	não têm arquivos

4. Condições de acesso e uso
Idioma	pt
Grupo de Usuários	lattes
Grupo de Leitores	administrator lattes
Visibilidade	shown
Permissão de Leitura	deny from all and allow from 150.163
Permissão de Atualização	não transferida

5. Fontes relacionadas
Unidades Imediatamente Superiores	8JMKD3MGPCW/3ER446E

6. Notas
Campos Vazios	abstract alternatejournal archivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel dissemination doi e-mailaddress format isbn keywords lineage mark mirrorrepository month nextedition notes numberoffiles orcid parameterlist parentrepositories previousedition previouslowerunit progress project resumeid rightsholder schedulinginformation secondarydate secondarykey session shorttitle size sponsor subject targetfile tertiarymark tertiarytype typeofwork url versiontype

7. Controle da descrição
e-Mail (login)	simone
atualizar

1. Identificação
Tipo de Referência	Artigo em Revista Científica (Journal Article)
Código do Detentor	isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Site	plutao.sid.inpe.br (namespace prefix: upn:33M4QT8)
Identificador	8JMKD3MGP3W/43NH7AB
Repositório	sid.inpe.br/plutao/2020/12.07.14.57 (acesso restrito)
Última Atualização	2020:12.08.12.38.39 (UTC) lattes
Repositório de Metadados	sid.inpe.br/plutao/2020/12.07.14.57.17
Última Atualização dos Metadados	2022:01.04.01.31.24 (UTC) administrator
DOI	10.5194/isprs-annals-v-3-2020-193-2020
ISSN	0924-2716
Rótulo	lattes: 1861914973833506 3 SötheLAGSCFDLLMT:2020:EVCONE
Chave de Citação	SötheLAGSCFDLLMT:2020:EvCoNe
Título	Evaluating a convolutional neural network for feature extraction and tree species classification using uav-hyperspectral images
Ano	2020
Data de Acesso	15 ago. 2026
Tipo de Trabalho	journal article
Tipo Secundário	PRE PI
Número de Arquivos	1
Tamanho	1064 KiB

2. Contextualização
Autor	1 Söthe, Camile 2 La Rosa, L. E. C. 3 Almeida, Cláudia Maria de 4 Gonsamo, A. 5 Schimalski, Marcos Benedito 6 Castro, J. D. B. 7 Feitosa, Raul Queiroz 8 Dalponte, Michele 9 Lima, Carla Luciane 10 Liesenberg, Veraldo 11 Miyoshi, Gabriela Takahashi 12 Tommaselli, Antonio Maria Garcia
Identificador de Curriculo	1 2 3 8JMKD3MGP5W/3C9JGS3
Grupo	1 2 3 DIDSR-CGOBT-INPE-MCTIC-GOV-BR
Afiliação	1 McMaster University 2 Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio) 3 Instituto Nacional de Pesquisas Espaciais (INPE) 4 McMaster University 5 Universidade do Estado de Santa Catarina (UDESC) 6 Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio) 7 Pontifícia Universidade Católica do Rio de Janeiro (PUC-Rio) 8 Fondazione Edmund Mach 9 Universidade do Estado de Santa Catarina (UDESC) 10 Universidade do Estado de Santa Catarina (UDESC) 11 Universidade Estadual Paulista (UNESP) 12 Universidade Estadual Paulista (UNESP)
Endereço de e-Mail do Autor	1 sothec@mcmaster.ca 2 lauracuerosa@gmail.com 3 claudia.almeida@inpe.br 4 gonsamoa@mcmaster.ca 5 marcos.schimalski@udesc.br 6 bermudezjosedavid@gmail.com 7 raul@ele.puc-rio.br 8 michele.dalponte@fmach.it 9 carla_engflorestal@yahoo.com.br 10 veraldo@gmail.com 11 takahashi.gabi@gmail.com 12 a.tommaselli@gmail.com
Revista	ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences
Volume	3
Páginas	193-199
Acervo Hospedeiro	dpi.inpe.br/plutao@80/2008/08.19.15.01 upn:33M4QT8
Histórico (UTC)	2020-12-08 12:38:39 :: lattes -> administrator :: 2020 2022-01-04 01:31:24 :: administrator -> simone :: 2020

3. Conteúdo e estrutura
É a matriz ou uma cópia?	é a matriz
Estágio do Conteúdo	concluido
Transferível	1
Tipo do Conteúdo	External Contribution
Tipo de Versão	publisher
Palavras-Chave	Tropical diversity unmanned aerial vehicle deep learning convolutional neural networks support vector machine data augmentation
Resumo	The classification of tree species can significantly benefit from high spatial and spectral information acquired by unmanned aerial vehicles (UAVs) associated with advanced feature extraction and classification methods. Different from the traditional feature extraction methods, that highly depend on users knowledge, the convolutional neural network (CNN)-based method can automatically learn and extract the spatial-related features layer by layer. However, in order to capture significant features of the data, the CNN classifier requires a large number of training samples, which are hardly available when dealing with tree species in tropical forests. This study investigated the following topics concerning the classification of 14 tree species in a subtropical forest area of Southern Brazil: i) the performance of the CNN method associated with a previous step to increase and balance the sample set (data augmentation) for tree species classification as compared to the conventional machine learning methods support vector machine (SVM) and random forest (RF) using the original training data; ii) the performance of the SVM and RF classifiers when associated with a data augmentation step and spatial features extracted from a CNN. Results showed that the CNN classifier outperformed the conventional SVM and RF classifiers, reaching an overall accuracy (OA) of 84.37% and Kappa of 0.82. The SVM and RF had a poor accuracy with the original spectral bands (OA 62.67% and 59.24%) but presented an increase between 14% and 21% in OA when associated with a data augmentation and spatial features extracted from a CNN.
Área	SRE
Arranjo	urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > Evaluating a convolutional...
Conteúdo da Pasta doc	acessar
Conteúdo da Pasta source	não têm arquivos
Conteúdo da Pasta agreement	não têm arquivos

4. Condições de acesso e uso
Idioma	en
Arquivo Alvo	sothe_evaluating.pdf
Grupo de Usuários	lattes
Grupo de Leitores	administrator lattes
Visibilidade	shown
Política de Arquivamento	denypublisher denyfinaldraft24
Permissão de Leitura	deny from all and allow from 150.163
Permissão de Atualização	não transferida

5. Fontes relacionadas
Unidades Imediatamente Superiores	8JMKD3MGPCW/3ER446E
Lista de Itens Citando	sid.inpe.br/bibdigital/2013/09.13.21.11 - 23 sid.inpe.br/mtc-m21/2012/07.13.14.43.49 - 9
URL (dados não confiáveis)	http://www.isprs-ann-photogramm-remote-sens-spatial-inf-sci.net/V-3-2020/193/2020/
Divulgação	WEBSCI; PORTALCAPES; COMPENDEX; SCOPUS.

6. Notas
Notas	Setores de Atividade: Atividades dos serviços de tecnologia da informação, Produção Florestal, Pesquisa e desenvolvimento científico.
Campos Vazios	alternatejournal archivist callnumber copyholder copyright creatorhistory descriptionlevel e-mailaddress format isbn lineage mark mirrorrepository month nextedition number orcid parameterlist parentrepositories previousedition previouslowerunit progress project rightsholder schedulinginformation secondarydate secondarykey secondarymark session shorttitle sponsor subject tertiarymark tertiarytype

7. Controle da descrição
e-Mail (login)	simone
atualizar

1. Identificação
Tipo de Referência	Artigo em Revista Científica (Journal Article)
Código do Detentor	isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Site	plutao.sid.inpe.br (namespace prefix: upn:33M4QT8)
Identificador	8JMKD3MGP3W/43NH6TT
Repositório	sid.inpe.br/plutao/2020/12.07.14.52.46 (acesso restrito)
Última Atualização	2020:12.08.21.32.09 (UTC) lattes
Repositório de Metadados	sid.inpe.br/plutao/2020/12.07.14.52.47
Última Atualização dos Metadados	2022:01.04.01.31.24 (UTC) administrator
DOI	10.1016/j.jag.2020.102215
ISSN	0303-2434
Rótulo	lattes: 9511166263268121 5 MartinsKalGelNagMac:2020:DeNeNe
Chave de Citação	MartinsKalGelNagMac:2020:DeNeNe
Título	Deep neural network for complex open-water wetland mapping using high-resolution WorldView-3 and airborne LiDAR data
Ano	2020
Mês	Dec.
Data de Acesso	15 ago. 2026
Tipo de Trabalho	journal article
Tipo Secundário	PRE PI
Número de Arquivos	1
Tamanho	11634 KiB

2. Contextualização
Autor	1 Martins, Vitor S. 2 Kaleita, Amy L. 3 Gelder, Brian K. 4 Nagel, Gustavo Willy 5 Maciel, Daniel Andrade
Grupo	1 2 3 4 DIDPI-CGOBT-INPE-MCTIC-GOV-BR 5 SER-SRE-SESPG-INPE-MCTIC-GOV-BR
Afiliação	1 Iowa State University (ISU) 2 Iowa State University (ISU) 3 Iowa State University (ISU) 4 Instituto Nacional de Pesquisas Espaciais (INPE) 5 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor	1 vitors@iastate.edu 2 kaleita@iastate.edu 3 4 gustavo.nagel@inpe.br 5 daniel.maciel@inpe.br
Revista	International Journal of Applied Earth Observation and Geoinformation
Volume	93
Páginas	e102215
Nota Secundária	B1_GEOCIÊNCIAS
Acervo Hospedeiro	dpi.inpe.br/plutao@80/2008/08.19.15.01 upn:33M4QT8
Histórico (UTC)	2020-12-07 14:52:47 :: lattes -> administrator :: 2020-12-08 21:28:59 :: administrator -> lattes :: 2020 2020-12-08 21:32:10 :: lattes -> administrator :: 2020 2022-01-04 01:31:24 :: administrator -> simone :: 2020

3. Conteúdo e estrutura
É a matriz ou uma cópia?	é a matriz
Estágio do Conteúdo	concluido
Transferível	1
Tipo do Conteúdo	External Contribution
Tipo de Versão	publisher
Palavras-Chave	Deep learning Small wetlands Machine learning Optical and LiDAR data PCA
Resumo	Wetland inventory maps are essential information for the conservation and management of natural wetland areas. The classification framework is crucial for successful mapping of complex wetlands, including the model selection, input variables and training procedures. In this context, deep neural network (DNN) is a powerful technique for remote sensing image classification, but this model application for wetland mapping has not been discussed in the previous literature, especially using commercial WorldView-3 data. This study developed a new framework for wetland mapping using DNN algorithm and WorldView-3 image in the Millrace Flats Wildlife Management Area, Iowa, USA. The study area has several wetlands with a variety of shapes and sizes, and the minimum mapping unit was defined as 20 m2 (0.002 ha). A set of potential variables was derived from WorldView-3 and auxiliary LiDAR data, and a feature selection procedure using principal components analysis (PCA) was used to identify the most important variables for wetland classification. Furthermore, traditional machine learning methods (support vector machine, random forest and k-nearest neighbor) were also implemented for the comparison of results. In general, the results show that DNN achieved satisfactory results in the study area (overall accuracy = 93.33 %), and we observed a high spatial overlap between reference and classified wetland polygons (Jaccard index ∼0.8). Our results confirm that PCA-based feature selection was effective in the optimization of DNN performance, and vegetation and textural indices were the most informative variables. In addition, the comparison of results indicated that DNN classification achieved relatively similar accuracies to other methods. The total classification errors vary from 0.104 to 0.111 among the methods, and the overlapped areas between reference and classified polygons range between 87.93 and 93.33 %. Finally, the findings of this study have three main implications. First, the integration of DNN model and WorldView-3 image is useful for wetland mapping at 1.2-m, but DNN results did not outperform other methods in this study area. Second, the feature selection was important for model performance, and the combination of most relevant input parameters contributes to the success of all tested models. Third, the spatial resolution of WorldView-3 is appropriate to preserve the shape and extent of small wetlands, while the application of medium resolution image (30-m) has a negative impact on the accurate delineation of these areas. Since commercial satellite data are becoming more affordable for remote sensing users, this study provides a framework that can be utilized to integrate very high-resolution imagery and deep learning in the classification of complex wetland areas.
Área	SRE
Arranjo 1	urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > Deep neural network...
Arranjo 2	urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > SER > Deep neural network...
Arranjo 3	urlib.net > Fonds > LabISA > Deep neural network...
Conteúdo da Pasta doc	acessar
Conteúdo da Pasta source	não têm arquivos
Conteúdo da Pasta agreement	não têm arquivos

4. Condições de acesso e uso
Idioma	en
Arquivo Alvo	martins_deep.pdf
Grupo de Usuários	lattes
Grupo de Leitores	administrator lattes
Visibilidade	shown
Política de Arquivamento	denypublisher denyfinaldraft24
Permissão de Leitura	deny from all and allow from 150.163
Permissão de Atualização	não transferida

5. Fontes relacionadas
Unidades Imediatamente Superiores	8JMKD3MGPCW/3EQCCU5 8JMKD3MGPCW/3F3NU5S 8JMKD3MGPCW/439EAFB
Lista de Itens Citando	sid.inpe.br/bibdigital/2013/09.09.15.05 - 82 sid.inpe.br/bibdigital/2013/10.18.22.34 - 51 sid.inpe.br/bibdigital/2020/09.18.00.06 - 48
Divulgação	WEBSCI; PORTALCAPES; SCOPUS.

6. Notas
Campos Vazios	alternatejournal archivist callnumber copyholder copyright creatorhistory descriptionlevel e-mailaddress format isbn lineage mark mirrorrepository nextedition notes number orcid parameterlist parentrepositories previousedition previouslowerunit progress project resumeid rightsholder schedulinginformation secondarydate secondarykey session shorttitle sponsor subject tertiarymark tertiarytype url

7. Controle da descrição
e-Mail (login)	simone
atualizar

1. Identificação
Tipo de Referência	Artigo em Revista Científica (Journal Article)
Código do Detentor	isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Site	plutao.sid.inpe.br (namespace prefix: upn:33M4QT8)
Identificador	8JMKD3MGP3W/43NH44L
Repositório	sid.inpe.br/plutao/2020/12.07.14.18 (acesso restrito)
Última Atualização	2020:12.08.23.32.52 (UTC) lattes
Repositório de Metadados	sid.inpe.br/plutao/2020/12.07.14.18.03
Última Atualização dos Metadados	2022:01.04.01.31.19 (UTC) administrator
DOI	10.5334/jcaa.45
ISSN	2514-8362
Rótulo	lattes: 5174466549126882 8 IriarteRSDSNRA:2020:CoLiUn
Chave de Citação	IriarteRSDSNRA:2020:CoLiUn
Título	Geometry by design: contribution of Lidar to the understanding of settlement patterns of the mound villages in SW Amazonia
Ano	2020
Data de Acesso	15 ago. 2026
Tipo de Trabalho	journal article
Tipo Secundário	PRE PI
Número de Arquivos	1
Tamanho	13198 KiB

2. Contextualização
Autor	1 Iriarte, José 2 Robinson, Mark 3 Souza, Jonas de 4 Damasceno, Antonia 5 Silva, Franciele da 6 Nakahara, Francisco 7 Ranzi, Alceu 8 Aragão, Luiz Eduardo Oliveira e Cruz de
Grupo	1 2 3 4 5 6 7 8 DIDSR-CGOBT-INPE-MCTIC-GOV-BR
Afiliação	1 University of Exeter 2 University of Exeter 3 Universitat Pompeu Fabra 4 Instituto do Patrimônio Histórico e Artístico Nacional 5 University of Exeter 6 Universidade Federal do Pará (UFPA) 7 Universidade Federal do Acre (UFAC) 8 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor	1 2 3 4 5 6 7 8 luiz.aragao@inpe.br
Revista	Journal of Computer Applications in Archaeology
Volume	3
Número	1
Páginas	151-169
Acervo Hospedeiro	dpi.inpe.br/plutao@80/2008/08.19.15.01 upn:33M4QT8
Histórico (UTC)	2020-12-08 23:32:55 :: lattes -> administrator :: 2020 2022-01-04 01:31:19 :: administrator -> simone :: 2020

3. Conteúdo e estrutura
É a matriz ou uma cópia?	é a matriz
Estágio do Conteúdo	concluido
Transferível	1
Tipo do Conteúdo	External Contribution
Tipo de Versão	publisher
Palavras-Chave	Amazon Archaeology Lidar Settlement Patterns Circular Villages Earthworks Geoglyphs
Resumo	Recent research has shown that the entire southern rim of Amazonia was inhabited by earth-building societies involving landscape engineering, landscape domestication and likely low-density urbanism during the Late Holocene. However, the scale, timing, and intensity of human settlement in this region remain unknown due to the dearth of archaeological work and the logistical difficulties associated with research in tropical forest environments. A case in point are the newly discovered Mound Villages (AD ~10001650) in the SE portion of Acre State, Brazil. Much of recent pioneering work on this new archaeological tradition has mainly focused on the excavation of single mounds within sites with little concern for the architectural layout and regional settlement patterns, thus preventing us from understanding how these societies were organised at the regional level. To address these shortcomings, we carried out the first Lidar survey with a RIEGL VUX-1 UAV Lidar sensor integrated into an MD 500 helicopter. Our novel results documented distinctive architectural features of Circular Mound Villages such as the presence of ranked, paired, cardinally oriented, sunken roads interconnecting villages, the occurrence of a diversity of mound shapes within sites, as well as the exposure the superimposition of villages. Site size distribution analysis showed no apparent signs of settlement hierarchy. At the same time, it revealed that some small groups of villages positioned along streams exhibit regular distances of 2.53 km and 56 km between sites. Our data show that after the cessation of Geoglyph construction (~AD 950), this region of SW Amazonia was not abandoned, but occupied by a flourishing regional system of Mound Villages. The results continue to call into question traditional views that portray interfluvial areas and the western sector of Amazonia as sparsely inhabited. A brief discussion of our findings in the context with pre-Columbian settlement patterns across other regions of Amazonia is conducted.
Área	SRE
Arranjo	urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > Geometry by design:...
Conteúdo da Pasta doc	acessar
Conteúdo da Pasta source	não têm arquivos
Conteúdo da Pasta agreement	não têm arquivos

4. Condições de acesso e uso
Idioma	en
Arquivo Alvo	iriarte_geometry.pdf
Grupo de Usuários	lattes
Grupo de Leitores	administrator lattes
Visibilidade	shown
Permissão de Leitura	deny from all and allow from 150.163
Permissão de Atualização	não transferida

5. Fontes relacionadas
Unidades Imediatamente Superiores	8JMKD3MGPCW/3ER446E
Lista de Itens Citando	sid.inpe.br/bibdigital/2013/09.13.21.11 - 27
Divulgação	PORTALCAPES

6. Notas
Campos Vazios	alternatejournal archivingpolicy archivist callnumber copyholder copyright creatorhistory descriptionlevel e-mailaddress format isbn lineage mark mirrorrepository month nextedition notes 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

1. Identificação
Tipo de Referência	Artigo em Evento (Conference Proceedings)
Código do Detentor	isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Site	plutao.sid.inpe.br (namespace prefix: upn:33M4QT8)
Identificador	8JMKD3MGP3W/43NH2FP
Repositório	sid.inpe.br/plutao/2020/12.07.13.58.42 (acesso restrito)
Última Atualização	2020:12.08.13.51.52 (UTC) banon
Repositório de Metadados	sid.inpe.br/plutao/2020/12.07.13.58.43
Última Atualização dos Metadados	2022:01.04.01.31.18 (UTC) administrator
DOI	10.1109/LAGIRS48042.2020.9165623
ISBN	9781728143507
Rótulo	lattes: 5687833912469041 4 SoaresKörtFonsNeve:2020:UnSeMe
Chave de Citação	SoaresKörtFonsNeve:2020:UnSeMe
Título	An Unsupervised Segmentation Method For Remote Sensing Imagery Based On Conditional Random Fields
Ano	2020
Data de Acesso	15 ago. 2026
Tipo Secundário	PRE CI
Número de Arquivos	1
Tamanho	203 KiB

2. Contextualização
Autor	1 Soares, Anderson Reis 2 Körting, Thales Sehn 3 Fonseca, Leila Maria Garcia 4 Neves, Alana Kasahara
Identificador de Curriculo	1 2 3 8JMKD3MGP5W/3C9JHLD
Grupo	1 DIDSR-CGOBT-INPE-MCTIC-GOV-BR 2 DIDSR-CGOBT-INPE-MCTIC-GOV-BR 3 DIDSR-CGOBT-INPE-MCTIC-GOV-BR 4 SER-SRE-SESPG-INPE-MCTIC-GOV-BR
Afiliação	1 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 Autor	1 anderson.soares@inpe.br 2 thales.korting@inpe.br 3 leila.fonseca@inpe.br 4 alana.neves@inpe.br
Nome do Evento	IEEE Latin American GRSS & ISPRS Remote Sensing Conference (LAGIRS)
Localização do Evento	Santiago, Chile
Editora (Publisher)	IEEE
Páginas	1-5
Título do Livro	Proceedings
Tipo Terciário	Paper
Acervo Hospedeiro	dpi.inpe.br/plutao@80/2008/08.19.15.01 upn:33M4QT8
Histórico (UTC)	2020-12-09 20:11:23 :: lattes -> administrator :: 2020 2020-12-11 02:23:37 :: administrator -> banon :: 2020 2020-12-11 02:25:46 :: banon -> administrator :: 2020 2022-01-04 01:31:18 :: administrator -> simone :: 2020

3. Conteúdo e estrutura
É a matriz ou uma cópia?	é a matriz
Estágio do Conteúdo	concluido
Transferível	1
Tipo do Conteúdo	External Contribution
Tipo de Versão	publisher
Palavras-Chave	Image segmentation Remote Sensing Conditional Random Fields GEOBIA
Resumo	Segmentation is a fundamental problem in image processing and a common operation in Remote Sensing, which has been widely used especially in Geographic Object-Based Image Analysis (GEOBIA). In this paper, we propose a new unsupervised segmentation algorithm based on the Conditional Random Fields (CRF) theory. The method relies on two levels of information: (1) that comes from an unsupervised classification with Fuzzy C-Means algorithm; (2) the 8-connected neighbourhood of a pixel. The algorithm was tested on a WorldView-2 multispectral image, with 2m of spatial resolution. Results were evaluated using 6 quality measures, and their performance was compared with other image segmentation algorithms that are usually applied by the Remote Sensing community. Results indicate that the proposed algorithm achieved superior overall performance when compared others, despite some over-segmentation.
Área	SRE
Arranjo 1	urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > An Unsupervised Segmentation...
Arranjo 2	urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > SER > An Unsupervised Segmentation...
Conteúdo da Pasta doc	acessar
Conteúdo da Pasta source	não têm arquivos
Conteúdo da Pasta agreement	não têm arquivos

4. Condições de acesso e uso
Idioma	en
Arquivo Alvo	soares_unsupervised.pdf
Grupo de Usuários	lattes
Grupo de Leitores	administrator banon lattes
Visibilidade	shown
Permissão de Leitura	deny from all and allow from 150.163
Permissão de Atualização	transferida para lattes

5. Fontes relacionadas
Unidades Imediatamente Superiores	8JMKD3MGPCW/3ER446E 8JMKD3MGPCW/3F3NU5S
Lista de Itens Citando	sid.inpe.br/bibdigital/2013/10.18.22.34 - 47 sid.inpe.br/mtc-m21/2012/07.13.14.53.26 - 30 sid.inpe.br/bibdigital/2013/09.13.21.11 - 5

6. Notas
Campos Vazios	archivingpolicy archivist callnumber copyholder copyright creatorhistory date descriptionlevel dissemination e-mailaddress edition editor format issn lineage mark mirrorrepository nextedition notes numberofvolumes orcid organization parameterlist parentrepositories previousedition previouslowerunit progress project publisheraddress 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 Referência	Artigo em Revista Científica (Journal Article)
Código do Detentor	isadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Site	plutao.sid.inpe.br (namespace prefix: upn:33M4QT8)
Identificador	8JMKD3MGP3W/43NH2FE
Repositório	sid.inpe.br/plutao/2020/12.07.13.58.33
Última Atualização	2020:12.08.21.13.59 (UTC) lattes
Repositório de Metadados	sid.inpe.br/plutao/2020/12.07.13.58.34
Última Atualização dos Metadados	2022:01.04.01.31.18 (UTC) administrator
DOI	10.14393/rbcv72n4-54044
ISSN	0560-4613 1808-0936
Rótulo	lattes: 1175464822052393 2 MoreiraReKöDuCaAr:2020:SuAnMO
Chave de Citação	MoreiraReKöDuCaAr:2020:SuAnMO
Título	Subpixel analysis of MODIS imagery time series using transfer learning and relative calibration
Ano	2020
Data de Acesso	15 ago. 2026
Tipo de Trabalho	journal article
Tipo Secundário	PRE PN
Número de Arquivos	1
Tamanho	1395 KiB

2. Contextualização
Autor	1 Moreira, Noeli Aline Particcelli 2 Reis, Mariane Souza 3 Körting, Thales Sehn 4 Dutra, Luciano Vieira 5 Castejon, Emiliano Ferreira 6 Arai, Egídio
Identificador de Curriculo	1 2 3 4 8JMKD3MGP5W/3C9JHMA 5 6 8JMKD3MGP5W/3C9JGUP
ORCID	1 0000-0002-5308-8080 2 0000-0001-9356-7652 3 0000-0002-0876-0501 4 0000-0002-7757-039X 5 0000-0002-4148-2830 6 0000-0003-1994-5277
Grupo	1 DIDPI-CGOBT-INPE-MCTIC-GOV-BR 2 CST-CST-SESPG-INPE-MCTIC-GOV-BR 3 DIDSR-CGOBT-INPE-MCTIC-GOV-BR 4 DIDSR-CGOBT-INPE-MCTIC-GOV-BR 5 DIDSR-CGOBT-INPE-MCTIC-GOV-BR 6 DIDSR-CGOBT-INPE-MCTIC-GOV-BR
Afiliação	1 Instituto Nacional de Pesquisas Espaciais (INPE) 2 Instituto Nacional de Pesquisas Espaciais (INPE) 3 Instituto Nacional de Pesquisas Espaciais (INPE) 4 Instituto Nacional de Pesquisas Espaciais (INPE) 5 Instituto Nacional de Pesquisas Espaciais (INPE) 6 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor	1 noeli.aline@inpe.br 2 mariane.reis@inpe.br 3 thales.korting@inpe.br 4 luciano.dutra@inpe.br 5 emiliano.castejon@inpe.br 6 egidio.arai@inpe.br
Revista	Revista Brasileira de Cartografia
Volume	72
Número	4
Páginas	558-573
Nota Secundária	A2_INTERDISCIPLINAR A2_GEOGRAFIA A2_ARQUITETURA_E_URBANISMO B1_PLANEJAMENTO_URBANO_E_REGIONAL_/_DEMOGRAFIA B1_CIÊNCIAS_AMBIENTAIS B2_GEOCIÊNCIAS B3_ENGENHARIAS_I B4_ENGENHARIAS_III B4_CIÊNCIAS_SOCIAIS_APLICADAS_I B5_ENGENHARIAS_IV B5_ENGENHARIAS_II B5_CIÊNCIAS_AGRÁRIAS_I B5_BIODIVERSIDADE C_ZOOTECNIA_/_RECURSOS_PESQUEIROS C_MATEMÁTICA_/_PROBABILIDADE_E_ESTATÍSTICA C_CIÊNCIAS_BIOLÓGICAS_I C_ASTRONOMIA_/_FÍSICA
Acervo Hospedeiro	dpi.inpe.br/plutao@80/2008/08.19.15.01 upn:33M4QT8
Histórico (UTC)	2020-12-07 15:16:48 :: lattes -> administrator :: 2020 2020-12-08 21:03:14 :: administrator -> lattes :: 2020 2020-12-08 21:14:00 :: lattes -> administrator :: 2020 2020-12-10 10:52:18 :: administrator -> lattes :: 2020 2020-12-14 14:08:48 :: lattes -> administrator :: 2020 2022-01-04 01:31:18 :: administrator -> simone :: 2020

3. Conteúdo e estrutura
É a matriz ou uma cópia?	é a matriz
Estágio do Conteúdo	concluido
Transferível	1
Tipo do Conteúdo	External Contribution
Tipo de Versão	publisher
Palavras-Chave	Relative Calibration.Image Time-series.Samples Extension.Subpixel Analysis. Land Cover classification
Resumo	Transfer learning reuses a pre-trained model on a new related problem, which can be useful for monitoring large areas such as the Amazon biome. A given object must havesimilar spectral characteristics in the data usedfor this type of analysis, which can be achieved usingrelative calibration techniques. In this article, we present a relative calibration process in multitemporal images and evaluate its impacts on a subpixel classification process. MODIS images from the Amazon region, collected between 2013and 2017, were relatively calibrated using a 2012 image as reference and classified by transfer learning. Classifications of calibrated and uncalibrated images were compared with data from the PRODES project, focusing on forest areas. A great variation was observed in the spectral responses of the forest class, even in images of proximatedates and fromthe same sensor. These variations significantly impacted the land cover classifications in the subpixel, with cases of agreement between the uncalibrated data maps and PRODES of 0%. For calibrated data, the agreement values were greater than 70%. The results indicate that the method used, although quite simple, is adequate and necessary for the subpixel classification of MODIS images by transfer learning.
Área	SRE
Arranjo 1	urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > Subpixel analysis of...
Arranjo 2	urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > Subpixel analysis of...
Arranjo 3	urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > CST > Subpixel analysis of...
Conteúdo da Pasta doc	acessar
Conteúdo da Pasta source	não têm arquivos
Conteúdo da Pasta agreement	não têm arquivos

4. Condições de acesso e uso
URI dos dados	upn:33M4QT8:8JMKD3MGP3W/43NH2FE
URL dos dados	http://urlib.net/ibi/8JMKD3MGP3W/43NH2FE
URL dos dados zipados	http://urlib.net/zip/8JMKD3MGP3W/43NH2FE
Idioma	en
Arquivo Alvo	moreira_subpixel.pdf
Grupo de Leitores	administrator lattes
Visibilidade	shown
Política de Arquivamento	allowpublisher allowfinaldraft
Permissão de Atualização	não transferida

5. Fontes relacionadas
Unidades Imediatamente Superiores	8JMKD3MGPCW/3EQCCU5 8JMKD3MGPCW/3ER446E 8JMKD3MGPCW/449U4PL
Lista de Itens Citando	sid.inpe.br/bibdigital/2013/09.09.15.05 - 80 sid.inpe.br/bibdigital/2021/03.06.05.18 - 45 sid.inpe.br/mtc-m21/2012/07.13.14.53.50 - 22 sid.inpe.br/bibdigital/2013/09.13.21.11 - 20 sid.inpe.br/mtc-m21/2012/07.13.14.45.03 - 12 sid.inpe.br/bibdigital@80/2006/04.07.15.50.13 - 3
URL (dados não confiáveis)	http://www.seer.ufu.br/index.php/revistabrasileiracartografia/article/view/54044
Divulgação	PORTALCAPES

6. Notas
Campos Vazios	alternatejournal archivist callnumber copyholder copyright creatorhistory descriptionlevel e-mailaddress format isbn lineage mark mirrorrepository month nextedition notes parameterlist parentrepositories previousedition previouslowerunit progress project readpermission rightsholder schedulinginformation secondarydate secondarykey session shorttitle sponsor subject tertiarymark tertiarytype usergroup

7. Controle da descrição
e-Mail (login)	simone
atualizar