@InProceedings{SilvaJúniorLJROLPBNZTSSGN:2019:PrMoSo,
               author = "Silva J{\'u}nior, Carlos Antonio da and Lima, Mendelson and 
                         Johann, Jerry A. and Rossi, Fernando Saragosa and Oliveira 
                         J{\'u}nior, Jos{\'e} Francisco and Leonel J{\'u}nior, Antonio 
                         H{\'e}rbete Sousa and Paludo, Alex and Becker, Willyan Ronaldo 
                         and Nascimento, Kleberson Rodrigo do and Zanin, Rodrigo Bruno and 
                         Teodoro, Paulo Eduardo and Shiratsuchi, Luciano Shozo and Shakir, 
                         Muhammad and Gois, Giovanildo de and Nanni, Marcos Rafael",
          affiliation = "{Universidade do Estado de Mato Grosso (UNEMAT)} and {Universidade 
                         do Estado de Mato Grosso (UNEMAT)} and {Universidade Estadual do 
                         Oeste do Paran{\'a} (UNIOESTE)} and {Universidade do Estado de 
                         Mato Grosso (UNEMAT)} and {Universidade Federal de Alagoas (UFAL)} 
                         and {Universidade do Estado de Mato Grosso (UNEMAT)} and 
                         {Universidade Estadual do Oeste do Paran{\'a} (UNIOESTE)} and 
                         {Universidade Estadual do Oeste do Paran{\'a} (UNIOESTE)} and 
                         {Universidade Estadual do Oeste do Paran{\'a} (UNIOESTE)} and 
                         {Universidade do Estado de Mato Grosso (UNEMAT)} and {Universidade 
                         Federal de Mato Grosso do Sul (UFMS)} and {Louisiana State 
                         University (LSU)} and {University of Peshawar-Institute of Space 
                         Technology} and {Universidade Federal Fluminense (UFF)} and 
                         {Universidade Estadual de Maring{\'a} (UEM)}",
                title = "Sojamaps: project of monitoring of soybeam areas in Brazil using 
                         big data in the cloud computing",
            booktitle = "Anais...",
                 year = "2019",
               editor = "Gherardi, Douglas Francisco Marcolino and Sanches, Ieda DelArco 
                         and Arag{\~a}o, Luiz Eduardo Oliveira e Cruz de",
                pages = "1334--1337",
         organization = "Simp{\'o}sio Brasileiro de Sensoriamento Remoto, 19. (SBSR)",
            publisher = "Instituto Nacional de Pesquisas Espaciais (INPE)",
              address = "S{\~a}o Jos{\'e} dos Campos",
             keywords = "Time-serie, agriculture, Earth Engine, automated mapping, 
                         S{\'e}rie temporal, agricultura, Earth Engine, mapeamento 
                         automatizado.",
             abstract = "The main objective of this research was to use time-series images 
                         with medium spatial resolution and values with maximum and minimum 
                         vegetation index relating to the dynamic aspects of the soybean 
                         crop in Brazil via Earth Engine and making the data query 
                         available on-line high performance. Three sensors (MODIS, OLI and 
                         MSI) and cloud-based JavaScript processing were used for 
                         time-series composition. The largest soybean areas were detected 
                         in the Center-West and Southern regions of Brazil. Automated 
                         monitoring via Earth Engine was satisfactory, showing the ability 
                         to identify in near real-time what areas were grown with soybeans 
                         after harvesting. RESUMO: O objetivo principal dessa 
                         investiga{\c{c}}{\~a}o foi utilizar s{\'e}rietemporal de 
                         imagens com m{\'e}dia resolu{\c{c}}{\~a}o espacial e valores 
                         com m{\'a}ximos e m{\'{\i}}nimos de {\'{\i}}ndice de 
                         vegeta{\c{c}}{\~a}o relacionando com os aspectos din{\^a}micos 
                         da cultura da soja no Brasil via EE e disponibilizando a consulta 
                         dos dados em plataforma on-line de alta performance. Foram 
                         utilizados tr{\^e}s sensores (MODIS, OLI e MSI) e processamento 
                         via JavaScript em nuvem para composi{\c{c}}{\~a}o da 
                         s{\'e}rie-temporal. As maiores {\'a}reas de soja foram 
                         detectadas nas regi{\~o}es Centro-Oeste e Sul do Brasil. O 
                         monitoramento automatizado via Earth Engine foi satisfat{\'o}rio, 
                         mostrando a capacidade de identificar em tempo quase real quais 
                         {\'a}reas foram cultivadas com soja ap{\'o}s sua colheita.",
  conference-location = "Santos",
      conference-year = "14-17 abril 2019",
                 isbn = "978-85-17-00097-3",
             language = "pt",
         organisation = "Instituto Nacional de Pesquisas Espaciais (INPE)",
                  ibi = "8JMKD3MGP6W34M/3TTQ8H8",
                  url = "http://urlib.net/ibi/8JMKD3MGP6W34M/3TTQ8H8",
           targetfile = "97158.pdf",
                 type = "An{\'a}lise de s{\'e}ries temporais de imagens de 
                         sat{\'e}lite",
        urlaccessdate = "11 maio 2024"
}