@InProceedings{SantosJúniorBittMoreSant:2019:ClÁrQu,
               author = "Santos J{\'u}nior, C{\'{\i}}cero Alves dos and Bittencourt, 
                         Olga Oliveira and Morelli, Fabiano and Santos, Rafael",
          affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto 
                         Nacional de Pesquisas Espaciais (INPE)} and {Instituto Nacional de 
                         Pesquisas Espaciais (INPE)} and {Instituto Nacional de Pesquisas 
                         Espaciais (INPE)}",
                title = "Classifica{\c{c}}{\~a}o de {\'a}reas queimadas por machine 
                         learning usando dados de sensoriamento remoto",
            booktitle = "Anais...",
                 year = "2019",
               editor = "Gherardi, Douglas Francisco Marcolino and Sanches, Ieda DelArco 
                         and Arag{\~a}o, Luiz Eduardo Oliveira e Cruz de",
                pages = "1784--1787",
         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 = "{\'a}reas queimadas, classifica{\c{c}}{\~a}o, machine learning, 
                         dados de sensoriamento remoto, burned areas, classification, 
                         machine learning, remote sensing data.",
             abstract = "Apresentamos um estudo para melhorar a automa{\c{c}}{\~a}o do 
                         processo de classifica{\c{c}}{\~a}o de {\'a}reas queimadas 
                         usando dados de sensoriamento remoto. Mostramos os atributos mais 
                         relevantes para enriquecer a base de conhecimento e o resultado da 
                         aplica{\c{c}}{\~a}o deles em uma compara{\c{c}}{\~a}o de 
                         modelos de classifica{\c{c}}{\~a}o de machine learning. 
                         Validamos nosso estudo com dados de queimadas do Cerrado feitos 
                         por especialistas. Os melhores resultados foram obtidos com os 
                         modelos Random Forest e Neural Networks e indicam a viabilidade de 
                         utiliza{\c{c}}{\~a}o da abordagem no processo de 
                         classifica{\c{c}}{\~a}o de {\'a}reas queimadas. ABSTRACT: We 
                         present an study to improve automation on Woody savannah burned 
                         areas classification process in a continuous and periodical way 
                         through the use of machine learning classification models. We 
                         propose some relevant features to enrich a burns knowledge 
                         database in some classification models. The developed approach is 
                         validated over a study area in the Brazilian Cerrado against 
                         reference data derived from classifications done by experts. Best 
                         results were obtained by Random Forest and Neural Network models 
                         and indicate enhancement on the methods used so far.",
  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/3TUPLEP",
                  url = "http://urlib.net/ibi/8JMKD3MGP6W34M/3TUPLEP",
           targetfile = "97280.pdf",
                 type = "Classifica{\c{c}}{\~a}o e minera{\c{c}}{\~a}o de dados",
        urlaccessdate = "19 abr. 2024"
}