@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"
}