Fechar

1. Identificação
Tipo de ReferênciaArtigo em Evento (Conference Proceedings)
Sitemtc-m16c.sid.inpe.br
Identificador8JMKD3MGPDW34P/487M2QS
Repositóriosid.inpe.br/mtc-m16c/2022/12.16.14.37
Última Atualização2022:12.16.14.37.32 (UTC) simone
Repositório de Metadadossid.inpe.br/mtc-m16c/2022/12.16.14.37.32
Última Atualização dos Metadados2023:01.30.13.07.24 (UTC) administrator
ISSN2179-4847
Chave de CitaçãoGinoNegrSouz:2022:ReSeMa
TítuloRemote Sensing and Machine Learning on Anomaly Detection at high spectral and temporal dynamics regions in Brazil
FormatoOn-line.
Ano2022
Data de Acesso19 maio 2024
Tipo SecundárioPRE CN
Número de Arquivos1
Tamanho2160 KiB
2. Contextualização
Autor1 Gino, Vinícius L. S.
2 Negri, Rogério
3 Souza, Felipe N.
Afiliação1 Universidade Estadual Paulista (UNESP)
2 Universidade Estadual Paulista (UNESP)
3 Universidade Estadual Paulista (UNESP)
Endereço de e-Mail do Autor1 vinicius.gino@unesp.br
2 rogerio.negri@unesp.br
3 fn.souza@unesp.br
EditorRosim, Sergio (INPE)
Santos, Leonardo Bacelar Lima (CEMADEN)
Pereira, Marconi de Arruda (UFSJ)
Nome do EventoSimpósio Brasileiro de Geoinformática, 23 (GEOINFO)
Localização do EventoOn-line
Data28 a 30 nov. 2022
Editora (Publisher)Instituto Nacional de Pesquisas Espaciais (INPE)
Cidade da EditoraSão José dos Campos
Título do LivroAnais
Tipo TerciárioFull paper
Histórico (UTC)2022-12-16 14:37:49 :: simone -> administrator :: 2022
2023-01-30 13:07:24 :: administrator -> simone :: 2022
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
ResumoIn climate changes context Remote Sensing tools are widely used and widespread in research. In this sense, Artificial Intelligence rises offering possible improves for environmental monitoring applications using techniques such as Machine Learning for Anomaly Detection applied to Remote Sensing imagery to identify the spatio-temporal changes over the Earths surface. This approach is explored in three high dynamic regions in Brazil assessing deforestation, fires and technological disaster areas using One-Class SVM and Isolation Forest methods over MODIS, Landsat and Sentinel images.
ÁreaSRE
Arranjo 1urlib.net > BDMCI > Fonds > GEOINFO > XXIII GEOINFO > Remote Sensing and...
Arranjo 2urlib.net > BDMCI > Fonds > Produção a partir de 2021 > CGCT > XXIII GEOINFO > Remote Sensing and...
Arranjo 3urlib.net > BDMCI > Fonds > GEOINFO > Coleção GEOINFO > Remote Sensing and...
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreementnão têm arquivos
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGPDW34P/487M2QS
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGPDW34P/487M2QS
Idiomaen
Arquivo Alvo99-110_Gino_remote.pdf
Grupo de Usuáriossimone
Visibilidadeshown
Licença de Direitos Autoraisurlib.net/www/2012/11.12.15.19
Detentor dos Direitosoriginalauthor yes
5. Fontes relacionadas
Repositório Espelhodpi.inpe.br/banon-pc2@80/2006/07.04.20.21
Unidades Imediatamente Superiores8JMKD3MGPDW34P/4888LHB
8JMKD3MGPDW34P/48F29JE
Lista de Itens Citandosid.inpe.br/mtc-m16c/2023/01.30.13.05 6
sid.inpe.br/mtc-m16c/2022/12.19.22.45 5
Acervo Hospedeirosid.inpe.br/mtc-m18@80/2008/03.17.15.17
6. Notas
Campos Vaziosarchivingpolicy archivist callnumber contenttype copyholder creatorhistory descriptionlevel dissemination documentstage doi e-mailaddress edition group holdercode isbn keywords label lineage mark nextedition notes numberofvolumes orcid organization pages parameterlist parentrepositories previousedition previouslowerunit progress project readergroup readpermission resumeid schedulinginformation secondarydate secondarykey secondarymark serieseditor session shorttitle sponsor subject tertiarymark type url versiontype volume
7. Controle da descrição
e-Mail (login)simone
atualizar 


Fechar