Fechar

1. Identificação
Tipo de ReferênciaArtigo em Revista Científica (Journal Article)
Siteplutao.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W/43NH2FE
Repositóriosid.inpe.br/plutao/2020/12.07.13.58.33
Última Atualização2020:12.08.21.13.59 (UTC) lattes
Repositório de Metadadossid.inpe.br/plutao/2020/12.07.13.58.34
Última Atualização dos Metadados2022:01.04.01.31.18 (UTC) administrator
DOI10.14393/rbcv72n4-54044
ISSN0560-4613
1808-0936
Rótulolattes: 1175464822052393 2 MoreiraReKöDuCaAr:2020:SuAnMO
Chave de CitaçãoMoreiraReKöDuCaAr:2020:SuAnMO
TítuloSubpixel analysis of MODIS imagery time series using transfer learning and relative calibration
Ano2020
Data de Acesso20 maio 2024
Tipo de Trabalhojournal article
Tipo SecundárioPRE PN
Número de Arquivos1
Tamanho1395 KiB
2. Contextualização
Autor1 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 Curriculo1
2
3
4 8JMKD3MGP5W/3C9JHMA
5
6 8JMKD3MGP5W/3C9JGUP
ORCID1 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
Grupo1 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
Afiliação1 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 Autor1 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
RevistaRevista Brasileira de Cartografia
Volume72
Número4
Páginas558-573
Nota SecundáriaA2_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
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 Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Tipo de Versãopublisher
Palavras-ChaveRelative Calibration.Image Time-series.Samples Extension.Subpixel Analysis. Land Cover classification
ResumoTransfer 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.
ÁreaSRE
Arranjo 1urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > Subpixel analysis of...
Arranjo 2urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > Subpixel analysis of...
Arranjo 3urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > CST > Subpixel analysis of...
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/8JMKD3MGP3W/43NH2FE
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP3W/43NH2FE
Idiomaen
Arquivo Alvomoreira_subpixel.pdf
Grupo de Leitoresadministrator
lattes
Visibilidadeshown
Política de Arquivamentoallowpublisher allowfinaldraft
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/3EQCCU5
8JMKD3MGPCW/3ER446E
8JMKD3MGPCW/449U4PL
Lista de Itens Citandosid.inpe.br/bibdigital/2013/09.09.15.05 1
sid.inpe.br/bibdigital/2013/09.13.21.11 1
URL (dados não confiáveis)http://www.seer.ufu.br/index.php/revistabrasileiracartografia/article/view/54044
DivulgaçãoPORTALCAPES
Acervo Hospedeirodpi.inpe.br/plutao@80/2008/08.19.15.01
6. Notas
Campos Vaziosalternatejournal 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 


Fechar