Fechar

1. Identificação
Tipo de ReferênciaArtigo em Revista Científica (Journal Article)
Siteplutao.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W/43NH2FG
Repositóriosid.inpe.br/plutao/2020/12.07.13.58.35
Última Atualização2020:12.08.12.01.26 (UTC) lattes
Repositório de Metadadossid.inpe.br/plutao/2020/12.07.13.58.36
Última Atualização dos Metadados2022:01.04.01.31.18 (UTC) administrator
DOI10.14393/rbcv72n4-54037
ISSN0560-4613
1808-0936
Rótulolattes: 9425692453156168 1 UeharaCoQuKöDuRe:2020:CoAmAr
Chave de CitaçãoUeharaCoQuKöDuDa:2020:CoAmAr
TítuloLandslide scars detection using remote sensing and pattern recognition techniques: comparison among artificial neural networks, gaussian maximum likelihood, random forest, and support vector machine classifiers
Ano2020
Data de Acesso12 maio 2024
Tipo de Trabalhojournal article
Tipo SecundárioPRE PN
Número de Arquivos1
Tamanho1460 KiB
2. Contextualização
Autor1 Uehara, Tatiana Dias Tardelli
2 Corrêa, Sabrina Paes Leme Passos
3 Quevedo, Renata Pacheco
4 Körting, Thales Sehn
5 Dutra, Luciano Vieira
6 Daleles Rennó, Camilo
Identificador de Curriculo1
2
3
4
5 8JMKD3MGP5W/3C9JHMA
6 8JMKD3MGP5W/3C9JGN2
ORCID1 0000-0003-1861-8848
2 0000-0002-9956-4134
3 0000-0002-7528-9166
4 0000-0002-0876-0501
5 0000-0002-7757-039X
6 0000-0001-9920-4473
Grupo1 SER-SRE-SESPG-INPE-MCTIC-GOV-BR
2 SER-SRE-SESPG-INPE-MCTIC-GOV-BR
3 SER-SRE-SESPG-INPE-MCTIC-GOV-BR
4 DIDSR-CGOBT-INPE-MCTIC-GOV-BR
5 DIDSR-CGOBT-INPE-MCTIC-GOV-BR
6 DIDPI-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 tatiana.uehara@inpe.br
2 sabrina.correa@inpe.br
3 renata.quevedo@inpe.br
4 thales.korting@inpe.br
5 luciano.dutra@inpe.br
6 camilo.renno@inpe.br
RevistaRevista Brasileira de Cartografia
Volume72
Número4
Páginas665-680
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 15:24:43 :: lattes -> administrator :: 2020
2020-12-08 11:55:04 :: administrator -> lattes :: 2020
2020-12-08 12:01:26 :: lattes -> administrator :: 2020
2020-12-10 11:33:41 :: administrator -> lattes :: 2020
2020-12-14 14:37:00 :: 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-Chavemass movement
hazard
supervised classification
pattern recognition
Movimentos de Massa
Perigo
ResumoLandslide inventory is an essential tool to support disaster risk mitigation. The inventory is usually obtained via conventional methods, as visual interpretation of remote sensing images, or semi-automaticmethods,through pattern recognition.In this study, four classification algorithms are compared to detect landslidesscars: Artificial Neural Network (ANN), Maximum Likelihood (ML), Random Forest (RF) and Support Vector Machine (SVM). From Sentinel-2A imageryandSRTMsDigital Elevation Model(DEM), vegetation indices and slope featureswere extracted and selected for two areas at the Rolante River Catchment, in Brazil.The classification products showed that the ML and the RF presented superior resultswithOA values above 92% for both study areas. These best accuracys results were identified in classifications using all attributes as input, so without previous feature selection.
ÁreaSRE
Arranjo 1urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDPI > Landslide scars detection...
Arranjo 2urlib.net > BDMCI > Fonds > Produção anterior à 2021 > DIDSR > Landslide scars detection...
Arranjo 3urlib.net > BDMCI > Fonds > Produção pgr ATUAIS > SER > Landslide scars detection...
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/43NH2FG
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP3W/43NH2FG
Idiomafr
Arquivo Alvouehara_landslide.pdf
Grupo de Leitoresadministrator
lattes
Visibilidadeshown
Política de Arquivamentoallowpublisher allowfinaldraft
Permissão de Atualizaçãonão transferida
5. Fontes relacionadas
Unidades Imediatamente Superiores8JMKD3MGPCW/3EQCCU5
8JMKD3MGPCW/3ER446E
8JMKD3MGPCW/3F3NU5S
Lista de Itens Citandosid.inpe.br/bibdigital/2013/10.18.22.34 2
sid.inpe.br/bibdigital/2013/09.13.21.11 1
URL (dados não confiáveis)http://www.seer.ufu.br/index.php/revistabrasileiracartografia/article/view/54037/30208
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