Resultado da Pesquisa
A expressão de busca foi <ref program and y 2020 and gr INPE>.
1 referência encontrada buscando em 17 dentre 17 Arquivos.
Data e hora local de busca: 26/04/2024 04:09.
1. Identificação
Tipo de ReferênciaPrograma de Computador (Computer Program)
Sitemtc-m21c.sid.inpe.br
Código do Detentorisadg {BR SPINPE} ibi 8JMKD3MGPCW/3DT298S
Identificador8JMKD3MGP3W34R/442JSTB
Repositóriosid.inpe.br/mtc-m21c/2021/01.20.01.45
Última Atualização2021:01.20.02.14.33 (UTC) banon
Repositório de Metadadossid.inpe.br/mtc-m21c/2021/01.20.01.45.10
Última Atualização dos Metadados2021:01.24.02.51.41 (UTC) administrator
Chave de CitaçãoMattosArauKupl:2020:FiDeDa
TítuloFiltragem e Derivação em dados de reflectância
Título CurtoFiltragem e Derivada
ProjetoUSO DE FILTRAGEM ÓTIMA EM DADOS DE SENSORIAMENTO REMOTO
Ano2020
Data de Acesso26 abr. 2024
Número de Arquivos2
Tamanho2110927 KiB
2. Contextualização
Programador1 Mattos, Everson
2 Araujo, Luca Sauer
3 Kuplich, Tatiana Mora
ORCID1 0000-0002-4031-7913
2 0000-0002-5742-1944
3 0000-0003-0657-4024
Grupo1 CRCRS-COCRE-INPE-MCTIC-GOV-BR
2 CRCRS-COCRE-INPE-MCTIC-GOV-BR
3 CRCRS-COCRE-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)
Endereço de e-Mail do Autor1 everson.mattos@inpe.br
2 lucasauerr@gmail.com
3 tatiana.kuplich@inpe.br
Endereço de e-Maileverson.mattos@inpe.br
Editora (Publisher)Deposited in the URLib collection.
CidadeSanta Maria
Versão1
Histórico (UTC)2021-01-20 01:58:56 :: everson.mattos@inpe.br -> administrator :: 2020
2021-01-20 13:23:06 :: administrator -> banon :: 2020
2021-01-20 13:25:10 :: banon -> administrator :: 2020
2021-01-21 01:53:48 :: administrator -> banon :: 2020
2021-01-21 01:54:15 :: banon -> administrator :: 2020
2021-01-24 02:51:41 :: administrator -> pubtc@inpe.br :: 2020
3. Conteúdo e estrutura
É a matriz ou uma cópia?é a matriz
Estágio do Conteúdoconcluido
Transferível1
Tipo do ConteúdoExternal Contribution
Palavras-Chavefiltragem ótima
filtro de kalman
Reflectância
Sensoriamento Remoto
ResumoDados de reflectância, in-situ, possuem grande importância de sensoriamento remoto, pois, são utilizados para amplos fins, podendo ser: financeiro, científico ou de análise, como é o caso. Esses dados são adquiridos através de espectrorradiômetros, equipamentos com sensor capaz de mensurar a intensidade do fluxo luminoso através de comprimentos de onda que costumam variar de 350 a 1100 nm. Porém, por mais preciso que seja o instrumento utilizado, incertezas virão associadas aos dados coletados. Para que os dados estejam o mais fidedignos possível, filtros são utilizados, entretanto, isso não garante que os dados filtrados estão mais próximos da realidade do que os dados que foram primeiramente coletados. Para dados de reflectância, o filtro amplamente utilizado é o filtro de média móvel. Tratando-se de sinais com ruído branco (distribuição de probabilidade da incerteza é gaussiana) esse filtro apresenta resultados satisfatórios, o problema desse filtro é a eliminação de amostras na borda do espectro de frequência do radiômetro, que apresentam maior ruído e algumas informações são então descartadas. O contorno encontrado para o problema é a múltipla aquisição de dados de um mesmo ponto e a aplicação do filtro de média sobre todas as medidas tiradas, todavia, isso torna o processo de coleta de dados demorado e pode por vezes ser inviável e até mesmo impraticável. A solução proposta para os problemas na filtragem de dados de reflectância passa por estimadores ótimos. Dentre eles, vale destacar o Filtro de Kalman ou Filtro de Kalman-Bucy para estimativas adequadas do sinal que seja oriundo de sistemas lineares que possuem distribuição de probabilidade gaussiana para as incertezas associadas. Nesse sentido, no presente trabalho foi feito um aplicativo instalável em Windows, sendo o MatLab® o software utilizado para o desenvolvimento do mesmo, com o objetivo de auxiliar no pré-processamento de dados de reflectância que são adquiridos pelo laboratório de sensoriamento remoto da vegetação do Centro Regional Sul do Instituto Nacional de Pesquisas Espaciais (SERVEG/CRS/INPE). O Filtro de Kalman como estimador ótimo, é capaz de contribuir para solucionar o problema de ruído em dados de sensoriamento remoto. No presente trabalho, foi demonstrada então uma forma simples da aplicação desse filtro em dados do espectrorradiômetro, que apresentam ruídos na região de alto e baixo comprimento de onda. Como resultado, o ruído é minimizado e houve uma refinação das feições do objeto (no presente estudo, vegetação campestre).
ÁreaCST
Arranjourlib.net > BDMCI > Fonds > Produção anterior à 2021 > CRCRS > Filtragem e Derivada
Conteúdo da Pasta docacessar
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreement
agreement.html 19/01/2021 22:45 1.8 KiB 
4. Condições de acesso e uso
URL dos dadoshttp://urlib.net/ibi/8JMKD3MGP3W34R/442JSTB
URL dos dados zipadoshttp://urlib.net/zip/8JMKD3MGP3W34R/442JSTB
Idiomapt
Grupo de Usuárioseverson.mattos@inpe.br
pubtc@inpe.br
Grupo de Leitoresadministrator
banon
everson.mattos@inpe.br
pubtc@inpe.br
Visibilidadeshown
Licença de Direitos Autoraisurlib.net/www/2014/11.20.23.16
Permissão de Leituraallow from all
Permissão de Atualizaçãotransferida para pubtc@inpe.br
5. Fontes relacionadas
Repositório Espelhourlib.net/www/2017/11.22.19.04.03
Unidades Imediatamente Superiores8JMKD3MGPCW/3EUFCFP
Acervo Hospedeirourlib.net/www/2017/11.22.19.04
6. Notas
Campos Vaziosalternatetitle archivingpolicy archivist callnumber computer copyholder creatorhistory descriptionlevel dissemination doi format isbn issn label lineage mark nextedition notes parameterlist parentrepositories previousedition previouslowerunit progress resumeid rightsholder schedulinginformation secondarydate secondarykey secondarymark secondarytype session sponsor subject targetfile tertiarymark tertiarytype type url versiontype
7. Controle da descrição
e-Mail (login)pubtc@inpe.br
atualizar