River sediment yield classification using remote sensing imagery

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorNatural Sciences Institute-
Autor(es): dc.contributorUniversidade Estadual Paulista (UNESP)-
Autor(es): dc.contributorUniversidade Do Porto Faculdade de Engenharia-
Autor(es): dc.creatorPisani, R.-
Autor(es): dc.creatorCosta, K. [UNESP]-
Autor(es): dc.creatorRosa, G. [UNESP]-
Autor(es): dc.creatorPereira, D. [UNESP]-
Autor(es): dc.creatorPapa, J. [UNESP]-
Autor(es): dc.creatorTavares, J. M.R.S.-
Data de aceite: dc.date.accessioned2022-08-04T22:06:20Z-
Data de disponibilização: dc.date.available2022-08-04T22:06:20Z-
Data de envio: dc.date.issued2022-04-28-
Data de envio: dc.date.issued2022-04-28-
Data de envio: dc.date.issued2017-02-28-
Fonte completa do material: dc.identifierhttp://dx.doi.org/10.1109/PRRS.2016.7867014-
Fonte completa do material: dc.identifierhttp://hdl.handle.net/11449/220822-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/220822-
Descrição: dc.descriptionThe monitoring of water quality is essencial to the mankind, since we strongly depend on such resource for living and working. The presence of sediments in rivers usually indicates changes in the land use, which can affect the quality of water and the lifetime of hydroelectric power plants. In countries like Brazil, where more than 70% of the energy comes from the water, it is crucial to keep monitoring the sediment yield in rivers and lakes. In this work, we evaluate some stateof-the-art supervised pattern recognition techniques to classify different levels of sediments in Brazilian rivers using satellite images, as well as we make available an annotated dataset composed of two images to foster the related research.-
Descrição: dc.descriptionFundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)-
Descrição: dc.descriptionFederal University of Alfenas Natural Sciences Institute-
Descrição: dc.descriptionSao Paulo State University Department of Computing-
Descrição: dc.descriptionUniversidade Do Porto Faculdade de Engenharia-
Descrição: dc.descriptionSao Paulo State University Department of Computing-
Descrição: dc.descriptionFAPESP: #2014/16250-9-
Descrição: dc.descriptionFAPESP: #2015/00801-9-
Descrição: dc.descriptionFAPESP: #2015/25739-4-
Idioma: dc.languageen-
Relação: dc.relation2016 9th IAPR Workshop on Pattern Recognition in Remote Sensing, PRRS 2016-
???dc.source???: dc.sourceScopus-
Palavras-chave: dc.subjectMachine Learning-
Palavras-chave: dc.subjectOptimum-Path Forest-
Palavras-chave: dc.subjectSediment Yield-
Título: dc.titleRiver sediment yield classification using remote sensing imagery-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.