Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Ananias, Pedro Henrique M. | - |
Autor(es): dc.creator | Negri, Rogerio G. | - |
Autor(es): dc.creator | Dias, Mauricio A. | - |
Autor(es): dc.creator | Silva, Erivaldo A. | - |
Autor(es): dc.creator | Casaca, Wallace | - |
Data de aceite: dc.date.accessioned | 2025-08-21T21:44:25Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T21:44:25Z | - |
Data de envio: dc.date.issued | 2022-11-29 | - |
Data de envio: dc.date.issued | 2022-11-29 | - |
Data de envio: dc.date.issued | 2022-09-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.3390/rs14174283 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/237849 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/237849 | - |
Descrição: dc.description | Progressively monitoring water quality is crucial, as aquatic contaminants can pose risks to human health and other organisms. Machine learning can support the development of new effective tools for water monitoring, including the detection of algal blooms from remotely sensed image series. Therefore, in this paper, we introduce the Algal Bloom Forecast (ABF) framework, a fully automated framework for algal bloom prediction in inland water bodies. Our approach combines machine learning, time series of remotely sensed products (i.e., Moderate-Resolution Imaging Spectroradiometer (MODIS) images), environmental data and spectral indices to build anomaly detection models that can predict the occurrence of algal bloom events in the posterior period. Our assessments focused on the application of the ABF framework equipped with the support vector machine (SVM), random forest (RF), and long short-term memory (LSTM) methods, the outcomes of which were compared through different evaluation metrics such as global accuracy, the kappa coefficient, F1-Score and R-2-Score. Case studies covering the Erie (USA), Chilika (India) and Taihu (China) lakes are presented to demonstrate the effectiveness and flexibility of our learning approach. Based on comprehensive experimental tests, we found that the best algal bloom predictions were achieved by bringing together the ABF design with the RF model. | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Sao Paulo State University (UNESP) | - |
Descrição: dc.description | Sao Paulo State Univ, UNESP, Natl Ctr Monitoring & Early Warning Nat Disasters, Grad Program Nat Disasters, BR-12245000 Sao Jose Dos Campos, Brazil | - |
Descrição: dc.description | Sao Paulo State Univ, UNESP, Sci & Technol Inst ICT, BR-01049010 Sao Jose Dos Campos, Brazil | - |
Descrição: dc.description | Sao Paulo State Univ, UNESP, Fac Sci & Technol FCT, BR-19060900 Presidente Prudente, Brazil | - |
Descrição: dc.description | Sao Paulo State Univ, UNESP, Inst Biosci Letters & Exact Sci IBILCE, BR-15054000 Sao Jose Do Rio Preto, Brazil | - |
Descrição: dc.description | Sao Paulo State Univ, UNESP, Natl Ctr Monitoring & Early Warning Nat Disasters, Grad Program Nat Disasters, BR-12245000 Sao Jose Dos Campos, Brazil | - |
Descrição: dc.description | Sao Paulo State Univ, UNESP, Sci & Technol Inst ICT, BR-01049010 Sao Jose Dos Campos, Brazil | - |
Descrição: dc.description | Sao Paulo State Univ, UNESP, Fac Sci & Technol FCT, BR-19060900 Presidente Prudente, Brazil | - |
Descrição: dc.description | Sao Paulo State Univ, UNESP, Inst Biosci Letters & Exact Sci IBILCE, BR-15054000 Sao Jose Do Rio Preto, Brazil | - |
Descrição: dc.description | FAPESP: 2021/01305-6 | - |
Descrição: dc.description | FAPESP: 2021/03328-3 | - |
Descrição: dc.description | FAPESP: 2016/24185-8 | - |
Descrição: dc.description | CNPq: 427915/2018-0 | - |
Descrição: dc.description | CNPq: 304402/2019-2 | - |
Descrição: dc.description | CNPq: 316228/2021-4 | - |
Formato: dc.format | 22 | - |
Idioma: dc.language | en | - |
Publicador: dc.publisher | Mdpi | - |
Relação: dc.relation | Remote Sensing | - |
???dc.source???: dc.source | Web of Science | - |
Palavras-chave: dc.subject | Algal bloom | - |
Palavras-chave: dc.subject | Remote sensing | - |
Palavras-chave: dc.subject | MODIS | - |
Palavras-chave: dc.subject | Prediction | - |
Palavras-chave: dc.subject | Machine learning | - |
Título: dc.title | A Fully Unsupervised Machine Learning Framework for Algal Bloom Forecasting in Inland Waters Using MODIS Time Series and Climatic Products | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: