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 | Gino, Vinicius L. S. | - |
Autor(es): dc.creator | Negri, Rogerio G. | - |
Autor(es): dc.creator | Souza, Felipe N. | - |
Autor(es): dc.creator | Silva, Erivaldo A. | - |
Autor(es): dc.creator | Bressane, Adriano | - |
Autor(es): dc.creator | Mendes, Tatiana S. G. | - |
Autor(es): dc.creator | Casaca, Wallace | - |
Data de aceite: dc.date.accessioned | 2025-08-21T22:18:40Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T22:18:40Z | - |
Data de envio: dc.date.issued | 2023-07-29 | - |
Data de envio: dc.date.issued | 2023-07-29 | - |
Data de envio: dc.date.issued | 2023-03-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.3390/su15064725 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/245606 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/245606 | - |
Descrição: dc.description | The synergistic use of remote sensing and unsupervised machine learning has emerged as a potential tool for addressing a variety of environmental monitoring applications, such as detecting disaster-affected areas and deforestation. This paper proposes a new machine-intelligent approach to detecting and characterizing spatio-temporal changes on the Earth's surface by using remote sensing data and unsupervised learning. Our framework was designed to be fully automatic by integrating unsupervised anomaly detection models, remote sensing image series, and open data extracted from the Google Earth Engine platform. The methodology was evaluated by taking both simulated and real-world environmental data acquired from several imaging sensors, including Landsat-8 OLI, Sentinel-2 MSI, and Terra MODIS. The experimental results were measured with the kappa and F1-score metrics, and they indicated an assertiveness level of 0.85 for the change detection task, demonstrating the accuracy and robustness of the proposed approach when addressing distinct environmental monitoring applications, including the detection of disaster-affected areas and deforestation mapping. | - |
Descrição: dc.description | Funda��o de Amparo � Pesquisa do Estado de S�o Paulo (FAPESP) | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Cient�fico e Tecnol�gico (CNPq) | - |
Descrição: dc.description | Sao Paulo State University (UNESP) | - |
Descrição: dc.description | Sao Paulo State Univ UNESP, Sci & Technol Inst ICT, BR-12245000 Sao Jose Dos Campos, Brazil | - |
Descrição: dc.description | Sao Paulo State Univ UNESP, Fac Sci & Technol FCT, BR-19060080 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, Sci & Technol Inst ICT, BR-12245000 Sao Jose Dos Campos, Brazil | - |
Descrição: dc.description | Sao Paulo State Univ UNESP, Fac Sci & Technol FCT, BR-19060080 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 | CNPq: 316228/2021-4 | - |
Formato: dc.format | 19 | - |
Idioma: dc.language | en | - |
Publicador: dc.publisher | Mdpi | - |
Relação: dc.relation | Sustainability | - |
???dc.source???: dc.source | Web of Science | - |
Palavras-chave: dc.subject | anomaly detection | - |
Palavras-chave: dc.subject | time series | - |
Palavras-chave: dc.subject | landscape dynamics | - |
Palavras-chave: dc.subject | framework | - |
Título: dc.title | Integrating Unsupervised Machine Intelligence and Anomaly Detection for Spatio-Temporal Dynamic Mapping Using Remote Sensing Image Series | - |
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: