Remote Sensing and Machine Learning on Anomaly Detection at high spectral and temporal dynamics regions in Brazil

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorUniversidade Estadual Paulista (UNESP)-
Autor(es): dc.creatorGino, Vinícius L.S.-
Autor(es): dc.creatorNegri, Rogério G.-
Autor(es): dc.creatorSouza, Felipe N.-
Data de aceite: dc.date.accessioned2025-08-21T17:01:15Z-
Data de disponibilização: dc.date.available2025-08-21T17:01:15Z-
Data de envio: dc.date.issued2023-07-29-
Data de envio: dc.date.issued2023-07-29-
Data de envio: dc.date.issued2021-12-31-
Fonte completa do material: dc.identifierhttp://hdl.handle.net/11449/247350-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/247350-
Descrição: dc.descriptionIn climate changes context Remote Sensing tools are widely used and widespread in research. In this sense, Artificial Intelligence rises offering possible improves for environmental monitoring applications using techniques such as Machine Learning for Anomaly Detection applied to Remote Sensing imagery to identify the spatio-temporal changes over the Earth’s surface. This approach is explored in three high dynamic regions in Brazil assessing deforestation, fires and technological disaster areas using One-Class SVM and Isolation Forest methods over MODIS, Landsat and Sentinel images.-
Descrição: dc.descriptionFundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)-
Descrição: dc.descriptionInstituto de Ciência e Tecnologia (ICT) Universidade Estadual Paulista “Júlio de Mesquita Filho” (UNESP), SP-
Descrição: dc.descriptionInstituto de Ciência e Tecnologia (ICT) Universidade Estadual Paulista “Júlio de Mesquita Filho” (UNESP), SP-
Descrição: dc.descriptionFAPESP: 2018/01033-3-
Descrição: dc.descriptionFAPESP: 2020/14664-1-
Descrição: dc.descriptionFAPESP: 2021/01305-6-
Formato: dc.format99-110-
Idioma: dc.languageen-
Relação: dc.relationProceedings of the Brazilian Symposium on GeoInformatics-
???dc.source???: dc.sourceScopus-
Título: dc.titleRemote Sensing and Machine Learning on Anomaly Detection at high spectral and temporal dynamics regions in Brazil-
Tipo de arquivo: dc.typeaula digital-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.