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, Vinícius L.S. | - |
Autor(es): dc.creator | Negri, Rogério G. | - |
Autor(es): dc.creator | Souza, Felipe N. | - |
Data de aceite: dc.date.accessioned | 2025-08-21T17:01:15Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T17:01:15Z | - |
Data de envio: dc.date.issued | 2023-07-29 | - |
Data de envio: dc.date.issued | 2023-07-29 | - |
Data de envio: dc.date.issued | 2021-12-31 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/247350 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/247350 | - |
Descrição: dc.description | In 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.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | Instituto de Ciência e Tecnologia (ICT) Universidade Estadual Paulista “Júlio de Mesquita Filho” (UNESP), SP | - |
Descrição: dc.description | Instituto de Ciência e Tecnologia (ICT) Universidade Estadual Paulista “Júlio de Mesquita Filho” (UNESP), SP | - |
Descrição: dc.description | FAPESP: 2018/01033-3 | - |
Descrição: dc.description | FAPESP: 2020/14664-1 | - |
Descrição: dc.description | FAPESP: 2021/01305-6 | - |
Formato: dc.format | 99-110 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Proceedings of the Brazilian Symposium on GeoInformatics | - |
???dc.source???: dc.source | Scopus | - |
Título: dc.title | Remote Sensing and Machine Learning on Anomaly Detection at high spectral and temporal dynamics regions in Brazil | - |
Tipo de arquivo: dc.type | aula 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: