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, Rogério G. | - |
Autor(es): dc.creator | Bressane, Adriano | - |
Autor(es): dc.creator | Dias, Maurício A. | - |
Autor(es): dc.creator | Silva, Erivaldo A. | - |
Autor(es): dc.creator | Casaca, Wallace | - |
Data de aceite: dc.date.accessioned | 2025-08-21T20:38:01Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T20:38:01Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2023-09-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1016/j.simpa.2023.100518 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/302644 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/302644 | - |
Descrição: dc.description | This paper presents a fully automated framework for algal bloom forecasting in inland water by combining remote sensing data series and unsupervised machine learning concepts. In contrast to other methods in the specialized literature that usually employ pre-labeled data, the proposed approach was designed to be fully autonomous concerning pre-requisites, assuming as input only a time series of remotely sensed products to forecast algal proliferation. In more technical terms, the designed machine-intelligent methodology comprises the steps of pre-processing, feature extraction and modeling, and it learns unsupervised from past events to predict future scenarios of algal blooms, outputting algal insurgence maps. | - |
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 | São Paulo State University (UNESP), São José dos Campos | - |
Descrição: dc.description | Graduate Program in Natural Disasters (UNESP/CEMADEN), São José dos Campos | - |
Descrição: dc.description | Civil and Environmental Engineering Graduate Program (UNESP), Bauru | - |
Descrição: dc.description | São Paulo State University (UNESP), Presidente Prudente | - |
Descrição: dc.description | São Paulo State University (UNESP), São José do Rio Preto | - |
Descrição: dc.description | São Paulo State University (UNESP), São José dos Campos | - |
Descrição: dc.description | Graduate Program in Natural Disasters (UNESP/CEMADEN), São José dos Campos | - |
Descrição: dc.description | Civil and Environmental Engineering Graduate Program (UNESP), Bauru | - |
Descrição: dc.description | São Paulo State University (UNESP), Presidente Prudente | - |
Descrição: dc.description | São Paulo State University (UNESP), São José do Rio Preto | - |
Descrição: dc.description | FAPESP: 2016/24185-8 | - |
Descrição: dc.description | FAPESP: 2021/01305-6 | - |
Descrição: dc.description | FAPESP: 2021/03328-3 | - |
Descrição: dc.description | CNPq: 305220/2022-5 | - |
Descrição: dc.description | CNPq: 316228/2021-4 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Software Impacts | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Algal bloom | - |
Palavras-chave: dc.subject | Forecasting | - |
Palavras-chave: dc.subject | Machine learning | - |
Palavras-chave: dc.subject | Remote sensing | - |
Título: dc.title | ABF: A data-driven approach for algal bloom forecasting using machine intelligence and remotely sensed data series[Formula presented] | - |
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: