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.contributor | National Center for Monitoring and Early Warning of Natural Disasters | - |
Autor(es): dc.creator | Moço, Gabriella Almeida | - |
Autor(es): dc.creator | Negri, Rogério Galante | - |
Autor(es): dc.creator | Paumpuch, Luana Albertani | - |
Autor(es): dc.creator | Ribeiro, João Vitor Mariano | - |
Autor(es): dc.creator | Bressane, Adriano | - |
Autor(es): dc.creator | Bortolozo, Cassiano | - |
Data de aceite: dc.date.accessioned | 2025-08-21T17:46:01Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T17:46:01Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2024-11-30 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1111/tgis.13256 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/308213 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/308213 | - |
Descrição: dc.description | Landslides represent a growing global geological hazard, further intensified by climate-induced changes. Remote sensing data, through its capacity for repetitive collection and change detection techniques, that compare and quantify the spatio-temporal alterations over time, plays a critical role in landslide detection. Considering the February 2023 São Sebastião event and Sentinel-2 imagery, we assessed diverse unsupervised change detection techniques, encompassing both traditional and recent machine learning-based approaches. Notably, the Floating References (FR) and Homogeneous Blocks Single-class Classification (HBSC) methods outperform classic approaches and deliver the most accurate results with F1-Score and kappa coefficient exceeding 0.96 and 0.92, respectively. These outcomes demonstrate the efficacy of machine learning in automating landslide delineation and underscore the necessity of meticulous data and parameter selection in achieving high-accuracy automatic landslide mapping. Lastly, this study fills a significant gap in the existing literature by evaluating unsupervised change detection methods for landslide mapping within the Brazilian context. | - |
Descrição: dc.description | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | - |
Descrição: dc.description | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | - |
Descrição: dc.description | Institute of Science and Technology São Paulo State University | - |
Descrição: dc.description | Brazilian Center for EarlyWarning and Monitoring for Natural Disasters Graduate Program in Natural Disasters São Paulo State University | - |
Descrição: dc.description | Graduate Program in Civil and Environmental Engineering São Paulo State University | - |
Descrição: dc.description | National Center for Monitoring and Early Warning of Natural Disasters | - |
Descrição: dc.description | Institute of Science and Technology São Paulo State University | - |
Descrição: dc.description | Brazilian Center for EarlyWarning and Monitoring for Natural Disasters Graduate Program in Natural Disasters São Paulo State University | - |
Descrição: dc.description | Graduate Program in Civil and Environmental Engineering São Paulo State University | - |
Descrição: dc.description | CNPq: 305220/2022-5 | - |
Descrição: dc.description | CNPq: 383480/2023-0 | - |
Formato: dc.format | 2626-2638 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Transactions in GIS | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | digital image analysis | - |
Palavras-chave: dc.subject | machine learning | - |
Palavras-chave: dc.subject | multispectral | - |
Palavras-chave: dc.subject | remote sensing | - |
Palavras-chave: dc.subject | Sentinel-2 | - |
Título: dc.title | Unsupervised Change Detection Methods Applied to Landslide Mapping: Case Study in São Sebastião, Brazil | - |
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: