Caatinga Burned Areas' Validation through a Machine Learning approach to the INPE's Burns and Forest Fires Monitoring

Autores

  • Olga Oliveira Bittencourt Brazilian National Institute for Space Research (INPE), São José dos Campos, Brasil
  • Cícero Alves dos Santos Júnior Brazilian National Institute for Space Research (INPE), São José dos Campos, Brasil
  • Pedro Lagden Brazilian National Institute for Space Research (INPE), São José dos Campos, Brasil
  • Lucas Oliveira Brazilian National Institute for Space Research (INPE), São José dos Campos, Brasil
  • Rafael Santos Brazilian National Institute for Space Research (INPE), São José dos Campos, Brasil
  • Fabiano Morelli Brazilian National Institute for Space Research (INPE), São José dos Campos, Brasil

DOI:

https://doi.org/10.37002/biodiversidadebrasileira.v9i1.1196

Palavras-chave:

Burned areas classification, machine learning, Caatinga

Biografia do Autor

Olga Oliveira Bittencourt, Brazilian National Institute for Space Research (INPE), São José dos Campos, Brasil

Laboratório Associado de Computação e Matemática Aplicada - LAC

Referências

- Instituto Nacional de Pesquisas Espaciais (INPE): Programa de monitoramento de queimadas. http://www.inpe.br/queimadas/portal, accessed: 2018-01-28.

- Júnior, C. A. S, Bittencourt, O. O., Morelli, F. and Santos, R. Classificação de áreas queimadas por Machine Learning usando dados de Sensoriamento Remoto, XIX Simpósio Brasileiro de Sensoriamento Remoto, 2019.

- DEMsAR, J. et al. Orange: Data mining toolbox in python.

Journal of Machine Learning Research, v. 14, p. 2349-2353,

Downloads

Publicado

2019-05-15

Edição

v. 9 n. 1 (2019): Wildfire Conference: Resumos

Seção

SUBTEMA 4

Licença

Copyright (c) 2021 Biodiversidade Brasileira - BioBrasil

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Os artigos estão licenciados sob uma licença Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional (CC BY-NC-ND 4.0). O acesso é livre e gratuito para download e leitura, ou seja, é permitido copiar e redistribuir o material em qualquer mídia ou formato.

Artigos mais lidos pelo mesmo(s) autor(es)

<< < 1 2 3