Fechar
Metadados

Tipo da ReferênciaConference Proceedings
Identificador8JMKD3MGPDW34R/3UFE9MS
Repositóriosid.inpe.br/mtc-m16d/2019/11.27.18.04
Metadadossid.inpe.br/mtc-m16d/2019/11.27.18.04.55
Sitemtc-m16d.sid.inpe.br
ISSN2179-4847
Chave de CitaçãoUeharaCoQuKöDuRe:2019:ClAlCo
Autor1 Uehara, Tatiana Dias Tardelli
2 Correa, Sabrina Paes Leme Passos
3 Quevedo, Renata Pacheco
4 Körting, Thales Sehn
5 Dutra, Luciano Vieira
6 Rennó, Camilo Daleles
Grupo1 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
2 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
3 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
4 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
5 CGOBT-CGOBT-INPE-MCTIC-GOV-BR
6 DIDPI-CGOBT-INPE-MCTIC-GOV-BR
Afiliação1 Instituto Nacional de Pesquisas Espaciais (INPE)
2 Instituto Nacional de Pesquisas Espaciais (INPE)
3 Instituto Nacional de Pesquisas Espaciais (INPE)
4 Instituto Nacional de Pesquisas Espaciais (INPE)
5 Instituto Nacional de Pesquisas Espaciais (INPE)
6 Instituto Nacional de Pesquisas Espaciais (INPE)
Endereço de e-Mail do Autor1 tatiana.uehara@inpe.br
2 sabrina.correa@inpe.br
3 renata.quevedo@inpe.br
4 thales.korting@inpe.br
5 luciano.dutra@inpe.br
6 camilo.renno@inpe.br
TítuloClassification algorithms comparison for landslide scars
Nome do EventoSimpósio Brasileiro de Geoinformática (GEOINFO)
Ano2019
EditorLisboa Filho, Jugurta
Monteiro, Antonio Miguel Vieira
Título do LivroAnais do 20º Simpósio Brasileiro de Geoinformática
Data11 -13 nov. 2019
Cidade da EditoraSão José dos Campos
Editora (Publisher)Instituto Nacional de Pesquisas Espaciais (INPE)
Localização do EventoSão José dos Campos
Palavras-Chavegeoinformatica.
ResumoLandslide inventory is an essential tool to support disaster risk mitigation. Using remote sensing images, it is usually obtained through pattern recognition. In this study, three classification methods are compared to detect landslides: Support Vector Machine (SVM), Artificial Neural Net (ANN) and Maximum Likelihood (ML). We used Sentinel-2A imagery, extracted and selected features for two areas in the Rolante River Catchment. The classification products showed that SVM classifier presented the best overall accuracy (OA) for Area 1 resulting in 87.143%; while for Area 2 ML showed the best OA equals to 86.831%.
OrganizaçãoInstituto Nacional de Pesquisas Espaciais (INPE)
Idiomapt
Tipo SecundárioPRE CN
Tipo Terciáriofull paper
FormatoOn-line.
AreaSER
Tamanho480 KiB
Número de Arquivos1
Arquivo Alvo158-169.pdf
Última Atualização2019:11.27.18.04.55 sid.inpe.br/mtc-m19@80/2009/08.21.17.02 simone
Última Atualização dos Metadados2020:05.19.18.37.41 sid.inpe.br/mtc-m19@80/2009/08.21.17.02 simone {D 2019}
Estágio do Documentoconcluido
É a matriz ou uma cópia?é a matriz
Espelhourlib.net/www/2011/03.29.20.55
Endereço de e-Maildaniela.seki@inpe.br
e-Mail (login)simone
Grupo de Usuáriosdaniela.seki@inpe.br
Visibilidadeshown
Transferível1
Acervo Hospedeirosid.inpe.br/mtc-m19@80/2009/08.21.17.02
Estágio do Documentonot transferred
Repositório de Direitos Autoraisurlib.net/www/2012/11.12.15.19
Detentor dos Direitosoriginalauthor yes
Permissão de Leituraallow from all
Unidades Imediatamente Superiores8JMKD3MGPCW/3EQCCU5
8JMKD3MGPCW/3ER446E
8JMKD3MGPCW/3EU2H28
Conteúdo da Pasta sourcenão têm arquivos
Conteúdo da Pasta agreementnão têm arquivos
Histórico2019-11-27 18:04:55 :: daniela.seki@inpe.br -> administrator ::
2020-01-09 13:45:27 :: administrator -> simone :: 2019
2020-01-09 13:52:37 :: simone -> administrator :: 2019
2020-05-19 15:00:30 :: administrator -> simone :: 2019
Campos Vaziosaccessionnumber archivingpolicy archivist callnumber contenttype copyholder creatorhistory descriptionlevel dissemination doi edition holdercode isbn label lineage mark nextedition notes numberofvolumes orcid pages parameterlist parentrepositories previousedition previouslowerunit progress project readergroup resumeid secondarydate secondarykey secondarymark serieseditor session shorttitle sponsor subject tertiarymark type url versiontype volume
Data de Acesso14 jul. 2020
atualizar 

Fechar