Mapping fire susceptibility in the brazilian Amazon forests using multitemporal remote sensing and time-varying unsupervised anomaly detection (2022)
- Authors:
- Autor USP: COLNAGO, MARILAINE - ICMC
- Unidade: ICMC
- DOI: 10.3390/rs14102429
- Subjects: SENSORIAMENTO REMOTO; REDES NEURAIS; APRENDIZADO COMPUTACIONAL; RECONHECIMENTO DE PADRÕES; ANÁLISE DE SÉRIES TEMPORAIS; INCÊNDIOS FLORESTAIS
- Keywords: remote sensing; multitemporal data; anomaly detection; forest fires; spectral indices
- Agências de fomento:
- Language: Inglês
- Imprenta:
- Source:
- Título: Remote Sensing
- ISSN: 2072-4292
- Volume/Número/Paginação/Ano: v. 14, n. 10, p. 1-17, 2022
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by
-
ABNT
LUZ, Andréa Eliza O et al. Mapping fire susceptibility in the brazilian Amazon forests using multitemporal remote sensing and time-varying unsupervised anomaly detection. Remote Sensing, v. 14, n. 10, p. 1-17, 2022Tradução . . Disponível em: https://doi.org/10.3390/rs14102429. Acesso em: 15 out. 2024. -
APA
Luz, A. E. O., Negri, R. G., Massi, K. G., Colnago, M., Silva, E. A. da, & Casaca, W. C. de O. (2022). Mapping fire susceptibility in the brazilian Amazon forests using multitemporal remote sensing and time-varying unsupervised anomaly detection. Remote Sensing, 14( 10), 1-17. doi:10.3390/rs14102429 -
NLM
Luz AEO, Negri RG, Massi KG, Colnago M, Silva EA da, Casaca WC de O. Mapping fire susceptibility in the brazilian Amazon forests using multitemporal remote sensing and time-varying unsupervised anomaly detection [Internet]. Remote Sensing. 2022 ; 14( 10): 1-17.[citado 2024 out. 15 ] Available from: https://doi.org/10.3390/rs14102429 -
Vancouver
Luz AEO, Negri RG, Massi KG, Colnago M, Silva EA da, Casaca WC de O. Mapping fire susceptibility in the brazilian Amazon forests using multitemporal remote sensing and time-varying unsupervised anomaly detection [Internet]. Remote Sensing. 2022 ; 14( 10): 1-17.[citado 2024 out. 15 ] Available from: https://doi.org/10.3390/rs14102429 - A fully unsupervised deep learning framework for non-rigid fundus image registration
- Um método de interface imersa de alta ordem para a resolução de equações elípticas com coeficientes descontínuos
- Learning label diffusion maps for semi-automatic segmentation of lung CT images with COVID-19
- Plataforma SP covid-19 info tracker: a matemática e a inteligência artificial à serviço do combate à covid-19
- Avaliação do impacto da vacinação e do IDH nos óbitos Infantis por Covid-19 no período da variante ômicron
- Um estudo de gênero a partir da distribuição de bolsas do programa universidade para todos
Informações sobre o DOI: 10.3390/rs14102429 (Fonte: oaDOI API)
Download do texto completo
| Tipo | Nome | Link | |
|---|---|---|---|
 | 3080835.pdf | Direct link |
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
