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

Authors

  • 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

Keywords:

Burned areas classification, machine learning, Caatinga

Downloads

Download data is not yet available.

Author Biography

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

Laboratório Associado de Computação e Matemática Aplicada - LAC

References

- 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

Published

2019-05-15

Issue

Vol. 9 No. 1 (2019): Wildfire Conference: Resumos

Section

SUBTEMA 4

License

Copyright (c) 2021 Biodiversidade Brasileira - BioBrasil

Creative Commons License

This work is licensed under a 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.

Most read articles by the same author(s)

1 2 3 > >>