XX SBSR
Formulário de atualização
O sistema de atualização, para eventuais correções, estará ativo até 30/06/2023.
Contato:
bibdigital@inpe.br
Nome do Campo
Valor do Campo
Tipo de Referência
Artigo em Evento (Conference Proceedings)
Título do Trabalho
(*)
(?)
Tipo Secundário
Evento Nacional
Evento Nacional - Trabalho Vinculado à Tese/Dissertação
Evento Nacional - Trabalho Não Relacionado à Tese/Dis.
Evento Nacional - Trabalho Externo
Não esqueça de clicar na opção "+" para informar os dados dos co-autores, se tiver.
v
1° Autor
(*)
(?)
Grupo (1° Autor)
CGCE
DIPST
DISEP
DICEP
DIAST
DIEEC
DIHPA
DIMEC
DISEP
DIEEC
SEGPR
YYY
CGCT
DIOTG
DIIAV
DIMNT
DIPTC
DISSM
YYY
CGIP
CORCR
COPDT
COMIT
COIDS
YYY
COGPI
DIPE1
DIPE2
DIPE3
DIPE4
SEPEC
SEGQP
YYY
CGGO
COADM
COEAM
COENE
COESU
COTIC
COPOA
COGRH
YYY
COGAB
SEREL
SECOM
YYY
AST
CAP
CMC
CMS
CSE
CST
GES
GESAST
GESATM
MET
PCP
SER
Afiliação (1° Autor)
e-Mail (1° Autor)
2° Autor
(*)
(?)
Grupo (2° Autor)
CGCE
DIPST
DISEP
DICEP
DIAST
DIEEC
DIHPA
DIMEC
DISEP
DIEEC
SEGPR
YYY
CGCT
DIOTG
DIIAV
DIMNT
DIPTC
DISSM
YYY
CGIP
CORCR
COPDT
COMIT
COIDS
YYY
COGPI
DIPE1
DIPE2
DIPE3
DIPE4
SEPEC
SEGQP
YYY
CGGO
COADM
COEAM
COENE
COESU
COTIC
COPOA
COGRH
YYY
COGAB
SEREL
SECOM
YYY
AST
CAP
CMC
CMS
CSE
CST
GES
GESAST
GESATM
MET
PCP
SER
Afiliação (2° Autor)
e-Mail (2° Autor)
3° Autor
(*)
(?)
Grupo (3° Autor)
CGCE
DIPST
DISEP
DICEP
DIAST
DIEEC
DIHPA
DIMEC
DISEP
DIEEC
SEGPR
YYY
CGCT
DIOTG
DIIAV
DIMNT
DIPTC
DISSM
YYY
CGIP
CORCR
COPDT
COMIT
COIDS
YYY
COGPI
DIPE1
DIPE2
DIPE3
DIPE4
SEPEC
SEGQP
YYY
CGGO
COADM
COEAM
COENE
COESU
COTIC
COPOA
COGRH
YYY
COGAB
SEREL
SECOM
YYY
AST
CAP
CMC
CMS
CSE
CST
GES
GESAST
GESATM
MET
PCP
SER
Afiliação (3° Autor)
e-Mail (3° Autor)
4° Autor
(*)
(?)
Grupo (4° Autor)
CGCE
DIPST
DISEP
DICEP
DIAST
DIEEC
DIHPA
DIMEC
DISEP
DIEEC
SEGPR
YYY
CGCT
DIOTG
DIIAV
DIMNT
DIPTC
DISSM
YYY
CGIP
CORCR
COPDT
COMIT
COIDS
YYY
COGPI
DIPE1
DIPE2
DIPE3
DIPE4
SEPEC
SEGQP
YYY
CGGO
COADM
COEAM
COENE
COESU
COTIC
COPOA
COGRH
YYY
COGAB
SEREL
SECOM
YYY
AST
CAP
CMC
CMS
CSE
CST
GES
GESAST
GESATM
MET
PCP
SER
Afiliação (4° Autor)
e-Mail (4° Autor)
5° Autor
(*)
(?)
Grupo (5° Autor)
CGCE
DIPST
DISEP
DICEP
DIAST
DIEEC
DIHPA
DIMEC
DISEP
DIEEC
SEGPR
YYY
CGCT
DIOTG
DIIAV
DIMNT
DIPTC
DISSM
YYY
CGIP
CORCR
COPDT
COMIT
COIDS
YYY
COGPI
DIPE1
DIPE2
DIPE3
DIPE4
SEPEC
SEGQP
YYY
CGGO
COADM
COEAM
COENE
COESU
COTIC
COPOA
COGRH
YYY
COGAB
SEREL
SECOM
YYY
AST
CAP
CMC
CMS
CSE
CST
GES
GESAST
GESATM
MET
PCP
SER
Afiliação (5° Autor)
e-Mail (5° Autor)
6° Autor
(*)
(?)
Grupo (6° Autor)
CGCE
DIPST
DISEP
DICEP
DIAST
DIEEC
DIHPA
DIMEC
DISEP
DIEEC
SEGPR
YYY
CGCT
DIOTG
DIIAV
DIMNT
DIPTC
DISSM
YYY
CGIP
CORCR
COPDT
COMIT
COIDS
YYY
COGPI
DIPE1
DIPE2
DIPE3
DIPE4
SEPEC
SEGQP
YYY
CGGO
COADM
COEAM
COENE
COESU
COTIC
COPOA
COGRH
YYY
COGAB
SEREL
SECOM
YYY
AST
CAP
CMC
CMS
CSE
CST
GES
GESAST
GESATM
MET
PCP
SER
Afiliação (6° Autor)
e-Mail (6° Autor)
7° Autor
(*)
(?)
Grupo (7° Autor)
CGCE
DIPST
DISEP
DICEP
DIAST
DIEEC
DIHPA
DIMEC
DISEP
DIEEC
SEGPR
YYY
CGCT
DIOTG
DIIAV
DIMNT
DIPTC
DISSM
YYY
CGIP
CORCR
COPDT
COMIT
COIDS
YYY
COGPI
DIPE1
DIPE2
DIPE3
DIPE4
SEPEC
SEGQP
YYY
CGGO
COADM
COEAM
COENE
COESU
COTIC
COPOA
COGRH
YYY
COGAB
SEREL
SECOM
YYY
AST
CAP
CMC
CMS
CSE
CST
GES
GESAST
GESATM
MET
PCP
SER
Afiliação (7° Autor)
e-Mail (7° Autor)
Páginas
(*)
Palavras-Chave
(*)
(?)
Resumo
(*)
(?)
Manchas de óleo naturais ou antrópicas induzem a atenuação da rugosidade da superfície do mar, sendo igualmente detectadas como alvos escuros por Radares de Abertura Sintética (SAR). No Golfo do México (GoM), onde seepage slicks e oil spills podem ocorrer simultaneamente, distinguir a origem das manchas de óleo (OMO) usando SAR é desafiador. Modelos preditivos para identificação da OMO no GoM foram desenvolvidos utilizando 26 atributos geométricos, extraídos de 6.279 manchas de óleo validadas. Os modelos GoM treinados e testados com algoritmos de Machine Learning alcançaram precisão máxima de 75%. De forma inédita, estes modelos foram aplicados para prever amostras desconhecidas na Margem Continental Brasileira utilizando Transfer Learning. Os resultados demonstraram a capacidade de generalização dos modelos GoM atingindo 87% de precisão empregando satélites semelhantes. Predições automáticas agregam confiança à análise dos intérpretes, minimizando riscos geológicos para geração e migração de óleo em novas fronteiras exploratórias offshore. ABSTRACT: Natural or anthropic oil slicks induce the sea surface roughness attenuation, being similarly detected as dark spots by Synthetic Aperture Radars (SAR). Thereby, in the Gulf of Mexico (GoM), where seepage slicks and oil spills can occur simultaneously, distinguishing the oil slick source (OSS) using SAR is challenging. A database with 26 geometric features, extracted for 6,279 validated oil slicks, was used to develop predictive models for OSS identification in the GoM. A Machine Learning processing chain was implemented to train and test the GoM models achieving maximum accuracy around 75%. These models were first-ever applied to predict unknown samples in the Brazilian Continental Margin employing Transfer Learning. Results demonstrated the generalization capacity of the GoM models, achieving 87 % of accuracy when using similar satellites. Automatic predictions add confidence to the interpreters analysis, minimizing inherent risks regarding oil generation and migration in new offshore exploratory frontiers.
Tema
(*)
Análise de séries temporais de imagens de satélite
Aquacultura
Áreas úmidas
Cartografia e fotogrametria
Classificação e mineração de dados
Degradação de florestas
Educação
Floresta e outros tipos de vegetação
Geologia
Geomorfologia
Geoprocessamento e aplicações
Hidrologia
LIDAR: sensores e aplicações
Meteorologia e climatologia
Modelagem espacial
Monitoramento e modelagem ambiental
Mudança de uso e cobertura da Terra
Mudanças climáticas
Oceanografia
Poluição
Processamento de imagens
Produção e previsão agrícola
Saúde
Sensoriamento remoto de águas interiores
Sensoriamento remoto de microondas
Sensoriamento remoto hiperespectral
Sistemas de coleta de dados e telemetria
Sistemas marinhos costeiros
Sistemas sensores: projeto, calibração e avaliação
Sistemas, gerenciamento e política de dados
Solos e umidade do solo
Urbanização
Uso e qualidade da água
VANTs, videografia e alta resolução
Serviços e Tecnologias Espaciais
Inteligência Artificial para Observação da Terra
Biodiversidade e Conservação
Mapeamento Colaborativo
Queimadas e Incêndios Florestais
Sustentabilidade e Meio Ambiente
Idioma
(*)
Português
Espanhol
Inglês
FileName
(?)
e-Mail (login)
simone
:: Powered by UR
Lib
Service ::