Detecção de structural breaks em séries temporais e seu uso na definição de medidas de estabilidade

• Processo: 16/26170-8
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de novembro de 2017
• Data de Término da vigência: 28 de fevereiro de 2019
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Ricardo da Silva Torres
• Beneficiário: Nathália Menini Cardoso dos Santos
• Instituição Sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Bolsa(s) vinculada(s): 18/06918-3 - Quantificando a resiliência da Amazônia através da detecção de structural breaks associados a eventos extremos climáticos, BE.EP.MS
• Assunto(s): Análise de séries temporais Análise espaço-temporal Aprendizagem profunda Aprendizado computacional Tomada de decisão
• Palavra(s)-Chave do Pesquisador: Clusterização | Deep Learning | Medidas de estabilidade | Séries Temporais | Structural Breaks | Machine Learning

Resumo

Estudar a dinâmica espaço-temporal do meio em que vivemos é de extrema importância para a tomada de decisões e elaboração de políticas públicas relacionadas às mudanças de cobertura vegetal e de usos da terra. Uma forma de estudar essa dinâmica é identificar características ecológicas das regiões do planeta, onde a interação do homem com a natureza é presente. No âmbito dessa questão, pretendemos analisar a dinâmica temporal da distribuição vegetal na região tropical da América do Sul avaliando, principalmente, a estabilidade temporal frente a perturbações naturais e antrópicas. Entender como o ambiente se comporta ao ser submetido a algum distúrbio possibilita compreender aspectos acerca de sua capacidade de recuperação. Para isso, abordaremos técnicas de sensoriamento remoto, análise de séries temporais, métodos de classificação, clusterização e detecção de structural breaks com o objetivo de construir um framework capaz de identificar de mensurar e mapear medidas de estabilidade associadas a um conjunto de perturbações. Além disso, pretendemos desenvolver parte do projeto na Universidade de Wageningen, na Holanda, sob a supervisão do Prof. Dr. Jan Verbesselt. (AU)

Publicações científicas

(5)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

ALBARRACIN, JUAN F. H.; OLIVEIRA, RAFAEL S.; HIROTA, MARINA; DOS SANTOS, JEFERSSON A.; TORRES, RICARDO DA S.. A Soft Computing Approach for Selecting and Combining Spectral Bands. REMOTE SENSING, v. 12, n. 14, JUL 2020. (15/02105-0, 14/50715-9, 13/50169-1, 16/08085-3, 14/12236-1, 17/12646-3, 16/26170-8, 13/50155-0, 18/06918-3)

MENINI, NATHALIA; ALMEIDA, ALEXANDRE E.; LAMPARELLI, RUBENS; LE MAIRE, GUERRIC; DOS SANTOS, JEFERSSON A.; PEDRINI, HELIO; HIROTA, MARINA; TORRES, RICARDO DA S.. A Soft Computing Framework for Image Classification Based on Recurrence Plots. IEEE Geoscience and Remote Sensing Letters, v. 16, n. 2, p. 320-324, FEB 2019. (14/50715-9, 16/26170-8, 18/06918-3, 13/50155-0, 14/12236-1, 15/02105-0, 17/12646-3, 13/50169-1)

NOGUEIRA, KEILLER; DOS SANTOS, JEFERSSON A.; MENINI, NATHALIA; SILVA, THIAGO S. F.; MORELLATO, LEONOR PATRICIA C.; TORRES, RICARDO DA S.. Spatio-Temporal Vegetation Pixel Classification by Using Convolutional Networks. IEEE Geoscience and Remote Sensing Letters, v. 16, n. 10, p. 1665-1669, OCT 2019. (16/26170-8, 13/50155-0, 09/54208-6, 13/50169-1, 18/06918-3)

ALMEIDA, ALEXANDRE E.; MENINI, NATHALIA; VERBESSELT, JAN; TORRES, RICARDO DA S.; IEEE. BFAST EXPLORER: AN EFFECTIVE TOOL FOR TIME SERIES ANALYSIS. IGARSS 2018 - 2018 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM, v. N/A, p. 4-pg., 2018-01-01. (13/50169-1, 13/50155-0, 14/12236-1, 15/02105-0, 15/24494-8, 14/50715-9, 16/26170-8, 16/08085-3)

MENINI, NATHALIA; ALMEIDA, ALEXANDRE E.; LAMPARELLI, RUBENS; LE MAIRE, GUERRIC; OLIVEIRA, RAFAEL S.; VERBESSELT, JAN; HIROTA, MARINA; TORRES, RICARDO DA S.. Tucuma A toolbox for spatiotemporal remote sensing image analysis. IEEE GEOSCIENCE AND REMOTE SENSING MAGAZINE, v. 7, n. 3, p. 13-pg., 2019-09-01. (13/50169-1, 13/50155-0, 14/12236-1, 15/02105-0, 17/12646-3, 18/06918-3, 14/50715-9, 16/26170-8, 16/08085-3)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

SANTOS, Nathália Menini Cardoso dos. Tools and study cases for the characterization of remote sensing time series. 2019. Dissertação de Mestrado - Universidade Estadual de Campinas (UNICAMP). Instituto de Computação Campinas, SP.