Quantificando a resiliência da Amazônia através da detecção de structural breaks associados a eventos extremos climáticos

• Processo: 18/06918-3
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Mestrado
• Vigência (Início): 01 de setembro de 2018
• Vigência (Término): 30 de novembro de 2018
• Área do 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
• Supervisor: Milena Holmgren
• Instituição Sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Local de pesquisa: Wageningen University, Holanda
• Vinculado à bolsa: 16/26170-8 - Detecção de structural breaks em séries temporais e seu uso na definição de medidas de estabilidade, BP.MS
• Assunto(s): Sensoriamento remoto Análise de séries temporais Resiliência psicológica Resiliência Eventos climáticos extremos
• Palavra(s)-Chave do Pesquisador: eventos extremos | resiliência | Sensoriamento Remoto | Séries Temporais | Séries temporais

Resumo

A detecção e caracterização de mudanças temporais são de suma importância no processo de entender como mecanismos complexos funcionam e evoluem. Especialmente no contexto de mudanças na distribuição da vegetação, é essencial entender o impacto e a resposta a mudanças nas condições e nos regimes de perturbação. Nesse contexto, é importante entender como os biomas tropicais respondem a eventos climáticos extremos - tal como as secas - e identificar possíveis interações mecânicas que impulsionem essas respostas. Assim, durante este estágio de pesquisa, propomos usar dados de satélite para agregar regiões de imagens de sensoriamento remoto em grupos similares de acordo com sua distribuição de vegetação e padrões climáticos. Os conjuntos de séries temporais e padrões climáticos serão utilizados em conjunto com structural breaks abruptos e suaves detectados em séries temporais de vegetação (detectados através do uso do algoritmo Breaks for Additive Season e Trend) para quantificar e explicar a resistência e recuperação na bacia amazônica em relação a eventos extremos climáticos.

Publicações científicas

(4)

(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)

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)