admin, Autor em Brazil Data Cube

January 13, 2020December 22, 2021

Impacts of Public and Private Sector Policies on Soybean and Pasture Expansion in Mato Grosso—Brazil from 2001 to 2017

by Michelle C. A. Picoli 1, Ana Rorato 1, Pedro Leitão 2,3, Gilberto Camara 1,4, Adeline Maciel 1, Patrick Hostert 3,5 and Ieda Del’Arco Sanches 1 1National Institute for Space Research (INPE), São José dos Campos 12227-010, Brazil 2Department Landscape Ecology and Environmental Systems Analysis, Technisches Universität Braunschweig, 38106 Braunschweig, Germany 3Geography Department, Humboldt-Universität zu Berlin, 12489 Berlin, Germany 4Group on Earth Observations (GEO), …

Continue reading “Impacts of Public and Private Sector Policies on Soybean and Pasture Expansion in Mato Grosso—Brazil from 2001 to 2017”

November 13, 2019April 16, 2024

GGSOM: Ferramenta de visualização baseada em mapas auto-organizaveis

by Felipe Carvalho de Souza¹, Rafael Duarte Coelho dos Santos¹, Karine Reis Ferreira¹ 1 – Instituto Nacional de Pesquisas Espaciais (INPE) Sao José dos Campos – SP – Brazil ISSN: 2179-4847 Publisher: XX GEOINFO | Published: 13 November 2019. Abstract Analysis of multidimensional and time series data is useful and pertinent to several different applications, being a challenge …

Continue reading “GGSOM: Ferramenta de visualização baseada em mapas auto-organizaveis”

November 13, 2019April 16, 2024

Analise de ferramentas para processamento de grandes volumes de dados espaço-temporais

by Fabiana Zioti¹, Giberto Ribeiro de Queiroz¹, Karine Reis Ferreira¹ 1- Instituto Nacional de Pesquisas Espaciais (INPE) Caixa Postal 515 – Av. dos Astronautas, 1758, Jardim da Granja – SP – Brasil ISSN: 2179-4847 Publisher: XX GEOINFO | 13 November 2019. Abstract Dados espaciais desempenham um papel crucial em estudos socioambientais para definições de políticas e praticas …

Continue reading “Analise de ferramentas para processamento de grandes volumes de dados espaço-temporais”

November 13, 2019April 16, 2024

Land Cover Classifications of Clear-cut DeforestationUsing Deep Learning

by Alber Sanchez¹, Michelle Picoli²,Pedro R. Andrade¹, Rolf Simões², Lorena Santos², Michel Chaves³, Rodrigo Begotti², Gilberto Camara² 1 – Centro de Ciência do Sistema Terrestre – Instituto Nacional de Pesquisas Espaciais(INPE) Av. dos Astronautas, 1758 – 12.227-010 – São José dos Campos – SP – Brazil2 – Divisão de Processamento de Imagens – Instituto Nacional …

Continue reading “Land Cover Classifications of Clear-cut DeforestationUsing Deep Learning”

September 20, 2019July 18, 2023

Brazil Data Cube team presents work at WORCAP/2019

Entre os dias 17, 18 e 19 de setembro de 2019, os alunos do Pós-Graduação de Computação Aplicada do INPE, puderam interagir e discutir as pesquisas em desenvolvimento durante o Workshop de Computação Aplicada do INPE (WORCAP/2019). A equipe do Brazil Data Cube foi representada por doutorandos e mestrandos, que apresentaram trabalhos relacionados ao projeto. …

Continue reading “Brazil Data Cube team presents work at WORCAP/2019”

September 16, 2019July 18, 2023

Brazil Data Cube team participates in MungeoGEO Connect Plus in São Paulo.

No dia 06 de novembro de 2019 foi realizado o 1º Fórum de Observação da Terra no evento DroneShow & MundoGEO Connect PLUS em São Paulo. O encontro teve como objetivo criar um ambiente de impacto positivo para apresentar projetos e ideias relacionados à área de monitoramento ambiental no território brasileiro utilizando Geotecnologias. No painel …

Continue reading “Brazil Data Cube team participates in MungeoGEO Connect Plus in São Paulo.”

September 16, 2019July 18, 2023

Minicourse SITS – R package for Satellite Image Time Series

No dia 13 de setembro de 2019 foi realizado o minicurso do SITS, no INPE. O minicurso foi ministrado pelo doutorando da CAP, Rolf Simões, para a equipe do Brazil Data Cube Project e interessados, no Auditório do OBT/SEREII. O pacote SITS (Satellite Image Time Series) inclui recuperação de dados de um WTSS (serviço de …

Continue reading “Minicourse SITS – R package for Satellite Image Time Series”