O pacote sits é um software de código aberto para análise, visualização e classificação de dados de séries temporais de imagens de satélite.
O pacote sits foi projetado para trabalhar com grandes conjuntos de dados de imagens de satélite e para suportar totalmente todas as etapas do fluxo de trabalho de classificação de uso e cobertura da terra, incluindo, mas não limitado a: seleção de amostras, agrupamento de séries temporais, treinamento e validação de modelos de aprendizado de máquina, classificação e pós-processamento de mapas.
SITS – Satellite Image Time Series
O sits reúne um conjunto de ferramentas para análise e classificação de séries temporais, tais como agrupamento baseado em mapas auto-organizáveis, filtragem e visualização de dados. Além disso, fornece os mais avançados algoritmos de aprendizagem de máquinas para gerar mapas de uso e cobertura da terra com base em séries temporais de imagens de satélite. Alguns dos métodos de aprendizado de máquina disponíveis no sits são: Máquina de Vetores de Suporte (SVM), Florestas Aleatórias (RF), Extreme Gradient Boosting, Perceptrons 1D totalmente conectados em várias camadas, Redes Neurais Convolucionais 1D, e a versão 1D do método ResNet.
Publicações associadas
by Rolf Simoes 1 , Gilberto Camara 1, Gilberto Queiroz 1, Felipe Souza 1, Pedro R. Andrade 1, Lorena Santos 1, Alexandre Carvalho 2 and Karine Ferreira 1 1National Institute for Space Research (INPE), Avenida dos Astronautas, 1758, Jardim da Granja, Sao Jose dos Campos, SP 12227-010, Brazil 2National Institute for Applied Economics Research, SBS, Quadra 1 Bloco J, Brasília, DF 70076-900, Brazil Remote Sens. 2021, 13(13), …
Continue lendo “Satellite Image Time Series Analysis for Big Earth Observation Data”
by Lorena Alves Santos 1,*,Karine Ferreira 1,Michelle Picoli 1,Gilberto Camara 1, and Rolf E. O. Simoes¹ 1Earth Observation and Geoinformatics Division, National Institute for Space Research (INPE), Avenida dos Astronautas, 1758, Jardim da Granja, Sao Jose dos Campos, SP 12227-010, Brazil DOI: https://doi.org/10.1016/j.isprsjprs.2021.04.014 Publisher: ScienceDirect | Published: 15 May 2021 Abstract The extensive amount of Earth observation satellite images available brings opportunities …
Continue lendo “Quality control and class noise reduction of satellite image time series”