Busca avançada
Ano de início
Entree

Gerenciamento de metadados de grandes volumes de dados de sensoriamento remoto

Processo: 17/24086-2
Modalidade de apoio:Auxílio à Pesquisa - Regular
Vigência: 01 de junho de 2018 - 31 de agosto de 2020
Área do conhecimento:Ciências Exatas e da Terra - Geociências
Pesquisador responsável:Thales Sehn Körting
Beneficiário:Thales Sehn Körting
Instituição Sede: Instituto Nacional de Pesquisas Espaciais (INPE). Ministério da Ciência, Tecnologia e Inovação (Brasil). São José dos Campos , SP, Brasil
Bolsa(s) vinculada(s):19/04869-8 - Gerenciamento de metadados de grandes volumes de dados de sensoriamento remoto, BP.TT
18/16221-0 - Gerenciamento de metadados de grandes volumes de dados de sensoriamento remoto, BP.TT
Assunto(s):Sensoriamento remoto  Big data  Mineração de dados 
Palavra(s)-Chave do Pesquisador:big data | CBIR - content based image retrieval | data mining | IIM - image information mining | Mineração de Dados | Sensoriamento Remoto | Mineração de dados para imagens de satélites

Resumo

Um dos serviços disponibilizados gratuitamente pelo INPE para a comunidade científica é o catálogo de imagens de sensoriamento remoto (também chamadas de imagens de satélite). Este catálogo contém um volume de aproximadamente 120 TB de dados (imagens em formato GeoTIFF), e está em constante crescimento, em virtude dos satélites capturarem novas imagens diariamente. Por exemplo, o satélite CBERS-2B, enquanto operacional, trabalhava com uma taxa de geração de dados de 120 megapixels por minuto. Selecionando a região de São Paulo, capital, uma consulta no catálogo de imagens do INPE apresenta um total de 640 imagens da mesma região, obtidas desde meados de 1980. Considerando que cada imagem possui aproximadamente 7000 linhas por 7000 colunas, e ocupa em disco (em média) um total de 50 MB, isto representa um total de 32 GB de dados com potencial para mapeamento da mesma região, desde 1980 até os dias atuais. Para exemplificar, isto equivale a 8 mil músicas em formato MP3 (cada uma com 3.5 MB em média) ou ainda a 40 mil documentos de texto de tamanho médio 800 KB. No entanto, este volume de dados nem sempre é aproveitado de maneira integral. Em geral, os pesquisadores realizam buscas nos catálogos de imagens de satélite para fazer o download de cenas de interesse. Os critérios utilizados para a busca, na maior parte dos casos, são baseados em localização da imagem e tipo de sensor. Nenhum catálogo de imagens de satélite inclui parâmetros de busca mais sofisticados, como nos mecanismos de busca de imagens da internet (exemplo http://images.google.com/), que incluem o conteúdo presente nas imagens. No caso de sensoriamento remoto, um exemplo de buscas seria: encontre imagens de satélite que contenham áreas de vegetação, rios ou lagos, e poucas nuvens. Ou ainda: encontre imagens de satélite da Amazônia com áreas de desmatamento maiores que áreas de floresta. Assim, este projeto visa produzir uma metodologia de geração de metadados para imagens de satélite baseada em conteúdo, por meio de operações básicas de processamento de imagens, aliadas a técnicas de mineração de dados e gerenciamento de grandes volumes de dados. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Mais itensMenos itens
Matéria(s) publicada(s) em Outras Mídias ( ):
Mais itensMenos itens
VEICULO: TITULO (DATA)
VEICULO: TITULO (DATA)

Publicações científicas (8)
(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)
SOARES, A. R.; KORTING, T. S.; FONSECA, L. M. G.; NEVES, A. K.; IEEE. AN UNSUPERVISED SEGMENTATION METHOD FOR REMOTE SENSING IMAGERY BASED ON CONDITIONAL RANDOM FIELDS. 2020 IEEE LATIN AMERICAN GRSS & ISPRS REMOTE SENSING CONFERENCE (LAGIRS), v. N/A, p. 5-pg., . (17/24086-2)
RODRIGUES, M. L.; KORTING, T. S.; DE QUEIROZ, G. R.; SALES, C. P.; DA SILVA, L. A. R.; IEEE. DETECTING CENTER PIVOTS IN MATOPIBA USING HOUGH TRANSFORM AND WEB TIME SERIES SERVICE. 2020 IEEE LATIN AMERICAN GRSS & ISPRS REMOTE SENSING CONFERENCE (LAGIRS), v. N/A, p. 6-pg., . (18/16221-0, 17/24086-2)
BENDINI, HUGO N.; FONSECA, LEILA M. G.; SOARES, ANDERSON R.; RUFIN, PHILIPPE; SCHWIEDER, MARCEL; RODRIGUES, MARCOS A.; MARETTO, RAIAN, V; KORTING, THALES S.; LEITAO, PEDRO J.; SANCHES, IEDA D. A.; et al. APPLYING A PHENOLOGICAL OBJECT-BASED IMAGE ANALYSIS (PHENOBIA) FOR AGRICULTURAL LAND CLASSIFICATION: A STUDY CASE IN THE BRAZILIAN CERRADO. IGARSS 2020 - 2020 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM, v. N/A, p. 4-pg., . (17/24086-2)
SOARES, ANDERSON R.; BENDINI, HUGO N.; VAZ, DAIANE V.; UEHARA, TATIANA D. T.; NEVES, ALANA K.; LECHLER, SARAH; KORTING, THALES S.; FONSECA, LEILA M. G.; IEEE. STMETRICS: A PYTHON PACKAGE FOR SATELLITE IMAGE TIME-SERIES FEATURE EXTRACTION. IGARSS 2020 - 2020 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM, v. N/A, p. 4-pg., . (17/24086-2)
MARETTO, RAIAN VARGAS; KORTING, THALES SEHN; GARCIA FONSECA, LEILA MARIA; IEEE. AN EXTENSIBLE AND EASY-TO-USE TOOLBOX FOR DEEP LEARNING BASED ANALYSIS OF REMOTE SENSING IMAGES. 2019 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM (IGARSS 2019), v. N/A, p. 4-pg., . (17/24086-2)
NEVES, ALANA KASAHARA; KORTING, THALES SEHN; NETO, CESARE DI GIROLAMO; SOARES, ANDERSON REIS; GARCIA FONSECA, LEILA MARIA; IEEE. HIERARCHICAL CLASSIFICATION OF BRAZILIAN SAVANNA PHYSIOGNOMIES USING VERY HIGH SPATIAL RESOLUTION IMAGE, SUPERPIXEL AND GEOBIA. 2019 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM (IGARSS 2019), v. N/A, p. 4-pg., . (17/24086-2)
TARDELLI UEHARA, TATIANA DIAS; SOARES, ANDERSON REIS; QUEVEDO, RENATA PACHECO; KORTING, THALES SEHN; GARCIA FONSECA, LEILA MARIA; ADAMI, MARCOS; IEEE. LAND COVER CLASSIFICATION OF AN AREA SUSCEPTIBLE TO LANDSLIDES USING RANDOM FOREST AND NDVI TIME SERIES DATA. IGARSS 2020 - 2020 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM, v. N/A, p. 4-pg., . (17/24086-2)
JESSIE SANTOS PLETSCH, MIKHAELA ALOISIA; KORTING, THALES SEHN; DE OLIVEIRA, WILLIAN VIEIRA; SANCHES, IEDA DEL'ARCO; FERNANDEZ, VICTOR VELAZQUEZ; GAMA, FABIO FURLAN; SOBRAL ESCADA, MARIA ISABEL; MISRA, S; GERVASI, O; MURGANTE, B; et al. Potential of Using Sentinel-1 Data to Distinguish Targets in Remote Sensing Images. COMPUTATIONAL SCIENCE AND ITS APPLICATIONS, ICCSA 2019, PT IV, v. 11622, p. 14-pg., . (17/24086-2)

Por favor, reporte erros na lista de publicações científicas utilizando este formulário.
X

Reporte um problema na página


Detalhes do problema: