Busca avançada
Ano de início
Entree


From spatio-temporal data to chronological networks: An application to wildfire analysis

Texto completo
Autor(es):
Vega-Oliveros, Didier A. ; Cotacallapa, Moshe ; Ferreira, Leonardo N. ; Quiles, Marcos G. ; Zhao, Liang ; Macau, Elbert E. N. ; Cardoso, Manoel F. ; Assoc Comp Machinery
Número total de Autores: 8
Tipo de documento: Artigo Científico
Fonte: SAC '19: PROCEEDINGS OF THE 34TH ACM/SIGAPP SYMPOSIUM ON APPLIED COMPUTING; v. N/A, p. 8-pg., 2019-01-01.
Resumo

Network theory has established itself as an appropriate tool for complex systems analysis and pattern recognition. In the context of spatiotemporal data analysis, correlation networks are used in the vast majority of works. However, the Pearson correlation coefficient captures only linear relationships and does not correctly capture recurrent events. This missed information is essential for temporal pattern recognition. In this work, we propose a chronological network construction process that is capable of capturing various events. Similar to the previous methods, we divide the area of study into grid cells and represent them by nodes. In our approach, links are established if two consecutive events occur in two different nodes. Our method is computationally efficient, adaptable to different time windows and can be applied to any spatiotemporal data set. As a proof-of-concept, we evaluated the proposed approach by constructing chronological networks from the MODIS dataset for fire events in the Amazon basin. We explore two data analytic approaches: one static and another temporal. The results show some activity patterns on the fire events and a displacement phenomenon over the year. The validity of the analyses in this application indicates that our data modeling approach is very promising for spatio-temporal data mining. (AU)

Processo FAPESP: 18/24260-5 - Análise de dados espaço-temporais baseado em redes complexas
Beneficiário:Didier Augusto Vega Oliveros
Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Pós-Doutorado
Processo FAPESP: 18/01722-3 - Aprendizado semissupervisionado via redes complexas: construção de redes, seleção e propagação de rótulos e aplicações
Beneficiário:Lilian Berton
Modalidade de apoio: Auxílio à Pesquisa - Regular
Processo FAPESP: 15/50122-0 - Fenômenos dinâmicos em redes complexas: fundamentos e aplicações
Beneficiário:Elbert Einstein Nehrer Macau
Modalidade de apoio: Auxílio à Pesquisa - Temático
Processo FAPESP: 16/23698-1 - Processos Dinâmicos em Aprendizado de Máquina baseados em Redes Complexas
Beneficiário:Didier Augusto Vega Oliveros
Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
Processo FAPESP: 11/18496-7 - Aprendizado semi-supervisionado dinâmico e ativo baseado em redes complexas
Beneficiário:Marcos Gonçalves Quiles
Modalidade de apoio: Auxílio à Pesquisa - Jovens Pesquisadores
Processo FAPESP: 17/05831-9 - Análise da influência de índices climáticos sobre as queimadas em vegetação por meio de redes complexas e mineração de dados
Beneficiário:Leonardo Nascimento Ferreira
Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
Processo FAPESP: 16/16291-2 - Caracterização de redes dinâmicas: métodos e aplicações
Beneficiário:Marcos Gonçalves Quiles
Modalidade de apoio: Bolsas no Exterior - Pesquisa