Algoritmo paralelo para processamento de séries temporais de sensoriamento remoto com aplicação na classificação do uso e cobertura do solo
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFG |
Texto Completo: | http://repositorio.bc.ufg.br/tede/handle/tede/11297 |
Resumo: | The increase in satellite launches into Earth's orbit in recent years has generated a huge amount of remote sensing data. These data are used in automated classification approaches, generating land-use and landcover products for different landscapes around the world. Dynamic Time Warping (DTW) is a well-known computational method used to measure the similarity between time series, it has been explored in several algorithms for remote sensing time series analysis. These DTW-based algorithms are capable of generating similarity measures between the series and pre-established patterns, these measures can be used as metafeatures to increase the performance of classification models. However, DTW-based algorithms require a lot of computational resources and have a high execution time, which makes them difficult to use in large volumes of data. Attempting to avoid this limitation, this article presents a parallel and fully scalable solution to optimize the construction of meta-features through remote sensing time series. In addition, results of the application of the meta-features generated in the training and evaluation of classification models based on Random Forest are presented, allowing the evaluation of the impact of the use of metafeatures in the automated classification of land-use and land-cover. The results show that both approaches have led to improvements in execution time and accuracy when compared to traditional strategies and models. |
id |
UFG-2_e549bda0c3e8ccd9fa6d22f0834897a5 |
---|---|
oai_identifier_str |
oai:repositorio.bc.ufg.br:tede/11297 |
network_acronym_str |
UFG-2 |
network_name_str |
Repositório Institucional da UFG |
repository_id_str |
|
spelling |
Martins, Wellington Santoshttp://lattes.cnpq.br/3041686206689904Oliveira, Sávio Salvarino Teles dehttp://lattes.cnpq.br/1905829499839846Laureano, Gustavo TeodoroMartins, Wellington SantosFerreira Júnior, Laerte GuimarãesOliveira, Sávio Salvarino Teles dehttp://lattes.cnpq.br/4016606288813913Paiva, Roberto de Urzêda2021-04-28T12:35:13Z2021-04-28T12:35:13Z2021-03-31PAIVA, R. U. Algoritmo paralelo para processamento de séries temporais de sensoriamento remoto com aplicação na classificação do uso e cobertura do solo. 2021. 66 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Goiás, Goiânia, 2021.http://repositorio.bc.ufg.br/tede/handle/tede/11297The increase in satellite launches into Earth's orbit in recent years has generated a huge amount of remote sensing data. These data are used in automated classification approaches, generating land-use and landcover products for different landscapes around the world. Dynamic Time Warping (DTW) is a well-known computational method used to measure the similarity between time series, it has been explored in several algorithms for remote sensing time series analysis. These DTW-based algorithms are capable of generating similarity measures between the series and pre-established patterns, these measures can be used as metafeatures to increase the performance of classification models. However, DTW-based algorithms require a lot of computational resources and have a high execution time, which makes them difficult to use in large volumes of data. Attempting to avoid this limitation, this article presents a parallel and fully scalable solution to optimize the construction of meta-features through remote sensing time series. In addition, results of the application of the meta-features generated in the training and evaluation of classification models based on Random Forest are presented, allowing the evaluation of the impact of the use of metafeatures in the automated classification of land-use and land-cover. The results show that both approaches have led to improvements in execution time and accuracy when compared to traditional strategies and models.Nos últimos anos, o volume de dados de observação da Terra aumentou significativamente devido ao grande número de satélites orbitando o planeta. Esses dados são utilizados em abordagens de classificação automatizada, gerando produtos de uso e cobertura do solo para diferentes paisagens ao redor do mundo. O Dynamic Time Warping (DTW) é um método clássico utilizado para medir a similaridade entre duas séries temporais. Nesse contexto, algoritmos baseados no DTW se tornaram uma abordagem eficiente para lidar com séries temporais de sensoriamento remoto (STSR). Estes algoritmos podem ser usados para gerar meta-características (i.e., novas características derivadas dos dados originais) para incrementar o desempenho de modelos de classificação. No entanto, algoritmos baseados no DTW possuem complexidade quadrática, fazendo com que o tempo de execução e a utilização de recursos computacionais sejam muito elevados, o que dificulta sua utilização em grandes volumes de dados. Buscando contornar essa limitação, este trabalho apresenta uma solução paralela e totalmente escalável para otimizar a construção de meta-características através de STSR. Além disto, são apresentados resultados da aplicação das meta-características geradas no treinamento e avaliação de modelos de classificação baseados no Random Forest, permitindo a avaliação do impacto da utilização de meta-características na classificação automatizada do uso e cobertura do solo. Nossos resultados mostram que ambas as abordagens levaram à melhoria no tempo de execução e acurácia quando comparadas a estratégias e modelos tradicionais.Submitted by Luciana Ferreira (lucgeral@gmail.com) on 2021-04-27T13:37:20Z No. of bitstreams: 2 license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) Dissertação - Roberto de Urzêda Paiva - 2021.pdf: 4738768 bytes, checksum: 6fbf69ca9b597c5bb842444ca482a43f (MD5)Approved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2021-04-28T12:35:13Z (GMT) No. of bitstreams: 2 license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) Dissertação - Roberto de Urzêda Paiva - 2021.pdf: 4738768 bytes, checksum: 6fbf69ca9b597c5bb842444ca482a43f (MD5)Made available in DSpace on 2021-04-28T12:35:13Z (GMT). No. of bitstreams: 2 license_rdf: 805 bytes, checksum: 4460e5956bc1d1639be9ae6146a50347 (MD5) Dissertação - Roberto de Urzêda Paiva - 2021.pdf: 4738768 bytes, checksum: 6fbf69ca9b597c5bb842444ca482a43f (MD5) Previous issue date: 2021-03-31porUniversidade Federal de GoiásPrograma de Pós-graduação em Ciência da Computação (INF)UFGBrasilInstituto de Informática - INF (RG)Attribution-NonCommercial-NoDerivatives 4.0 Internationalhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessDTWTWDTWRapid-DTWMeta-característicasProgramação paralelaGPUSéries temporaisSensoriamento remotoClassificaçãoUso e cobertura do soloDTWTWDTWRapid-DTWMeta-featuresParallel programmingGPUTime seriesRemote sensingClassificationLand-use and land-coverCIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOAlgoritmo paralelo para processamento de séries temporais de sensoriamento remoto com aplicação na classificação do uso e cobertura do soloParallel algorithm for remote sensing time series processing with application in land-use and land-cover classificationinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis1950050050026184reponame:Repositório Institucional da UFGinstname:Universidade Federal de Goiás (UFG)instacron:UFGLICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://repositorio.bc.ufg.br/tede/bitstreams/741df76f-e81f-41af-88eb-e0ace59aba96/download8a4605be74aa9ea9d79846c1fba20a33MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8805http://repositorio.bc.ufg.br/tede/bitstreams/63259c73-11ca-4ef6-a266-d0cdd7c0190d/download4460e5956bc1d1639be9ae6146a50347MD52ORIGINALDissertação - Roberto de Urzêda Paiva - 2021.pdfDissertação - Roberto de Urzêda Paiva - 2021.pdfapplication/pdf4738768http://repositorio.bc.ufg.br/tede/bitstreams/ade59548-ba5e-420f-b366-03cbb89fb12f/download6fbf69ca9b597c5bb842444ca482a43fMD53tede/112972021-04-28 09:35:14.197http://creativecommons.org/licenses/by-nc-nd/4.0/Attribution-NonCommercial-NoDerivatives 4.0 Internationalopen.accessoai:repositorio.bc.ufg.br:tede/11297http://repositorio.bc.ufg.br/tedeRepositório InstitucionalPUBhttp://repositorio.bc.ufg.br/oai/requesttasesdissertacoes.bc@ufg.bropendoar:2021-04-28T12:35:14Repositório Institucional da UFG - Universidade Federal de Goiás (UFG)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 |
dc.title.pt_BR.fl_str_mv |
Algoritmo paralelo para processamento de séries temporais de sensoriamento remoto com aplicação na classificação do uso e cobertura do solo |
dc.title.alternative.eng.fl_str_mv |
Parallel algorithm for remote sensing time series processing with application in land-use and land-cover classification |
title |
Algoritmo paralelo para processamento de séries temporais de sensoriamento remoto com aplicação na classificação do uso e cobertura do solo |
spellingShingle |
Algoritmo paralelo para processamento de séries temporais de sensoriamento remoto com aplicação na classificação do uso e cobertura do solo Paiva, Roberto de Urzêda DTW TWDTW Rapid-DTW Meta-características Programação paralela GPU Séries temporais Sensoriamento remoto Classificação Uso e cobertura do solo DTW TWDTW Rapid-DTW Meta-features Parallel programming GPU Time series Remote sensing Classification Land-use and land-cover CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
title_short |
Algoritmo paralelo para processamento de séries temporais de sensoriamento remoto com aplicação na classificação do uso e cobertura do solo |
title_full |
Algoritmo paralelo para processamento de séries temporais de sensoriamento remoto com aplicação na classificação do uso e cobertura do solo |
title_fullStr |
Algoritmo paralelo para processamento de séries temporais de sensoriamento remoto com aplicação na classificação do uso e cobertura do solo |
title_full_unstemmed |
Algoritmo paralelo para processamento de séries temporais de sensoriamento remoto com aplicação na classificação do uso e cobertura do solo |
title_sort |
Algoritmo paralelo para processamento de séries temporais de sensoriamento remoto com aplicação na classificação do uso e cobertura do solo |
author |
Paiva, Roberto de Urzêda |
author_facet |
Paiva, Roberto de Urzêda |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Martins, Wellington Santos |
dc.contributor.advisor1Lattes.fl_str_mv |
http://lattes.cnpq.br/3041686206689904 |
dc.contributor.advisor-co1.fl_str_mv |
Oliveira, Sávio Salvarino Teles de |
dc.contributor.advisor-co1Lattes.fl_str_mv |
http://lattes.cnpq.br/1905829499839846 |
dc.contributor.referee1.fl_str_mv |
Laureano, Gustavo Teodoro |
dc.contributor.referee2.fl_str_mv |
Martins, Wellington Santos |
dc.contributor.referee3.fl_str_mv |
Ferreira Júnior, Laerte Guimarães |
dc.contributor.referee4.fl_str_mv |
Oliveira, Sávio Salvarino Teles de |
dc.contributor.authorLattes.fl_str_mv |
http://lattes.cnpq.br/4016606288813913 |
dc.contributor.author.fl_str_mv |
Paiva, Roberto de Urzêda |
contributor_str_mv |
Martins, Wellington Santos Oliveira, Sávio Salvarino Teles de Laureano, Gustavo Teodoro Martins, Wellington Santos Ferreira Júnior, Laerte Guimarães Oliveira, Sávio Salvarino Teles de |
dc.subject.por.fl_str_mv |
DTW TWDTW Rapid-DTW Meta-características Programação paralela GPU Séries temporais Sensoriamento remoto Classificação Uso e cobertura do solo |
topic |
DTW TWDTW Rapid-DTW Meta-características Programação paralela GPU Séries temporais Sensoriamento remoto Classificação Uso e cobertura do solo DTW TWDTW Rapid-DTW Meta-features Parallel programming GPU Time series Remote sensing Classification Land-use and land-cover CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
dc.subject.eng.fl_str_mv |
DTW TWDTW Rapid-DTW Meta-features Parallel programming GPU Time series Remote sensing Classification Land-use and land-cover |
dc.subject.cnpq.fl_str_mv |
CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
description |
The increase in satellite launches into Earth's orbit in recent years has generated a huge amount of remote sensing data. These data are used in automated classification approaches, generating land-use and landcover products for different landscapes around the world. Dynamic Time Warping (DTW) is a well-known computational method used to measure the similarity between time series, it has been explored in several algorithms for remote sensing time series analysis. These DTW-based algorithms are capable of generating similarity measures between the series and pre-established patterns, these measures can be used as metafeatures to increase the performance of classification models. However, DTW-based algorithms require a lot of computational resources and have a high execution time, which makes them difficult to use in large volumes of data. Attempting to avoid this limitation, this article presents a parallel and fully scalable solution to optimize the construction of meta-features through remote sensing time series. In addition, results of the application of the meta-features generated in the training and evaluation of classification models based on Random Forest are presented, allowing the evaluation of the impact of the use of metafeatures in the automated classification of land-use and land-cover. The results show that both approaches have led to improvements in execution time and accuracy when compared to traditional strategies and models. |
publishDate |
2021 |
dc.date.accessioned.fl_str_mv |
2021-04-28T12:35:13Z |
dc.date.available.fl_str_mv |
2021-04-28T12:35:13Z |
dc.date.issued.fl_str_mv |
2021-03-31 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
PAIVA, R. U. Algoritmo paralelo para processamento de séries temporais de sensoriamento remoto com aplicação na classificação do uso e cobertura do solo. 2021. 66 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Goiás, Goiânia, 2021. |
dc.identifier.uri.fl_str_mv |
http://repositorio.bc.ufg.br/tede/handle/tede/11297 |
identifier_str_mv |
PAIVA, R. U. Algoritmo paralelo para processamento de séries temporais de sensoriamento remoto com aplicação na classificação do uso e cobertura do solo. 2021. 66 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Goiás, Goiânia, 2021. |
url |
http://repositorio.bc.ufg.br/tede/handle/tede/11297 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.program.fl_str_mv |
19 |
dc.relation.confidence.fl_str_mv |
500 500 500 |
dc.relation.department.fl_str_mv |
26 |
dc.relation.cnpq.fl_str_mv |
184 |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivatives 4.0 International http://creativecommons.org/licenses/by-nc-nd/4.0/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivatives 4.0 International http://creativecommons.org/licenses/by-nc-nd/4.0/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Goiás |
dc.publisher.program.fl_str_mv |
Programa de Pós-graduação em Ciência da Computação (INF) |
dc.publisher.initials.fl_str_mv |
UFG |
dc.publisher.country.fl_str_mv |
Brasil |
dc.publisher.department.fl_str_mv |
Instituto de Informática - INF (RG) |
publisher.none.fl_str_mv |
Universidade Federal de Goiás |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFG instname:Universidade Federal de Goiás (UFG) instacron:UFG |
instname_str |
Universidade Federal de Goiás (UFG) |
instacron_str |
UFG |
institution |
UFG |
reponame_str |
Repositório Institucional da UFG |
collection |
Repositório Institucional da UFG |
bitstream.url.fl_str_mv |
http://repositorio.bc.ufg.br/tede/bitstreams/741df76f-e81f-41af-88eb-e0ace59aba96/download http://repositorio.bc.ufg.br/tede/bitstreams/63259c73-11ca-4ef6-a266-d0cdd7c0190d/download http://repositorio.bc.ufg.br/tede/bitstreams/ade59548-ba5e-420f-b366-03cbb89fb12f/download |
bitstream.checksum.fl_str_mv |
8a4605be74aa9ea9d79846c1fba20a33 4460e5956bc1d1639be9ae6146a50347 6fbf69ca9b597c5bb842444ca482a43f |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFG - Universidade Federal de Goiás (UFG) |
repository.mail.fl_str_mv |
tasesdissertacoes.bc@ufg.br |
_version_ |
1798044300801474560 |