• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Mémoire de Maîtrise
DOI
https://doi.org/10.11606/D.45.2021.tde-21012022-234852
Document
Auteur
Nom complet
Vinicius Soares Martins Alves
Adresse Mail
Unité de l'USP
Domain de Connaissance
Date de Soutenance
Editeur
São Paulo, 2021
Directeur
Jury
Chiann, Chang (Président)
Sáfadi, Thelma
Taddeo, Marcelo Magalhães
Titre en portugais
Interpolação de dados faltantes em séries de imagens de satélite
Mots-clés en portugais
Dados espaço-temporais
Estatística espacial
Krigagem
Modelos hierárquicos
Sensoriamento remoto
Séries temporais
Resumé en portugais
O objetivo deste trabalho é comparar modelos de predição para a interpolação de dados faltantes em conjuntos de dados espaço-temporais dispostos em grade, comumente oferecidos através de sistemas de sensoriamento remoto. O método de Krigagem Universal, usual para essa aplicação, é computacionalmente intenso e seu uso pode ser inviável num contexto em que o volume de dados é maior. Uma classe de modelos mistos chamada Krigagem de Posto Fixo (FRK) visa reduzir a complexidade computacional desse procedimento e é comparada com modelos espaço-temporais hierárquicos que se beneficiam da relação entre a função de covariância de Matérn e a solução de equações diferencias parciais estocásticas. Simulações apontam melhores resultados para os métodos de maior complexidade computacional, mas a redução no tempo de execução é substancial para os novos modelos, com desempenho satisfatório sobretudo para os modelos hierárquicos. Por fim, para ilustração, os novos modelos são aplicados para um conjunto de dados obtidos de um satélite equipado com sensores de temperatura de superfície para uma área da Região Metropolitana de São Paulo.
Titre en anglais
Interpolation of missing data on satellite image series
Mots-clés en anglais
Hierarchical models
Kriging
Remote sensing
Spatial statistics
Spatio-temporal data
Time series
Resumé en anglais
The objective of this work is to compare predictive models for the interpolation of missing values in spatio-temporal data sets arranged in a grid, commonly available through remote sensing systems. The Universal Kriging method, usual for this application, is computationally intensive and its usage may be unfeasible in a context where the volume of data is large. A class of mixed models called Fixed Rank Kriging aims to reduce the computational complexity of this procedure and these models are compared with hierarchical spatio-temporal models that benefit from the relationship between the Matérn covariance function and the solution of stochastic partial differential equations. Simulations show better results for the methods with greater computational complexity, but the improvement in execution time is substantial for the new methods, with adequate results especially using the hierarchical models. Finally, for illustration, the new models are applied to a data set obtained from a satellite equipped with surface temperature sensors for an area in the Metropolitan Region of São Paulo.
 
AVERTISSEMENT - Regarde ce document est soumise à votre acceptation des conditions d'utilisation suivantes:
Ce document est uniquement à des fins privées pour la recherche et l'enseignement. Reproduction à des fins commerciales est interdite. Cette droits couvrent l'ensemble des données sur ce document ainsi que son contenu. Toute utilisation ou de copie de ce document, en totalité ou en partie, doit inclure le nom de l'auteur.
dissertacao.pdf (13.85 Mbytes)
Date de Publication
2022-01-24
 
AVERTISSEMENT: Apprenez ce que sont des œvres dérivées cliquant ici.
Tous droits de la thèse/dissertation appartiennent aux auteurs
CeTI-SC/STI
Bibliothèque Numérique de Thèses et Mémoires de l'USP. Copyright © 2001-2022. Tous droits réservés.