[ABE-L] Seminários em Estatística e Ciência de Dados - Departamento de Estatística da UFBA

[Paulo Henrique Ferreira da Silva]

Prezad*s Redistas, 

Apenas relembrando do seminário de hoje às 15h00 (informações abaixo). 

Atenciosamente, 

Paulo H. Ferreira 
Professor Adjunto 
Departamento de Estatística 
Instituto de Matemática e Estatística 
Universidade Federal da Bahia 
CV: http://lattes.cnpq.br/8538524597034643 

----- Mensagem original -----

De: "Paulo Henrique Ferreira da Silva" <paulohenri em ufba.br> 
Para: abe-l em ime.usp.br 
Enviadas: Quinta-feira, 22 de abril de 2021 18:34:12 
Assunto: Seminários em Estatística e Ciência de Dados - Departamento de Estatística da UFBA 

Prezados Colegas, 





Na próxima quarta-feira, dia 28 de abril, às 15h00 , vamos dar continuidade aos Seminários em Estatística e Ciência de Dados da Universidade Federal da Bahia. 




Este seminário será ministrado pelo Professor Fábio Mariano Bayer . O Fábio tem doutorado em Estatística (2011) pela Universidade Federal de Pernambuco (UFPE) e graduação em Matemática (2006) pela Universidade Federal de Santa Maria (UFSM). É professor do Departamento de Estatística da UFSM e pesquisador do Laboratório de Ciências Espaciais de Santa Maria (LACESM/CRS/INPE). No biênio 2017-2019 foi membro do Comitê de Assessoramento da área de Ciências Exatas da FAPERGS, em 2019 foi Pesquisador Visitante junto ao Telecommunications and Remote Sensing Laboratory, Pavia, Itália, e atualmente é Topical Associate Editor da área de statistical signal processing da IEEE Transactions on Geoscience and Remote Sensing. Possui interesses em métodos estatísticos computacionais, onde suas principais áreas de interesse e atividade são: ciência de dados, inferência clássica, modelos de regressão, modelos dinâmicos e processamento estatístico de sinais. 




Os detalhes do seminários são os seguintes: 




==================================================== 

Title : A 3-D Spatiotemporal Model for Remote Sensing Data Cubes 




Abstract : 

Satellite images from the same scene observed over time can be composed in an image stack, which could be modeled as a 3-D cube. To handle this type of remote sensing data, on the one side, unidimensional dynamical models have been considered, modeling each pixel separately along the time (pixel-based approach), and exploring the temporal correlation. On the other side, 2-D approaches have been considered to process each image at one date, exploring the spatial correlation. In this article, we propose a new 3-D autoregressive (AR) (3-D-AR) model useful for multitemporal image interpretation exploring the correlation in three dimensions altogether. The 3-D-AR model is statistically defined, and a robust parameter estimation method is discussed. The tools for filtering, forecasting, and detecting anomalies are also introduced. A Monte Carlo simulation study is performed to evaluate the finite signal length performance of the robust estimation and its sensitivity to outliers. The proposed model is applied to a multitemporal normalized difference vegetation index (NDVI) image stack for filtering, prediction, and anomaly detection purposes. The numerical results show the importance of the proposed 3-D-AR model for spatiotemporal remote sensing data interpretation. 




This is a joint work with Débora M. Bayer and Paolo Gamba recently published in IEEE Transactions on Geoscience and Remote Sensing ( https://ieeexplore.ieee.org/document/9112636 ) 




Data : 15h00 do dia 28 de abril de 2021 



Transmissão ao vivo online em : meet.google.com/xhp-dgzn-ehp 




==================================================== 




Partilhem com os vossos colegas! 




São todos bem vindos! 




Um abraço, 

Paulo Canas Rodrigues 

Paulo Henrique Ferreira 
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://lists.ime.usp.br/pipermail/abe/attachments/20210428/9441ef13/attachment-0001.htm>