|
|
Registros recuperados : 38 | |
1. | | LEWIS, S. L.; PHILLIPS, O. L.; BAKER, T. R.; LLOYD, J.; MALHI, Y.; ALMEIDA, S.; HIGUCHI, N.; LAURANCE, W. F.; NEILL, D. A.; SILVA, J. N. M.; TERBORGH, J.; LEZAMA, A. T.; VÁSQUEZ MARTÍNEZ, R.; BROWN, S.; CHAVE, J.; KUEBLER, C.; NÚÑEZ VARGAS, P.; VINCETI, B. Concerted changes in tropical forest structure and dynamics: evidence from 50 South American long-term plots. Philippine Transactions of Royal Society of London, B, v. 359, n. 1443, p. 421-436, 2004. Biblioteca(s): Embrapa Amazônia Oriental. |
| |
2. | | BAKER, T. R.; PHILLIPS, O. L.; MALHI, Y.; ALMEIDA, S.; ARROYO, L.; DI FIORE, A.; ERWIN, T.; HIGUCHI, N.; KILLEEN, T. J.; LAURENCE, S. G.; LAURENCE, W. F.; LEWIS, S. L.; MONTEAGUDO, A.; NEILL, D. A.; NÚNEZ VARGAS, P.; PITMAN, N. C. A.; SILVA, J. N. M.; VÁSQUEZ MARTÍNEZ, R. Increasing biomass in Amazonian forest plots. Philosophical Transactions of the Royal Society of London. B, v. 359, n. 1443, p. 353-365, Mar. 2004. il. Biblioteca(s): Embrapa Amazônia Oriental. |
| |
3. | | MALHI, Y.; WOOD, D.; BAKER, T. R.; WRIGHT, J.; PHILLIPS, O. L.; COCHRANE, T.; MEIR, P.; CHAVE, J.; ALMEIDA, S.; ARROYO, L.; HIGUCHI, N.; KILLEEN, T. J.; LAURANCE, S. G.; LEWIS, S. L.; MONTEAGUDO, A.; NEILL, D. A.; VARGAS, P. N.; PITMAN, N. C. A.; QUESADA, C. A.; SALOMÃO, R.; SILVA, J. N. M.; LEZAMA, A. T.; TERBORGH, J.; MARTÍNEZ, R. V.; VINCETI, B. The regional variation of aboveground live biomass in old-growth Amazonian forests. Global Change Biology, v. 12, n. 7, p. 1107-1138, July 2006. Biblioteca(s): Embrapa Amazônia Oriental. |
| |
4. | | ESPÍRITO-SANTO, F. D. B.; GLOOR, M.; KELLER, M.; MALHI, Y.; SAATCHI, S.; NELSON, B.; OLIVEIRA JUNIOR, R. C.; PEREIRA, C.; LLOYD, J.; FROLKING, S.; PALACE, M.; SHIMABUKURO, Y. E.; DUARTE, V.; MONTEAGUDO MENDOZA, A.; LÓPEZ-GONZÁLEZ, G.; BAKER, T. R.; FELDPAUSCH, T. R.; BRIENEN, R. J. W.; ASNER, G. P.; BOYD, D. S.; PHILLIPS, O. L. Size and frequency of natural forest disturbances and the Amazon forest carbon balance. Nature Communications, v. 5, art. n. 3434, 18 Mar. 2014. Biblioteca(s): Embrapa Amazônia Oriental; Embrapa Territorial. |
| |
5. | | ESPÍRITO-SANTO, F. D. B.; GLOOR, M.; KELLER, M.; MALHI, Y.; SAATCHI, S.; NELSON, B.; OLIVEIRA JUNIOR, R.; PEREIRA, C.; LLOYD, J.; FROLKING, S.; PALACE, M.; SHIMABUKURO, Y.; DUARTE, V.; MENDONZA, A.; LOPEZ-GONZALEZ, G.; BAKER, T. R.; FELDPAUSCH, T.; ASNER, G.; BOYD, D.; PHILLIPS, O. The spectrum of natural forest disturbances and the Amazon forest carbon balance. In: AGU FALL MEETING, 2014, San Francisco. [Proceedings]. [San Francisco]: AGU, 2014. Biblioteca(s): Embrapa Amazônia Oriental. |
| |
6. | | KATTGE, J.; DÍAZ, S.; LAVOREL, S.; PRENTICE, I. C.; LEADLEY, P.; BÖNISCH, G.; GARNIER, E.; WESTOBY, M.; REICH, P. B.; WRIGHT, I. J.; CORNELISSEN, J. H. C.; VIOLLE, C.; HARRISON, S. P.; VAN BODEGOM, P. M.; REICHSTEIN, M.; ENQUIST, B. J.; SOUDZILOVSKAIA, N. A.; ACKERLY, D. D.; ANAND, M.; ATKIN, O.; BAHN, M.; BAKER, T. R.; SOSINSKI JUNIOR, E. E. TRY - a global database of plant traits. Global Change Biology, v. 17, n. 9, p. 2905-2935, 2011. Biblioteca(s): Embrapa Clima Temperado. |
| |
7. | | BAKER, T. R.; PHILLIPS, O. L.; MALHI, Y.; ALMEIDA, S.; ARROYO, L.; DI FIORE, A.; ERWIN, T.; KILLEEN, T. J.; LAURANCE, S. G.; LAURANCE, W. F.; LEWIS, S. L.; LLOYD, J.; MONTEAGUDO, A.; NEILL, D. A.; PATIÑO, S.; PITMAN, N. C. A.; SILVA, J. N. M.; MARTÍNEZ, R. V. Variation in wood density determines spatial patterns in Amazonian forest biomass. Global Change Biology, v. 10, p. 545-562, 2004. il. Biblioteca(s): Embrapa Amazônia Oriental. |
| |
8. | | MALHI, Y.; BAKER, T. R.; PHILLIPS, O. L.; ALMEIDA, S.; ALVAREZ, E.; ARROYO, L.; CHAVE, J.; CZIMCZIK, C. I.; DI FIORE, A.; HIGUCHI, N.; KILLEEN, T. J.; LAURANCE, S. G.; LAURANCE, W. F.; LEWIS, S. L.; MONTOYA, L. M. M.; MONTEAGUDO, A.; NEILL, D. A.; VARGAS, P. N.; PATIÑO, S.; PITMAN, N. C. A.; QUESADA, C. A.; SALOMÃO, R.; SILVA, J. N. M.; LEZAMA, A. T.; MARTÍNEZ, R. V.; TERBORGH, J.; VINCETI, B.; LLOYD, J. The above-ground coarse wood productivity of 104 neotropical forest plots. Global Change Biology, v. 10, n. 5, p. 563-591, 2004. Biblioteca(s): Embrapa Amazônia Oriental. |
| |
9. | | NEVES, D. M.; DEXTER, K. G.; BAKER, T. R.; SOUZA, F. C. de; OLIVEIRA-FILHO, A. T.; QUEIROZ, L. P.; LIMA, H. C.; SIMON, M. F.; LEWIS, G. P.; SEGOVIA, R. A.; ARROYO, L.; REYNEL, C.; MARCELO-PEÑA, J. L.; HUAMANTUPA-CHUQUIMACO, I.; VILLARROEL, D.; PARADA, G. A.; DAZA, A.; LINARES-PALOMINO, R.; FERREIRA, L. V.; SALOMÃO, R. P.; SIQUEIRA, G. S.; NASCIMENTO, M. T.; FRAGA, C. N.; PENNINGTON, R. T. Evolutionary diversity in tropical tree communities peaks at intermediate precipitation. Scientific Reports, v. 10, n. 1, 1188, 2020. Biblioteca(s): Embrapa Recursos Genéticos e Biotecnologia. |
| |
10. | | LIMA, R. A. F. de; PHILLIPS, O. L.; DUQUE, A.; TELLO, J. S.; DAVIES, S. J.; OLIVEIRA, A. A. de; MULLER, S.; CORONADO, E. N. H.; VILANOVA, E.; CUNI-SANCHEZ, A.; BAKER, T. R.; RYAN, C. M.; MALIZIA, A.; LEWIS, S. L.; STEEGE, H. ter; FERREIRA, J. N.; MARIMON, B. S.; LUU, H. T.; IMANI, G.; ARROYO, L.; BLUNDO, C.; KENFACK, D.; SAINGE, M. N.; SONKÉ, B.; VÁDQUEZ, R. Making forest data fair and open. Nature Ecology & Evolution, v. 6, p. 656-658, 2022. Biblioteca(s): Embrapa Amazônia Oriental. |
| |
11. | | PHILLIPS, O. L.; BAKER, T. R.; ARROYO, L.; HIGUCHI, N.; KILLEEN, T. J.; LAURENCE, W. F.; LEWIS, S. L.; LLOYD, J.; MALHI, Y.; MONTEAGUDO, A.; NEILL, D. A.; VARGAS, P. N.; SILVA, J. N. M.; TERBORGH, J.; MARTÍNEZ, R. V.; ALEXIADES, M.; ALMEIDA, S.; BROWN, S.; CHAVES, J.; COMISKEY, J. A.; CZIMCZIK, C. I.; DI FIORE, A.; ERWIN, T.; KUEBLER, C.; LAURANCE, S. G.; NASCIMENTO, H. E. M.; OLIVIER, J.; PALACIOS, W.; PATIÑO, S.; PITMAN, N. C. A.; QUESADA, C. A.; SALDIAS, M.; LEZAMA, A. T.; VINCETI, B. Pattern and process in Amazon tree turnover, 1976-2001. Philippine Transactions of Royal Society of London. B, v. 359, n. 1443, p. 381-407, 2004. Biblioteca(s): Embrapa Amazônia Oriental. |
| |
12. | | MOONLIGHT, P. W.; BANDA-R, K.; PHILLIPS, O. L.; DEXTER, K. G.; PENNINGTON, R. T.; BAKER, T. R.; LIMA, H. C. de; FAJARDO, L.; GONZALEZ-M., R.; PALOMINO, R. L.; LLOYD, L.; NASCIMENTO, M.; PRADO, D.; QUINTANA, C.; RIINA, R.; RODRIGUEZ M. G. M.; VILLELA, D. M.; AQUINO, A. C. M. M.; ARROYO, L.; BEZERRA, C.; BRUNELLO, A. T.; BRIENEN, R. J. W.; CARDOSO, D.; CHAO, K.-J.; COUTINHO, I. A. C.; CUNHA, J.; DOMINGUES, T.; SANTO, M. M. do E.; FELDPAUSCH, T. R.; FERNANDES, M. F.; GOODWIN, Z. A.; JIMENEZ, E. M.; LEVESLEY, A.; TOLEDO, L. L.; MARIMON, B.; MIATTO, R. C.; MIZUSHIMA, M.; MONTEAGUDO, A.; MOURA, M. S. B. de; MURAKAMI, A.; NEVES, D.; CHEQUIN, R. N.; OLIVEIRA, T. C. de S.; OLIVEIRA, E. A. de; QUEIROZ, L. P. de; PILON, A.; RAMOS, D. M.; REYNEL, C.; RODRIGUES, P. M. S.; SANTOS, R.; SARKINEN, T.; SILVA, V. F. da; SOUZA, R. M. S.; VASQUEZ, R.; VEENENDAAL, E. Expanding tropical forest monitoring into dry forests: the DRYFLOR protocol for permanent plots. Plants People Planet, v. 3, n. 3, p. 295-300, 2021. Biblioteca(s): Embrapa Semiárido. |
| |
13. | | BAKER, T. R.; PENNINGTON, R. T.; MAGALLON, S.; GLOOR, E.; LAURANCE, W. F.; ALEXIADES, M.; ALVAREZ, E.; ARAUJO, A.; ARETS, E. J. M. M.; AYMARD, G.; OLIVEIRA, A. A. de; AMARAL, I.; ARROYO, L.; BONAL, D.; BRIENEN, R. J. W.; CHAVE, J.; DEXTER, K. G.; DI FIORE, A.; ELER, E.; FELDPAUSCH, T. R.; FERREIRA, L.; LOPEZ-GONZALEZ, G.; HEIJDEN, G. van der; HOGUCHI, N.; HONORIO, E.; HUAMANTUPA, I.; KILLEEN, T. J.; LAURANCE, S.; LEAÑO, C.; LEWIS, S. L.; MALHI, Y.; MARIMON, B. S.; MARIMON JUNIOR, B. H.; MONTEAGUDO MENDOZA, A.; NEILL, D.; PEÑUELA-MORA, M. C.; PITMAN, N.; PRIETO, A.; QUESADA, C. A.; RAMÍREZ, F.; RAMÍREZ ANGULO, H.; RUDAS, A.; RUSCHEL, A. R.; SALOMÃO, R. P.; ANDRADE, A. S. de; SILVA, J. N. M.; SILVEIRA, M.; SIMON, M. F.; SPIRONELLO, W.; STEEGE, H. ter; TERBORGH, J.; TOLEDO, M.; TORRES-LEZAMA, A.; VASQUEZ, R.; VIEIRA, I. C. G.; VILANOVA, E.; VOS, V. A.; PHILLIPS, O. L. Fast demographic traits promote high diversification rates of Amazonian trees. Ecology Letters, v. 17, n. 5, p. 527-536, May 2014. Biblioteca(s): Embrapa Amazônia Oriental. |
| |
14. | | BAKER, T. R.; PENNINGTON, R. T.; MAGALLON, S.; GLOOR, E.; LAURANCE, W. F.; ALEXIADES, M.; ALVAREZ, E.; ARAUJO, A.; ARETS, E. J. M. M.; AYMARD, G.; OLIVEIRA, A. A. de; AMARAL, I.; ARROYO, L.; BONAL, D.; BRIENEN, R. J. W.; CHAVE, J.; DEXTER, K. G.; FIORE, A. Di; ELER, E.; FELDPAUSCH, T. R.; FERREIRA, L.; LOPEZ-GONZALEZ, G.; HEIJDEN, G. van der; HOGUCHI, N.; HONORIO, E.; HUAMANTUPA, I.; KILLEEN, T. J.; LAURANCE, S.; LEAÑO, C.; LEWIS, S. L.; MALHI, Y.; MARIMON, B. S.; MARIMON JUNIOR, B. H.; MONTEAGUDO MENDOZA, A.; NEILL, D.; PEÑUELA-MORA, M. C.; PITMAN, N.; PRIETO, A.; QUESADA, C. A.; RAMÍREZ, F.; RAMÍREZ ANGULO, H.; RUDAS, A.; RUSCHEL, A. R.; SALOMÃO, R. P.; ANDRADE, A. S. de; SILVA, J. N. M.; SILVEIRA, M.; SIMON, M. F.; SPIRONELLO, W.; STEEGE, H. ter; TERBORGH, J.; TOLEDO, M.; TORRES-LEZAMA, A.; VASQUEZ, R.; VIEIRA, I. C. G.; VILANOVA, E.; VOS, V. A.; PHILLIPS, O. L. Fast demographic traits promote high diversification rates of Amazonian trees. Ecology Letters, v. 17, n. 5, p. 527-536, May 2014. Biblioteca(s): Embrapa Recursos Genéticos e Biotecnologia. |
| |
15. | | TAVARES, J. V.; OLIVEIRA, R. S.; MENCUCCINI, M.; SIGNORI-MÜLLER , C.; PEREIRA, L.; DINIZ, F. C.; GILPIN, M.; ZEVALLOS, M. J. M.; SALAS YUPAYCCANA, C. A.; ACOSTA, M.; PÉREZ MULLISACA, F. M.; BARROS, F. de V.; BITTENCOURT, P.; JANCOSKI, H.; SCALON, M. C.; MARIMON, B. S.; MENOR, I. O.; MARIMON JUNIOR, B. H.; FANCOURT, M.; CHAMBERS-OSTLER, A.; ESQUIVEL-MUELBERT, A.; ROWLAND, L.; MEIR, P.; COSTA, A. C. L. da; NINA, A.; SANCHEZ, J. M. B.; TINTAYA, J. S.; CHINO, R. S. C.; BACA, J.; FERNANDES, L.; CUMAPA, E. R. M.; SANTOS, J. A. R.; TEIXEIRA, R.; TELLO, L.; UGARTECHE, M. T. M.; CUELLAR, G. A.; MARTINEZ, F.; ARAUJO-MURAKAMI, A.; ALMEIDA, E.; CRUZ, W. J. A. da; PASQUEL, J. del A.; ARAGÃO, L.; BAKER, T. R.; CAMARGO, P. B. de; BRIENEN, R.; CASTRO, W.; RIBEIRO, S. C.; SOUZA, F. C. de; COSIO, E. G.; CARDOZO, N. D.; SILVA, R. da C.; DISNEY, M.; ESPEJO, J. S.; FELDPAUSCH, T. R.; FERREIRA, L.; GIACOMIN, L.; HIGUCHI, N.; HIROTA, M.; HONORIO, E.; HUASCO, W. H.; LEWIS, S.; FLORES LLAMPAZO, G.; MALHI, Y.; MONTEAGUDO MENDOZA, A.; MORANDI, P.; MOSCOSO, V. C.; MUSCARELLA, R.; PENHA, D.; ROCHA, M. C.; RODRIGUES, G.; RUSCHEL, A. R.; SALINAS, N.; SCHLICKMANN, M.; SILVEIRA, M.; TALBOT, J.; VÁSQUEZ, R.; VEDOVATO, L.; VIEIRA, S. A.; PHILLIPS, O. L.; GLOOR, E.; GALBRAITH, D. R. Basin-wide variation in tree hydraulic safety margins predicts the carbon balance of Amazon forests. Nature, v. 617, p. 111-117, 2023. Biblioteca(s): Embrapa Amazônia Oriental. |
| |
16. | | BRIENEN, R. J. W.; PHILLIPS, O. L.; FELDPAUSCH, T. R.; GLOOR, E.; BAKER, T. R.; LLOYD, J.; LOPEZ-GONZALEZ, G.; MONTEAGUDO, A.; MALHI, Y.; LEWIS, L. S.; VÁSQUEZ MARTINEZ, R.; ALEXIADES, M.; ALVAREZ DAVILA, E.; ALVAREZ-LOAYZA, P.; ANDRADE, A.; ARAGAO, L. E. O. C.; ARAUJO-MURAKAMI, A.; ARETS, E. J. M. M.; ARROYO, L.; AYMARD, G.; BANKI, O.; BARALOTO, C.; BARROSO, J.; BONAL, D.; BOOT, R. G. A.; CAMARGO, J. L. C.; CASTILHO, C. V. de; CHAMA, V.; CHAO, K. J.; CHAVE, J.; COMISKEY, J. A.; CORNEJO VALVERDE, F.; COSTA, L. da; OLIVEIRA, E. de; DI FIORE, A.; ERWIN, T.; FAUSET, S.; FORSTHOFER, M.; GALBRAITH, D.; GROOT, N.; HÉRAULT, B.; HIGUCHI, N.; HONORIO CORONADO, E. N.; KEELING, H.; KILLEEN, T. J.; LAURANCE, W. F.; LAURANCE, S. G. W.; LICONA, J.; MAGNUSSEN, W. E.; MARIMON, B. S.; MARIMON JUNIOR, B. H.; MENDOZA, C.; NEILL, D.; NOGUEIRA, E. M.; NUNEZ, P.; PALLQUI CAMACHO, N. C.; PARADA, A.; PARDO-MOLINA, G.; PEACOCK, J.; PEÑA-CLAROS, M.; PICKAVANCE, G. C.; PITMAN, N.; POORTER, L.; PRIETO, A.; QUESADA, C. A.; RAMIREZ, F.; RAMIREZ-ANGULO, H.; RESTREPO, Z.; ROOPSIND, A.; RUDAS, A.; SALOMÃO, R.; SCHWARZ, M.; SILVA, N.; SILVA-ESPEJO, J. E.; SILVEIRA, M.; STROPP, J.; TALBOT, J.; TER STEEGE, H.; TERAN-AGUILAR, J.; TERBORGH, J.; THOMAS-CAESAR, R.; TOLEDO, M.; TORELLO-RAVENTOS, M.; UMETSU, R. K.; VAN DER HEIJDEN, G. M. F.; VAN DER HOUT, P.; GUIMARÃES VIEIRA, I. C.; VIEIRA, S. A.; VILANOVA, E.; VOS, V. A.; ZAGT, R. J. Long-term decline of the Amazon carbon sink. Nature, v. 519, n.7543, p. 344-348, 2015. Biblioteca(s): Embrapa Roraima. |
| |
17. | | WAGNER, F. H.; HÉRAULT, B.; BONAL, D.; STAHL, C.; ANDERSON, L. O.; BAKER, T. R.; BECKER, G. S.; BEECKMAN, H.; SOUZA, D. B.; BOTOSSO, P. C.; BOWMAN, D. M. J. S.; BRÄUNING, A.; BREDE, B.; BROWN, F. I.; CAMARERO, J. J.; CAMARGO, P. B.; CARDOSO, F. C. G.; CARVALHO, F. A.; CASTRO, W.; CHAGAS, R. K.; CHAVE, J.; CHIDUMAYO, E. N.; CLARK, D. A.; COSTA, F. R. C.; COURALET, C.; MAURICIO, P. H. da S.; DALITZ, H.; CASTRO, V. R. de; MILANI, J. E. de F.; OLIVEIRA, E. C. de; ARRUDA, L. de S.; DEVINEAU, JEAN-LOUIS; DREW, D. M.; DÜNISCH, O.; DURIGAN, G.; ELIFURAHA, E.; FEDELE, F.; FEDELE, L. F.; FIGUEIREDO FILHO, A.; FINGER, C. A. G.; FRANCO, A. C.; FREITAS JÚNIOR, J. L.; GALVÃO, F.; GEBREKIRSTOS, A.; GLINIARS, R.; GRAÇA, P. M. L. de A.; GRIFFITHS, A. D.; GROGAN, J.; GUAN, K.; HOMEIER, J.; KANIESKI, M. R.; KHO, L. K.; KOENIG, J.; KREPKOWSKI, J.; LEMOS-FILHO, J. P.; LIEBERMAN, D.; LIEBERMAN, M. E.; LISI, C. S.; SANTOS, T. L.; LÓPEZ AYALA, J. L.; MAEDA, E. E.; MALHI, Y.; MARIA, V. R. B.; MARQUES, M. C. M.; MARQUES, R.; CHAMBA, H. M.; MBWAMBO, L.; MELGAÇO, K. L. L.; MENDIVELSO, H. A.; MURPHY, B. P.; O’BRIEN, J. J.; OBERBAUER, S. F.; OKADA, N.; PÉLISSIER, R.; PRIOR, L. D.; ROIG, F. A.; ROSS, M.; ROSSATTO, D. R.; ROSSI, V.; ROWLAND, L.; RUTISHAUSER, E.; SANTANA, H.; SCHULZE, M.; SELHORST, D.; SILVA, W. R.; SILVEIRA, M.; SPANNL, S.; SWAINE, M. D.; TOLEDO, J. J.; TOLEDO, M. M.; TOLEDO, M.; TOMA. T.; TOMAZELLO FILHO, M.; VALDEZ HERNÁNDEZ, J. I.; VERBESSELT, J.; VIEIRA, S. A.; VINCENT, G.; CASTILHO, C. V. de; VOLLAND, F.; WORBES, M.; ZANON, M. L. B.; ARAGÃO, L. E. O. C. Climate seasonality limits leaf carbon assimilation and wood productivity in tropical forests. Biogeosciences, v. 13, n. 8, p. 2537-2562, Apr. 2016. Biblioteca(s): Embrapa Cocais; Embrapa Florestas; Embrapa Roraima. |
| |
18. | | STEEGE, H. ter; PITMAN, N. C. A.; SABATIER, D.; BARALOTO, C.; SALOMÃO, R. P.; GUEVARA, J. E.; PHILLIPS, O. L.; CASTILHO, C. V.; MAGNUSSON, W. E.; MOLINO, J.-F.; MONTEAGUDO, A.; VARGAS, P. N.; MONTERO, J. C.; FELDPAUSCH, T. R.; CORONADO, E. N. H.; KILLEEN, T. J.; MOSTACEDO, B.; VASQUEZ, R.; ASSIS, R. L.; TERBORGH, J.; WITTMANN, F.; ANDRADE, A.; LAURANCE, W. F.; LAURANCE, S. G. W.; MARIMON, B. S.; MARIMON JUNIOR, B.-H.; VIEIRA, I. C. G.; AMARAL, I. L.; BRIENEN, R.; CASTELLANOS, H.; CÁRDENAS LÓPEZ, D.; DUIVENVOORDEN, J. F.; MOGOLLÓN, H. F.; MATOS, F. D. de A.; DÁVILA, N.; GARCÍA-VILLACORTA, R.; DIAZ, P. R. S.; COSTA, F.; EMILIO, T.; LEVIS, C.; SCHIETTI, J.; SOUZA, P.; ALONSO, A.; DALLMEIER, F.; MONTOYA, A. J. D.; PIEDADE, M. T. F.; ARAUJO-MURAKAMI, A.; ARROYO, L.; GRIBEL, R.; FINE, P. V. A.; PERES, C. A.; TOLEDO, M.; AYMARD C., G. A.; BAKER, T. R.; CERÓN, C.; ENGEL, J.; HENKEL, T. W.; MAAS, P.; PETRONELLI, P.; STROPP, J.; ZARTMAN, C. E.; DALY, D.; NEILL, D.; SILVEIRA, M.; PAREDES, M. R.; CHAVE, J.; LIMA FILHO, D. de A.; JORGENSEN, P. M.; FUENTES, A.; SCHÖNGART, J.; VALVERDE, F. C.; DI FIORE, A.; JIMENEZ, E. M.; PEÑUELA MORA, M. C.; PHILLIPS, J. F.; RIVAS, G.; ANDEL, T. R. van; HILDEBRAND, P. von; HOFFMAN, B.; ZENT, E. L.; MALHI, Y.; PRIETO, A.; RUDAS, A.; RUSCHEL, A. R.; SILVA, N.; VOS, V.; ZENT, S.; OLIVEIRA, A. A.; SCHUTZ, A. C.; GONZALES, T.; NASCIMENTO, M. T.; RAMIREZ-ANGULO, H.; SIERRA, R.; TIRADO, M.; MEDINA, M. N. U.; HEIJDEN, G. van der; VELA, C. I. A.; TORRE, E. V.; VRIESENDORP, C.; WANG, O.; YOUNG, K. R.; BAIDER, C.; BALSLEV, H.; FERREIRA, C.; MESONES, I.; TORRES-LEZAMA, A.; GIRALDO, L. E. U.; ZAGT, R.; ALEXIADES, M. N.; HERNANDEZ, L.; HUAMANTUPA-CHUQUIMACO, I.; MILLIKEN, W.; CUENCA, W. P.; PAULETTO, D.; SANDOVAL, E. V.; GAMARRA, L. V.; DEXTER, K. G.; FEELEY, K.; LOPEZ-GONZALEZ, G.; SILMAN, M. R. Hyperdominance in the Amazonian tree flora. Science, v. 342, n. 6156, Oct. 2013. Biblioteca(s): Embrapa Amazônia Oriental. |
| |
19. | | STEEGE, H. T.; PITMAN, N. C. A.; SABATIER, D.; BARALOTO, C.; SALOMÃO, R. P.; GUEVARA, J. E.; PHILLIPS, O. L.; CASTILHO, C. V.; MAGNUSSON, W. E.; MOLINO, J.-F.; MONTEAGUDO, A.; VARGAS, P. N.; MONTERO, J. C.; FELDPAUSCH, T. R.; CORONADO, E. N. H.; KILLEEN, T. J.; MOSTACEDO, B.; VASQUEZ, R.; ASSIS, R. L.; TERBORGH, J.; WITTMANN, F.; ANDRADE, A.; LAURANCE, W. F.; LAURANCE, S. G. W.; MARIMON, B. S.; MARIMON JUNIOR, B.-H.; VIEIRA, I. C. G.; AMARAL, I. L.; BRIENEN, R.; CASTELLANOS, H.; CÁRDENAS LÓPEZ, D.; DUIVENVOORDEN, J. F.; MOGOLLÓN, H. F.; MATOS, F. D. de A.; DÁVILA, N.; GARCÍA-VILLACORTA, R.; DIAZ, P. R. S.; COSTA, F.; EMILIO, T.; LEVIS, C.; SCHIETTI, J.; SOUZA, P.; ALONSO, A.; DALLMEIER, F.; MONTOYA, A. J. D.; PIEDADE, M. T. F.; ARAUJO-MURAKAMI, A.; ARROYO, L.; GRIBEL, R.; FINE, P. V. A.; PERES, C. A.; TOLEDO, M.; AYMARD C. G. A.; BAKER, T. R.; CERÓN, C.; ENGEL, J.; HENKEL, T. W.; MAAS, P.; PETRONELLI, P.; STROPP, J.; ZARTMAN, C. E.; DALY, D.; NEILL, D.; SILVEIRA, M.; PAREDES, M. R.; CHAVE, J.; LIMA FILHO, D. de A.; JORGENSEN, P. M.; FUENTES, A.; SCHÖNGART, J.; VALVERDE, F. C.; DI FIORE, A.; JIMENEZ, E. M.; PEÑUELA MORA, M. C.; PHILLIPS, J. F.; RIVAS, G.; ANDEL, T. R. van; HILDEBRAND, P. von; HOFFMAN, B.; ZENT, E. L.; MALHI, Y.; PRIETO, A.; RUDAS, A.; RUSCHEL, A. R.; SILVA, N.; VOS, V.; ZENT, S.; OLIVEIRA, A. A.; SCHUTZ, A. C.; GONZALES, T.; NASCIMENTO, M. T.; RAMIREZ-ANGULO, H.; SIERRA, R.; TIRADO, M.; MEDINA, M. N. U.; HEIJDEN, G. van der; VELA, C. I. A.; TORRE, E. V.; VRIESENDORP, C.; WANG, O.; YOUNG, K. R.; BAIDER, C.; BALSLEV, H.; FERREIRA, C.; MESONES, I.; TORRES-LEZAMA, A.; GIRALDO, L. E. U.; ZAGT, R.; ALEXIADES, M. N.; HERNANDEZ, L.; HUAMANTUPA-CHUQUIMACO, I.; MILLIKEN, W.; CUENCA, W. P.; PAULETTO, D.; SANDOVAL, E. V.; GAMARRA, L. V.; DEXTER, K. G.; FEELEY, K.; LOPEZ-GONZALEZ, G.; SILMAN, M. R. Hyperdominance in the Amazonian tree flora. Science, v. 342, n. 6156, Oct. 2013. Biblioteca(s): Embrapa Roraima. |
| |
20. | | STEEGE, H. ter; PITMAN, N. C. A.; KILEEN, T. J.; LAURANCE, W. F.; PERES, C. A.; GUEVARA, J. E.; SALOMÃO, R. P.; CASTILHO, C. V.; AMARAL, I. L.; MATOS, F. D. de A.; COELHO, L. de S.; MAGNUSSON, W. E.; PHILIPS, O. L.; LIMA FILHO, D. de A.; CARIM, M. de J. V.; IRUME, M. V.; MARTINS, M. P.; MOLINO, J.-F.; SABATIER, D.; WITTMANN, F.; CÁRDENAS LÓPEZ, D.; GUIMARÃES, J. R. da S.; MONTEAGUDO MENDOZA, A.; NÚÑEZ VARGAS, P.; MANZATTO, A. G.; REIS, N. F. C.; TERBORGH, J.; CASULA, K. R.; MONTERO, J. C.; FELDPAUSCH, T. R.; CORONADO, E. N. H.; MONTOYA, A. J. D.; ZARTMAN, C. E.; MOSTACEDO, B.; VASQUEZ, R.; ASSIS, R. L.; MEDEIROS, M. B.; SIMON, M. F.; ANDRADE, A.; CAMARGO, J. L.; LAURANCE, S. G. W.; NASCIMENTO, H. E. M.; MARIMON, B. S.; MARIMON JUNIOR, B.-H.; COSTA, F.; TARGHETTA, N.; VIEIRA, I. C. G.; BRIENEN, R.; CASTELLANOS, H.; DUIVENVOORDEN, J. F.; MOGOLLÓN, H. F.; PIEDADE, M. T. F.; AYMARD C. G. A.; COMISKEY, J. A.; DAMASCO, G.; DÁVILA, N.; GARCÍA-VILLACORTA, R.; DIAZ, P. R. S.; VINCENTINI, A.; EMILIO, T.; LEVIS, C.; SCHIETTI, J.; SOUZA, P.; ALONSO, A.; DALLMEIER, F.; FERREIRA, L. V.; NEILL, D.; ARAUJO-MURAKAMI, A.; ARROYO, L.; CARVALHO, F. A.; SOUZA, F. C.; AMARAL, D. D. do; GRIBEL, R.; LUIZE, B. G.; PANSONATO, M. P.; VENTICINQUE, E.; FINE, P.; TOLEDO, M.; BARALOTO, C.; CERÓN, C.; ENGEL, J.; HENKEL, T. W.; JIMENEZ, E. M.; MAAS, P.; PEÑUELA MORA, M. C.; PETRONELLI, P.; REVILLA, J. D. C.; SILVEIRA, M.; STROPP, J.; THOMAS-CAESAR, R.; BAKER, T. R.; DALY, D.; PAREDES, M. R.; SILVA, N. F. da; FUENTES, A.; JORGENSEN, P. M.; SCHÖNGART, J.; SILMAN, M. R.; CASTAÑO ARBOLEDA, N.; CINTRA, B. B. L.; VALVERDE, F. C.; DI FIORE, A.; PHILLIPS, J. F.; ANDEL, T. R. van; HILDEBRAND, P. von; BARBOSA, E. M.; BONATES, L. C. de M.; CASTRO, D. de; FARIAS, E. de S.; GONZALES, T.; GUILLAUMET, J.-L.; HOFFMAN, B.; MALHI, Y.; MIRANDA, I. P. de A.; PRIETO, A.; RUDAS, A.; RUSCHEL, A. R.; SILVA, N.; VELA, C. I. A.; VOS, V. A.; ZENT, E. L.; ZENT, S.; CANO, A.; NASCIMENTO, M. T.; OLIVEIRA, A. A.; RAMIREZ-ANGULO, H.; RAMOS, J. F.; SIERRA, R.; TIRADO, M.; UMAÑA MEDINA, M. N.; HEIJDEN, G. van der; TORRE, E. V.; VRIESENDORP, C.; WANG, O.; YOUNG, K. R.; BAIDER, C.; BALSLEV, H.; CASTRO, N. de; FARFAN-RIOS, W.; FERREIRA, C.; MENDOZA, C.; MESONES, I.; TORRES-LEZAMA, A.; GIRALDO, L. E. U.; VILLARROEL, D.; ZAGT, R.; ALEXIADES, M. N.; GARCIA-CABRERA, K.; HERNANDEZ, L.; HUAMANTUPA-CHUQUIMACO, I.; MILLIKEN, W.; CUENCA, W. P.; PANSINI, S.; PAULETTO, D.; AREVALO, F. R.; SAMPAIO, A. F.; SANDOVAL, E. H. V.; GAMARRA, L. V. Estimating the global conservation status of more than 15,000 Amazonian tree species. Science Advances, v. 1, n. 10, e1500936, Nov. 2015. Biblioteca(s): Embrapa Amazônia Oriental; Embrapa Recursos Genéticos e Biotecnologia; Embrapa Roraima. |
| |
Registros recuperados : 38 | |
|
|
| Acesso ao texto completo restrito à biblioteca da Embrapa Territorial. Para informações adicionais entre em contato com cnpm.biblioteca@embrapa.br. |
Registro Completo
Biblioteca(s): |
Embrapa Territorial. |
Data corrente: |
14/08/2020 |
Data da última atualização: |
17/08/2020 |
Tipo da produção científica: |
Artigo em Periódico Indexado |
Circulação/Nível: |
A - 1 |
Autoria: |
MARTINS, V. S.; KALEITA, A. L.; GELDER, B. K.; SILVEIRA, H. L. F. da; ABE, C. A. |
Afiliação: |
VITOR S. MARTINS, IOWA STATE UNIVERSITY; AMY L. KALEITA, IOWA STATE UNIVERSITY; BRIAN K. GELDER, IOWA STATE UNIVERSITY; HILTON LUIS FERRAZ DA SILVEIRA, CNPM; CAMILA A. ABE, UNIVERSITY OF WISCONSIN-MADISON. |
Título: |
Exploring multiscale object-based convolutional neural network (multi-OCNN) for remote sensing image classification at high spatial resolution. |
Ano de publicação: |
2020 |
Fonte/Imprenta: |
ISPRS Journal of Photogrammetry and Remote Sensing, v. 168, p. 56-73, oct. 2020. |
ISBN: |
0924-2716 |
DOI: |
https://doi.org/10.1016/j.isprsjprs.2020.08.004 |
Idioma: |
Inglês |
Conteúdo: |
Convolutional Neural Network (CNN) has been increasingly used for land cover mapping of remotely sensed imagery. However, large-area classification using traditional CNN is computationally expensive and produces coarse maps using a sliding window approach. To address this problem, object-based CNN (OCNN) becomes an alternative solution to improve classification performance. However, previous studies were mainly focused on urban areas or small scenes, and implementation of OCNN method is still needed for large-area classification over heterogeneous landscape. Additionally, the massive labeling of segmented objects requires a practical approach for less computation, including object analysis and multiple CNNs. This study presents a new multiscale OCNN (multi-OCNN) framework for large-scale land cover classification at 1-m resolution over 145,740 km2. Our approach consists of three main steps: (i) image segmentation, (ii) object analysis with skeleton-based algorithm, and (iii) application of multiple CNNs for final classification. Also, we developed a large benchmark dataset, called IowaNet, with 1 million labeled images and 10 classes. In our approach, multiscale CNNs were trained to capture the best contextual information during the semantic labeling of objects. Meanwhile, skeletonization algorithm provided morphological representation (?medial axis?) of objects to support the selection of convolutional locations for CNN predictions. In general, proposed multi-OCNN presented better classification accuracy (overall accuracy ~87.2%) compared to traditional patch-based CNN (81.6%) and fixed-input OCNN (82%). In addition, the results showed that this framework is 8.1 and 111.5 times faster than traditional pixel-wise CNN16 or CNN256, respectively. Multiple CNNs and object analysis have proved to be essential for accurate and fast classification. While multi-OCNN produced a high-level of spatial details in the land cover product, misclassification was observed for some classes, such as road versus buildings or shadow versus lake. Despite these minor drawbacks, our results also demonstrated the benefits of IowaNet training dataset in the model performance; overfitting process reduces as the number of samples increases. The limitations of multi-OCNN are partially explained by segmentation quality and limited number of spectral bands in the aerial data. With the advance of deep learning methods, this study supports the claim of multi-OCNN benefits for operational large-scale land cover product at 1-m resolution. MenosConvolutional Neural Network (CNN) has been increasingly used for land cover mapping of remotely sensed imagery. However, large-area classification using traditional CNN is computationally expensive and produces coarse maps using a sliding window approach. To address this problem, object-based CNN (OCNN) becomes an alternative solution to improve classification performance. However, previous studies were mainly focused on urban areas or small scenes, and implementation of OCNN method is still needed for large-area classification over heterogeneous landscape. Additionally, the massive labeling of segmented objects requires a practical approach for less computation, including object analysis and multiple CNNs. This study presents a new multiscale OCNN (multi-OCNN) framework for large-scale land cover classification at 1-m resolution over 145,740 km2. Our approach consists of three main steps: (i) image segmentation, (ii) object analysis with skeleton-based algorithm, and (iii) application of multiple CNNs for final classification. Also, we developed a large benchmark dataset, called IowaNet, with 1 million labeled images and 10 classes. In our approach, multiscale CNNs were trained to capture the best contextual information during the semantic labeling of objects. Meanwhile, skeletonization algorithm provided morphological representation (?medial axis?) of objects to support the selection of convolutional locations for CNN predictions. In general, proposed multi-OCNN presented... Mostrar Tudo |
Palavras-Chave: |
Aerial imagery; Convolutional neural network; Deep learning. |
Thesaurus NAL: |
Land cover. |
Categoria do assunto: |
-- |
Marc: |
LEADER 03374naa a2200241 a 4500 001 2124365 005 2020-08-17 008 2020 bl uuuu u00u1 u #d 022 $a0924-2716 024 7 $ahttps://doi.org/10.1016/j.isprsjprs.2020.08.004$2DOI 100 1 $aMARTINS, V. S. 245 $aExploring multiscale object-based convolutional neural network (multi-OCNN) for remote sensing image classification at high spatial resolution.$h[electronic resource] 260 $c2020 520 $aConvolutional Neural Network (CNN) has been increasingly used for land cover mapping of remotely sensed imagery. However, large-area classification using traditional CNN is computationally expensive and produces coarse maps using a sliding window approach. To address this problem, object-based CNN (OCNN) becomes an alternative solution to improve classification performance. However, previous studies were mainly focused on urban areas or small scenes, and implementation of OCNN method is still needed for large-area classification over heterogeneous landscape. Additionally, the massive labeling of segmented objects requires a practical approach for less computation, including object analysis and multiple CNNs. This study presents a new multiscale OCNN (multi-OCNN) framework for large-scale land cover classification at 1-m resolution over 145,740 km2. Our approach consists of three main steps: (i) image segmentation, (ii) object analysis with skeleton-based algorithm, and (iii) application of multiple CNNs for final classification. Also, we developed a large benchmark dataset, called IowaNet, with 1 million labeled images and 10 classes. In our approach, multiscale CNNs were trained to capture the best contextual information during the semantic labeling of objects. Meanwhile, skeletonization algorithm provided morphological representation (?medial axis?) of objects to support the selection of convolutional locations for CNN predictions. In general, proposed multi-OCNN presented better classification accuracy (overall accuracy ~87.2%) compared to traditional patch-based CNN (81.6%) and fixed-input OCNN (82%). In addition, the results showed that this framework is 8.1 and 111.5 times faster than traditional pixel-wise CNN16 or CNN256, respectively. Multiple CNNs and object analysis have proved to be essential for accurate and fast classification. While multi-OCNN produced a high-level of spatial details in the land cover product, misclassification was observed for some classes, such as road versus buildings or shadow versus lake. Despite these minor drawbacks, our results also demonstrated the benefits of IowaNet training dataset in the model performance; overfitting process reduces as the number of samples increases. The limitations of multi-OCNN are partially explained by segmentation quality and limited number of spectral bands in the aerial data. With the advance of deep learning methods, this study supports the claim of multi-OCNN benefits for operational large-scale land cover product at 1-m resolution. 650 $aLand cover 653 $aAerial imagery 653 $aConvolutional neural network 653 $aDeep learning 700 1 $aKALEITA, A. L. 700 1 $aGELDER, B. K. 700 1 $aSILVEIRA, H. L. F. da 700 1 $aABE, C. A. 773 $tISPRS Journal of Photogrammetry and Remote Sensing$gv. 168, p. 56-73, oct. 2020.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Territorial (CNPM) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|