@InProceedings{NascimentoBaueCalhRizz:2023:EsTrLí,
               author = "Nascimento, Aline Andrade do and Bauer, Lucas de Oliveira and 
                         Calheiros, Alan James Peixoto and Rizzo, Luciana V.",
          affiliation = "{Instituto Nacional de Pesquisas Espaciais (INPE)} and {Instituto 
                         Nacional de Pesquisas Espaciais (INPE)} and {Instituto Nacional de 
                         Pesquisas Espaciais (INPE)} and {Universidade de S{\~a}o Paulo 
                         (USP)}",
                title = "Estimativa da troca l{\'{\i}}quida de carbono a partir dos 
                         produtos MODIS e dados meteorol{\'o}gicos aplicados a modelos de 
                         aprendizado de m{\'a}quina",
            booktitle = "Anais...",
                 year = "2023",
               editor = "Vinhas, Lubia (INPE) and Feitosa, Flavia F. (UFABC)",
         organization = "Simp{\'o}sio Brasileiro de Geoinform{\'a}tica, 24. (GEOINFO)",
            publisher = "Instituto Nacional de Pesquisas Espaciais (INPE)",
              address = "S{\~a}o Jos{\'e} dos Campos",
             abstract = "The Fluxcom project employed machine learning and surface data to 
                         estimate the global carbon balance. Nevertheless, these estimates 
                         are less accurate in tropical regions, including the Amazon. This 
                         study focuses on estimating the net ecosystem exchange (NEE) in a 
                         0.25° cell located at the K67 Tower in the Tapaj{\'o}s National 
                         Forest, Santar{\'e}m. We use data from the ERA-5 reanalysis 
                         model, MODIS products, and the BrSa1 Fluxnet tower. The data from 
                         the former sets were used to train machine learning models, while 
                         the latter served as the target (NEE) for estimating its time 
                         series from 2002 to 2011. The estimation results closely matched 
                         those of the Fluxcom project. RESUMO: O projeto Fluxcom usou 
                         machine learning e dados de superf{\'{\i}}cie para estimar o 
                         balan{\c{c}}o de carbono global, por{\'e}m as estimativas 
                         s{\~a}o menos precisas em regi{\~o}es tropicais, incluindo a 
                         Amaz{\^o}nia. Este trabalho foca na estimativa da troca 
                         l{\'{\i}}quida de carbono (NEE) em uma c{\'e}lula de 0.25° 
                         junto {\`a} Torre K67, na Floresta Nacional dos Tapaj{\'o}s, 
                         Santar{\'e}m. Utilizaram-se dados do modelo de rean{\'a}lise 
                         ERA-5, produtos do MODIS e da torre de fluxo BrSa1 da Fluxnet. Os 
                         dados dos primeiros conjuntos foram usados para treinar modelos de 
                         machine learning, enquanto os {\'u}ltimos foram utilizados como 
                         alvo (NEE) para estimar sua s{\'e}rie temporal de 2002 a 2011. Os 
                         resultados da estimativa se aproximaram dos da Fluxcom.",
  conference-location = "On-line",
      conference-year = "04 a 06 dez. 2023",
                 issn = "2179-4847",
             language = "pt",
                  ibi = "8JMKD3MGPDW34P/4ADCQBS",
                  url = "http://urlib.net/ibi/8JMKD3MGPDW34P/4ADCQBS",
           targetfile = "Nascimento_estimativa.pdf",
        urlaccessdate = "01 maio 2024"
}