Luciana Alvim Santos Romani, Ana Maria Heuminski de Avila, Jurandir Zullo Junior
Ano de publicação: 2013
Ano de publicação: 2019
o presente artigo apresenta a reconstrução histórica dos eventos e documentos que caracterizaram a institucionalização do ambiente em Moçambique, entre 1980 e 2014. Inicialmente, apresenta a metodologia que orientou o artigo e debates teóricos, estabelecendo diálogo entre a História Ambiental da América Latina, abordagens pós-coloniais e Sociologia do Conhecimento. Na sequência, apresenta os eventos que delimitaram a dimensão local dos riscos ambientais, e documentos que marcaram a visão global destes.
Jurandir Zullo Junior, Luciana Alvim Santos Romani
Ano de publicação: 2019
classification models is a costly task, both in terms of difficult to
find suitable samples as well as their quantity. In this sense, Active
Learning (AL) improves the training set building by providing an
efficient way to select only essential data to be attached to the
training set, consequently reducing its size and even enhancing model's
accuracy, when compared to random sample selection. In this paper, we
proposed a framework for time series classification in order to monitor
sugarcane area in São Paulo, Brazil. The AL approach consisted of
selecting seasonal time series information from less than 1 percent of
each class' pixels to build the training set and evaluate this selection
by an expert user supported by distance measurements, repeating this
process until both distance measurement thresholds were satisfied. In
most years, the classification results presented about 90 percent of
correlation with official estimates based on both traditional and
satellite image analysis methods. This framework can then help Land Use
Change (LUC) monitoring as it produced similar results compared to other
methods that demands more human and financial resources to be adopted.
Renata Ribeiro do Valle Gonçalves, Ana Maria Heuminski de Avila, Jurandir Zullo Junior, Luciana Alvim Santos Romani, Priscila Pereira Coltri
Ano de publicação: 2011
Priscila Pereira Coltri, Ana Maria Heuminski de Avila, Jurandir Zullo Junior, Luciana Alvim Santos Romani, Renata Ribeiro do Valle Gonçalves
Ano de publicação: 2011
Renata Ribeiro do Valle Gonçalves, Agma Juci Machado Traina, Ana Maria Heuminski de Avila, Jurandir Zullo Junior, Luciana Alvim Santos Romani
Ano de publicação: 2011
Renata Ribeiro do Valle Gonçalves, Agma Juci Machado Traina, Cristina R. Nascimento, Jurandir Zullo Junior, Luciana Alvim Santos Romani
Ano de publicação: 2012
Priscila Pereira Coltri, Hilton Silveira Pinto, Jurandir Zullo Junior, Luciana Alvim Santos Romani, Renata Ribeiro do Valle Gonçalves
Ano de publicação: 2013
Martha Delphino Bambini, Andre Tosi Furtado, Jurandir Zullo Junior, Priscila Pereira Coltri
Ano de publicação: 2014
Ano de publicação: 2018
zoneamento agrícola, sensoriamento remoto, geoprocessamento.
Ano de publicação: 2019
is crucial for the planning and management of water resources and
agricultural production. In this study, the applicability of the
Hargreaves Samani (HS), artificial neural network (ANN), multiple linear
regression (MLR) and extreme learning machine (ELM) models were
evaluated to estimate ET0 based on temperature data from the
Verde Grande River basin, southeastern Brazil. These models were
evaluated in two scenarios: local and pooled. In the local scenario,
training, calibration and validation of the models were performed
separately at each station. In the pooled scenario, meteorological data
from all stations were grouped for training and calibration and then
separately tested at each station. The ET0 values estimated
by the Penman-Monteith model (FAO-56 PM) were considered the target
data. All the developed models were evaluated by cluster analysis and
the following performance indices: relative root mean square error
(RRMSE), Pearson correlation coefficient (r) and Nash-Sutcliffe
coefficient (NS). In both scenarios evaluated, local and pooled, the
results revealed the superiority of the artificial intelligence methods
(ANN and ELM) and the MLR model compared to the original and adjusted HS
models. In the local scenario, the ANN (with r of 0.751, NS of 0.687
and RRMSE of 0.112), ELM (with r of 0.747, NS of 0.672 and RRMSE of
0.116) and MLR (with r of 0.743, NS of 0.665 and RRMSE of 0.068) models
presented the best performance, in addition to being grouped in the same
cluster. Similar to the observations from the local scenario, the ANN
(with r of 0.718, NS of 0.555 and RRMSE of 0.165), ELM (with r of 0.724,
NS of 0.601 and RRMSE of 0.151) and MLR (with r of 0.731, NS of 0.550
and RRMSE of 0.091) models presented the best performance in the pooled
scenario and were grouped in the same cluster. The locally trained
models presented higher precision than the models generated with pooled
data; however, the models generated in the pooled scenario could be used
to estimate ET0 in cases of unavailability of local
meteorological data. Although the MLR, ANN and ELM models, based on
temperature data, are appropriate alternatives to accurately estimate ET0
in the Verde Grande River basin, southeastern Brazil, the MLR model
presents the advantage of the use of explicit algebraic equations,
facilitating its application.
Soft computing, Artificial neural networks, Multiple linear regression, Extreme learning machines, Artificial intelligence, Meteorological data
Priscila Pereira Coltri, Hilton Silveira Pinto, Jurandir Zullo Junior
Ano de publicação: 2015
Jurandir Zullo Junior, Priscila Pereira Coltri, Renata Ribeiro do Valle Gonçalves
Ano de publicação: 2019
Ano de publicação: 2021
O modelo de mobilidade focado no automóvel de uso individual triunfou por muitas gerações a partir de fatores econômicos, culturais e políticos que fortaleceram a indústria automobilística. No entanto, esse movimento se move em direção oposta com as atuais demandas sociais por modais de transporte mais sustentáveis. Este artigo propõe uma análise crítica, a partir de uma perspectiva de transições sociotécnicas, da criação do Projeto de Lei (PL) 300/2017, de autoria do deputado Milton Leite (DEM), que tramita na Câmara Municipal de São Paulo. Denominado o “PL da poluição”, adia em mais dez anos a obrigação de as empresas de ônibus alterarem ou renovarem seus veículos para uso de combustíveis limpos,contrariando artigos 50 51 da Política Municipal de Mudanças Climáticas, lei 14.933, de junho de 2009. Se virar lei, posterga a retirada dos poluentes de ônibus a diesel para 2027, contrariando as metas de redução de emissão de gases do efeito estufa(GEE). O objetivo deste trabalho é avaliar de que maneira as reivindicações da sociedade civil influenciaram a revisão deste projeto de lei. A fim de responder essa questão, foramlevantadasascontrovérsiasemtornodaformulaçãodessaleiapartirdoreferencialdosestudosde governança da Ciência e da Tecnologia (C&T), que possibilita a compreensão das contendas sociotécnicas na governança dos riscos ambientais. Os resultados revelam como a polêmica em torno deste tema gerou o reexame de aspectos econômicos, tecnológicos e ambientais acerca do transporte público e os desafios na tomada de decisão política que permeiam o risco das mudanças climáticas nos centros urbanos. A Partir da identificação das principais disputas acerca deste caso, os resultados demonstram a necessidade de mais participação da sociedade civil, a partir da coprodução (JASANOFF,2006)na governança risco climático,uma representatividade de diferentes atores sociais no processo de tomada de decisão em políticas públicas.
Cristina Rodrigues Nascimento, Jurandir Zullo Junior
Ano de publicação: 2010
Hilton Silveira Pinto, Jurandir Zullo Junior, Priscila Pereira Coltri, Renata Ribeiro do Valle Gonçalves
Ano de publicação: 2019
Agriculture,
Environmental science.
Jurandir Zullo Junior, Ana Maria Heuminski de Avila, Eduardo Delgado Assad, Hilton Silveira Pinto
Ano de publicação: 2011
Renata Ribeiro do Valle Gonçalves, Jurandir Zullo Junior
Ano de publicação: 2008
Ano de publicação: 2018
Ano de publicação: 2021
Sincronizando impactos sócio climáticos em análises espaço-temporais de vulnerabilidade à seca: desafios e perspectivas para a produção de dados. Os registros de ocorrência de eventos climáticos e meteorológicos extremos vêm aumentando nos últimos anos. As mudanças do clima têm contribuído para esse aumento e os modelos projetam uma muito provável intensificação da frequência e magnitude desses eventos. O Brasil abriga uma das regiões semiáridas mais populosas do planeta, que historicamente convive com períodos de seca. À reboque disso, são notáveis os esforços de pesquisa focados na análise de riscos de seca e ameaças de escassez hídrica, bem como, na evidenciação de fatores de vulnerabilidade frente a eventos adversos relacionados com as mudanças climáticas. Entretanto, a coleta de dados sociais, econômicos e demográficos fica à mercê de levantamentos censitários que, por vezes, não são capazes de expressar a heterogeneidade espaço-temporal e multinível da vulnerabilidade, bem como, a velocidade com que acontecem transições sociais, políticas e culturais influenciadas por eventos extremos cada vez mais frequentes e intensos. Esse artigo busca discutir os desafios para a produção de dados, sobretudo aqueles envoltos à dimensão humana dos riscos e vulnerabilidades à seca, e trazer perspectivas de técnicas emergentes para produção e coleta de dados que busquem eficiência prática, econômica e científica.