1 |
Almeida, F. V., Bueno, W. M., Miyaji, R. O., and Correa, P. L. P. (2021). Experimento de modelagem de distribuição de espécies baseada em variáveis ambientais e de aerossóis na região próxima a Manaus (AM). In Anais do XII Workshop de Computação Aplicada a Gestão do Meio Ambiente e Recursos Naturais. SBC.
|
|
2 |
Bertsimas, D., Pawlowski, C., and Zhuo, Y. D. (2018). From predictive methods to missing data imputation: An optimization approach. Journal of Machine Learning Research, 18:1–39.
|
|
3 |
Carneiro, L. R. d. A., Lima, A. P., Machado, R. B., and Magnusson, W. E. (2016). Limitations to the use of species-distribution models for environmental-impact assessments in the amazon. PLoS One, 11(1):e0146543.
|
|
4 |
Golini, N. (2011). Bayesian Modelling of Presence-only Data. PhD thesis, Spienza Universidade de Roma
|
|
5 |
Hegel, T. M., Cushman, S. A., Evans, J., and Huettmann, F. (2010). Current State of the Art for Statistical Modelling of Species Distributions, pages 273–311. Springer Japan, Tokyo.
|
|
6 |
Hernandez, P. A., Graham, C. H., Master, L. L., and Albert, D. L. (2006). The effect of sample size and species characteristics on performance of different species distribution modeling methods. Ecography, 29(5):773–785.
|
|
7 |
Hutchinson, G. E. (1991). Population studies: Animal ecology and demography. Bulletin of Mathematical Biology, 53(1-2):193–213.
|
|
8 |
Martin, S. T., Artaxo, P., Machado, L., Manzi, A. O., Souza, R. A. F. d., Schumacher, C., Wang, J., Biscaro, T., Brito, J., Calheiros, A., et al. (2017). The green ocean amazon experiment (goamazon2014/5) observes pollution affecting gases, aerosols, clouds, and rainfall over the rain forest. Bulletin of the American Meteorological Society, 98(5):981–997
|
|
9 |
Martin, S. T., Artaxo, P., Machado, L. A. T., Manzi, A. O., Souza, R. A. F. d., Schumacher, C., Wang, J., Andreae, M. O., Barbosa, H., Fan, J., et al.(2016). Introduction: observations and modeling of the green ocean amazon (goamazon2014/5). Atmospheric Chemistry and Physics, 16(8):4785–4797.
|
|
10 |
Mateo, R. G., Vanderpoorten, A., Munoz, J., Laenen, B., and Désamoré, A. (2013). Modeling species distributions from heterogeneous data for the biogeographic regionalization of the european bryophyte flora. PLoS One, 8(2):e55648.
|
|
11 |
Miyaji, R. O., Bauer, L. O., Ferrari, V. M., Almeida, F. V., Correa, P. L. P., and Rizzo, L. V. (2021). Interpolação espacial de variáveis ambientais e aerossóis na região da bacia amazônica próxima a Manaus-AM. In Anais do XII Workshop de Computação Aplicada a Gestão do Meio Ambiente e Recursos Naturais. SBC.
|
|
12 |
Phillips, S. J. (2005). Maximum entropy modeling of species geographic distribution. Ecological Modelling, 190:231–259.
|
|
13 |
Phillips, S. J., Anderson, R. P., Dud´ık, M., Schapire, R. E., and Blair, M. E. (2017). Opening the black box: an open-source release of maxent. Ecography, 40:887—-893.
|
|
14 |
Phillips, S. J., Dudik, M., and Schapire, R. E. A. (2004). Maximum entropy approach to species distribution modelling. In Proceedings of the Twenty-First International Conference on Machine Learning, pages 655–662.
|
|
15 |
Pinaya, J. and Correa, P. (2014). Metodologia para definição das atividades do processo de modelagem de distribuição de espécies. In Anais do V Workshop de Computação Aplicada a Gestão do Meio Ambiente e Recursos Naturais , pages 45–54, Porto Alegre, RS, Brasil. SBC.
|
|
16 |
XGBoost Developers (2020). XGBoost Documentation. https://xgboost.readthedocs.io/en/latest/. Acesso em: 01/07/2021.
|
|