Ufam desenvolve aplicação para monitoramento de desmatamento na região amazônica com detecção superior a 99,9%
De autoria do egresso do doutorado em Informática Joel Parente de Oliveira, o trabalho utiliza imagens de sensoriamento remoto do satélite Landsat-8/OLI e dados de referência do projeto TerraClass 2014 (INPE) relativas a áreas da região amazônica brasileira conhecidas como "arco do desmatamento"
Por Márcia Grana
Equipe Ascom Ufam
Após a aprovação da tese “Metodologia de fusão de dados usando aprendizado profundo para segmentação semântica de usos de solo na Amazônia” na Ufam, o egresso do doutorado em Informática da Universidade Federal do Amazonas (PPGI/Ufam), Joel Parente de Oliveira, já conta com três publicações internacionais da pesquisa.
Projeção internacional
São dois artigos em congresso e um artigo na revista científica IEEE Access. Confira as publicações, na íntegra, nos links: Brazilian Symposium on GeoInformatics 2020; GISTAM 2021 e IEEE Access.
Proposta
O trabalho, orientado pelo professor Cícero Ferreira Fernandes Costa Filho, diretor do Centro de P&D em Tecnologia Eletrônica da Universidade (Ceteli/Ufam) propôs uma metodologia que utiliza aprendizado profundo e um algoritmo de múltipla resolução para realizar a segmentação semântica de imagens de sensoriamento remoto. O objetivo da segmentação semântica foi classificar o uso do solo em três regiões: floresta, pasto e agricultura. Inicialmente, a imagem foi segmentada usando uma rede neural convolucional (CNN). Em seguida, uma imagem com regiões homogêneas foi gerada usando um algoritmo de segmentação de multiresolução. Finalmente, um processo de fusão de dados foi proposto para fundir as informações provenientes desses dois processos de segmentação.
Arco do desmatamento
O campo de estudo foram áreas da região amazônica brasileira, conhecidas como "arco do desmatamento". Os dados de entrada utilizados foram imagens LANDSAT-8/OLI. Os dados de referência foram extraídos dos resultados do projeto TerraClass em 2014.
Técnica de imagem mosaico
Durante toda a pesquisa foi empregada a técnica de imagem mosaico para o treinamento da CNN. Nesta técnica, pequenas amostras retangulares de agricultura, floresta e pasto são extraídas de imagens de satélite. A partir destas amostras, é criada uma imagem maior, denominada imagem mosaico, com aproximadamente o mesmo número de pequenos retângulos de floresta, agricultura e pasto.
Outra contribuição do trabalho é a melhoria dos resultados obtidos com a CNN na classificação do uso de solo, por meio de um processo de fusão de dados. Tal processo consiste em combinar a imagem de saída da CNN com uma imagem gerada por meio de um algoritmo de segmentação de regiões homogêneas, com resultados que superam os obtidos apenas com a CNN.
Monitoramento florestal de vanguarda
Segundo Joel Oliveira, a aplicação tem o diferencial de detectar o desmatamento na região amazônica com acurácia de 99,9%. “Por meio da revisão de literatura, foram encontrados trabalhos que utilizaram técnicas de aprendizado profundo para detectar áreas desmatadas em regiões da Amazônia brasileira. Os resultados obtidos foram bastante satisfatórios, pois alcançaram acurácias acima de 98% na detecção de desmatamento. A proposta desta tese vai além da detecção de desmatamento. Procuramos não só utilizar redes convolucionais para uma aplicação específica de sensoriamento remoto, mas duas: caracterização do uso de solo e identificação de regiões desmatadas. Os resultados obtidos em ambas as aplicações foram valores de acurácias superiores a 99%, o que atesta a excelência do método proposto. Tal excelência é expressa não só pelos altos valores das métricas, mas também pela comparação com outros trabalhos da literatura que se debruçaram sobre o problema de desmatamento na região amazônica”, explica o pesquisador.
Universidade a serviço da sociedade
Orientador da pesquisa, o professor Cícero Fernandes Costa Filho destaca que a aplicação é uma contribuição da Universidade para aprimorar os serviços de monitoramento florestal. “Trata-se de um trabalho de extrema relevância, publicado em periódico internacional A1, que propõe uma nova técnica para classificação de usos do solo na região amazônica, diferenciando regiões de floresta de regiões de pasto e de regiões de agricultura. A acurácia obtida no trabalho no mapeamento dessas regiões foi superior a 99%. O método desenvolvido é de grande atualidade, haja vista o crescimento do desmatamento em todo o Brasil, nos últimos anos. Os autores do trabalho estão à procura de interessados em financiar o desenvolvimento de software que permita potencializar a utilização do método desenvolvido no monitoramento do uso do solo na região amazônica”, anunciou o orientador do trabalho.
Redes Sociais