Navegando por Assunto "Machine Learning"

Agora exibindo 1 - 2 de 2

Acesso aberto (Open Access)
Sensoriamento remoto multiespectral para o monitoramento da cobertura vegetal em estruturas geotécnicasSensoriamento remoto multiespectral para o monitoramento da cobertura vegetal em estruturas geotécnicas
(Universidade Federal do Pará, 2025-09-22) TEIXEIRA, Carlos André de Mattos; FRANCÊS, Carlos Renato Lisboa; http://lattes.cnpq.br/7458287841862567; xxx; ARAÚJO, Jasmine Priscyla Leite de; COSTA, João Crisóstomo Weyl Albuquerque; SANTANA, Ádamo Lima de; CARVALHO, André Carlos Ponce de Leon Ferreira de; http://lattes.cnpq.br/4001747699670004; http://lattes.cnpq.br/9622051867672434; http://lattes.cnpq.br/4073088744952858; http://lattes.cnpq.br/9674541381385819; https://orcid.org/0000-0003-3514-0401; xxx; xxx; https://orcid.org/0000-0002-4765-6459
Eventos geodinâmicos como o colapso de barragens, diques e outras estruturas geotécnicas acarretam em graves impactos ao meio ambiente, infraestrutura, propriedades e vidas humanas. O Brasil ocupa o oitavo lugar no ranking de países com o maior número de grandes barragens, evidenciando a necessidade do monitoramento contínuo dessas estruturas. A Política Nacional de Segurança de Barragens (PNSB) foi estabelecida para atribuir aos empreendedores a responsabilidade legal de manter as condições de segurança durante a construção, operação e desativação das barragens. O processo de monitoramento baseado em sensoriamento remoto é uma alternativa eficiente para a inspeção de grandes barragens e diques, apresentando-se como alternativa aos morosos métodos tradicionais de campo. Dados de sensoriamento remoto multiespectral capturados via Veículo Aéreo Não-Tripulado (VANT) permitem a obtenção imagens de alta resolução da estrutura, possibilitando análises posteriores relacionadas a saúde estrutural com o auxílio de técnicas de Machine Learning e Visão Computacional. Esta tese de doutorado apresenta uma metodologia fim-a- fim para o monitoramento da cobertura vegetal dos taludes de aterro de barragens e diques. O método compreende a coleta automatizada de dados multiespectrais, o processamento de dados para a obtenção de Mapas de Ortofoto Digital (DOMs), a segmentação semântica de land-cover das estruturas e a extração de métricas referentes à saúde da cobertura vegetal dos taludes. A metodologia proposta foi aplicada em um estudo de caso nas estruturas geotécnicas do Complexo da Usina Hidrelétrica Belo Monte, localizada ao norte do Rio Xingú, na região sudoeste do estado do Pará. Os resultados para segmentação de land-cover alcançaram F1 Score de 96,41% e IoU média de 93,31% para a segmentação da cobertura vegetal das estruturas estudadas, possibilitando a análise precisa das métricas de saúde da vegetação. A extração da cobertura vegetal dos taludes permite a análise da saúde vegetal baseada em índices de vegetação multiespectrais, evidenciando áreas com diferentes densidades de vegetação e solo exposto. Adicionalmente, visando a acessibilidade do método proposto, uma modelo de IA generativa foi desenvolvido utilizando a arquitetura de cGAN Pix2Pix para a geração de índices de vegetação sintéticos a partir de imagens RGB, eliminando a necessidade de aquisição de sensores multiespectrais de custo elevado. Os modelos Pix2Pix atingiram índices de similaridade estrutural de 0,95 e 0,94 para a geração de índices NDVI e NDRE, respectivamente, resultando em imagens sintéticas de qualidade. A metodologia proposta busca adicionar redundância a processos de tomada de decisões relacionadas a segurança de barragens, contribuindo para a mitigação de riscos e a prevenção de acidentes.
Acesso aberto (Open Access)
Três décadas de mudanças na planície costeira brasileira: O status dos manguezais, da aquicultura e salicultura a partir de séries temporais Landsat e técnicas de aprendizado de máquina
(Universidade Federal do Pará, 2020-03-31) DINIZ, Cesar Guerreiro; SOUZA FILHO, Pedro Walfir Martins e; http://lattes.cnpq.br/3282736820907252
Desde a década de 80, o mapeamento de uso e cobertura da terra (LULC) tornou-se uma tarefa científica comum. No entanto, a identificação sistemática e contínua de qualquer uso ou cobertura terrestre, seja em escala global ou regional, exige grande capacidade de armazenamento e processamento. Esta tese apresenta dois fluxos de processamento de dados orbitais, gerenciados por computação em nuvem para avaliar: 1) a extensão anual dos manguezais brasileiros de 1985 a 2018, em conjunto com a criação e avaliação de um novo índice espectral, o Índice Modular de Reconhecimento de Manguezais (MMRI), que foi projetado especificamente para melhor discriminar as florestas de manguezal da vegetação circundante; e 2) a situação anual da aquicultura e da salicultura nas planícies costeiras do Brasil, de 1985 a 2019. No que se refere ao item 1, a cobertura do manguezal apresentou dois períodos de ocupação distintas, 1985-1998 e 1999-2018. O primeiro período mostra uma tendência ascendente, que parece estar mais relacionada à distribuição temporalmente desigual dos dados Landsat do que à regeneração dos manguezais brasileiros. No segundo período, foi registrada uma tendência de perda de área de manguezal, atingindo até 2% das florestas de manguezal. Em uma escala regional, ~ 80% da cobertura de manguezais do Brasil está localizada na Amazônia, nos estados do Maranhão, Pará e Amapá. Em termos de persistência, ~ 75% dos manguezais brasileiros permaneceram inalterados por duas décadas ou mais, em especial na Amazônia. Já no que tange o item 2, faz-se importante lembrar que a aquicultura e a produção de sal, são dois dos mais clássicos usos da terra costeiros em todo o mundo. No Brasil não é diferente, ambos os usos compõem atividade econômica relevante na Zona Costeira Brasileira (BCZ). No entanto, a discriminação automática de tais atividades, dissociando-as de coberturas ou usos outros, igualmente relacionados a presença de água em superfície, não é uma tarefa fácil. Espectralmente falando, água é água e, a menos que apresente uma alta concentração de compostos opticamente ativos, pouco se consegue fazer para dissociar uma variedade de alvos aquosos. Nesse sentido, Redes Neurais Convolucionais (CNN) têm a vantagem de prever o rótulo de determinado pixel, fornecendo como entrada uma região/local (patches ou chips) no entorno desse pixel. Juntas, a natureza convolucional das CNN, bem como a utilização de mecanismos de segmentação semântica, fornecem ao classificador U-Net, um tipo de CNN, a capacidade de acessar o “domínio do contexto” ao em vez de apenas valores de pixel isolados. Apoiados no domínio do contexto, em detrimento ao domínio puramente espectral, os resultados obtidos nesta tese mostram que as aquiculturas/salinas ocupavam ~356 km² em 1985 e ~544 km² em 2019, refletindo uma expansão de 52% (~188 km²), um aumento de 1,5x em 35 anos de ocupação da BCZ. De 1997 a 2015, a área aquícola cresceu por um fator de ~1.7x, saltando de 349 km² para 583 km², 67% de expansão. Regionalmente, em 2019, o setor Nordeste concentra 93% das superfícies aquícolas/salineiras da BCZ, 6% situa-se no Sudeste e 1% no Sul. Curiosamente, apesar de apresentar extensas zonas costeiras e condições adequadas para o desenvolvimento de diferentes produtos aquícolas, a Amazônia não apresenta sinais relevantes de infraestrutura aquícola/salineira ao longo das 3 décadas analisadas.