Sensoriamento remoto multiespectral para o monitoramento da cobertura vegetal em estruturas geotécnicasSensoriamento remoto multiespectral para o monitoramento da cobertura vegetal em estruturas geotécnicas

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.