Development of algorithms for creating thematic maps using multiple sensors data

• Grant number: 19/02550-4
• Support Opportunities: Scholarships in Brazil - Technical Training Program - Technical Training
• Start date: May 01, 2019
• End date: February 29, 2020
• Field of knowledge: Physical Sciences and Mathematics - Computer Science - Computing Methodologies and Techniques
• Agreement: Microsoft Research
• Principal Investigator: Rubens Augusto Camargo Lamparelli
• Grantee: Felipe dos Santos Pinto de Andrade
• Host Institution: Núcleo Interdisciplinar de Planejamento Energético (NIPE). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brazil
• Company: Universidade Estadual de Campinas (UNICAMP). Núcleo Interdisciplinar de Planejamento Energético (NIPE)
• Associated research grant: 14/50715-9 - Characterizing and predicting biomass production in sugarcane and eucalyptus plantations in Brazil, AP.PITE

Abstract

Com os avanços na tecnologia de sensores no Sensoriamento Remoto, novos desafios e oportunidades tem proporcionado um aumento significativo em pesquisas na área de reconhecimento de padrões. O aumento da disponibilização destas imagens, as quais possuem melhores resoluções espaciais/espectrais e temporais, têm demonstrado que mais detalhes podem ser encontrados com possibilidade de aplicações em várias áreas como urbanismo, agricultura e ecologia. Em geral, devido a fatores técnicos, os sensores são desenhados para um determinado objetivo específico, caracterizando-o em uma determinada resolução (especial, espectral ou temporal). Então, uma imagem de um sensor que coleta dados em uma alta resolução espacial, normalmente não oferece muitas bandas espectrais e oferecerá imagens poucas vezes por mês (baixa resolução temporal). Então, o maior desafio é encontrar uma técnica apropriada para reconhecimentos de objetos/alvos na superfície terrestre usando dados de vários sensores diferentes. Neste trabalho, o foco será no estudo e no desenvolvimento de algoritmos de "Aprendizado de Máquina" (Machine Learning) capaz de aprender e combinar padrões baseado em dados de imagens de diferentes sensores. O objetivo é ter um protocolo capaz de criar mapas temáticos utilizando dados de sensores com diferentes resoluções espaciais, espectrais e temporais.