| Processo: | 19/26568-0 |
| Modalidade de apoio: | Auxílio à Pesquisa - Regular |
| Data de Início da vigência: | 01 de fevereiro de 2021 |
| Data de Término da vigência: | 31 de julho de 2023 |
| Área do conhecimento: | Ciências Exatas e da Terra - Geociências |
| Pesquisador responsável: | Carlos Henrique Grohmann de Carvalho |
| Beneficiário: | Carlos Henrique Grohmann de Carvalho |
| Instituição Sede: | Instituto de Energia e Ambiente (IEE). Universidade de São Paulo (USP). São Paulo , SP, Brasil |
| Município da Instituição Sede: | São Paulo |
| Pesquisadores associados: | Daniel Hölbling ; Francisco Manoel Wohnrath Tognoli ; John Lindsay ; José Alberto Quintanilha ; Marcelo Fischer Gramani |
| Assunto(s): | Aprendizagem profunda Sensoriamento remoto Geoprocessamento Aeronaves não tripuladas Riscos ambientais Deslizamento de terra |
| Palavra(s)-Chave do Pesquisador: | Aeronaves Remotamente Pilotadas (RPAs | Deep Learning | drones) | Machine | Modelos Digitais de Elevação | Movimentos de Massa | Risco Geológico | Sensoriamento Remoto | Geoprocessamento e Sensoriamento Remoto |
Resumo
O desenvolvimento das tecnologias de sensoriamento remoto na última década levou a um crescimento praticamente exponencial da informação disponível sobre segmentos da superfície terrestre. Entre esses avanços pode-se citar imagens orbitais de alta resolução com possibilidade de geração de Modelos Digitais de Elevação (MDEs), LiDAR (Light Detection And Ranging) aeroportado ou terrestre, e, mais recentemente, a aplicação da técnica de Structure from Motion--Multi View Stereo (SfM-MVS) a conjuntos de imagens obtidas por Aeronaves Remotamente Pilotadas (RPAs - Remotely Piloted Aircrafts). O projeto propõe o uso de ferramentas modernas de análise geo-espacial -- Sensoriamento Remoto de Alta Resolução baseado em RPAs, LiDAR terrestre/aeroportado, SfM-MVS, Deep Learning e computação em nuvem -- no estudo de movimentos de massa (escorregamentos) e de risco geológico. Os temas selecionados para estudo englobam: mapeamento multitemporal de escorregamento por SfM-MVS e LiDAR-RPA de uma área de escorregamento com atividade desde o início dos anos 2000 identificada no município de Sebastião (SP); análise de susceptibilidade a escorregamentos em áreas urbanas através da comparação de modelos 3D gerados em ao menos duas épocas distintas de duas áreas urbanas de baixa renda classificadas como suscetíveis a processos de escorregamento (em parceria com a Defesa Civil do Município de São Paulo); classificação e segmentação de imagens por GEOBIA e deep learning para a construção semi-automática de inventários de escorregamentos. O projeto tem uma programação de dois anos e será conduzido pelo investigador principal e sua equipe de alunos, em colaboração com docentes e alunos da USP, Unisinos, IPT, Universidade de Salzburgo (Áustria) e Universidade de Guelph (Canadá). (AU)
| Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio: |
| Mais itensMenos itens |
| TITULO |
| Matéria(s) publicada(s) em Outras Mídias ( ): |
| Mais itensMenos itens |
| VEICULO: TITULO (DATA) |
| VEICULO: TITULO (DATA) |