Busca avançada
Ano de início
Entree

Sensoriamento Remoto de alta resolução, deep learning e geomorfometria em análise de deslizamentos naturais e risco geológico

Processo: 19/26568-0
Linha de fomento:Auxílio à Pesquisa - Regular
Vigência: 01 de fevereiro de 2021 - 31 de janeiro 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
Pesq. associados: Daniel Hölbling ; Francisco Manoel Wohnrath Tognoli ; John Lindsay ; José Alberto Quintanilha ; Marcelo Fischer Gramani
Assunto(s):Aprendizagem profunda  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)