Identificação de áreas de superfícies permeáveis e impermeáveis por meio de análise de imagens baseada em objetos geográficos (GEOBIA) e deep learning como entrada para um modelo de previsão de crescimento urbano

• Processo: 20/09215-3
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de fevereiro de 2021
• Data de Término da vigência: 31 de janeiro de 2023
• Área do conhecimento: Ciências Exatas e da Terra - Geociências
• Pesquisador responsável: Cláudia Maria de Almeida
• Beneficiário: Cláudia Maria de Almeida
• Instituição Sede: Instituto Nacional de Pesquisas Espaciais (INPE). Ministério da Ciência, Tecnologia e Inovação (Brasil). São José dos Campos , SP, Brasil
• Pesquisadores associados: Camila Souza dos Anjos Lacerda ; Elcio Hideiti Shiguemori ; Gustavo Barbosa Lima da Silva
• Assunto(s): Redes neurais convolucionais Aprendizagem profunda Sensoriamento remoto Modelagem computacional
• Palavra(s)-Chave do Pesquisador: Cellular automata | Convolutional Neural Network - CNN | Hierarchical Multiresolution Segmentation | Urban Modeling | Very High Resolution (VHR) Imagery | WorldView-3 Satellite | Sensoriamento Remoto e Modelagem Computacional

Resumo

Nos dois últimos séculos, particularmente nas últimas décadas, a humanidade testemunhou uma drástica mudança de população das áreas rurais para os centros urbanos. Apesar da reduzida extensão das superfícies ocupadas por áreas urbanas em comparação com o total de superfície habitável disponível no planeta, os centros urbanos são responsáveis pela maior proporção de impactos ambientais. Algumas das alterações mais comuns causadas pela urbanização envolvem mudanças de uso e cobertura da terra, aumento da cobertura de superfícies impermeáveis, alteração no ciclo hidrológico, temperaturas mais elevadas e acentuada poluição atmosférica, sonora e visual. Neste contexto, a quantidade de áreas de superfícies impermeáveis (impervious surface areas - ISA), a qual é diretamente relacionada ao crescimento populacional e a urbanização, é um parâmetro-chave na determinação do impacto da urbanização no meio ambiente e um indicador de peso da qualidade ambiental. A compreensão e antecipação dos impactos da urbanização requer caracterização detalhada da atual distribuição de ISA nos assentamentos urbanos, assim como as suas tendências de expansão futuras. Desta forma, o objetivo deste projeto é duplo: i) desenvolver um protocolo para o mapeamento de ISA utilizando abordagens de ponta baseadas em imagens do satélite WorldView-3, análise de imagens baseada em objetos geográficos (Geographic Object-Based Image Analysis- GEOBIA) e inteligência artificial (Aprendizado Profundo ou Deep Learning - DL) aplicados em uma área-piloto, e ii) usar a informação sobre ISA para alimentar um modelo dinâmico espacial parametrizado por DL, a fim de simular e prever o crescimento e a mudança de uso do solo urbano. Os resultados desta pesquisa destinam-se a fornecer subsídios a autoridades locais e tomadores de decisão em geral no sentido de dar suporte a ações relacionadas ao planejamento e gestão do crescimento urbano, de acordo com a capacidade presente e futura de suporte ambiental dos respectivos sítios físicos. Todas as abordagens a serem exploradas no escopo deste projeto inserem-se no domínio do paradigma de Big Data e estão embutidas no conceito emergente de Cidades Inteligentes (Smart Cities). (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

MARQUES-CARVALHO, ROMULO; DE ALMEIDA, CLAUDIA MARIA; ESCOBAR-SILVA, ELTON VICENTE; ALVES, RAYANNA BARROSO DE OLIVEIRA; LACERDA, CAMILA SOUZA DOS ANJOS. Simulation and Prediction of Urban Land Use Change Considering Multiple Classes and Transitions by Means of Random Change Allocation Algorithms. REMOTE SENSING, v. 15, n. 1, p. 29-pg., 2023-01-01. (20/09215-3, 21/11435-4)

ESCOBAR-SILVA, ELTON VICENTE; DE ALMEIDA, CLAUDIA MARIA; DA SILVA, GUSTAVO BARBOSA LIMA; BURSTEINAS, INGOBERT; DA ROCHA FILHO, KLEBER LOPES; DE OLIVEIRA, CLEBER GONZALES; FAGUNDES, MARINA REFATTI; DE PAIVA, RODRIGO CAUDURO DIAS. Assessing the Extent of Flood-Prone Areas in a South-American Megacity Using Different High Resolution DTMs. WATER, v. 15, n. 6, p. 19-pg., 2023-03-01. (21/11435-4, 20/09215-3)