| 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). São José dos Campos , SP, Brasil |
| Município da Instituição Sede: | São José dos Campos |
| 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)
| 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) |