Projeto ForestEyes - Cidadãos monitorando desmatamento em Florestas

• Processo: 23/00782-0
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de abril de 2024
• Data de Término da vigência: 31 de março de 2026
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Acordo de Cooperação: MCTI/MC
• Pesquisador responsável: Álvaro Luiz Fazenda
• Beneficiário: Álvaro Luiz Fazenda
• Instituição Sede: Instituto de Ciência e Tecnologia (ICT). Universidade Federal de São Paulo (UNIFESP). Campus São José dos Campos. São José dos Campos , SP, Brasil
• Pesquisadores associados: Fabio Augusto Faria ; Fernanda Beatriz Jordan Rojas Dallaqua ; Hugo Resende
• Bolsa(s) vinculada(s): 24/06790-8 - Projeto ForestEyes - Detecção de Desmatamento por dados de Radar, BP.TT
• Assunto(s): Aprendizado computacional Ciência cidadã e-Science
• Palavra(s)-Chave do Pesquisador: Aprendizado de Máquina | Ciência cidadã | e-science | Monitoramento de desmatamento | E-Science

Resumo

A conservação de Florestas Tropicais é necessária devido ao importante papel que as mesmas desempenham no ecossistema global com sua grande biodiversidade, depósito de carbono, e sua função reguladora de chuvas nas regiões adjacentes, além de abrigarem povos indígenas.Infelizmente, milhões de hectares de florestas tropicais tem sido perdidos a cada ano através de desmatamento e degradação por diferentes e complexos motivos.Neste projeto de pesquisa é apresentado a proposta para um novo sistema de monitoramento chamado ForestEyes, o qual visa aliar ciência cidadã e aprendizado de máquina na detecção de desmatamento.A Ciência Cidadã permite que voluntários comuns possam colaborar com a inspeção de segmentos de imagens de sensoriamento remoto sobre uma região florestal, buscando detectar regiões desmatadas ou degradadas, participando, assim, de um experimento cientifico visando a melhoria da sustentabilidade do planeta, adquirindo também mais conhecimento e envolvimento com o importante tema.Técnicas de Aprendizado de Máquina serão utilizadas a partir de bases de dados com amostras rotuladas pelos voluntários na fase anterior, permitindo ampliar a área de cobertura de detecção.Experimentos iniciais ao longo de seis campanhas oficiais, já demonstrados através de sólidos trabalhos científicos publicados, obtiveram mais de 81.000 contribuições de 644 voluntários distintos,permitindo criar uma sólida base de treinamento para modelos de classificação, cujos resultados foram comparados com o programa oficial de monitoramento da Amazônia Legal Brasileira (PRODES).A metodologia desenvolvida mostrou-se promissora, tanto do ponto de vista da acurácia dos voluntários envolvidos, quanto da técnica de classificação utilizada.Este projeto propõe melhorias ao citado projeto ampliando a base de dados através da experimentação e investigação do uso de imagens de sensoriamento remoto de múltiplos sensores ópticos e de radar (SAR), em diferentes regiões geográficas e diversos períodos de tempo, o que implica em desafios científicos e tecnológicos nas fases de pré-processamento das imagens, ciência cidadã e aprendizado de máquina. (AU)

Publicações científicas

(4)

(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)

FAZENDA, ALVARO L.; FARIA, FABIO A.. ForestEyes: Citizen Scientists and Machine Learning-Assisting Rainforest Conservation. COMMUNICATIONS OF THE ACM, v. 67, n. 8, p. 2-pg., 2024-08-01. (23/00782-0, 15/24485-9, 17/25908-6, 18/23908-1)

BORLIDO, ISABELA; BOUHID, EDUARDO; SUNDERMANN, VICTOR; RESENDE, HUGO; FAZENDA, ALVARO LUIZ; FARIA, FABIO; GUIMAR, SILVIO JAMIL F.. How to Identify Good Superpixels for Deforestation Detection on Tropical Rainforests. IEEE Geoscience and Remote Sensing Letters, v. 21, p. 5-pg., 2024-01-01. (19/26702-8, 14/50937-1, 23/00811-0, 18/23908-1, 23/00782-0, 15/24485-9, 17/25908-6)

RESENDE, HUGO; NETO, EDUARDO B.; CAPPABIANCO, FABIO A. M.; FAZENDA, ALVARO L.; FARIA, FABIO A.. Sampling Strategies based on Wisdom of Crowds for Amazon Deforestation Detection. 2024 37TH SIBGRAPI CONFERENCE ON GRAPHICS, PATTERNS AND IMAGES, SIBGRAPI 2024, v. N/A, p. 6-pg., 2024-01-01. (15/24485-9, 23/00811-0, 14/50937-1, 19/26702-8, 23/00782-0, 18/23908-1)

NETO, EDUARDO B.; FARIA, FABIO A.; DE OLIVEIRA, AMANDA A. S.; FAZENDA, ALVARO L.. A Satellite Band Selection Framework for Amazon Forest Deforestation Detection Task. PROCEEDINGS OF THE 2024 GENETIC AND EVOLUTIONARY COMPUTATION CONFERENCE, GECCO 2024, v. N/A, p. 9-pg., 2024-01-01. (15/24485-9, 23/00811-0, 14/50937-1, 23/00782-0, 17/25908-6, 18/23908-1)