Abordagens baseadas em redes neurais profundas para detecção de mudanças via séries de imagens de sensoriamento remoto

• Processo: 24/01610-1
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de janeiro de 2025
• Data de Término da vigência: 31 de dezembro de 2026
• Área do conhecimento: Ciências Exatas e da Terra - Geociências
• Pesquisador responsável: Rogério Galante Negri
• Beneficiário: Rogério Galante Negri
• Instituição Sede: Instituto de Ciência e Tecnologia (ICT). Universidade Estadual Paulista (UNESP). Campus de São José dos Campos. São José dos Campos , SP, Brasil
• Pesquisadores associados: Alejandro César Frery Orgambide ; Aluísio de Souza Pinheiro ; Avik Bhattacharya ; Paolo Ettore Gamba ; Wallace Correa de Oliveira Casaca
• Assunto(s): Aprendizagem profunda Monitoramento ambiental Processamento de imagens Redes neurais Análise de séries temporais
• Palavra(s)-Chave do Pesquisador: Aprendizado profundo | detecção de mudanças | Monitoramento ambiental | Processamento de imagens | Redes neurais | Séries Temporais | Aplicações de Inteligência Artificial e Processamento de Imagens de Sensoriamento Remoto

Resumo

O Brasil tem enfrentado impactos significativos no meio ambiente e na sociedade, destacando a necessidade de ferramentas eficazes para monitorar e compreender fenômenos ambientais de risco. As técnicas de detecção de mudanças em imagens obtidas por sensoriamento remoto, que identificam áreas alteradas ao longo do tempo, desempenham um papel vital no monitoramento ambiental. A Inteligência Artificial, especialmente as redes neurais profundas, oferece uma perspectiva promissora para abordagens inovadoras na detecção de mudanças. Este projeto, baseado em conceitos de redes neurais profundas, busca desenvolver técnicas avançadas de detecção de mudanças, com ênfase na abordagem não supervisionada e multiclasse, aplicadas à análise de séries temporais extensas. Além disso, os avanços desta pesquisa serão aplicados em questões de interesse nacional, como desflorestamento e análise de extremos hidrológicos. (AU)