Solução para avaliação de florestas por sensoriamento remoto

• Processo: 21/01120-6
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Vigência (Início): 01 de abril de 2021
• Vigência (Término): 30 de junho de 2022
• Área do conhecimento: Ciências Agrárias - Recursos Florestais e Engenharia Florestal - Tecnologia e Utilização de Produtos Florestais
• Acordo de Cooperação: National Research Council of Canada
• Pesquisador responsável: Rafael Antonio da Silva Rosa
• Beneficiário: Fernanda Beatriz Jordan Rojas Dallaqua
• CNAE: Produção florestal - florestas plantadas ; Produção florestal - florestas nativas ; Atividades de apoio à produção florestal
• Vinculado ao auxílio: 20/01468-0 - Solução para avaliação de florestas por sensoriamento remoto, AP.PIPE
• Assunto(s): Florestas Inventário florestal Sensoriamento remoto Análise de imagens
• Palavra(s)-Chave do Pesquisador: avaliação florestal | Classificação de Imagens | Inteligência Artificial | Inventário Florestal | Radar de Abertura Sintética | Sensoriamento Remoto | Sensoriamento Remoto

Resumo

Empresas e ativos florestais são regularmente negociados em mercados internacionais, e sua avaliação é necessária para aquisição de terras e previsão da produção. A avaliação florestal precisa e confiável é ativamente procurada pelos investidores em todo o mundo além de ser importante para a definição de políticas públicas para o setor. Este projeto tem o objetivo de desenvolver um produto de inteligência de mercado florestal que forneça uma avaliação precisa e confiável dos ativos florestais. A falta de confiabilidade do status das florestas comerciais resulta parcialmente de uma natureza mais complexa das florestas quando comparada a outras commodities (por exemplo, cana-de-açúcar); é preciso conhecer a localização da floresta, se ela é plantada ou nativa, espécies, idade, volume e outros atributos que, juntos, podem fornecer uma descrição completa das florestas. Os desafios que se enfrentam para desenvolver um produto de avaliação florestal de valor agregado incluem: 1) os dados de satélite devem cobrir toda a área de interesse; 2) especificar quais dados e informações o mercado requer; 3) gerar atributos florestais em situação que dados de campo são escassos; 4) as análises devem ser representadas em diferentes escalas espaciais, da local a regional, sem perder informações importantes; 5) a informação deve ser gerada e apresentada rapidamente; e 6) adaptar a infraestrutura nas duas empresas para permitir a entrega automatizada desse serviço. Pretende-se explorar o uso de imagens orbitais de distribuição gratuita - por exemplo, Landsat-8 e Sentinel-1 e 2 (radar e óptico) - e imagens comerciais de alta resolução espacial, com possibilidade de serem gerados resultados em diferentes níveis de detalhes por meio de uma plataforma e oferecer esta solução para os mercados no Brasil e na América Latina. Um conjunto de dados de campo será usado para criar modelos preditivos, que, uma vez adequados para inventário de alta resolução, podem ser adaptados para criar informações para inteligência de mercado suficientemente confiável. Desenvolver uma metodologia automatizada de classificação de uso e cobertura da Terra é fundamental para o sucesso deste projeto e para isso, será necessário classificar a cobertura nas seguintes classes: (1) floresta / não floresta; (1.1) se floresta, determinar se é plantada ou nativa; (1.1.1) se plantada, quantificar atributos-chave; (1.1.2) se florestas nativas - quantificar outros atributos-chave; (2) Infra-estrutura; (2.1) Estradas; (2.2) Construções; e (3) Corpos d'água. Outro objetivo é associar os resultados da classificação a outros dados - como topografia, estradas, corpos d'água, limites de cidades, etc. Três atividades compõem os principais desafios do projeto: 1) realizar um estudo de mercado para especificar um produto ideal, desejado pelos futuros clientes; 2) desenvolver um modelo econômico para fornecer, tanto quanto possível, informações econômicas objetivas sobre uma área florestada atualmente e no futuro; e 3) processar, analisar e visualizar, grandes conjuntos de dados (Big Data) utilizando computação em nuvem de maneira automatizada.