| Processo: | 22/13665-0 |
| Modalidade de apoio: | Bolsas no Brasil - Iniciação Científica |
| Data de Início da vigência: | 01 de janeiro de 2023 |
| Data de Término da vigência: | 31 de dezembro de 2023 |
| Área de conhecimento: | Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação |
| Pesquisador responsável: | Wallace Correa de Oliveira Casaca |
| Beneficiário: | Júlia Rodrigues Marques do Nascimento |
| Instituição Sede: | Instituto de Biociências, Letras e Ciências Exatas (IBILCE). Universidade Estadual Paulista (UNESP). Campus de São José do Rio Preto. São José do Rio Preto , SP, Brasil |
| Assunto(s): | Aprendizado computacional Imagem digital Metodologia e técnicas de computação Visão computacional |
| Palavra(s)-Chave do Pesquisador: | Aprendizado Computacional | imagem digital | Metodologia e técnicas de computação | Visão Computacional | Visão Computacional |
Resumo Técnicas de Aprendizado Computacional tem contribuído de forma efetiva e transdiciplinar em aplicações de Visão Computacional e Reconhecimento de Padrões, como o mapeamento do desmatamento do bioma Amazônico. Neste contexto, algoritmos do tipo data-driven tem viabilizado o desenvolvimento de ferramentas inovadoras e precisas na identificação de áreas desmatadas a partir da análise de séries temporais de imagens remotamente sensoriadas, possibilitando adquirir conhecimento sobre o estado atual da região e seu histórico de cobertura florestal. Em vista da problemática ora levantada, esta pesquisa tem como foco o estudo e a implementação de uma metodologia de Aprendizado Computacional para classificar áreas desmatadas na Amazônia brasileira. Pretende-se estudar, analisar e investigar o histórico de desmatamento das unidades de conservação ambiental de São Félix do Xingu, sexto maior município brasileiro em extensão, situado no estado do Pará. A estratégia de resolução computacional a ser implementada combinará o uso de técnicas inteiramente não-supervisionadas de Machine Learning para tratar séries temporais de imagens, como o One-Class Support Vector Machine e o Isolation Forest, bem como modelos de Detecção de Anomalias e Índices Espectrais a fim de identificar e classificar áreas desmatadas. Além da robustez e precisão advindas do uso do Machine Learning, a metodologia proposta foi desenhada para ser independente do usuário nos aspectos provimento de dados de referência e capacidade de acesso integrado à catálogos atualizados a partir da plataforma de acesso livre Google Earth Engine. | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |