Monitoramento de plantios jovens de restauração florestal a partir de imagens aéreas baseadas em drones e aprendizado profundo

• Processo: 24/12309-0
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de novembro de 2024
• Data de Término da vigência: 31 de outubro de 2025
• Área de conhecimento: Ciências Agrárias - Recursos Florestais e Engenharia Florestal
• Pesquisador responsável: Pedro Henrique Santin Brancalion
• Beneficiário: Marina Antunes Manço Ribeiro
• Instituição Sede: Escola Superior de Agricultura Luiz de Queiroz (ESALQ). Universidade de São Paulo (USP). Piracicaba , SP, Brasil
• Vinculado ao auxílio: 18/18416-2 - Compreendendo florestas restauradas para o benefício das pessoas e da natureza - NewFor, AP.BTA.TEM
• Assunto(s): Aprendizagem profunda Monitoramento Restauração ecológica
• Palavra(s)-Chave do Pesquisador: Aprendizado profundo | Monitoramento | Restauração ecológica | Rpas | Restauração ecológica; sensoriamento remoto

Resumo

As ferramentas de sensoriamento remoto, tais como Sistemas Aéreos Pilotados Remotamente (RPAS) acoplados a sensores RGB (Red-Green-Blue), apresentam elevada eficiência na captação de dados e imagens de alta resolução. De modo complementar, as redes neurais configuram-se como instrumentos práticos para a automatização e otimização de processos. O propósito central do trabalho consiste em testar a aplicação de imagens de RPAS em conjunto com algoritmos de aprendizado profundo, visando aprimorar o monitoramento de indicadores ecológicos na restauração florestal. O projeto será desenvolvido em fases distintas, abrangendo a coleta de dados, processamento das informações de voo e implementação do algoritmo de classificação. Essa estrutura metodológica visa alcançar uma análise abrangente e eficaz dos indicadores ecológicos relacionados à restauração florestal. A execução desses procedimentos ocorrerá para a análise das imagens provenientes das áreas experimentais do projeto "Análise Comparativa de Técnicas de Restauração Ativa envolvendo Semeadura Direta e/ou Plantio de Mudas"(FAPESP 2023/01325-2) e do experimento MataDIV. Esta abordagem estratégica visa otimizar tempo e recursos, proporcionando a aplicação eficiente das ferramentas de sensoriamento remoto e inteligência artificial mencionadas, o que pode contribuir para futuras iniciativas de monitoramento em largaescala na restauração ecológica.