Modelos Generativos em Sensoriamento Remoto: Uma Abordagem Híbrida com Imagens Sintéticas e Reais para a Segmentação de Cicatrizes de Deslizamentos de Terra

• Processo: 25/04787-2
• Modalidade de apoio: Bolsas no Brasil - Doutorado
• Data de Início da vigência: 01 de junho de 2025
• Data de Término da vigência: 28 de fevereiro de 2029
• Área de conhecimento: Ciências Exatas e da Terra - Geociências - Geologia
• Pesquisador responsável: Carlos Henrique Grohmann de Carvalho
• Beneficiário: Lucas Pedrosa Soares
• Instituição Sede: Instituto de Astronomia, Geofísica e Ciências Atmosféricas (IAG). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Assunto(s): Aprendizagem profunda Desastres ambientais Deslizamento de terra Sensoriamento remoto
• Palavra(s)-Chave do Pesquisador: Deep Learning | desastres naturais | Deslizamento de Terra | redes generativas | Sensoriamento Remoto | Sensoriamento Remoto

Resumo

O ano de 2023 foi o mais quente já registrado, marcando um ponto de inflexão crítico nas mudanças climáticas. De acordo com o Emergency Events Database, ocorreram 399 desastres, resultando em 86.473 mortes e prejuízos estimados em 202,7 bilhões de dólares. No Brasil, chuvas intensas provocaram deslizamentos de terra em São Sebastião (SP), causando 63 mortes e deixando milhares de desabrigados, enquanto, em 2024, enchentes de grandes proporções afetaram 90% dos municípios do Rio Grande do Sul. Com mais de 8 milhões de brasileiros vivendo em áreas de risco, torna-se urgente a implementação de abordagens eficazes para o monitoramento de desastres naturais, especialmente deslizamentos de terra. Nesse cenário, o sensoriamento remoto aliado a algoritmos de inteligência artificial surge como uma estratégia promissora, porém, a heterogeneidade das imagens de satélite e a escassez de bases de dados diversificadas limitam a eficácia dos modelos atuais. A geração de imagens sintéticas de deslizamentos de terra por meio de modelos generativos apresenta uma solução viável, permitindo a criação de imagens que se assemelham às reais. Assim, este projeto propõe o desenvolvimento de metodologias para a geração de imagens sintéticas específicas para deslizamentos de terra, visando aprimorar a acurácia e melhorar a capacidade de generalização em diferentes áreas dos modelos de segmentação semântica. A pesquisa se divide em três objetivos principais: (1) gerar e avaliar a qualidade das imagens sintéticas, (2) desenvolver modelos de segmentação semântica utilizando esses dados e (3) explorar o uso de Visual Language Models (VLMs), que combinam inputs textuais para aprimorar a segmentação de maneira interativa. Os resultados da pesquisa serão disponibilizados em uma plataforma WebGIS, integrando os modelos de forma acessível aos usuários e contribuindo para a melhoria da predição de desastres naturais e o apoio à formulação de políticas públicas.