Banca de QUALIFICAÇÃO: ANDERSON RODRIGUES RIBEIRO

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : ANDERSON RODRIGUES RIBEIRO
DATA : 29/05/2025
HORA: 09:00
LOCAL: LSIE - MODULO 21 - SUBSOLO - ICC NORTE
TÍTULO:

Análise de métodos de classificação para discriminação de fitofisionomias florestais do bioma Cerrado utilizando imagens SAR e Ópticas 

PALAVRAS-CHAVES:

 mapeamento, sensoriamento remoto, mata seca, cerradão, aprendizado de máquina.

PÁGINAS: 52
RESUMO:

 O bioma Cerrado compreende, em um primeiro nível hierárquico, três tipos vegetacionais principais, os quais incluem as formações florestais, savânicas e campestres. Dentre as formações florestais, destacam-se as Matas Secas e o Cerradão como as únicas formações desse subdomínio que ocorrem de maneira desassociada a cursos de drenagem. Além disso, contrariamente ao Cerradão, as Matas Secas apresentam deciduidade, em diferentes níveis, durante a estação seca, o que, em alguns contextos, torna difícil o seu mapeamento em imagens de sensoriamento remoto. O estado da arte dos métodos baseados na classificação imagens de sensoriamento remoto para mapeamento de vegetação do Cerrado no primeiro nível hierárquico tem apresentado exatidão de 90%, no entanto, o desafio permanece no mapeamento de vegetação que leva em consideração um segundo nível hierárquico de mapeamento, ou seja, a discriminação, em imagens de sensoriamento, dos tipos fitofisionômicos, a exemplo das Matas Secas e Cerradão com exatidão similar às que são alcançadas no primeiro nível hierárquico. Dessa maneira, este trabalho propôs a classificação de quatro áreas-piloto inseridas na ecorregião Vão do Paranã, Goiás, onde há significativa ocorrência dessas fitofisionomias, de modo a avaliar desempenho da classificação de dados Sentinel-1 (SAR) e Sentinel-2/MSI (óptico). Utilizando a ferramenta de computação em nuvem Google Earth Engine, foram elaboradas composições sazonais de imagens SAR e Ópticas, adquiridas entre 2023 e 2024, representativas das estações seca e chuvosa para cada uma das quatro áreas-piloto, o que totalizou 16 modelos de classificação, os quais, posteriormente, foram submetidos à classificação pelo algoritmo Random Forest e avaliação pelas métricas Acurácia Geral, Acurácia do Consumidor, Acurácia do Produtor e F1-score. Como principais resultados, observou-se que imagens Sentinel-2 atingiram melhores métricas de acurácia em relação aos dados Sentinel-1. Também se observou que as classificações das imagens para o período seco atingiram maior exatidão em relação aos modelos da estação chuvosa. No desempenho a nível de classe, as áreas de Mata Seca foram ligeiramente melhor classificadas em relação às de Cerradão. Os resultados demonstraram que a utilização do Random Forest para classificação de imagens Sentinel2/MSI para a estação seca permite a obtenção de resultados de boa confiabilidade para a ecorregião Vão do Paranã. No entanto, para os dados Sentinel-1/SAR, de modo geral, e Sentinel-2/MSI para a estação chuvosa, ainda há a necessidade de mais testes, bem como a elaboração de outras estratégias de classificação para um melhor aproveitamento do potencial desses dados.

MEMBROS DA BANCA:
Presidente - 3182258 - EDER RENATO MERINO
Interno - 3173475 - OSMAR ABILIO DE CARVALHO JUNIOR
Interna - 4323378 - POTIRA MEIRELLES HERMUCHE
Interno - 1298407 - VINICIUS VASCONCELOS DE SOUZA