Banca de DEFESA: OSMAR LUIZ FERREIRA DE CARVALHO

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE : OSMAR LUIZ FERREIRA DE CARVALHO
DATA : 11/09/2026
HORA: 14:00
LOCAL: VIDEOCONFERÊNCIA
TÍTULO:

Uma Expedição de Aprendizado Profundo pelas Dimensões de Espaço, Tempo e Espaço-Tempo do Sensoriamento Remoto

PALAVRAS-CHAVES:

Aprendizado profundo; Sensoriamento remoto; Séries temporais de imagens de satélite; Segmentação semântica; Inteligência artificial centrada em dados

PÁGINAS: 269
RESUMO:

Resolver um problema de sensoriamento remoto com inteligência artificial exige mais do que escolher um modelo, porque antes disso é preciso definir qual é o alvo, que dado usar, o que um rótulo significa, em que ponto do processo o modelo entra e como o resultado será conferido. Esta tese percorre essa cadeia de decisões nas três dimensões do dado, o espaço, o tempo e as duas juntas. No eixo do espaço trabalha-se com uma única data, e o que muda de um capítulo para o outro é a origem do ponto que treina o modelo. No primeiro, algumas centenas de amostras de solo recolhidas em campo viram um mapa contínuo de 𝛿 13C, e o ponto é apenas uma coordenada, sem imagem ao redor. No segundo, o anotador clica dentro da imagem e só onde o modelo erra com confiança, e um único pixel rotulado por classe já recupera máscaras tão boas quanto as densas. No terceiro nem a pessoa é necessária, porque o gerador de máscaras do SAM2 espalha os próprios pontos pela cena e propõe os objetos sozinho, sem rótulo da tarefa. No quarto não se coleta ponto novo, e sim se recorta de outra maneira a anotação existente, separando a parte visível de uma superfície daquela escondida sob árvores e carros. No eixo do tempo o dado ainda não existe, porque a curva de um lugar só aparece depois que ele é acompanhado ao longo de uma safra, e por isso o eixo começa pelo software construído para coletá-la, que reúne num mesmo ambiente a rotulagem, o aprendizado ativo que sugere os próximos pontos, o treino e a predição. Com os dados já formados por essas ferramentas, o segundo capítulo faz a classificação mais direta possível, a de uma única cultura, o algodão, cujo calendário é nítido o bastante para a curva sozinha identificá-lo. O terceiro vai além do rótulo que o aprendizado profundo entrega, porque a rede sempre devolve uma classe, enquanto a intensificação agrícola varia continuamente de um ciclo de cultivo até a cobertura perene, e é esse gradiente que o capítulo mede. No eixo do espaço–tempo o alvo decide para que serve o tempo. Parques eólicos offshore não se movem, então a série de radar cancela navios e ondas antes de o mapa ser separado em objetos individuais, enquanto dolinas cársticas se distinguem pelo estágio de evolução, que só aparece em como a reflectância muda no ano, e por isso o cubo dos doze meses entra inteiro na rede. Já o café não tem forma que o separe do eucalipto ou da pastagem numa data isolada, e o ciclo anual da planta dá esse contorno. Cada eixo deixa um método, a evidência e software funcionando, e quatro ferramentas saem em código aberto, para anotação esparsa, segmentação com modelo de fundação, rotulagem de séries temporais e leitura de curvas fenológicas. O argumento que atravessa os capítulos é que o formato do dado decide como o problema deve ser formulado.

MEMBROS DA BANCA:
Presidente - 2131191 - DANIEL GUERREIRO E SILVA
Interno - 2984854 - EDUARDO PEIXOTO FERNANDES DA SILVA
Externo ao Programa - 1713998 - ERALDO APARECIDO TRONDOLI MATRICARDI - UnBExterno à Instituição - HUGO VALADARES SIQUEIRA - UFSCAR
Externo à Instituição - LEVY BOCCATO - UNICAMP