Banca de DEFESA: Heitor da Rocha Nunes de Castro
Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.DISCENTE : Heitor da Rocha Nunes de Castro
DATA : 16/06/2023
HORA: 14:00
LOCAL: plataforma TEAMS
TÍTULO:
Detecção de depressões cársticas usando segmentação semântica e de instância e comparando diferentes modelos digitais globais de elevação
PALAVRAS-CHAVES:
Dolinas, Inteligência Artificial, Aprendizado Profundo,Geomorfologia Cárstica, Depressão Topográfica, Atributos Geomorfométricos
PÁGINAS: 54
RESUMO:
Esta pesquisa tem como objetivo investigar o uso da segmentação profunda na detecção e quantificação de depressões cársticas naturais desenvolvidas nas rochas carbonáticas do Grupo Neoproterozóico Bambuí no Oeste da Bahia, Brasil. A paisagem cárstica da área de estudo apresenta dolinas e a formação de lagos envoltos em calcário. O estudo analisa diferentes abordagens para detectar depressões cársticas. Primeiro, uma comparação de cinco Modelos Digitais Globais de Terreno (DEM) diferentes com resolução de 30 metros: Copernicus 30m Global DEM (GLO-30), ALOS World 3D (AW3D30), Shuttle Radar Topography Mission (SRTM), National Aeronautics and Space Administration DEM (NASADEM) e Radiômetro Espacial Avançado de Reflexão e Emissão Térmica - DEM Global (ASTER-GDEM). Segundo, comparando cinco arquiteturas de segmentação semântica com backbone EfficientNet-B7 (Feature Pyramid Network - FPN, LinkNet, Unet, Unet++ e DVL3+) e uma segmentação de instância (Mask-RCNN). Terceiro, avaliação da elaboração da segmentação usando duas variáveis (DEM e profundidade de afundamento baseada em DEM) ou onze variáveis (DEM, profundidade de afundamento baseada em DEM e nove atributos de terreno). A pesquisa não avaliou o uso do DEM isoladamente devido a sua acurácia muito baixa em análises anteriores. A metodologia teve as seguintes etapas: (a) aquisição de DEMs e geração de atributos geomorfométricos; (b) rotulagem de amostra por interpretação manual de depressões cársticas de imagens Sentinel-2 e OLI-Landsat 8; (c) seleção de amostras para treinamento (1600 amostras), validação (400 amostras) e teste (400 amostras) com dimensões 128x128 considerando dois canais (DEM e profundidade de afundamento com base no DEM) e onze canais (os dois anteriores adicionados por nove atributos morfométricos); (e) elaboração de segmentações semânticas e de instância; (f) análise de precisão; (g) reconstrução da imagem usando janela deslizante; e (f) conversão de segmentação semântica para instância usando ferramentas GIS. Os resultados mostram que os dados do GLO-30 apresentaram os maiores valores de acurácia, seguido pelo Aw3D30. Em contrapartida, o ASTER GDEM obteve os piores resultados. Dentre os modelos que utilizam segmentação semântica, o FPN apresentou os resultados de acurácia mais significativos, enquanto o DVL3+ apresentou os piores. Considerando as mesmas arquiteturas e DEM, os modelos que utilizaram 11 canais obtiveram melhores resultados do que aqueles que utilizaram apenas dois canais. A conversão de dados de segmentação semântica para segmentação de instância usando uma ferramenta GIS provou ser muito fácil, pois os recursos não interagem.
MEMBROS DA BANCA:
Presidente - 3173475 - OSMAR ABILIO DE CARVALHO JUNIOR
Interno - 1298407 - VINICIUS VASCONCELOS DE SOUZA
Externo à Instituição - CLAUDINEI TABORDA DA SILVEIRA - UFPR
Externo à Instituição - ANTONIO JOSE TEIXEIRA GUERRA - UFRJ