Pesquisadores mapeiam vegetação nativa em Mato Grosso do Sul

Multi-institucional, o projeto de pesquisa “Mapeamento da vegetação nativa em Mato Grosso do Sul com técnicas de aprendizado de máquina” quer levantar e documentar, a partir de imagens coletadas por Veículos Aéreos Não-Tripulados (Vants), espécies arbóreas protegidas por lei no estado, além da vegetação nativa a ser capturada a partir de imagens orbitais.

Desenvolvido por pesquisadores da Faculdade de Engenharias e Arquitetura e Urbanismo e Geografia (Faeng), Faculdade de Computação (Facom) e Campus de Aquidauana (Cpaq), o projeto tem a parceria da Universidade Católica Dom Bosco (UCDB), Universidade Estadual Paulista (Unesp), Pontifícia Universidade Católica (PUC-Rio), Universidade do Estado de Santa Catarina (Udesc), Universidade do Oeste Paulista (Unoeste), Universidade Federal da Grande Dourados (UFGD) e Universidade de São Paulo (USP) e também tem a contribuição de pesquisadores da TU Dresden e FGI (Finlândia).

Na UFMS, três dissertações de mestrado já foram defendidas dentro da temática nos Programas de Pós-graduação em Tecnologias Ambientais (PGTA) e no de Recursos Naturais (PGRN). Atualmente, dois alunos de mestrado (PGRN) e três de doutorado (PGTA e Ciência da Computação – PGCC) desenvolvem suas pesquisas dentro do projeto.  A professora Camila Aoki do CPAQ é quem coordena a parte específica de identificação das espécies.

Os experimentos serão realizados na Reserva Particular do Patrimônio Natural (RPPN) da UFMS e em parcelas do Pantanal a partir de imagens (RGB, multiespectrais e hiperespectrais) coletadas por sensores embarcados em Vant. Para o mapeamento e monitoramento de vegetação nativa ao longo de Mato Grosso do Sul será utilizada a plataforma Google Earth Engine, que possibilita o processamento de quantidade massiva de dados quase em tempo real.

“Para a classificação das espécies arbóreas serão utilizadas imagens RGB, multiespectrais e hiperespectrais com alta

Identificação do Buriti

resolução espacial. Também será realizada a caracterização espectral das espécies arbóreas protegidas por lei usando espectrorradiômetro de campo, de modo a estabelecer uma assinatura espectral para cada espécie, e assim gerar uma biblioteca espectral”, explica o coordenador da pesquisa, professor José Marcato Junior (Faeng).

Iniciado em fevereiro do ano passado, o projeto, com duração de 36 meses, permitirá a publicação de artigos em periódicos com alto fator de impacto, segundo o coordenador, e ainda apresenta forte relevância prática para fins de fiscalização por parte dos órgãos ambientais do estado.

Drones

Serão coletadas imagens de áreas do Cerrado (Campo Grande) e do Pantanal (Aquidauana) com os Vants, também conhecidos por drones.

“Na UFMS, temos Vants construídos em parceria com o Laboratório de Inteligência Artificial (LIA) da Facom, coordenados pelos professores Edson Matsubara e Amaury de Castro, ambos colaboradores no projeto. Mas para a coleta de imagens hiperespectrais, será utilizado Vant da Unesp de Presidente Prudente. É um equipamento muito mais caro, que possibilita “enxergar” além do espectro do visível”, expõe o coordenador.

Também serão utilizadas imagens aéreas coletadas por avião e imagens orbitais, que possibilitarão uma visão mais macro.

Após a coleta das imagens, os especialistas (biólogos, geógrafos, entre outros) irão realizar a identificação visual das espécies arbóreas de interesse.

De acordo com o professor José Marcato, essa é uma etapa fundamental para que seja realizado o treinamento dos métodos, entre eles o Deep learning (aprendizado profundo).

Identificação do Cumbaru

“Consiste no estado-da-arte em métodos para reconhecimento de objetos em imagens. Estudos preliminares foram realizados e publicados no periódico Sensors, em que o objetivo foi identificar a espécie arbórea Cumbaru. Para fins de análise de imagens hiperespectrais, já propusemos um método que previamente foi testado em espécies da Mata Atlântica”, diz o professor.

O Deep learning é um método que se destaca em diversas aplicações devido a sua grande disponibilidade de informações. Pode estar presente em muitas atividades do dia a dia, como os tradutores online, identificação automática de pessoas em aplicativos de redes sociais, dentre outros.

“No entanto, o Deep Learning ainda é muito pouco explorado para fins de identificação de espécies arbóreas a partir de imagens. Por isso, a proposta é investigar o seu uso na detecção de espécies arbóreas de Mato Grosso do Sul. Em parceria com pesquisadores da Computação, a se destacar os professores Wesley Nunes Gonçalves e Hemerson Pistori, a ideia é aprimorar os métodos já existentes”, completa.

Veja abaixo artigos relacionados à pesquisa.

https://www.mdpi.com/1424-8220/19/16/3595/htm

https://www.mdpi.com/1424-8220/20/2/563

https://www.mdpi.com/2072-4292/12/8/1294

Texto: Paula Pimenta