Banca de QUALIFICAÇÃO: ARIANE MARINA DE ALBUQUERQUE TEIXEIRA

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE: ARIANE MARINA DE ALBUQUERQUE TEIXEIRA
DATA: 15/12/2022
HORA: 16:00
LOCAL: CI
TÍTULO: Monitoramento do Volume Hídrico de Reservatórios do Estado da Paraíba Utilizando Deep Learning e Imagens de Satélite
PALAVRAS-CHAVES: aprendizado Profundo, Sensoriamento remoto, Imagem de satélite, Monitoramento de reservatórios.
PÁGINAS: 45
RESUMO: Secas de gravidade e duração variadas ocorrem com muita frequência no Nordeste do Brasil. Seus impactos afetam diretamente os setores da economia e a vida do povo nordestino. Na Paraíba, esse fenômeno provoca impactos tanto sociais quanto econômicos e afeta a vida de toda a população do Estado, principalmente na zona rural. Os prejuízos da falta de água na região atingem desde a segurança hídrica até a produção de alimentos e a criação de animais. Dada a pouca disponibilidade de água subterrânea e vazões fluviais, os reservatórios hídricos são a principal fonte de abastecimento de água na Paraíba. Portanto, o conhecimento do volume de água superficial dos reservatórios é necessário para uma gestão eficiente da água em termos de preparação para a seca e um melhor entendimento da hidrologia da região. O crescente número de sensores que orbitam o planeta Terra está produzindo produtos de imageamento da superfície terrestre com resoluções cada vez melhores. Isso, aliado à maior oferta de diferentes produtos de imageamento, está levando a um grande aumento do volume de dados de sensoriamento remoto disponíveis a quem queira extrair valiosas informações relacionadas à cobertura terrestre. Dessa forma, os dados de sensoriamento remoto, aliados com a aprendizagem profunda e a visão computacional, têm sido empregados para resolver problemas de grande complexidade e vêm gerando uma grande contribuição para a obtenção de métodos mais efetivos de controle ambiental. Diante desse cenário, o objetivo deste trabalho é o de propor o uso de deep learning para realizar o monitoramento de reservatórios hídricos a partir de imagens de satélites. Para isso, foi desenvolvida uma Rede Neural Totalmente Convolucional (FCN) com o objetivo de extrair a área superficial de lâmina d’água a partir de imagens de satélite multiespectrais. A rede foi construída através do modelo U-Net e teve uma precisão de 95% com a métrica IoU no conjunto de teste. Os resultados se mostraram promissores, mostrando uma semelhança da curva de monitoramento de reservatórios no estado da Paraíba obtida através das imagens de satélites com os dados de monitoramento divulgados pela Agência Executiva de Gestão das Águas (AESA).
MEMBROS DA BANCA:
Presidente - 1167863 - LEONARDO VIDAL BATISTA
Interno - 1743917 - THAIS GAUDENCIO DO REGO
Externo ao Programa - 1358547 - CELSO AUGUSTO GUIMARAES SANTOS