Monitoramento de mudanças por Inteligência Artificial com base na análise da dinâmica espectro-temporal de imagens de Sensoriamento Remoto

Abstract

As tecnologias de Sensoriamento Remoto e a Inteligência Artificial emergem com potencial para definir novas ferramentas de monitoramento ambiental a partir de sua combinação. Neste contexto, o presente trabalho propõe uma nova metodologia que explora métodos de Detecção de Anomalias aplicados a imagens de Sensoriamento Remoto para identificar as mudanças espaço-temporais sobre a superfície da Terra. O potencial da abordagem introduzida é mostrado em estudos de caso sobre a análise das mudanças da paisagem no Brasil usando os métodos One-Class Support Vector Machine e Isolation Forest aplicados sobre imagens Landsat-8 OLI, Sentinel-2 MSI e Terra MODIS para as regiões de Brumadinho e Mariana, que passaram por mudanças ambientais significativas após o colapso recente de barragens, além de uma área no município de Altamira, sujeita aos impactos de atividades antrópicas na Floresta Amazônica. A estrutura de monitoramento proposta identificou anomalias correspondentes a mudanças na superfície terrestre em diferentes resoluções espaciais, considerando índices espectrais distintos.