Mapeamento de áreas queimadas na Amazônia brasileira usando aprendizado profundo

Vol 20, 2023. - 156190
Anais / Proceedings XX SBSR
Favorite this paper
How to cite this paper?
Abstract

Atualmente, o mapeamento de áreas queimadas tem sido uma importante tarefa para auxiliar governos e organizações não governamentais. Vários métodos automáticos têm sido estudados, e os métodos baseados em aprendizado profundo têm se destacado por sua robustez. No entanto, esses métodos têm limitações de generalização quando amostras de treinamento e teste são coletadas de diferentes regiões. Portanto, o objetivo deste trabalho é mapear áreas queimadas na Amazônia brasileira, bem como avaliar a capacidade de generalização em imagens de satélite PlanetScope (alta resolução espacial). Foi utilizado o método de aprendizado profundo baseado em Transformer, chamado SegFormer. No treinamento e validação foram utilizadas apenas imagens do Pantanal (outro importante bioma brasileiro) e, por fim, utilizamos imagens da Amazônia brasileira no teste. Para área queimada, nossa metodologia alcançou 90,71% de precisão pixel a pixel. Portanto, a metodologia utilizando SegFormer obteve bons resultados mesmo quando treinada e avaliada em diferentes regiões, indicando que métodos baseados em transformers são adequados para generalizar o mapeamento de áreas queimadas.

Share your ideas or questions with the authors!

Did you know that the greatest stimulus in scientific and cultural development is curiosity? Leave your questions or suggestions to the author!

Sign in to interact

Have a question or suggestion? Share your feedback with the authors!

Institutions
  • 1 Universidade Federal do Rio de Janeiro
  • 2 Universidade Federal de Mato Grosso do Sul
  • 3 Universidade Federal de Mato Grosso do Sul - Campo Grande
  • 4 Universidade Federal de Juiz de Fora
Track
  • 6. Forest degradation
Keywords
Aprendizado profundo
Área queimada
Amazônia
Pantanal