USO DO SEGMENT ANYTHING MODEL (SAM) PARA SEGMENTAÇÃO DE ÁRVORES EM ÁREAS URBANAS

Este estudo avalia a eficácia do Segment Anything Model (SAM) na segmentação de árvores em áreas urbanas utilizando imagens de alta resolução capturadas por ARPs. A análise foi conduzida em duas áreas de Lages (SC), comparando regiões com diferentes densidades arbóreas. Utilizando o modo de segmentação por prompt textual (“tree”), o SAM apresentou elevada acurácia (acima de 80%) em áreas densamente arborizadas, mas desempenho inferior em áreas com árvores isoladas, com taxas de omissão e comissão superiores a 50%. As métricas, como IoU e acurácia, foram calculadas em relação ao Ground Truth manualmente vetorizado. Concluímos que o SAM é promissor para o mapeamento de vegetação urbana em regiões densas, embora apresente limitações em cenários de vegetação esparsa. Estudos futuros com prompts alternativos e ajustes no modelo são recomendados para otimizar a detecção em ambientes urbanos heterogêneos.