MONITORAMENTO DA RESTAURAÇÃO ECOLÓGICA A PARTIR DE SENSORIAMENTO REMOTO E INTELIGÊNCIA ARTIFICIAL

Este estudo investiga o uso de técnicas de sensoriamento remoto e inteligência artificial para o monitoramento de áreas em restauração ecológica, especialmente para a identificação automática de mudas e gramíneas. Foram utilizadas redes neurais convolucionais (CNNs) treinadas em imagens RGB de alta resolução capturadas por Sistemas de Aeronaves Remotamente Pilotadas (RPAS). O modelo foi treinado e validado com um conjunto robusto de rótulos específicos para mudas e gramíneas. Resultados indicam que o modelo CNN atingiu uma precisão média de 82%, com desempenho promissor na diferenciação das classes de interesse, possibilitando análises de densidade de plantio e cobertura de gramíneas. Esses resultados evidenciam o potencial do uso de CNNs no monitoramento de restauração ecológica em larga escala, contribuindo para o manejo e a sustentabilidade ambiental