Detecção de áreas em desmatamento na floresta amazônica através de imagens de satélites analisadas por redes neurais

Resumo: A mata amazônica é um bioma muito importante para o clima mundial , absorvendo enormes quantidades de carbono em forma de biomassa, abrigando uma das maiores biodiversidades do planeta, contribuindo para o ciclo das águas entre outros. A mata amazônica é só um dos maiores exemplos de floresta vitais para o clima mundial, mas existem mais de 4.06 milhões de hectares de florestas no mundo inteiro que contribuem para o mesmo propósito. Atualmente a floresta amazônica sofre muito desmatamento tanto ilegal quanto legal para produzir madeira e area de pastagem para agropecuária [2]. Este processo devasta o ecossistema e libera 0.3 bilhões de toneladas de CO2 na atmosfera todo ano. Os atuais sistemas de detecção de monitoramento de desmatamento dependem de denúncias e imagens de satélite de baixa resolução espacial. Isso se prova muito ineficiente na detecção de operações de desmatamento específicas, dificultando a ação governamental no caso de operações ilegais. Monitorar as florestas do mundo inteiro é uma tarefa ainda mais complicada já que o Brasil contém apenas 12% dos 4.06 bilhões de hectares de floresta no mundo inteiro. O melhor método para monitorar o desmatamento é através de tecnologias de sensoriamento remoto, principalmente satélites, já que podem obter imagens do mesmo local repetidas vezes rapidamente. Mas a quantidade de dados gerados por satélites de alta resolução é muito alta e por isso acreditamos que um sistema automatizado seria necessário para processar tantos dados. O objetivo deste projeto é utilizar imagens de satélite para treinar uma rede neural capaz de detectar desmatamento total ou seletivo em imagens de florestas obtidas por satélites, instantaneamente. Para realizar isso montaremos um banco de imagens classificadas por tipo de desmatamento a partir do banco de dados de desmatamento PRODES e o banco de imagens de satélites da USGS. Então iremos treinar uma IA de arquitetura CNN para classificar esse tipo de imagem. O processo de desenvolvimento da IA vai se constituir em alterar a arquitetura da rede neural e dos parâmetros de treinamento para obter melhores precisões.