Aplicação de modelo de Rede Neural Convolucional para detecção de fogo ativo no Parque Estadual Encontro das Águas

• Autor(a) principal: Costa, Daniel Cabral da
• Data de Publicação: 2021
• Tipo de documento: Trabalho de conclusão de curso
• Idioma: por
• Título da fonte: Repositório Institucional da UFPB
• Texto Completo: https://repositorio.ufpb.br/jspui/handle/123456789/25454
• topic: CNPQ::ENGENHARIAS::ENGENHARIA CIVIL; Queimadas; Processamento Digital de Imagens; Redes Neurais Convolucionais; Sensoriamento Remoto

A detecção de fogo ativo através de sensoriamento remoto é uma ferramenta importante para o controle e análise dos impactos dos incêndios florestais, principalmente quando ocorrem em regiões remotas e de difícil acesso. Com o avanço tecnológico, algoritmos de processamento de imagem surgiram e aumentaram as alternativas para se monitorar e analisar esses fenômenos. Desse modo, o objetivo dessa pesquisa é de aplicar uma Rede Neural Convolucional sobre imagens de uma região de interesse que inclui o Parque Estadual Encontro das Águas entre os meses de agosto a outubro de 2020, período em que a reserva – a segunda maior do Pantanal brasileiro – sofreu com uma quantidade histórica de queimadas. Os dados utilizados no estudo foram adquiridos do satélite Sentinel-2, através da biblioteca eo-learn da linguagem Python, resultando num total de quinze imagens de resolução espacial de vinte metros e 2496 x 2489 pixels. Ao fim do pré-processamento, obteve-se 1500 imagens de 256 x 256 pixels que foram processadas pela Rede Neural Convolucional escolhida. O modelo utilizado correspondeu a uma arquitetura U-Net, que possuiu nove blocos de convolução, com 2.164.593 parâmetros pré-treinados. Após o processamento, foram obtidas quinze máscaras de tamanho 2560 x 2560, cada uma correspondente a uma data do período, cujos pixels indicam a presença de fogo ativo, quando True, ou não, quando False. A análise das máscaras indicou que o pico dos incêndios na região ocorreu no mês de setembro, que é o último do período seco na região. As quatro imagens adquiridas entre 29/08/2020 e 13/09/2020 acumularam 84,7% de todos os pixels ativos no período, com pico no último dia, que contou com 20.177 pixels ativados, equivalente a aproximadamente um terço do total para o período. Após essa data, os fogos detectados por imagem tiveram uma queda brusca, que continuou até o fim do período analisado. Para validar os resultados encontrados, fez-se uma comparação entre as máscaras geradas e os resultados obtidos na plataforma BDQueimadas, para as mesmas datas e área delimitada, que indicou uma maior capacidade de detecção de focos de incêndio menores e mais detalhados por parte da rede estudada. Assim, a ferramenta mostrou-se útil para a análise posterior da evolução e dos impactos do fogo em grandes áreas. Entretanto, ponderou-se que, apesar da maior resolução espacial do Sentinel-2, sua resolução temporal de cinco dias, além do tempo de processamento, inviabilizam seu uso para o monitoramento em tempo real desses fenômenos.