DEEP LEARNING FOR DETECTING WATER BODIES IN UAV IMAGERY OF THE BRAZILIAN PANTANAL

Authors

DOI:

https://doi.org/10.14393/RCG2610776023

Keywords:

Remote Sensing, Artificial Intelligence, Image Classification

Abstract

The Pantanal, the largest continuous flooded plain in the world, faces preservation challenges due to the seasonal flooding cycle and human interventions. To better understand and preserve this biome, monitoring systems are essential, and the use of remote sensing techniques combined with advanced machine learning emerges as a promising strategy. This study investigated deep learning models for water body segmentation in UAV (unmanned aerial vehicle) images of the Pantanal. The images were captured using the MAVIC 2 Air camera, with a spatial resolution of 3 cm. Deep learning models such as InterImage, DeepLabv3+, and SegFormer were compared to evaluate their segmentation capabilities. A protocol was established for evaluation, considering metrics such as Intersection over Union (IoU) and Dice. SegFormer showed the best results, with an IoU of 96.16%, Recall of 97.85%, Precision of 99.46%, and an F1 Score of 98.04%. Although DeepLabv3+ and InterImage presented lower metrics, they also demonstrated robust performance. All models produced satisfactory results, but some difficulties were observed in accurately identifying water bodies.

Downloads

Download data is not yet available.

Author Biographies

  • Lucas Yuri Dutra de Oliveira, Federal University of Mato Grosso do Sul

    Geógrafo formado pela Universidade Federal de Mato Grosso do Sul e mestre em Tecnologias Ambientais pela Universidade Federal de Mato Grosso do Sul. Atualmente é doutorando em Tecnologias Ambientais pela Universidade Federal de Mato Grosso do Sul.

  • João Lucas Aparecido Rocha Paes, Federal University of Mato Grosso do Sul

    Graduando em Engenharia da Computação na Universidade Federal de Mato Grosso do Sul.

  • Maximilian Jaderson de Melo, Federal University of Mato Grosso do Sul

    Possui graduação em Ciência da Computação pela Universidade Estadual Paulista Júlio de Mesquita Filho e mestrado em Ciência da Computação pela Universidade Federal de Mato Grosso do Sul. Atualmente é doutorando em Ciência da Computação pela Universidade Federal de Mato Grosso do Sul

  • Maxwell da Rosa Oliveira, Federal University of Minas Gerais

    Possui graduação em Ciências biológicas pela Universidade Federal de Mato Grosso do Sul (2017) e mestrado em Biologia Vegetal pela Universidade Federal de Mato Grosso do Sul (2020). Atualmente é pesquisador visitante do Instituto de Pesquisas Ecológicas.

  • Eveline Terra Bezerra, Federal University of Mato Grosso do Sul

    Graduada em Arquitetura e Urbanismo pela Universidade Católica Dom Bosco. Mestre em Análise Socioambiental dos domínios cerrado e Pantanal pelo curso de Geografia na Universidade Federal do Mato Grosso do Sul. Doutoranda em Tecnologias Ambientais pela Universidade Federal do Mato Grosso do Sul.

  • Ana Paula Marques Ramos, São Paulo State University

    Graduada em Engenharia Cartográfica pela Faculdade de Ciências e Tecnologia (FCT) da Universidade Estadual Paulista (Unesp) "Júlio de Mesquista Filho". Possui mestrado e doutorado em Ciências Cartográficas pelo Programa de Pós-Graduação em Ciências Carográficas (PPGCC) da FCT/Unesp. Atualmente é Professora Assistente Doutora MS 3.2 do Departamento de Cartografia da FCT/Unesp.

  • Jonathan Li, University of Waterloo

    Professor titular de ciência de dados geoespaciais no Departamento de Geografia e Gestão Ambiental e professor de inteligência artificial com nomeação cruzada no Departamento de Engenharia de Design de Sistemas, Universidade de Waterloo.

  • Geraldo Alves Damasceno Júnior, Federal University of Mato Grosso do Sul

    Possui graduação em Ciências Biológicas pela Universidade Federal de Mato Grosso do Sul, mestrado e doutorado em Biologia Vegetal pela Universidade Estadual de Campinas e pós-doutorado na Universidade de Hamburgo. Atualmente é professor da Universidade Federal de Mato Grosso do Sul.

  • Wesley Nunes Gonçalves, Federal University of Mato Grosso do Sul

    Possui graduação em Engenharia de Computação pela Universidade Católica Dom Bosco, mestrado em Ciências da Computação pela Universidade de São Paulo e doutorado em Física pela Universidade de São Paulo. Atualmente é professor adjunto da Universidade Federal de Mato Grosso do Sul.

  • José Marcato Junior, Federal University of Mato Grosso do Sul

    Possui graduação em Engenharia Cartográfica pela Universidade Estadual Paulista Júlio de Mesquita Filho, mestrado e doutorado em Ciências Cartográficas pela Universidade Estadual Paulista Júlio de Mesquita Filho. Atualmente é Professor associado na Universidade Federal de Mato Grosso do Sul.

Downloads

Published

2025-10-14

Issue

Vol. 26 No. 107 (2025): Outubro

Section

Artigos

License

Copyright (c) 2025 Lucas Yuri Dutra de Oliveira, João Lucas Aparecido Rocha Paes, Maximilian Jaderson de Melo, Maxwell da Rosa Oliveira, Eveline Terra Bezerra, Ana Paula Marques Ramos, Jonathan Li, Geraldo Alves Damasceno Júnior, Wesley Nunes Gonçalves, José Marcato Junior

Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Autores que publicam nesta revista concordam com os seguintes termos: a) Autores mantém os direitos autorais e concedem à  revista o direito de primeira publicação, com o trabalho licenciado sob a Creative Commons Atribuição-NãoComercial-SemDerivações 4.0 Internacional. b) Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal), já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado. c) Em virtude de aparecerem nesta revista de acesso público, os artigos são de uso gratuito, com atribuições próprias, em aplicações educacionais e não-comerciais.

How to Cite

OLIVEIRA, Lucas Yuri Dutra de et al. DEEP LEARNING FOR DETECTING WATER BODIES IN UAV IMAGERY OF THE BRAZILIAN PANTANAL. Caminhos de Geografia, Uberlândia, v. 26, n. 107, p. 38–52, 2025. DOI: 10.14393/RCG2610776023. Disponível em: https://seer.ufu.br/index.php/caminhosdegeografia/article/view/76023. Acesso em: 5 dec. 2025.