GEOPROCESSAMENTO E REDES NEURAIS CONVOLUCIONAIS: ANÁLISE DA COBERTURA E USO DA TERRA NA BACIA HIDROGRÁFICA DO RIO ALMADA (BAHIA – BRASIL)

Resumo

As técnicas de geoprocessamento associadas aos modelos de Redes Neurais Convolucionais (CNN) emergem como uma alternativa viável para a obtenção de dados que possam subsidiar a tomada de decisões. Neste contexto, este trabalho tem como objetivo avaliar a aplicação de algoritmos de CNN para a classificação e detecção das classes de cobertura e uso da terra nas imagens de satélite da Bacia Hidrográfica do Rio Almada (BHRA). Para alcançar o objetivo, são estruturadas etapas lógicas: (i) coleta de informações; (ii) processamento do dataset EuroSat; e, (iii) a avaliação dos modelos. Os resultados da classificação demonstram precisões superiores a 90% no reconhecimento das classes. Quanto ao modelo de detecção, identifica-se uma precisão de 70% para as classes “Forest” e “Pasture”, que têm grandes extensões dentro da BHRA. Ambos os modelos evidenciaram sua versatilidade na aplicação e na viabilidade como ferramentas de monitoramento das condições físicas e ambientais da BHRA. Nesse sentido, ressalta-se a eficácia dos modelos na identificação e localização das classes de cobertura e uso da terra, enfatizando a importância da construção de um dataset que evidencia as características da área de estudo. Isso contribui para a obtenção de resultados confiáveis, aprimorando a utilidade prática dos modelos de CNN.