Metaclassificação e rede neural convolucional para segmentação de desmatamento da mata atlântica

Abstract

O desmatamento é uma questão ambiental crítica que impacta diretamente a biodiversidade e os serviços ecossistêmicos, estando diretamente relacionado às mudanças climáticas e a eventos catastróficos cada vez mais frequentes na atualidade. No Brasil, a Mata Atlântica está entre os biomas mais devastados ao longo da história, restando menos de 20% de sua cobertura de vegetação original. Diante desse cenário, esforços têm sido empregados por órgãos governamentais e não governamentais com o intuito de conter o avanço do desmatamento. A identificação e o mapeamento das áreas desmatadas desempenham um papel fundamental, permitindo a alocação mais eficiente de recursos e o direcionamento de medidas preventivas. Nesse contexto, este estudo propõe o desenvolvimento de dois modelos, um utilizando o metaclassificador Random Forest e o outro a rede neural convolucional UNet, voltados para a segmentação de áreas desmatadas da Mata Atlântica no estado de Santa Catarina, visando identificar o modelo mais robusto para lidar com essa problemática. Para isso, algumas etapas foram seguidas como montagem da base de imagens capturadas pelo satélite Landsat-8 no período de 2020 a 2022, bem como os dados anuais de desmatamento da Global Forest Watch, implementação de técnicas de pré-processamento de dados, desenvolvimento dos mode los de aprendizado de máquina e aplicação das métricas de qualidade para avaliação dos resultados. O modelo de rede neural convolucional UNet ge rou os melhores resultados, atingindo F1-Score de 82,14% na segmenta ção de desmatamento no ano de 2021, contra 49,99% do metaclassificador Random Forest.