Estudo Comparativo da Detecção de Desmatamento em Cenas Sentinel-1 da Floresta Amazônica

Igor B M C Correia, Mylene Farias, Edson Hung, Ulisses S Guimarães, Hélcio Vieira Jr, Thiago B Rodrigues

DOI: 10.14209/sbrt.2023.1570923825

Evento: XLI Simpósio Brasileiro de Telecomunicações e Processamento de Sinais (SBrT2023)

Keywords: SAR CNN desmatamento estudo

Abstract

Diante das limitações das imagens de satélites óticos, o radar de abertura sintética (SAR) se destaca pela resistência a condições climáticas adversas. Contudo, o reconhecimento preciso de áreas desmatadas nas imagens SAR é desafiador devido ao ruído ``speckle'' e a variabilidade dos objetos. Neste artigo, realizamos um experimento \textit{online} com participantes voluntários que identificaram áreas desmatadas em imagens SAR. Para isto, desenvolvemos um software que permite que os participantes façam anotações na imagens SAR, delimitando áreas desmatadas. Com os resultados deste experimento, foi possível analisar a relação entre o nível de experiência autodeclarada dos participantes e a precisão na detecção de áreas desmatadas. Também comparamos o desempenho humano e o desempenho obtido com um modelo automático baseado na arquitetura UNet. Os resultados mostram que um maior conhecimento em sensoriamento remoto ou SAR não garante anotações de qualidade. O desempenho da UNet supera o desempenho obtido com humanos na tarefa. O estudo reforça o potencial de aprendizado profundo na detecção de desmatamento, enfatizando a necessidade de aprimoramento contínuo das arquiteturas e da capacitação de especialistas.

Download