Projetos de Pesquisa

 

Foto de perfil

Osmar Abílio de Carvalho Junior

Ciências Humanas

Geografia
  • emprego de métodos de inteligência artificial no monitoramento terrestre para auxiliar políticas públicas de desenvolvimento social, econômico e sustentável na região amazônica
  • Os dados de sensoriamento remoto consistem em uma tecnologia adequada para o monitoramento florestal, permitindo aquisição de informações de forma rápida, periódica e com baixos custos. No processamento digital dessas imagens, métodos recentes de Inteligência Artificial atingem o estado da arte. O presente projeto objetiva desenvolver um sistema baseado em imagens de sensoriamento remoto e modelos de Aprendizagem Profunda (AP) para monitoramento florestal na região amazônica. Destacam-se como objetivos específicos: (b) desenvolver algoritmos de AP para monitoramento florestal e detecção de alterações (desmatamento, corte seletivo, incêndio e uso do solo); (c) estabelecer um banco de dados para processamento de dados florestais utilizando AP, e (d) transferir e trocar conhecimento entre as instituições envolvidas (UnB, IBAMA, INCRA, EMBRAPA). A metodologia é subdividida nas seguintes etapas: (a) aquisição e pré-processamento das imagens Sentinel-1 e 2; (b) geração de um banco de amostras para aprendizagem profunda e rotulagem de amostras de treinamento, validação e teste, (c) comparação e análise de métodos de AP; (d) desenvolvimento de métodos para a detecção de mudança; (e) análise de acurácia, (f) cruzamento de informações espaciais para modelar as causas das mudanças usando técnicas de inteligência artificial. O projeto possui as seguintes inovação: (a) concilia um produto e serviço inovador com ampla e imediata aplicação entre os gestores públicos (produto e serviço de inovação); (b) emprega métodos e abordagens ainda inexistentes no processamento digital de imagens, como a segmentação panóptica e classificações dinâmicas (inovação de processos); (c) melhoria da capacidade de aprendizagem e gerenciamento do executor do projeto e de seus associados (inovação organizacional), e (d) estreita interação com parceiros de instituições públicas que necessitam dessa informação (inovação usuário).
  • Universidade de Brasília - DF - Brasil
  • 15/12/2022-28/02/2026
Foto de perfil

Osmar Abílio de Carvalho Junior

Ciências Exatas e da Terra

Geociências
  • desenvolvimento de métodos de aprendizagem profunda para o mapeamento de áreas urbanas a partir de diferentes imagens de sensoriamento remoto
  • O elevado número de feições urbanas torna o mapeamento automático difícil de ser realizado acuradamente e muitos dos levantamentos são realizados de forma manual com interpretação em tela de computador. Portanto, o monitoramento urbano sistemático, tão requisitado e imprescindível, necessita de metodologias cada vez mais acuradas para a construção de um banco de informações que auxilie precisamente os gestores públicos a adquirirem informações relevantes. Recentemente, surgiu um avanço disruptivo no processamento digital de imagem promovido pela Inteligência Artificial, que suplanta os métodos tradicionais, denominado de aprendizagem profunda (Deep Learning). Portanto, o presente projeto visa desenvolver novas abordagens para a detecção e monitoramento de áreas urbanas a partir do processamento de imagens de sensoriamento remoto baseado em aprendizado profundo, que surge como o estado da arte em processamento digital de imagens e visão computacional. As pesquisas priorizarão o mapeamento usado técnicas de deep learning para o mapeamento das principais feições urbanas. Assim, o projeto busca solucionar problemas prementes para o planejamento urbano, onde os produtos de pesquisa e desenvolvimento tecnológico adquirem caráter de aplicação imediata. A metodologia avaliará diferentes métodos de Redes Neurais Convolucionais (CNNs) e diferentes imagens de satélite (ópticas e radares), construindo uma base de dados aberta sobre o comportamento espaciotemporal das feições urbanas.
  • Universidade de Brasília - DF - Brasil
  • 05/12/2023-31/12/2026
Foto de perfil

Osmar Antonio Schroh

Ciências Exatas e da Terra

Astronomia
  • 1ª olimpíada científica regional de jornada de foguetes - vale do contestado
  • Vide projeto anexo
  • Colégio Estadual José de Anchieta EFM - PR - Brasil
  • 12/12/2023-31/12/2025
Foto de perfil

Osmar Tomaz de Souza

Ciências Sociais Aplicadas

Economia
  • práticas produtivas, construção de identidades, geração de renda e conservação ambiental: estudo de produtos da sociobiodiversidade nos campos de cima da serra (bioma mata atlântica) no município de são francisco de paula (rs)
  • A pesquisa aqui proposta se insere na problemática produção x conservação no âmbito do Bioma Mata Atlântica (BMA), mais precisamente investigando a região dos Campos de Cima da Serra (CCS), no Rio Grande do Sul. Esta zona apresenta diferentes fisionomias vegetais, a saber: Campos de Altitude, Floreta Ombrófila Mista e Floresta Ombrófila Densa. A região tem potencial para o desenvolvimento da cadeia de produtos da sociobiodiversidade, como algumas atividades históricas ali existentes, caso da pecuária tradicional, do queijo artesanal serrano, do pinhão, das frutas nativas, da produção de mel, além de uma diversidade de produtos da agricultura familiar. Podem ser considerados produtos da cadeia da sociobiodiversidade, pois guardam estreita relação com as características geográficas, históricas, sociais e culturais do território. Em contextos como o da região, onde há comprovada ameaça ao Bioma e à biodiversidade, um elemento central consiste em buscar o desenvolvimento de atividades capazes de garantir geração de renda e reprodução socioeconômica de produtores, com o equilíbrio ambiental, ou seja, atividades que contemplem as interfaces entre produção, o modo de vida, a identidade local e a natureza. Por isso, serão realizados estudos para a compreensão das práticas, processos produtivos. fragilidades e possibilidades socioeconômicas e ambientais de produtos da cadeia da sociobiodiversidade regional.
  • Pontifícia Universidade Católica do Rio Grande do Sul - RS - Brasil
  • 05/12/2023-31/12/2026