Projetos

Modelización Hidrodinámica Bidimensional y Predicción de Escenarios de Riesgo de Inundaciones en Cuencas Urbanas mediante Métodos Numéricos de Simulación - Programa Move La América

Integrantes: Cláudia Maria de Almeida (Coordenador); Elton Vicente Escobar Silva; Joaquin Ignacio Bonnecarrere Garcia; Filipe Chaves Gonçalves; María Lorena La Macchia; Ignacio Villanueva;  Pablo Rinaldi.

Descrição: Este projeto visa estudar os processos envolvidos na modelagem hidrodinâmica da bacia urbana da cidade de Tandil, Argentina, para prever cenários de risco de inundação e avaliação de danos com base na simulação de eventos extremos, utilizando o modelador de inundação HEC-RAS2. As tecnologias de modelagem simulam e analisam as consequências de um evento de inundação, avaliando e estimando danos estruturais e não estruturais e perdas econômicas durante e após o evento. Por isso, este projeto objetiva comparar modelos em diferentes escalas socioespaciais para avaliar, compreender e analisar a dinâmica do escoamento superficial nas bacias urbanas, possibilitando a previsão de cenários de curto e médio prazo. Este projeto vincula-se à pesquisa de doutorado-sanduíche de María Lorena La Macchia, da Universidad Nacional del Centro de la Provincia de Buenos Aires, e é desenvolvida em conjunto com pesquisadores do CEMADEN, FCTH e POLI-USP. Processo CAPES - AUXPE n. 88881.015900/2024-01.

Vigência: 2024 - Atual

Desenvolvimento de Metodologia para Mapeamento Urbano com Imagens Orbitais e Algoritmos de Aprendizado de Máquina

Integrantes: Paulo Roberto da Silva Ruiz (Coordenador); Cláudia Maria de Almeida; Rodrigo Felipe da Silva; EdmarEdmar Mateus de Freitas Bortoletto; Luiz Gustavo Teixeira; Daniel dos Santos Messa; Guilherme Sadério Polino.

Descrição: O rápido crescimento urbano aumenta os desafios no planejamento das cidades, responsável por políticas públicas que assegurem o bem-estar socioeconômico da população que nelas reside. Nesse sentido, a utilização de geotecnologias contribui com o desenvolvimento de projetos de gestão urbana. Dados espaciais, como imagens de satélites de alta resolução espacial, geralmente são caros e necessitam de mão de obra especializada para extração de informação e geração de mapas temáticos a fim de subsidiar tais projetos. A adoção de modernas técnicas de Sensoriamento Remoto aliadas ao Aprendizado de Máquina é capaz de contribuir com esse desafio, barateando custos e automatizando processos de extração de informação. É o caso da utilização de imagens orbitais gratuitas do satélite sino-brasileiro CBERS-4A, o qual disponibiliza imagens com resolução espacial de até 2 m em quatro bandas espectrais. Para a realização de classificações automáticas, podem ser utilizados algoritmos de mineração de dados que apresentam elevada acurácia. Assim, o objetivo deste projeto é avaliar se os dados CBERS 4A são capazes de gerar classificações de cobertura do solo urbano para subsidiar trabalhos de mapeamento, monitoramento e localização de intervenções do poder público municipal. A metodologia contemplará a utilização de técnicas consagradas de Aprendizado de Máquina para a realização automática de classificação de dados espaciais. Com a consecução deste projeto, espera-se alcançar resultados de mapeamentos com elevada acurácia, qualificando a metodologia a ser adotada em projetos de políticas públicas municipais. Assim, será possível disponibilizar e aplicar uma metodologia gratuita de processamento de dados espaciais em Projetos de Extensão Universitária em parceria com prefeituras municipais nas etapas seguintes deste projeto.

Vigência: 2024 - Atual

Deep Learning Aplicado a Imagens de Alta Resolução Espacial dos Satélites WorldView-2 e WorldView-3 para a Classificação Detalhada de Cobertura do Solo Urbano

Integrantes: Cláudia Maria de Almeida (Coordenador); Camila Souza dos Anjos Lacerda; Elton Vicente Escobar Silva; La Rosa, Laura Elena Cué; Rômulo Marques Carvalho; Reynier Hernández Torres.

Descrição: Embora o primeiro satélite de alta resolução espacial tenha sido lançado no final da década de 1990, é somente no final da década seguinte que entra em cena o primeiro sistema sensor de alta resolução espacial com diversificação na resolução espectral, WorldView-2 (WV-2), que saltou de quatro bandas originalmente consagradas nos sistemas precedentes para oito bandas multiespectrais. Apesar disso, nenhum sensor de alta resolução espacial havia oferecido desde então a possibilidade de imageamento na faixa do infravermelho de ondas curtas (short wave infrared - SWIR), a qual é reconhecidamente importante para a diferenciação de alvos urbanos. No final de 2014, é lançado o WorldView-3 (WV-3), contendo de forma pioneira um sensor com oito bandas na faixa do SWIR. Neste contexto, este projeto de pesquisa propõe-se a explorar, de forma comparativa, as potencialidades e limitações dos sensores WV-2 e WV-3 para a classificação fina de alvos urbanos, utilizando-se de métodos de Deep Learning e tendo como objeto de estudo uma área urbana com grande diversidade de materiais de cobertura do solo. Processo CNPq n. 311324/2021-5.

Vigência: 2022 - Atual

Levantamento de Materiais de Fibrocimento-Amianto com Uso de Imagens de Satélite no Município de Florianópolis

Integrantes: Cláudia Maria de Almeida (Coordenador); Camila Souza dos Anjos Lacerda; Rômulo Marques Carvalho; Gustavo Sartori Pottker; Diego Bogado Tomasiello.

Descrição: Em decorrência da Lei Municipal N 10.607/2019, o Município de Florianópolis firmou o compromisso de remover materiais de amianto das construções municipais. A Fundacentro-SC, em sua missão de produzir conhecimento para subsidiar políticas públicas que promovam o trabalho seguro, saudável e produtivo, lançou o projeto de Desamiantagem com o intuito de promover boas práticas de remoção de amianto. Uma de suas etapas é exatamente estudar a viabilidade de realizar o levantamento de telhas de amianto por meio de imagens de sensoriamento remoto. Assim, este projeto tem como objetivo o levantamento e mapeamento dos materiais contendo amianto presentes em telhados no Município de Florianópolis. Os resultados do levantamento permitirão quantificar e dimensionar os esforços e os riscos da remoção de amianto, possibilitando identificar medidas necessárias para garantir a segurança dos trabalhadores envolvidos na remoção e da população circunvizinha das áreas de remoção. Além dos impactos diretos da pesquisa, espera-se estabelecer um referencial replicável em diversas outras cidades do país.

Vigência: 2022 - Atual

Identificação de Áreas de Superfícies Permeáveis e Impermeáveis por meio de GEOBIA (GEographic Object-Based Image Analysis) e Deep Learning como Entrada para um Modelo de Previsão de Crescimento Urbano

Integrantes: Cláudia Maria de Almeida (Coordenador); Camila Souza dos Anjos Lacerda; Paulo Roberto da Silva Ruiz; Pedro Bueno Rocha Campos; Elton Vicente Escobar Silva; Rômulo Marques Carvalho; Rayanna Barroso de Oliveira Alves; Gustavo Barbosa Lima da Silva.

Descrição: Nos dois últimos séculos, particularmente nas últimas décadas, a humanidade testemunhou uma drástica mudança de população das áreas rurais para os centros urbanos. Apesar da reduzida extensão das superfícies ocupadas por áreas urbanas em comparação com o total de superfície habitável disponível no planeta, os centros urbanos são responsáveis pela maior proporção de impactos ambientais. Algumas das alterações mais comuns causadas pela urbanização envolvem mudanças de uso e cobertura da terra, aumento da cobertura de superfícies impermeáveis, alteração no ciclo hidrológico, temperaturas mais elevadas e acentuada poluição atmosférica, sonora e visual. Neste contexto, a quantidade de áreas de superfícies impermeáveis (Impervious Surface Areas - ISA), a qual é diretamente relacionada ao crescimento populacional e a urbanização, é um parâmetro-chave na determinação do impacto da urbanização no meio ambiente e um indicador de peso da qualidade ambiental. A compreensão e antecipação dos impactos da urbanização requer caracterização detalhada da atual distribuição de ISA nos assentamentos urbanos, assim como as suas tendências de expansão futuras. Desta forma, o objetivo deste projeto é duplo: i) desenvolver um protocolo para o mapeamento de ISA utilizando abordagens de ponta baseadas em imagens do satélite WorldView-3, análise de imagens baseada em objetos geográficos (Geographic Object-Based Image Analysis- GEOBIA) e inteligência artificial (Aprendizado Profundo ou Deep Learning - DL) aplicados em uma área-piloto, e ii) usar a informação sobre ISA para alimentar um modelo dinâmico espacial parametrizado por DL, a fim de simular e prever o crescimento e a mudança de uso do solo urbano. Os resultados desta pesquisa destinam-se a fornecer subsídios a autoridades locais e tomadores de decisão em geral no sentido de dar suporte a ações relacionadas ao planejamento e gestão do crescimento urbano, de acordo com a capacidade presente e futura de suporte ambiental dos respectivos sítios físicos. Todas as abordagens a serem exploradas no escopo deste projeto inserem-se no domínio do paradigma de Big Data e estão embutidas no conceito emergente de Cidades Inteligentes (Smart Cities).

Vigência: 2021 - 2023 

Cooperação Acadêmica Internacional para o Intercâmbio de Pesquisadores e Doutorandos entre o INPE e a UNALM, Peru

Integrantes: Cláudia Maria de Almeida (Coordenador); Milton Kampel; Jesus Abel Mejía Marcacuzco; Raúl Arnaldo Espinoza Villar.

Descrição: Este projeto está destinado a promover o intercâmbio de docentes, pesquisadores e doutorandos; a cooperação em pesquisa; o intercâmbio de informação e publicações de mútuo interesse entre o Instituto Nacional de Pesquisas Espaciais (INPE) e a Universidad Nacional Agraria La Molina (UNALM), no Peru; bem como a reciprocidade na participação em bancas de defesa de trabalhos dos alunos que participarão do intercâmbio acadêmico entre ambas as instituições. Este intercâmbio com a UNALM irá ampliar as possibilidades de orientação e de publicações científicas dos docentes do Programa da PG-SER do INPE, atualmente partícipe do PRINT-CAPES, consolidando-o como programa de excelência, além de fomentar novas linhas de investigação científica.

Vigência: 2020 - Atual