Notícias
Estudo do INPE desenvolve método para estimar bandas SWIR a partir de imagens do CBERS e AMAZONIA-1
O artigo SWIR-cGAN: Synthesizing SWIR Bands Using VNIR Imagery from CBERS and AMAZONIA-1 (tradução: SWIR-cGAN: Sintetizando Bandas SWIR a partir de Imagens VNIR do CBERS e AMAZONIA-1) foi aceito para publicação na revista Geoscience and Remote Sensing Letters (GRSL-IEEE) e já está disponível em <https://ieeexplore.ieee.org/document/11793642>. O trabalho foi conduzido por Alisson de Oliveira, doutorando em Sensoriamento Remoto pelo INPE, sob orientação de Rennan Marujo e Thales Körting, da Divisão de Observação da Terra e Geoinformática (DIOTG-INPE).
O estudo propõe um método baseado em inteligência artificial (IA) para estimar as bandas SWIR-1 e SWIR-2, do sensor MSI/Sentinel-2 (B11 e B12, respectivamente), empregando as bandas do espectro visível (V) e do infravermelho próximo (NIR) do WFI, a bordo dos satélites CBERS-4, CBERS-4A e AMAZONIA-1. O método se baseia em uma rede adversária generativa (cGAN), treinada com pares de imagens WFI-MSI adquiridas em datas e regiões coincidentes, tendo o bioma Cerrado como principal área de estudo.
A pesquisa explora o potencial da IA na ampliação das informações espectrais das imagens dos satélites brasileiros ao possibilitar a geração de bandas não disponíveis diretamente nos sensores WFI, e pode favorecer aplicações de monitoramento do sistema terrestre que se beneficiam de informações do SWIR. A implementação/documentação está disponível em <https://github.com/marujore/swir-cgan> e o conjunto de dados que subsidiou o estudo pode ser acessado em <https://doi.org/10.57760/sciencedb.34763>.
Os autores ressaltam que a qualidade das bandas sintéticas depende da representatividade dos dados de treinamento e das características espectrais dos alvos. Assim, as bandas geradas não substituem medições realizadas por sensores físicos que operam nessa faixa espectral. Entre as perspectivas futuras estão a ampliação e a diversificação do conjunto de treinamento e a avaliação do desempenho da SWIR-cGAN em alvos com diferentes comportamentos espectrais.
Os autores agradecem ao financiamento da CAPES no âmbito do convênio com a IEEE.