Banca de QUALIFICAÇÃO: CAROLINE CRUZ DA SILVA

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : CAROLINE CRUZ DA SILVA
DATA : 06/08/2025
HORA: 15:00
LOCAL: Google Meet
TÍTULO:

ANÁLISE MULTITEMPORAL DO USO DA TERRA EM COMUNIDADES QUILOMBOLAS DA AMAZÔNIA: APLICAÇÃO DE ALGORITMOS DE APRENDIZADO DE MÁQUINA

PALAVRAS-CHAVES:

AMAZÔNIA, VÁRZEA, COMUNIDADES QUILOMBOLAS, SENSORIAMENTO REMOTO, MACHINE LEARNING.

PÁGINAS: 28
RESUMO:

Este trabalho propõe uma metodologia de classificação de imagens de satélite para aprimorar a identificação de áreas de várzea em territórios quilombolas na Amazônia, tomando como estudo de caso o território quilombola de Água Fria, Oriximiná-PA. O objetivo central é compreender as relações entre uso e cobertura da terra, fatores socioambientais e socioeconômicos ao longo do tempo, com ênfase na detecção sazonal das várzeas, ambientes críticos para a subsistência e a governança territorial das comunidades quilombolas. A abordagem integra geoprocessamento, inteligência artificial e análise espacial em um fluxo baseado no processo KDD (seleção, pré-processamento, transformação, mineração e interpretação), adaptando elementos da metodologia ClasSIS para classificação de imagens. A série temporal utiliza dados Landsat (5 e 8) representando períodos de seca (out–nov) e cheia (jun–jul), associada a dados complementares: cotas fluviais (Hidroweb), informações socioeconômicas (IBGE), registros históricos de titulação e conflitos, além de validação participativa com a comunidade local. Até o momento foram concluídas: (i) seleção da área de estudo e organização inicial do banco Landsat 5 (1994–2011); (ii) etapas de aquisição e pré-processamento com controle de cobertura de nuvens; (iii) padronização temporal das cenas (20–30 de outubro) após constatar variações fortes no início do mês; (iv) composições RGB no QGIS e transformação das imagens em matrizes para processamento em Python/OpenCV; e (v) aplicação preliminar do algoritmo K-means configurado para cinco classes (floresta, solo exposto, água, várzea, nuvens/bordas). Os resultados mostraram bom desempenho relativo nas classes floresta, solo exposto e água, mas confundiram várzea com solo exposto em condições de seca; em cenários de cheia a identificação de várzea melhorou, embora a alta cobertura de nuvens tenha introduzido ruído e sombras. Evidenciou-se correlação entre níveis hidrológicos e qualidade da classificação. As próximas etapas incluem estender a série temporal até anos recentes (incluindo Landsat 8), testar estratégias híbridas (não supervisionada + supervisionada) e ajustes espectrais/pós-processamento para separar melhor várzea e solo exposto; incorporar cotas de rios, variáveis socioambientais e dados históricos para análises multitemporais; aplicar modelagem preditiva de cenários de mudança; e validar mapas com a comunidade, comparando-os a produtos nacionais como PRODES, TerraClass e MapBiomas, que ainda tratam ambientes alagáveis de forma macro. Ao oferecer mapeamentos mais detalhados e sensíveis às dinâmicas do pulso de inundação, o estudo pode apoiar decisões de conservação, adaptação climática e fortalecimento da gestão territorial quilombola em escala local, contribuindo também com melhorias metodológicas para iniciativas de monitoramento em larga escala.

MEMBROS DA BANCA:
Interno - 3304333 - RENATO DA SILVA BANDEIRA
Externo ao Programa - 1548890 - EFREN LOPES DE SOUZA - UFOPA