Banca de DEFESA: BRENO ARLES DA SILVA SANTOS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : BRENO ARLES DA SILVA SANTOS
DATA : 16/01/2026
HORA: 19:00
LOCAL: meet.google.com/itb-gjfe-kbq
TÍTULO:

MAPEAMENTO DE ÁREAS AQUÍCOLAS EM XIQUE-XIQUE/BA: UMA ANÁLISE COMPARATIVA ENTRE MÉTODOS CLÁSSICOS E MACHINE LEARNING PARA O PROCESSAMENTO DIGITAL DE IMAGENS DE SATÉLITE

PALAVRAS-CHAVES:

Aquicultura; CBERS-4A; Fusão de imagens; Sustentabilidade;

PÁGINAS: 95
RESUMO:

A aquicultura é uma atividade voltada à criação e ao desenvolvimento de organismos aquáticos em ambientes controlados ou semi-controlados, com o objetivo de produzir alimentos, insumos e outros produtos de elevado valor econômico. O crescimento desse setor no Brasil, aliado à necessidade de gestão sustentável, reforça a importância de métodos eficazes para o monitoramento e o mapeamento das áreas aquícolas. O objetivo geral desta pesquisa foi mapear áreas aquícolas no semiárido baiano, com base em duas abordagens complementares: (a) uma revisão de literatura sobre o mapeamento da aquicultura, e (b) uma análise comparativa entre métodos clássicos e algoritmos de aprendizado de máquina aplicados ao mapeamento de três empreendimentos aquícolas localizados no município de Xique-Xique, Bahia. No primeiro capítulo, foi realizada uma revisão bibliométrica e sistemática, com auxílio de técnicas de inteligência artificial, aplicadas às bases de dados Scopus e Web of Science. Os principais resultados apontam para o crescimento da produção científica entre 2007 e 2025, especialmente a partir de 2018, com destaque para a contribuição de instituições asiáticas. Identificou-se o uso predominante de imagens dos satélites LANDSAT 8, Sentinel-2 e ZY1-02D, frequentemente associadas a índices espectrais como NDVI, NDWI e SAVI. Embora métodos clássicos como segmentação por limiar, detecção de bordas e Tasseled Cap ainda sejam empregados, observase uma tendência crescente de adoção de algoritmos de aprendizado de máquina, como Random Forest, SVM, LVQ e redes neurais artificiais. No segundo capitulo, foi realizado o mapeamento de áreas aquícolas no município de Xique-Xique (BA), utilizando imagens do satélite CBERS4A, sensor WPM. Foram comparadas abordagens de classificação supervisionada tradicional (Máxima Verossimilhança), não supervisionada (ISODATA), ambas realizadas no software ArcMap, com o algoritmo Random Forest, implementado no ambiente R. O método ISODATA apresentou desempenho menos satisfatório, com baixa acurácia global e elevada confusão espectral entre as classes. A classificação supervisionada tradicional obteve resultados mais consistentes, embora tenha evidenciado casos de superclassificação em áreas de alta heterogeneidade espectral. O algoritmo Random Forest destacou-se como o classificador mais robusto, alcançando altas taxas de detecção para a classe “Aquicultura” e maior correspondência com as áreas verificadas em campo, especialmente na unidade CODEVASF (erro de −6,8%). Entretanto, a baixa exatidão do usuário indicou a ocorrência de erros de comissão, apontando para a necessidade de ajustes nos dados de treinamento e da incorporação de variáveis espectrais auxiliares. A pesquisa reforça a viabilidade do uso de sensores ópticos e algoritmos de código aberto no monitoramento da aquicultura em regiões remotas, promovendo o acesso democrático a tecnologias geoespaciais aplicadas à gestão ambiental, ao licenciamento e ao planejamento produtivo.

MEMBROS DA BANCA:
Presidente - 1562546 - ALEX MOTA DOS SANTOS
Externa ao Programa - 1011424 - CARLA VALERIA DA SILVA PADILHA - nullExterno à Instituição - Carlos Fabricio Assunção da Silva - UFPE
Externo à Instituição - GERSON DOS SANTOS LISBOA - UFG
Externa ao Programa - 3405408 - MARIANA LINS RODRIGUES - null