Estimação e Modelagem Preditiva de Recursos Hídricos, Usando Sequencias de Dados de Sensoriamento Remoto, obtidos em Tempo de Laps.
Sensoriamento remoto, séries temporais multivariadas, monitoramento de recursos hídricos, modelagem preditiva, aprendizagem de maquina.
Os recursos hídricos são utilizados em todo o mundo com distintas finalidades, entre as quais se destacam o abastecimento de água, a geração de energia, a irrigação, e na navegação. No entanto, nas últimas décadas, esse precioso recurso vem sendo ameaçado pelas ações indevidas do homem. Para melhor direcionar os recursos na prevenção e na mitigação dos efeitos causados pela falta deste recurso, se faz necessário o desenvolvimento de métodos confiáveis de previsão. A pesquisa explana dois métodos de previsão inteligente, baseado em técnicas de aprendizagem de maquina (redes neurais, arvore de decisão), para estimar modelos preditivos 2D, visando inferir mudanças futuras dos recursos hídricos, a partir das informações extraídas do histórico de uma série temporal de imagens de sensoriamento remoto NDVI (Normal Difference Vegetation Index), obtida do Center Space Research da University of Texas, Austin. Previsões acuradas de tais recursos naturais podem ter grande impacto e relevância para a sociedade, haja vista que a estimação precisa do comportamento futuro desses recursos, pode orientar às autoridades no processo da tomada de decisão, em se tratando de prever e mitigar possíveis desastres ambientais e socioambientais, decorrentes de alterações climáticas produzidas pelo aquecimento global, reduzindo-se assim os custos operacionais no processo.