O crescente desenvolvimento de tecnologias para a obtenção de imagens a partir de satélites abriu portas para que possamos trabalhar com aplicações bastante relevantes para a humanidade.
Em 2017, uma das tarefas da tradicional competição MediaEval focou em uma dessas aplicações:o monitoramento de desastres naturais, especificamente, as enchentes.
Destaca-se que, atualmente, os eventos de inundação representam o desastre natural mais frequente e trágico em nosso planeta, de acordo com o Escritório das Nações Unidas para a Coordenação de Assuntos Humanitários.
O time MultiBrasil, formado por pesquisadores da UFMG, Unicamp, UEFS e Samsung Research venceu a tarefa de Detecção de Enchentes do MediaEval 2017.
O Prof. Jefersson Alex dos Santos e o doutorando Keiller Nogueira coordenaram as ações do time nas tarefas de mapeamento de áreas alagadas por meio de imagens de satélite.
A equipe propôs um algoritmo baseado em Deep Learning capaz de aprender padrões espaciais a partir dos pixels das áreas alagadas, diferenciando de áreas não inundadas por enchentes. Assim, torna-se possível gerar um mapa que indica as áreas inundadas. A principal característica da abordagem proposta é a capacidade de explorar a diversidade entre redes neuronais que codificam diferentes propriedades espaciais, o que possibilita um mapeamento mais robusto.
Desse modo, o algoritmo se mostrou eficaz tanto para áreas em que há alagamentos frequentes como para áreas de novos alagamentos.
A participação nessa competição é mais um dos esforços do grupo de interesse em reconhecimento de padrões e observação da Terra (Patreo), coordenado pelo Prof. Jefersson.
Mais informações sobre as pesquisas do Patreo podem ser encontradas em: http://www.patreo.dcc.ufmg.br
Sobre o MediaEval2017: http://www.multimediaeval.org/mediaeval2017/
Outras informações sobre a competição:
http://www.multimediaeval.org/mediaeval2017/multimediasatellite/index.html
Resultados oficiais: http://slim-sig.irisa.fr/me17/
