MONITORAMENTO GEOESPACIAL DE OCUPAÇÕES IRREGULARES COM DEEP LEARNING INTEGRADO A IMAGENS HISTÓRICAS E UAS
Authors/Creators
Description
A ocupação irregular de áreas públicas representa um desafio crescente para o planejamento urbano e a regularização fundiária no Brasil. Este trabalho propõe uma abordagem integrada para análise multitemporal da ocupação urbana, combinando aerolevantamentos com UAS, imagens históricas e algoritmos de segmentação baseados em deep learning. A metodologia envolveu a coleta de imagens com drone multiespectral, georreferenciamento por Real-Time Precise Point Positioning (RTPPP) e vetorização automatizada de edificações utilizando os plugins Deepness, BuildSeg e Mapflow no ambiente QGIS. A área de estudo abrange setores do campus da Universidade Federal da Bahia (UFBA), com séries temporais de 1976, 2006, 2017 e 2025. Os resultados demonstraram a expansão sobre áreas vegetadas e revelaram o desempenho variável dos modelos de segmentação, influenciado por padrões construtivos distintos dos contextos de treinamento. A análise indicou a necessidade de ajustes metodológicos, incluindo a calibração de hiperparâmetros e variação da altura de voo. Conclui-se que a integração entre inteligência artificial e dados geoespaciais pode subsidiar diagnósticos para decisões técnicas em regularização fundiária e gestão territorial, especialmente em áreas urbanas dinâmicas e com restrições operacionais.