MAPEAMENTO DA VEGETAÇÃO URBANA POR SENSORIAMENTO REMOTO E APRENDIZAGEM DE MÁQUINA: UMA REVISÃO DO ESTADO DA ARTE

Vagner Souza Machado; Gleison Marrafon; Lucas Prado Osco; José Marcato Junior; Ana Paula Marques Ramos

Todos os Trabalhos

Trabalho Completo

Resumo

Título do Trabalho

MAPEAMENTO DA VEGETAÇÃO URBANA POR SENSORIAMENTO REMOTO E APRENDIZAGEM DE MÁQUINA: UMA REVISÃO DO ESTADO DA ARTE

Autores

Vagner Souza Machado
Gleison Marrafon
Lucas Prado Osco
José Marcato Junior
Ana Paula Marques Ramos

Modalidade

Artigo Publicação E-book III e IV CIAS

Área temática

3 - Ação ambiental nos espaços urbano e rural: adaptação e mitigação

Data de Publicação

16/11/2025

País da Publicação

Brasil

Idioma da Publicação

pt-BR

Página do Trabalho

https://www.even3.com.br/anais/cias2025/1166714-mapeamento-da-vegetacao-urbana-por-sensoriamento-remoto-e-aprendizagem-de-maquina--uma-revisao-do-estado-da-arte

ISBN

978-65-272-1853-1

Palavras-Chave

Geotecnologias; Inteligência Artificial; Áreas verdes; Mapeamento; Planejamento urbano

Resumo

Objetivo: Este estudo realiza uma revisão sistemática das abordagens metodológicas aplicadas ao mapeamento da vegetação urbana por meio de sensoriamento remoto e técnicas de aprendizagem de máquina, incluindo tanto métodos tradicionais (shallow learning) quanto redes neurais profundas (deep learning). A principal contribuição é a identificação das metodologias mais recorrentes, suas limitações e as perspectivas para futuras pesquisas. Métodos: A pesquisa bibliográfica foi conduzida na base Web of Science, abrangendo publicações entre janeiro de 2007 e junho de 2024. Foram utilizados termos-chave relacionados a “vegetação urbana”, “sensoriamento remoto” e “inteligência artificial”. Resultados: Foram identificados 161 artigos, com crescimento acentuado a partir de 2020. As abordagens variam quanto à plataforma de aquisição (orbital, aérea e terrestre), tipo de dado (imagem ou nuvem de pontos), sensor utilizado (RGB, multiespectral e hiperespectral) e técnica de processamento (tradicional ou baseada em IA). Observa-se predominância do uso de imagens multiespectrais orbitais processadas por algoritmos de aprendizagem rasa, embora, a partir de 2019, as redes neurais profundas tenham ganhado destaque devido à sua capacidade de extrair características relevantes para análises mais detalhadas, como classificação por espécie e estimativas dendrométricas. Avanços recentes indicam esforços na adaptação da arquitetura das redes para aumentar a acurácia do mapeamento com dados de alta resolução espacial. Conclusão: A combinação de sensoriamento remoto e técnicas de machine learning tem se mostrado eficaz para o mapeamento e monitoramento da vegetação urbana, embora desafios persistam, sobretudo relacionados à heterogeneidade espectral e espacial do ambiente urbano. A aprendizagem rasa apresenta vantagens em termos de menor exigência de dados, sendo útil para tarefas de separação geral da vegetação. No entanto, aplicações mais complexas — como a distinção entre vegetação arbórea e rasteira — requerem arquiteturas profundas, cujo uso demanda conjuntos de dados mais robustos. Isso evidencia a necessidade de desenvolver modelos de deep learning com maior capacidade de generalização e menor dependência de grandes volumes de dados.

Título do Evento: IV CONGRESSO INTERNACIONAL AMBIENTE & SUSTENTABILIDADE
Título dos Anais do Evento: Anais IV CIAS - Congresso Internacional Ambiente & Sustentabilidade
Nome da Editora: Even3
Meio de Divulgação: Meio Digital

Como citar

MACHADO, Vagner Souza et al.. MAPEAMENTO DA VEGETAÇÃO URBANA POR SENSORIAMENTO REMOTO E APRENDIZAGEM DE MÁQUINA: UMA REVISÃO DO ESTADO DA ARTE.. In: Anais IV CIAS - Congresso Internacional Ambiente & Sustentabilidade. Anais...Fortaleza (CE) CE, 2025. Disponível em: https//www.even3.com.br/anais/CIAS2025/1166714-MAPEAMENTO-DA-VEGETACAO-URBANA-POR-SENSORIAMENTO-REMOTO-E-APRENDIZAGEM-DE-MAQUINA--UMA-REVISAO-DO-ESTADO-DA-ARTE. Acesso em: 04/04/2026