Utilizar visão computacional para analisar imagens de satélite

Cada imagem da Terra captada por satélites que orbitam centenas de quilómetros acima da sua superfície resulta de extensos esforços de investigação e engenharia. Estas imagens não são apenas instantâneos — são dados visuais vitais que nos ajudam a compreender e a cuidar do nosso planeta.

As imagens de satélite captam vistas detalhadas da superfície da Terra, destacando tudo, desde florestas e cidades até rios e terrenos agrícolas. Em junho de 2024, mais de 10.000 satélites ativos orbitavam o nosso planeta, tornando-os uma parte essencial da nossa infraestrutura global. No entanto, analisar estas imagens manualmente é frequentemente complexo e demorado.

Curiosamente, a visão computacional (CV), um ramo da inteligência artificial (AI), pode ser utilizada para analisar automaticamente imagens de satélite de forma semelhante à maneira como os seres humanos interpretam imagens e vídeos. A IA de visão pode ajudar a detetar padrões, acompanhar alterações e extrair informações com rapidez e precisão.

As informações obtidas através da análise de imagens de satélite podem ajudar a enfrentar vários desafios, como o acompanhamento da desflorestação, a monitorização das alterações climáticas, a melhoria das práticas agrícolas e a resposta a catástrofes naturais. Neste artigo, vamos explorar como a visão computacional pode ser utilizada para compreender e analisar melhor as imagens de satélite.

Fig. 1. Uma visão geral das imagens de satélite.

O que são imagens de satélite?#

As imagens de satélite envolvem a captura de imagens da superfície da Terra utilizando sensores e câmaras de satélite. Ao contrário das imagens tradicionais, as imagens de satélite abrangem áreas vastas, desde cidades até países inteiros, e oferecem detalhes de alta resolução ao nível do metro. Permitem monitorizar alterações ambientais, o desenvolvimento urbano e a utilização dos solos em áreas extensas.

Além das próprias imagens, as imagens de satélite normalmente também incluem dados georreferenciados. Estes dados garantem um mapeamento e uma análise precisos. O acompanhamento, ao longo do tempo, das alterações nas imagens de satélite e nos respetivos dados fornece informações valiosas sobre ecossistemas, padrões meteorológicos e atividades humanas.

Eis uma breve visão geral dos diferentes tipos de imagens de satélite e das aplicações específicas que suportam:

• Imagens óticas: Este método capta comprimentos de onda da luz visível e do infravermelho próximo, de forma semelhante à perceção da luz pelo olho humano. É ideal para monitorizar a utilização dos solos, a saúde da vegetação e o desenvolvimento urbano, mas requer céu limpo e luz do dia para uma captação eficaz.
• Imagens de radar: Utilizam radar de abertura sintética (SAR) para enviar e receber ondas de rádio, captando imagens de alta resolução independentemente das condições meteorológicas ou da hora do dia. São especialmente úteis para resposta a catástrofes, mapeamento do terreno e monitorização de alterações nas características da superfície.
• Imagens térmicas: Os sensores térmicos detetam a radiação infravermelha emitida sob a forma de calor pela superfície da Terra. São utilizadas para acompanhar incêndios florestais, monitorizar a atividade geotérmica e estudar ilhas de calor urbanas e variações de temperatura.
• Imagens hiperespectrais: São utilizados dados de centenas de bandas espectrais estreitas para analisar a composição e a saúde do solo, da água e da vegetação. Fornecem informações detalhadas sobre condições ambientais, gestão de recursos e aplicações como prospeção mineral e monitorização da poluição.

Fig. 2. Tipos de imagens de satélite.

Captura de imagens de satélite a partir de satélites de observação da Terra#

Para compreender melhor o que envolvem as imagens de satélite, é importante perceber que diferentes satélites são construídos para finalidades específicas. Por exemplo, utilizam sensores instalados em satélites geoestacionários ou em órbita polar. Os satélites geoestacionários permanecem fixos sobre um único local da Terra ao acompanhar a sua rotação, o que os torna ideais para a monitorização contínua. Em contrapartida, os satélites em órbita polar passam sobre os polos, cobrindo gradualmente todo o planeta à medida que a Terra roda sob eles.

Fig. 3. Satélites polares e geoestacionários em órbita à volta da Terra.

Esta distinção é importante porque diferentes aplicações dependem de tipos específicos de imagens de satélite para satisfazer as suas necessidades. Por exemplo, os satélites geoestacionários são ideais para tarefas que exigem observação constante, como a monitorização meteorológica e as comunicações em tempo real.

Por outro lado, os satélites em órbita polar são mais adequados para uma cobertura global, o que os torna essenciais para estudos ambientais, acompanhamento do clima e mapeamento de alterações geográficas em grande escala.

Noções básicas do processamento de imagens de satélite#

Agora que abordámos o que são imagens de satélite, vejamos o que acontece depois de um satélite captar um conjunto de imagens. O verdadeiro desafio está em transformar estas imagens brutas em algo significativo. Ao processar cuidadosamente e analisar os dados, podemos extrair informações valiosas que revelam detalhes importantes sobre o nosso planeta.

Pré-processamento de imagens de satélite#

O pré-processamento é o primeiro passo ao trabalhar com dados de satélite, concentrando-se na limpeza e correção das imagens brutas para as tornar utilizáveis e precisas para análise. Eis algumas técnicas fundamentais utilizadas para aperfeiçoar as imagens de satélite e garantir que fornecem informações fiáveis:

• Mapeamento do mundo real: As imagens de satélite são alinhadas com mapas do mundo real através da correção de distorções e da identificação de pontos de referência.
• Redução de ruído: Os modelos de aprendizagem automática são utilizados para identificar e remover nuvens através da análise dos comprimentos de onda da luz, separando as nuvens do solo para obter imagens mais nítidas.
• Calibração dos dados: Para manter a precisão, os píxeis da imagem são ajustados para um nível padrão, e a correção atmosférica reduz as distorções causadas por partículas e pela dispersão da luz.

Visão computacional e imagens de satélite#

Depois do pré-processamento das imagens de satélite, podem ser utilizadas técnicas de visão computacional para extrair informações valiosas dos dados. Os modelos de visão computacional, como o Ultralytics YOLO11, podem analisar conteúdo visual recorrendo a grandes conjuntos de dados de imagens de satélite para treino. Isto ajuda os modelos a reconhecer padrões e características em vários tipos de imagens.

Eis alguns exemplos de tarefas de visão computacional que podem ajudar a processar e interpretar imagens de satélite:

• Segmentação de imagens: Esta técnica divide a imagem em regiões distintas, como terra, água ou vegetação, para uma análise direcionada e classificação dos tipos de superfície.
• Deteção de objetos: É utilizada para identificar e localizar objetos específicos na imagem, como edifícios, estradas ou veículos.
• Deteção de alterações: Esta tarefa acompanha objetos ou regiões ao longo do tempo, comparando imagens captadas em intervalos diferentes e identificando alterações como desflorestação, urbanização ou mudanças sazonais.
• Classificação de imagens: Pode ser utilizada para categorizar tipos de terreno com base em padrões aprendidos a partir de dados de treino, permitindo criar mapas detalhados para estudos posteriores.

Estas técnicas de visão computacional transformam imagens de satélite brutas em dados estruturados e acionáveis, proporcionando uma compreensão mais clara e aprofundada da superfície da Terra.

Aplicações da análise de imagens de satélite com IA de visão#

De seguida, vejamos alguns exemplos reais de como as imagens de satélite estão a redefinir o nosso mundo, tornando as tarefas quotidianas mais simples, inteligentes e eficientes.

Monitorização de alterações ambientais com imagens de satélite#

As imagens de satélite e a visão computacional são ferramentas excelentes para observar e compreender as alterações ambientais na Terra. Permitem monitorizar vários aspetos do nosso ambiente, incluindo florestas, glaciares e massas de água, a partir do espaço. Com esta tecnologia, podemos acompanhar os seguintes fatores ambientais fundamentais:

• Desflorestação: Os satélites podem ser utilizados para monitorizar alterações nas florestas, identificar áreas de desflorestação ou reflorestação e utilizar dados multiespectrais para avaliar a saúde da vegetação e detetar alterações ambientais. A Global Forest Watch, por exemplo, é uma plataforma online que utiliza imagens de satélite para ajudar governos e organizações a tomar atempadamente medidas de conservação.
• Aquecimento global: As imagens captadas por satélites podem fornecer dados vitais sobre glaciares e calotes polares, utilizando imagens de séries temporais para monitorizar o movimento do gelo em condições meteorológicas adversas.
• Monitorização da qualidade do ar e da água: Os satélites monitorizam a qualidade do ar e da água ao detetar poluentes como CO2, metano e contaminantes, contribuindo para políticas ambientais e para a gestão de recursos.

Fig. 4. Análise de imagens de satélite da Global Forest Watch.

Melhorar a gestão de catástrofes com imagens de satélite e visão computacional#

A gestão de catástrofes naturais depende fortemente de imagens de satélite para monitorização em tempo real e recuperação pós-catástrofe. As imagens de satélite são analisadas durante inundações, furacões e incêndios florestais para detetar alterações ambientais. Após uma catástrofe, as imagens de satélite continuam a desempenhar um papel fundamental na avaliação dos danos.

Técnicas de visão computacional, como a segmentação de instâncias, podem ser utilizadas para identificar áreas com danos significativos, como edifícios desabados ou paisagens alteradas, através da comparação de imagens captadas antes e depois de terramotos ou tsunamis. Isto permite às autoridades avaliar a dimensão da destruição e dar prioridade aos esforços de recuperação de forma mais eficiente.

Um bom exemplo é o projeto Ciseres da Agência Espacial Europeia (ESA), que combina IA com dados de satélite para avaliar em tempo real os impactos de catástrofes, como inundações, incêndios florestais e furacões.

Fig. 5. Um exemplo de imagens pós-catástrofe que mostram áreas danificadas por cores: verde para danos ligeiros, laranja para danos graves e vermelho para áreas destruídas (Fonte: researchgate.net).

Utilizar imagens de satélite no planeamento urbano e nas infraestruturas#

As imagens de satélite e a visão computacional podem desempenhar um papel fundamental no planeamento urbano e no desenvolvimento de infraestruturas. As imagens de alta resolução podem ser utilizadas para estudar a utilização dos solos, acompanhar o crescimento urbano e apoiar um planeamento urbano mais inteligente. Estas tecnologias também podem melhorar os sistemas de transporte através da análise dos padrões de tráfego, do planeamento de melhores rotas e da monitorização do congestionamento em tempo real. Podem até ajudar a detetar construções ilegais através da comparação de imagens atuais e antigas, facilitando às autoridades a aplicação dos códigos de construção.

Podes estar a perguntar-te: será que o crescimento de uma cidade pode realmente ser observado a partir do espaço? Com imagens de satélite e visão computacional, pode, sem dúvida. O Dubai é um exemplo fascinante. Nas últimas décadas, transformou-se de uma pequena cidade desértica na década de 1980 numa metrópole global. As imagens de satélite captam vividamente este crescimento notável, mostrando a expansão das áreas urbanas, as alterações na utilização dos solos e o surgimento de marcos icónicos como o Burj Khalifa e a Palm Jumeirah.

Imagens de satélite e deteção remota para agricultura de precisão#

Na agricultura, as imagens de satélite e a visão computacional podem melhorar a gestão das culturas, a produtividade e a sustentabilidade. Em particular, a agricultura de precisão utiliza dados de satélite em tempo real para monitorizar a saúde das culturas. As técnicas de deteção remota ajudam a analisar dados agrícolas em grande escala, permitindo aos agricultores acompanhar os níveis de humidade do solo e detetar sinais precoces de stresse.

Além disso, a análise da seca e da irrigação é importante para uma utilização eficiente da água na agricultura. As imagens de satélite podem fornecer uma visão detalhada dos níveis de humidade do solo e da saúde da vegetação, ajudando a determinar as áreas com irrigação insuficiente ou onde os recursos hídricos são escassos.

Um estudo de caso relevante de IA na agricultura é a iniciativa de agricultura de precisão baseada em satélite da ISRO, que ajuda a otimizar a agricultura na Índia utilizando deteção remota para monitorizar a saúde das culturas, a humidade do solo e a irrigação.

Fig. 6. As imagens de satélite e a visão computacional podem ser utilizadas para delimitar parcelas agrícolas e classificar culturas.

Tendências futuras nas imagens de satélite#

Está a ser desenvolvido muito trabalho interessante no domínio das imagens de satélite e da visão computacional, com um enorme potencial para a inovação. Por exemplo, os satélites miniaturizados, como os CubeSats, estão a transformar a monitorização da Terra ao proporcionarem uma forma económica, flexível e frequente de captar imagens de alta resolução. Estes satélites compactos facilitam o acompanhamento de alterações que vão desde a expansão urbana até às mudanças ambientais.

Outro desenvolvimento promissor é a integração de dados da Internet das coisas (IoT) em tempo real com transmissões de satélite, melhorando a capacidade de monitorizar sistemas dinâmicos, como redes de transporte e recursos hídricos.

Além disso, os avanços na captura de imagens de super-resolução estão a expandir as capacidades dos satélites. Ao tirar partido de algoritmos sofisticados de IA, esta técnica torna os detalhes das imagens mais nítidos e claros, combinando várias imagens de baixa resolução em representações visuais mais claras e de alta resolução. Esta inovação fornece dados mais precisos e cria novas oportunidades para gerir eficientemente os recursos naturais e os espaços urbanos.

Fig. 7. Um exemplo de captura de imagens de super-resolução: Toulon, França, melhorada de 10 m para 5 m (Fonte: planetobserver.com).

Principais conclusões sobre imagens de satélite e visão computacional#

A visão computacional e as imagens de satélite estão a reinventar a forma como monitorizamos e compreendemos o nosso planeta. Desde o acompanhamento de alterações ambientais até à melhoria da resposta a catástrofes, do planeamento urbano e da agricultura, estas tecnologias fornecem informações valiosas que conduzem a soluções mais inteligentes e sustentáveis.

Com avanços como a integração de IoT e a captura de imagens de super-resolução, as imagens de satélite estão a tornar-se ainda mais fiáveis e acessíveis. Estas inovações estão a abrir caminho para uma melhor gestão de recursos e a ajudar-nos a enfrentar os desafios globais de forma mais eficaz.

Explora o nosso repositório no GitHub para saberes mais sobre IA e estabeleceres ligação com a nossa comunidade. Descobre como estamos a impulsionar a inovação em setores como a IA na indústria e a IA na área da saúde.