Metodologia integrada utilizando sensoriamento remoto em redes neurais artificiais na quantificação do potencial de biomassa florestal na Amazônia

Reconhecimento e classificação de padrões em imagens digitais é uma habilidade importante nos dias atuais, pois permite reconhecer e identificar objetos de interesse nessas imagens. Este trabalho propõe e implementa uma metodologia integrada de reconhecimento de padrões relacionados com biomassa na floresta amazônica, com o objetivo de extrair daí informações sobre potencial energético dessa biomassa para fins de utilização como combustível primário para produção de energia elétrica para eventual uso em comunidades isoladas da Amazônia. Para isso combina informações de inventário florestal obtidas em campo com classificação e reconhecimento de padrões de biomassa em imagens de satélite de média resolução (LANDSAT, CBERS). A técnica utilizada para isso vem da área de inteligência computacional: as redes neurais artificiais com arquitetura de Funções de Base Radial (RBF) e do tipo Mapa Auto-Organizável (SOM) de Kohonen. Os resultados são combinados em um Sistema de Informações Geográficas gerando um banco de dados para uso em planejamento energético com recursos renováveis, aplicáveis às áreas isoladas da Amazônia.